2025-11-09 对 OpenAI 这轮泡沫的一点思考

The trillion-dollar merry-go-round: Inside AI's circular economy

最近这张图非常的火,其背景是 OpenAI, Nvidia 等相关公司,通过互相之间的采购和股权操作,使得股价/财报攀升。同时,市场中不断有质疑这种方式是否是一种估值泡沫,以及在衡量其风险。比如

我觉得这种通过股权,订单,融资等等方式的操作可以类比中国的房地产市场来思考。中国房地产市场在2022年寒冬之前,也是通过商票,借贷,股权操作等等将整个房地产市场的估值快速拉升。配套的上下游产业,比如建材,家居,水泥,钢铁,都在这轮周期中快速发展。当然,最后的结果也已经知道了,就是整个房地产市场在如今是非常的不景气。配套的上下游也是艰难度日。

那么,这轮AI的周期也会如此收场吗?

在现在这个时间点,我没法判断最后的走向和结局。但是,我觉得也许可以持续关注一些特定信号来提前感知市场的走向。

首先,如今的AI是在一个资本投资+技术进步的正向循环之中。类比房地产,类似于当年资本和政策加持下,房地产进入正向循环。这种正向循环,或者飞轮,本身是一种很好的发展模式。这种模式能够快速的增长。

然而飞轮的弊端就是,一旦飞轮从正向循环转向恶性循环,其下滑速度也是非常的快,造成的负面影响也会更大。比如房地产市场在新房销售这一环节疲软,导致疲软传导进整个循环之中,最终整个行业螺旋下降。

因此,这轮AI周期中,我们的关注的风险点不应该是是否存在一种循环/飞轮,而是什么时候这个飞轮会从正向循环转为恶性循环。

那么,在这里我们简单为这个飞轮建模为三个阶段来循环

  1. 技术进步
  2. 收入增长
  3. 资本投入
  4. 技术进步

也就是说,不管是”技术进步“,”收入增长“,”资本投入“任何一环出现停滞,整个飞轮就会降速,直到失速变为恶性循环。

这三个阶段中,”技术进步“很难量化,”收入增长“会收到各种神奇的财会操作变得模糊,”资本投入“可能是比较容易观测的指标。

如今,主要的”资本投入“来自于大型科技公司,同时也只有这些大型科技公司有能力将”技术进步“转换为”收入增长“。私募基金等金融机构只能在”资本投入“中起到作用。

因此,我们的关注对象应该是这些大型科技公司的”资本投入“和”收入增长“。当它们在这两项中出现下滑的时候,就是我们要重新思考这轮AI周期还能使许多久的时候。

Disclaimer: 本博客只作为对个人思考的总结。

美国买房相关事宜小记

最近在了解在美国买房的相关事宜。在kindle上买了《How to Buy a House: What Everyone Should Know Before They Buy or Sell a Home》来大体上了解一下。这本书的特点就是没有深度,非常好读。比较适合小白来对整个过程有个基本概念。选这本书的原因就是因为便宜(5.99$) 因为这本书写在2017年,里面的内容对今天的市场不免有些过时。另外里面还有拼写错误和排版问题,肯定不是什么高质量书籍。作者并不是湾区的 Agent,湾区的房地产市场和美国大部分地区也都不太一样。所以这里并不推荐对这本书有太高的期待。

但是作为普通消费者,里面的基础信息已经完全够了,剩下的都应该是 Agent 的指责。所以在这里重要的事情说三遍:

!!!选一个靠谱的 Agent !!!

!!!选一个靠谱的 Agent !!!

!!!选一个靠谱的 Agent !!!

最靠谱的方法莫过于朋友同学的推荐,然后和这些 Agent 看一次房,选出最适合自己的 Agent。

以下内容将会介绍我读了本书后觉得对我有用的知识。另外,我会补充一些湾区房地产市场的特殊性。希望这些内容也能帮助大家减少一些买房过程中的疑惑。

Read More »

理解 Python 中的 __all__

在 GitHub 上寻找开源项目的时候偶然看到 osxphotos 里面有个 issue 是在 Python 文件中显式的定义 __all__。里面还附了份链接解释为什么需要 __all__。在这里东施效颦的用中文解释一下。

TL;DR

__all__ 定义的字符串列表规定了 from module import * 会导入该文件中的哪些类,函数,变量。不在 __all__ 中的类,函数,变量不会被导入。

Read More »

不仅要带着问题找答案,还要带着答案找问题

从小到大的学习,我们都是带着问题去找答案。得到答案后,将答案写在问题后面。从此,如果不遇到同样的问题,这个答案将被束之高阁,直到被我们遗忘。

这样的学习是低效的。第一,在这个过程中,我们只做到了“学”,而没有“习”。缺乏对学到内容的梳理总结与输出。费曼学习法之所以高效,正是因为学的知识后的输出。第二,当我们解决了这个问题,别人可能也在遇到同样的问题,我们的知识只作用在自己身上,这也是低效的。

因此,当我们找到答案后,应当主动去找问题,并分享答案。其一,我们的答案可能帮助别人。其二,我们能够梳理自己所学知识。其三,分享答案会让更多人审视我们的答案,其中的疏漏会在此过程中被揭示。

目前我能想到的找问题的方法就是去知乎等平台搜索该问题或类似的问题。主动帮助有同样问题的人,利人利己。看见过有人自问自答,这也许是种方式,但总觉得有点道德上的问题,这里不做评判。

先尝试着这么做1年,看看效果吧。

读书笔记 - 《专注力》

趁着在FB的实习结束,读了 Chris Bailey 的 《专注力》。感觉其中的方法和观点对我很有帮助,因此顺手写下了些笔记。本篇博文的目的是将这些笔记电子化,方便以后查阅。因为里面提到的一些方法我在读这本书前就使用了,因此可能不在笔记内容范围内(比如关闭大多数app的通知),如想系统了解,还是应该读原书。

Read More »

吐槽怪物猎人电影

最近沉迷 Monster Hunter Rise (怪物猎人:崛起),好奇去看了看前段时间上映的电影。虽然当初看到预告片里的美国大兵用RPG打角龙就知道是烂片了,但是看完后还是忍不住想吐槽。
整个电影大概1-2小时吧,我跳过所有的人类演员的戏,只看有怪物的镜头,大概用了15分钟看完了。所以我脑补了一下,也许电影预算有限,没办法做很多CG,只能编很多俗套的人类戏来填充时常。
剧情上,导演认为怪物猎人就是《怪物“猎”人》,拍成了怪兽片。但凡玩过游戏的都知道断句要么是《怪物(名词)猎人(名词)》要么是《“怪物”(形容词)猎人(名词)》。这里面猎人才是关键,整个游戏的氛围是一场狩猎,而不是电影里演的打怪兽。狩猎前,玩家需要考察怪物的特点,然后做出合适的准备。狩猎时,先要根据环境寻找目标,然后熟悉和了解怪物的动作招式,不断地试错,且合理的利用环境与道具来反制怪物。即使被怪物打死,也只是被艾露猫们用推车送回营地。狩猎结束后,玩家也只是用小刀在怪身上划3刀,收集些鳞片之类的素材。根据设定,玩家并没有杀死怪物,而是将怪物驱逐。
这一切到了电影里,就变成了美国大兵用机关枪对着角龙一顿突突突,然后被全干死。怪兽屠杀后,只剩个女主角,然后女主角和别的猎人再合作,用RPG + 大刀把角龙打死。角龙死后,继续打雄火龙,也差不多是一样的套路。整个剧情和狩猎根本毫不沾边。猎人们在里面就被刻画成了异世界的蛮族,充满了殖民主义的恶臭。虽然掏出了大刀,弓箭,双刀等武器,但是武器招式完全没有展示。艾露猫更是从没有出现过。从电影里,我没有看到创作者一丝一毫对游戏的爱。但凡有一点爱,都不会做出用枪突突龙的桥段。我真就怀疑,有人会因为看了这电影入坑怪物猎人游戏吗?
对于基于原有IP做的电影,如果创作团队没有对原作的爱,还不如把这制作的钱用火烧了,省的恶心粉丝。