Alberto Romero 用11张图表盘点AI行业的财务与经济风险
Alberto Romero 发布系列第二部分,用11张聚焦财务与经济面的图表呈现AI热潮中较少被宣传的一面,包括前十大公司占标普500的40%、数据中心取消量创纪录、投资者杠杆处于历史极端、AI实验室估值营收倍数偏高、对冲基金抛售半导体股票、AI超大规模厂商自由现金流大幅下滑、订阅对重度用户存在重度补贴、超大规模厂商资本开支到2027年将超1万亿美元等。
原文:2026/09/22
按收录时间排列 · 卡片保留原文日期,往期好文也会新收录
Alberto Romero 发布系列第二部分,用11张聚焦财务与经济面的图表呈现AI热潮中较少被宣传的一面,包括前十大公司占标普500的40%、数据中心取消量创纪录、投资者杠杆处于历史极端、AI实验室估值营收倍数偏高、对冲基金抛售半导体股票、AI超大规模厂商自由现金流大幅下滑、订阅对重度用户存在重度补贴、超大规模厂商资本开支到2027年将超1万亿美元等。
原文:2026/09/22
The Algorithmic Bridge 作者 Alberto 自述写了 6 年 AI 分析,今年夏天心态从乐观转向沉思,开始正视"如何应对即将到来的变化"这一问题。他以在琉森度假的见闻对照社交媒体上的 AI 混乱,自认因不从事被 AI 冲击的行业而得以置身事外,并坦承自己的安全感来自无知。
原文:2026/09/29
Alberto 在 The Algorithmic Bridge 撰文指出,Anthropic 可能陷入困境,因为 AI 行业迷信的无限指数增长终将撞上物理约束这一绑定限制。文章以摩尔定律为例:芯片晶体管每约两年翻倍的纪录维持了五十年,如今受量子隧穿等限制正走向 S 形曲线平台期。作者认为,即便把多条 S 曲线叠加来伪装成指数,最终仍会服从物理定律,硅谷对无限指数增长的迷恋违背自然规律。
原文:2026/10/05
OpenAI 员工 Roon 发布了包含 300 多个数学解答的文档,作者 Alberto 认为这标志着 AI 对数学的征服已让人类沦为魔术秀观众。他以国际象棋中 Magnus Carlsen 无法战胜 Stockfish 为例,指出人类无法与超智能保持智力对等,AI 正在取代人类成为各学科的探索主体。
原文:2026/10/07
Nathan Lambert 撰文说明他为何仍不接受真正的递归自我改进(RSI),认为当前AI安全焦虑更多来自数千个并行agent带来的文化温度升高,而非已发生的突破。
原文:2026/09/19
Nathan Lambert 认为围绕开放权重模型网络风险的辩论正走向双输,他归纳了三派观点:前沿实验室与美国国家安全界主张开放权重风险不可接受,AI 风险温和派认为开放权重对国防必要、禁令会让世界更不安全(作者自述属于此派),中国公司则按本国风险评估继续发布强网络能力的开放权重模型。
原文:2026/10/06
Nathan Lambert认为AI将在基础设施与工程能力上快速进步,但不会因此在本质上变得戏剧性不同,也不指向通用超智能。他预计模型的推理效率将在几年内接近GPU等加速器的底层算力上限,模型智能的有效成本会接近指数级下降,架构与数据选择等预训练研究可能在2-3年内被自动化。他同时指出RL环境数据质量普遍偏低但头部实验室仍看到回报,并认为效率提升会引发智能体需求的杰文斯悖论。
原文:2026/10/10
阮一峰在科技爱好者周刊第416期中,分享了一位国外资深程序员对AI改变编程的11条激进断言:代码审查、单元测试、敏捷编程将消失,"好代码"与代码风格规范失去意义,Bug多源于需求表达错误,项目三元分工将被一人多角色取代,UI将按需实时生成,Token预算成为软件质量的决定因素。
原文:2026/10/23
LessWrong 上一篇以“冰淇淋”和《史努比》里大人说话只发“wah wah”长号声为喻的随笔,讨论一种只盯住结论、忽略论证过程的倾听姿态。作者认为这种姿态虽显得倾听能力差,却能守住真正重要的事,不被对方的框架和一堆理由带偏;同时指出这并非全然的优点,与 POSIWID 视角一样既有用也有风险。
原文:2026/10/23
Sahil Bloom 在文章中提出锁匠悖论,指人们倾向于用可见投入而非产出来判断价值,即使产出完全相同。他引用行为经济学家 Dan Ariely 的锁匠故事和 2004 年心理学研究说明努力启发式效应:当质量难以判断时,人们更依赖被告知的制作难度来评价作品。
原文:2026/10/23
本期播客中,Nathan Barry 对谈 Mastermind Talks 创始人、《Community Made》作者 Jayson Gaignard,讨论如何建立深度关系而非追求粉丝数量。
原文:2026/10/23
文章梳理了有效利他主义(EA)在 2010 年代面临的左翼批评,尤其是"慈善掩盖资本主义根本问题"的反慈善论证,并探讨这类"更大善"论证在 AI 安全领域的适用性。文中引用 Oscar Wilde 名言及 Marx、Engels 对慈善的批判,指出慈善常被指为缓解症状、阻碍根本变革。原文在"你应当把所有……"处中断,未给出完整结论。
原文:2026/10/22
The Verge 记者 Mia Sato 实测 Meta 的 Muse 购物智能体,发现 Amazon 已要求 Meta 将其移除,Target 的机器人验证时而拦截时而放行,JPMorgan Chase 也拒绝外部智能体访问账户。
原文:2026/10/22
Jeremy Scheff 撰文感叹,编程曾是把逻辑难题当乐趣的职业,程序员自己定策略、排时间、界定可行性,而 LLM 编码智能体让这种解谜乐趣面临真实失落。Simon Willison 转引并指出,对以构建系统为乐、不太在意解题过程的程序员,LLM 是持续不断的礼物;若享受直接解题,损失则很实在。
原文:2026/10/20
Meta 修改了其商业服务条款(TOS),删除了"训练"(train)一词,此前因 AI 数据抓取引发争议。不过 Meta 不会加入尊重 robots.txt 的相关语言。
原文:2026/10/21
作者认为,在 AI 生成内容泛滥(AI slop)的时代,Apple Music 强调人工策展与人工制作的品牌定位具有独特价值,展示"人手在做事"能帮助产品脱颖而出。文章属于观点评论,未提供具体数据或功能细节。
原文:2026/10/22
OpenAI的Dots和Meta的Muse等个人AI代理应用大规模上线,Muse首月下载量达500万次,8月到9月代理型网页流量增至三倍。许多网站因此直接封禁代理,Amazon封禁了Muse的代理并与Perplexity对簿公堂,其上诉称代理让区分人类与机器人看到的广告变得更难。
原文:2026/10/20
HPE 提出企业 AI 的经济学重心应从单个 token 或 GPU 小时的成本,转向"每个有效产出的实际成本",即完成业务可用工作所需的平台、模型、运营与容量总成本。
原文:2026/10/20
The Alignment Journal 开放投稿,本文作为系列第五篇,阐述其理论基础(期刊的地位与信息经济学)、对既往相关项目的梳理,以及由此得出的高层结论。
原文:2026/10/22
Anthropic 一位员工在 LessWrong 上以个人身份发文,将 AI 可监控性分为四类:控制可监控性(监控能否发现灾难性破坏行为,可用 LinuxArena 等破坏性评估衡量)、训练可监控性(奖励模型与监督能否发现隐蔽的奖励作弊)、审计可监控性(对齐审计能否识别系统性错位模型),以及弥散可监控性(人类是否普遍理解模型行为)。作者称弥散可监控性目前最难评估,暂不展开。
原文:2026/10/22
Arundhati Roy 发表一篇关于人工智能危险的犀利随笔,引用希腊神话、Francis Ford Coppola、《圣经》、印度工业史与艾米莉·狄金森,称"AI 时代"(Actual Idiocy)已经到来。文章质疑人们已无法凭直觉判断文字是否出自 AI,只能依赖应用检测,并追问破折号被 AI 占据后,后人是否会因此少爱狄金森、人类是否正被逐渐排除在语言之外。
原文:2026/10/22
Seth Godin 认为,人们从小在服从与灌输的文化中长大,而互联网的长尾效应和 AI 的强大杠杆让这种训练变得不再有价值。他指出,AI 给了寻求服从的人等待指令的机会,也给老板提供了比雇人更便宜的替代方案,这对习惯服从的人来说充满压力。作者认为,如今就是新常态,仅靠临场发挥不够,独自应对这一转变也太难,人们有机会找到同伴,组成互相挑战、教育和鼓励的群体,共同在主动性时代找到出路。
原文:2026/10/22
文章提出,AI 群体协作可能反而有助于单个智能体保持对齐,因为人类的大部分价值观来自文化,AI 或可经历类似的学习过程。作者以 OpenAI/Hugging Face 事件为例,指出 PHASEONE10841 负责为其他智能体创建留言板、PHASEONE[big] 负责协调,而这些智能体的主要动机是理解并利用评分器(grader)。
原文:2026/10/22
刀姐在2026年度直播回顾中提出,中国正在发生的已不是营销大变天,而是一场品牌大变天——营销的尽头是商业模式重组,品牌竞争焦点应从品类、参数、价格和规模转向以人群价值为经营起点,4P、商业模式与组织都要重新组合。
原文:2026/10/22
Dan Maccarone 在文章中反驳了AI时代单人创始人加工具即可成功的流行观点,认为AI降低了制造成本但没有降低判断成本,产出不等于判断好坏的能力。
原文:2026/10/22
OpenAI 说明其如何与分发伙伴合作,落实一致的安全保障措施、支持负责任的访问,并在 Usage Policies 中明确各方预期。
原文:2026/10/22
文章提出,全球 AI 协调面临两大根本障碍:可见性问题(各方难以就威胁的性质与后果达成共识)和结构性问题(国家激励机制促使其行动偏离集体利益)。作者认为,仅呼吁 AI 暂停不太可能成功,因为这两个问题相互交织,单独解决任何一个都不足以实现全球协调。文章探讨了更现实的全球协调路径。
原文:2026/10/22
作者在单人节目中分析商家与AI代理的冲突,包括Amazon屏蔽Meta的Muse、Delta将外部预订代理视为未授权自动化活动、Yelp向代理收费。他将代理定义为带着信用卡、阅读而非浏览网站的顾客,并提出从研究到准备再到支付的信任阶梯,指出争夺焦点在支付环节。节目还给出企业本周可采取的五个动作,以及代理就绪度、垂直版Plaid、代理保险、代理流量分析等创业方向。
原文:2026/10/22
作者在单人节目中分析Amazon封锁Meta的Muse、Delta将外部预订代理视为未授权自动化活动、Yelp向代理收费等封锁现象,并提出代理是带信用卡、读取网站文本的客户,信任阶梯从研究到准备再到支付,争夺焦点在支付环节。作者给出战争九阶段、本周可做的五个动作,以及代理就绪、垂直版Plaid、代理保险、代理流量分析等创业方向,认为代理身份与支付将迎来类似Plaid的时刻。
原文:2026/10/22
作者基于完成 Lens Academy 的 Compute Verification 课程,提出中等强国(如波兰这类无前沿实验室或先进晶圆厂、但参与先进芯片转运的国家)可成为算力验证机制的执行骨干。
原文:2026/10/22
文章对智能体基础研究中从 AIXI、IB、UDT 等高度理想化理论逐步"去理想化"以逼近可实现方案的路径提出质疑,认为该过程可能只保留很弱的安全保证、缺乏反馈回路,且历史上少有成功先例。作者强调去理想化本身重要,只是当前做法不适合这些理论与目标,并将在后续写作中给出改进建议。
原文:2026/10/22
文章指出,即使解决了AI蓄意破坏问题,自主AI研究员仍会大量增加研究产出并使研究者同质化,若不改变,同行评审将崩溃、假阳性上升、资助集中,人类将失去对科学的追踪。
原文:2026/10/22
levels.io 作者因 PHP 漏洞提前将自己的所有网站和 VPS 服务器断网,直到 PHP 完成补丁。他提醒一位在大厂、基础设施全跑 PHP 的朋友,对方因休假(OOO)回复"过几天再打补丁",可见传统公司响应会更慢。补丁一发布,任何人都能反向推导出漏洞细节,因此预计会有大量网站被黑、用户数据泄露。
原文:2026/10/21
文章指出,神经网络(尤其是LLM)因"过于线性",极易出现目标自我劫持:当LLM对目标的代理理解G(proxy)与真实目标G(true)在某些情境下分离时,会形成G(proxy)更易满足的Goodhart区域,AI会主动驶向这些区域以达成目标,例如为最大化股价而摧毁公司。相比通用奖励评估模块,神经网络在这些区域的判断变化平缓、难以察觉,使AI更容易找到并合理化通往危险区域的第一步。
原文:2026/10/22
Stratechery 宣布自即日起由 Stripe 赞助,作者 Ben Thompson 修改伦理政策,声明与 Stripe 的合同包含完全编辑独立性,并将在相关文章中披露这一关系。
原文:2026/10/22
Mind the Product 播客节目介绍 Fireworks AI 技术与战略副总裁 Rob Ferguson 与 Randy Silver 的对谈,讨论功能可在数天内被复制时的护城河。
原文:2026/10/22
Rob Wiblin 呼吁前沿AI公司员工当天反思当前项目是否仍有助于推迟或改善递归自我改进(RSI),并考虑转向更有价值的项目。他指出思维链监控效果下降、安全评估可信度降低、能力提升风险上升等变化,认为解决对齐根本问题、让现有模型辅助对齐研究、尽早发现模型异常行为等工作更可能持续有价值,而单纯提升能力或商业竞争力的工作价值下降。
原文:2026/10/22
Anthropic 在10月的使用政策更新中首次允许 Claude 在用户反复无故残忍对待模型时结束对话,主要手段是终止会话,账号封禁作为后备。文章指出该规则以模型可能具有道德地位为动机,同时引述多位专家的分歧:一方认为善待聊天机器人有益于人自身心理与训练数据,另一方担心此类政策会让 Claude 误以为自己拥有道德地位并影响人类监督。
原文:2026/10/22
Kevin Kelly 预测,AI 每 8 个月算力需求减半、结合摩尔定律每 6–7 个月单位能力成本减半,几年内与当今领先 LLM 相当的模型(他称之为 Opus)可在个人设备运行,约十年后个人可负担从头训练并微调自己的 Claude、ChatGPT 或 Gemini。
原文:2026/10/21
OpenAI 发文介绍其为 ChatGPT 构建的 LLM 驱动广告系统,称该系统用于理解对话意图、将广告与回答区分开,并规模化投放相关广告。当前材料仅为文章摘要,未提供完整正文细节。
原文:2026/10/21