📌 💡肯・格里芬警告 AI，但他认为泡沫是正常现象，任何带来经济根本性变革的事物都会伴随泡沫产生。 💡他长期看好 AI 赛道，担忧的核心问题是公司很难把 AI
- 序号：269
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
📌
💡肯・格里芬警告 AI，但他认为泡沫是正常现象，任何带来经济根本性变革的事物都会伴随泡沫产生。 💡他长期看好 AI 赛道，担忧的核心问题是公司很难把 AI 相关支出转化为实实在在的生产力。 📊查马斯做出估算，，其中 80% 来自还没有实现盈利、由风投支持的初创公司。 📊Ramp 首席经济学家证实这份估算基本准确，同时拿出独家图表，展示头部 AI 支出公司的资金分配情况。 ♻️AI 支出形成了风投领域 “左右互搏” 的死循环：风投募集资金投给初创公司，初创公司再用这笔资金采购其他公司的 AI 服务，被采购服务的公司收入随之增长，之后又向同一批风投机构融资抬升估值，本质上只是亏损公司之间互相转账，并没有产生真实的生产力。 🔍可以和早期云计算阶段做类比，当年 AWS 推出 EC2、S3 产品的时候，使用客户同样以初创公司为主，但两者存在明显区别，当时亚马逊零售业务本身已经具备稳定的自由现金流作为支撑，而当下只是一群亏损公司在互相流转资金。 📉从市场层面来看，CoreWeave 下跌 10%、Meta 财报发布之后股价下跌 6%、AMD 下跌 5%、SpaceX 下跌 5%，科技板块受数据中心以及资本开支压力的影响持续走弱，不过板块整体上行趋势依旧没有改变。 🗣️杰森提出反驳观点，初创公司争先拥抱一项新技术本身就是积极的风向标，这类主体动作灵活，会优先寻找成本最低、见效最快的竞争优势，云计算、WeWork、Facebook 广告、AI 都经历过这个阶段；大型公司接纳新技术的速度更慢，所以往往会选择收购初创公司。 🏢大型公司正在 “回到未来”，逐步减少 AWS、GCP 的采购支出，转向自建数据中心；美国头部银行之一对外表示，已经建成六个完全独立、从零搭建的数据中心；自亚历克斯・卡普提出数据主权相关观点之后，采购模式已经发生变化，公司采购决策变得更加谨慎，至少会转向 VPC 虚拟私有云方案。 ⚙️当前算力资源极度稀缺，向黄仁勋申请采购芯片，交付排期已经到 2028 年，土地、电力、机房基建资源同样很难获取；买方基本没有议价能力，“自建数据中心” 的说法威慑力有限，想要自建并且维持高可用的算力环境难度非常高。 🤝Nikesh 给出结论，行业最终会走向折中后的混合方案，要么从超大规模云厂商手中采购裸金属服务器，以此实现物理隔离，要么由服务商整合全球算力切片对外提供服务；他预判未来超大规模云厂商都会普遍上线裸金属相关服务。 💰利润池将会发生转移，当下行业利润主要集中在英伟达以及存储赛道，后续利润会逐步转移到手握海量算力资源的超大规模云服务商手里，算力可用性会成为竞争核心，而且算力需求永远无法被充分满足，就算全球所有公司全面落地 AI 业务，现有的算力供给依旧存在巨大缺口。 🛡️Palo Alto Networks 更倾向采用开源开放权重模型，这类模型支持修改权重、微调训练，还能够探查思维链，实现可解释、可审计、可验证，这是金融、医疗这类强监管行业的刚性需求。 ⚠️开源方案也存在短板，很难在超大规模云厂商之外找到能够实现全球覆盖、高弹性、高可用的推理服务商，同时对应的定价也和开源模型的经济效益不匹配。 📈Ramp 的图表呈现两大趋势，AI 渗透扩散的节奏慢于市场预期，资源过度集中在初创生态内部自我循环；与此同时自主采购 GPU 算力的支出占比持续抬升，代表公司开始转向开源路线、自主采购 GPU。 🚨AI 挖掘出两处重大 PHP 漏洞，代号 “PHP 2 Shell”，PHP 支撑着全球大约 70% 的网站，包括 WordPress、维基百科等平台，漏洞严重等级达到 9.2 分（满分 10 分），属于一级战备级别；补丁相关信息提前泄露，漏洞正式发布时间从 10 月 22 日提前至 10 月 21 日，后续事态逐步失控。 🔥网络攻击数量快速上涨，平台开启预防性关停动作，AWS 对外通报黑客攻击活动明显增多，Cloudflare 遭受数百万次攻击；法国、德国、荷兰、丹麦、芬兰等多个国家的政府网站下线，维基百科关停了部分系统；NSA 和 FBI 同步发布安全预警，引发市场对于比特币、银行账户安全的恐慌情绪。 🔎Nikesh 做出判断，这类 AI 驱动的安全事件爆发频率会远高于每十天一次，AI 依托海量算力挖掘漏洞，还可以把多个零散漏洞串联成完整攻击路径；本次 PHP 漏洞就是依靠持续算力，在多年悬而未决之后被破解，一旦破解方法公开，黑客能够逆向补丁文件，攻击没有完成补丁更新的系统。 🧾技术债务迎来集中清算，公司长期积攒的技术债务，比如老旧版本网站无法打补丁、只能下线重建，资产底数从未完整摸排，都会遭遇 AI 自动化攻击的检验；有两种修复方式，安装官方补丁，或者在边界防御产品部署虚拟补丁来拦截攻击。 ⚖️针对 “白帽算力压制黑帽” 这一理论，Nikesh 认为目前该设想还无法落地，系统架构和资源编排方式比较分散，没办法快速启动统一的防御集群，需要先把基础设施提升到基础战备标准。 ✅“持续计算解决安全问题” 这一理论是成立的，大型公司已经在用渗透测试工具自测自身防御体系，但这属于猫鼠博弈，能力更强的新一代模型会找到全新入侵路径；真正的核心矛盾已经不再是会不会被攻破，而是入侵行为被发现、响应处置的速度，建议汇聚全部信号数据，依靠算力监测异常行为。 🧠针对 “前沿模型具备垄断能力” 这一理论，Nikesh 认为市场高估了模型开发者的主观意图，模型研发人员大多是科研从业者，自身也在摸索发布路径和商业化方案，同时都受到流量管控约束，并不是刻意制造风险，只是在追逐利润池，因为需要海量资金覆盖算力投入成本。 🏦银行当前面临两类不一样的风险问题，第一类是网站遭遇 PHP 这类漏洞攻击，黑客窃取凭证实现非授权访问；第二类是个人智能代理，例如 Muse，使用用户凭证登录银行网站，银行没办法区分正常用户流量和代理流量，就连验证码也正在被 AI 破解。 🚫银行会明确拒绝智能代理发起的交互，并且厘清自身责任边界，核心阻碍不是成本，而是责任归属与问责机制，大规模代理交互会带来海量的客服纠纷成本。 📌现实案例可以印证这个趋势，亚马逊已经封禁机器人自动结账功能，Grok 购物机器人现在仅能提示用户，无法代为完成结账操作，只支持把商品添加到购物车。 🤝行业内部对于责任划分存在分歧，弗里德伯格认为按照服务协议，如果代理平台没有拦截违规访问，对应的软件责任由代理服务商承担，只有提前发出风险提示并且经过用户确认之后，责任才会转移给用户；Nikesh 和查马斯则认为授权方需要承担全部责任，代理的本质就是代理权，谁授予权限，谁就要负责，这也是唯一具备规模化落地可行性的方案。 📜存在例外情形，如果是失控智能体造成损害，属于产品责任范畴，当产品没有按照对外宣称的逻辑运行、出现不受控的情况，责任归属于平台或者产品开发方。 🧪杰森孵化了 Obliteration AI，该项目存在一定争议，面向白帽红队测试人员提供无安全护栏、无约束的模型，合作客户包含和思科、Palo Alto 同级别的公司，服务场景为正规渗透测试。 ⛔查马斯认为解除模型安全限制这件事风险极高，是被市场严重低估的风险方向，风险优先级甚至高于对齐问题，值得深度思考；Nikesh 把它称作 AI 的阴暗面，向任意有采购能力的客户开放没有管控机制的顶尖模型，等同于把核弹交到任意买家手里，安全水平完全取决于整个链条的最薄弱环节。 🔧几乎没有人愿意承接系统维护工作，产品上线之后，团队注意力都会转向下一个创新项目，系统维护的吸引力很低；VPC 部署模式带来版本漂移问题，供应商需要同时维护 19 个不同版本；底层技术迭代速度很快，但是存量业务实现方案属于沉没成本，叠加数百万家公司、数万亿行存量代码，整体现状不容乐观。 ⚙️CIO 群体存在激励机制错位的问题，CIO 的考核目标主要是控制成本、保障系统稳定可用，系统升级存在停机崩溃的风险，会带来额外摩擦，所以倾向不改动存量系统；安全投入的属性类似反恐，没有发生安全事故的时候，会被质疑投入过高，只有出事之后才会认可安全投入的价值；Nikesh 预判这套激励规则很快会发生变化，未来会接连出现级别堪比 “9・11 事件” 的重大网络安全事件。 💸安全支出占比方面，网络安全预算一般占到 IT 总预算的 4% 至 10%，金融行业和联邦机构的占比大约 10%，云原生公司占比 4% 至 5%，原因是云厂商承接了基础设施层面的安全工作；这个安全投入占比后续必须提升。 🆕AI 安全属于全新赛道，目前行业还没有掌握完整管控 AI 安全的方法，也没有办法摸清公司内部全部正在运行的智能体，AI 安全护栏体系甚至还没有正式启动搭建；可以类比莱特兄弟发明飞机的年代，当时还没有 TSA 航空安检体系；已有研究证实对话记录能够被提取隐私信息，相关体系需要从头重新设计完善。 🙅Nikesh 反驳伯尼・桑德斯提出的 “叫停 AI 发展” 观点，从技术层面来讲，直接叫停 AI 并不现实；人类历史上第一次大规模聚焦这项技术的负面风险，源头是技术缔造者过度渲染阴暗叙事，进而形成叙事层面的逐底竞争，行业需要转变叙事方向。 📢杰森解释民粹主义背后的逻辑，如果 AI 会造成一半白领岗位、司机岗位消失，这件事对于左翼、右翼民粹主义政客而言，都是博取关注度、收割选票、争取连任的优质议题。 👔CIO 有可能成为下一任 CEO，三年之后各个业务部门都会主动推进 AI 转型、争抢 AI 人才，各个业务线都会向 CIO 寻求支持，最终掌管公司的人选大概率会是 CIO。
总体总结
主题正文
- ♻️AI 支出形成了风投领域 “左右互搏” 的死循环：风投募集资金投给初创公司，初创公司再用这笔资金采购其他公司的 AI 服务，被采购服务的公司收入随之增长，之后又向同一批风投机构融资抬升估值，本质上只是亏损公司之间互相转账，并没有产生真实的生产力。
- 🔍可以和早期云计算阶段做类比，当年 AWS 推出 EC2、S3 产品的时候，使用客户同样以初创公司为主，但两者存在明显区别，当时亚马逊零售业务本身已经具备稳定的自由现金流作为支撑，而当下只是一群亏损公司在互相流转资金。
- 📉从市场层面来看，CoreWeave 下跌 10%、Meta 财报发布之后股价下跌 6%、AMD 下跌 5%、SpaceX 下跌 5%，科技板块受数据中心以及资本开支压力的影响持续走弱，不过板块整体上行趋势依旧没有改变。
- 💰利润池将会发生转移，当下行业利润主要集中在英伟达以及存储赛道，后续利润会逐步转移到手握海量算力资源的超大规模云服务商手里，算力可用性会成为竞争核心，而且算力需求永远无法被充分满足，就算全球所有公司全面落地 AI 业务，现有的算力供给依旧存在巨大缺口。
- 🚨AI 挖掘出两处重大 PHP 漏洞，代号 “PHP 2 Shell”，PHP 支撑着全球大约 70% 的网站，包括 WordPress、维基百科等平台，漏洞严重等级达到 9.2 分（满分 10 分），属于一级战备级别；
- 🧠针对 “前沿模型具备垄断能力” 这一理论，Nikesh 认为市场高估了模型开发者的主观意图，模型研发人员大多是科研从业者，自身也在摸索发布路径和商业化方案，同时都受到流量管控约束，并不是刻意制造风险，只是在追逐利润池，因为需要海量资金覆盖算力投入成本。
- 🤝行业内部对于责任划分存在分歧，弗里德伯格认为按照服务协议，如果代理平台没有拦截违规访问，对应的软件责任由代理服务商承担，只有提前发出风险提示并且经过用户确认之后，责任才会转移给用户；
- 💸安全支出占比方面，网络安全预算一般占到 IT 总预算的 4% 至 10%，金融行业和联邦机构的占比大约 10%，云原生公司占比 4% 至 5%，原因是云厂商承接了基础设施层面的安全工作；