写投资相关的文章最让人头疼的其实是Timing，很多事情如果不在第一时间聊，大约就会过期作废。
例如，前几天日本Carry trade unwinding的时候，写了篇文章：
当时我写道，到了十字路口，是金融危机，还是抄底机会，要关注路标：流动性是否持续恶化。
本来我认为还有时间，想第二天写一篇更详细的各类资产在不同场景下的走势看法。没想到，第二天，流动性已经迅速恢复了。安全抄底的窗口大约只有3个小时。
危机明朗之后再谈这个问题，就价值不大了。
因此我想以后遇到一些重要时刻，还是勤快一点：
Timing is everything！
---
那么今天就聊一个有意思的事，并且我认为周一就会对AI股票有较大影响，特别是在情绪推动的A股。
就在8月，Google前总裁Eric Schmidt在Stanford做了一次有关AI的讲座。这个讲座的内容在美国广为流传，周末也流传到中国，在科技界迅速传播。
但有意思的是，大部分媒体关注的是【企业该不该卷员工的话题】：
但其实这个讲座中的内容非常硬核，其中有关AI前沿的发展现状和预判可以说含金量十足。施密特本人是软件工程师出身，谷歌的前CEO，身价240亿美元，本身一直在科技前沿，投资了大量领先的AI公司，而且是美国政府AI政策的顾问，还直接参与到美国军方先进武器系统的项目之中。
难得的是，作为斯坦福的前教授，对自己人，他的分享非常坦诚，坦诚到还讽刺了前东家谷歌员工的散漫文化。在讲座里，他分享了很多AI产业的前沿信息和发展趋势，还有美国政府制定竞争政策时的真实想法和判断，可谓是泄露了天机。
下面，我们就来盘点一下，有哪些超预期，可能震动资本市场。当然，最后我可能还会分享一下，中美AI大战可能的演进路径会是什么。
超长Context Window将使大模型获得实时学习能力
施密特说，现在前沿大厂都在大模型中试验使用10M Tokens以上的context window，这虽然需要耗费巨大的算力，但会使大模型涌现出实时的学习能力。有了1000万以上的Context Window，你可以把所有相关的背景信息丢给大模型，然后大模型就成了有这些信息的专家，你可以问他所有的事情，并获得准确的答案。
以往在Context Window不足时，大模型常常显得不够准确，或是一本正经的编瞎话。这很多时候是因为模型的短期记忆不足，无法根据全面相关的背景知识回答问题。而如果记忆空间足够大，例如，你可以丢给他所有法条法规，然后他就可以成为精确掌握这些法规的全能法律顾问。那这样的大模型有可能快速的在各个产业实现落地。
2. 自然语言编程和Text to Action
新一代大模型貌似可以实现使用人类的自然语言来实现复杂的编程。这样有什么价值呢？就可以实现Text to Action的场景，人们可以把愿望说出来，然后大模型就可以定制出可执行的计划，并可以实现。例如，我们可以说，我想建立一个网站，把红楼梦里有所有林黛玉和薛宝钗所有的衣着描述都罗列出来，并且用图画出来。然后把红楼梦的小说喂给他，大模型就自动工作了。
一旦实现，这将是典型的生产效率大大提高，物美价廉的新供给可以创造新需求，有望推动经济大规模发展。
3. 大模型的竞争格局可能将收敛
施密特投资了很多的AI前沿公司，他的观察是大模型的发展还远未到瓶颈。可能超越Transformer的新模型算法不断出现，新的训练方式不断出现。大模型推理的产出效果也在不断提升。这种能生成Intelligence的投资，回报率可能是无限的，因此还不能说只是泡沫。
新一代大模型的训练需要持续巨大惊人的资金量：1000亿，2000亿甚至3000亿美元。可以留在竞技场的，需要有国家支持、巨大资金、海量顶尖人才，只有美国和中国的公司有这个实力。
并且，施密特亲自参与了CHIPS法案的制订，支持美国本土企业，并限制中国企业获取算力。他的看法是，中美半导体的差距还有10年，算力芯片的限制将有效的限制中国大模型的发展。
即使在美国，初创型公司也很难竞争，有超强现金流和资金实力的M7，可能将是少数能最终取得胜利的公司。这个预判非常重要，这种收敛的竞争格局对股票投资将有更为清晰的指向。
施密特还有一些有趣的洞见，例如：
加拿大可以抓住机会，在北部能源丰富天气寒冷的地区大建能源基地和数据中心，配合支持美国的AI产业发展；
印度不能参与大模型竞争的原因在于他们的精英人群已经都被美国吸走了。留下的人能力不行，而且利益与美国并不一致。
欧洲AI产业很难有作为，欧盟制度扼杀了创新。
AI投资实在巨大，因此业内最顶尖的大模型最终都会选择不开源。这将阻碍技术的扩散，也使竞争壁垒提升。
英伟达的CUDA的壁垒要比想像中更高，AMD的ROCm始终无法达到可以竞争的程度。而且由于大模型这门生意有网络效应和规模效应，时间因素极为重要，这会使英伟达的领先飞轮越来越快，壁垒也越来越高。
AI安全可能成为巨大的产业；未来AI模型如果获得自行学习的能力，那么我们人类甚至都无法问出该问的问题。就像小学生问不出微积分的问题一样。那么如何限制大模型获取毁灭人类的能力呢？
总之，施密特的斯坦福讲座还是有很多的超预期信息。之前的几周，AI相关的股票一直相对低迷。本质原因就是大家对于AI的产业化趋势有了更多的怀疑：巨大的投入能否获得真正的智能，还是只是信息的缝合怪？TRANSORMER算法是否已经到了极限，可供训练的素材已经到了极限，大模型已经到了发展瓶颈？AI为何迟迟看不到在产业中的大规模落地应用？
我想，在这个讲座中，假设施密特的预判有较高的正确概率，那么就有几点重要的超预期：
- AI大模型还有很多潜力有待挖掘：可以革新模型算法、优化训练方式；如果算力投入足够巨大是可能涌现出创造智能的能力的。只要有这种可能，投入的力度就不会降低。
- 当前前沿的AI技术，例如超长Context Window和Text to Action，已经可以实现产业的效率大幅提升。AI技术在各产业的渗透趋势将不可逆。
- AI技术投入巨大，竞争格局可能会快速收敛；
我想以上几条线索已经足以让我们评估未来几年AI产业的投资机会了。
---
有关中美AI的较量，其实没啥悬念，算力的差距将越来越大。但中国人的智慧和长期斗争的定力常常是最终取得胜利的法宝。
这个问题没有短期Timing的限制，那么我们后面哪篇中再详细讨论。
