(参考 消息、作文、专家纪要、调研分享；提高认知及信息差 )

分享市场、行业及公司动态，包括投资策略、行业数据库、专家调研、公司纪要；信息超越 99% 的投资者）微信扫码加入体验）

投资通讯第二百三十七期

目录

一 、 东 方 港 湾 观 点 3

投 资 应 该 像 “ 大 海 捕 鲸 ” 3

二 、 他 山 之 石 9

伟 大 投 资 者 具 备 哪 些 特 征 ？ 敢 于 在 优 势 的 基 础 上 下 重 注 9

三 、 行 业 分 析 14

美国宣布启动 NAIRR 计划：目标打造 AI 帝国「从 NASA 到 O PEN AI 」 14

从 GPT-5 是 什 么 说 起 24

A NDREJ K ARPATHY 最新博文：以自动驾驶为案例，展望通用人工智能 33

2023 年中国智能手机市场出货量创近 10 年最低 苹果首获年度第一 41

LVMH 集团主席关于奢侈品行业的最新研判：我们很高兴能够放慢脚步 45

四 、 公 司 点 评 与 调 研 信 息 51

扎克伯格：正在开发 L LAMA 3 和通用人工智能， GPU 总数达 60 万 51

兖 煤 澳 大 利 亚 空 间 测 算 53

炒 到 10 万 元 一 台 ， 苹 果 V ISION P RO 到 底 牛 在 哪 里 ？ 55

热 腾 腾 出 炉 的 台 积 电 数 据 对 我 们 有 哪 些 启 示 61

去年利润 7 年来首降，特斯拉四季度业绩不及预期，警告今年增长将放缓，盘后跌 5% 63

谷歌 C HROME 迎来 AI 升级：创意主题、智能标签整理、写作助手悉数登场 67

一、 东方港湾观点

投资应该像“大海捕鲸” ‌

一、 市场环境：

本月 A 股方面，上证指数下跌 6.27% ，上证 50 下跌 3.09% ，沪深 300 下跌 6.29% ，创业板指下跌 16.81% 。 1 月市场情绪受到国内经济数据偏弱、政策力度不及预期的影响，延续了前期下跌的趋势，继续走弱。投资者对于雪球敲入、融资爆仓、股权质押风险和私募清盘的担忧与日俱增，市场 “ 负反馈 ” 从担忧转为现实，最终出现集中性抛售。从风格来看，市场偏弱时，小盘股和成长股在短期跌幅较大。然而在央企负责人业绩考核将增加 “ 市值管理 ” 、央行超预期降准、广州房地产政策优化调整、海外降息预期扰动下，中字头央企明显走强、红利指数表现最为稳健。目前市场尚未完全打通“赚钱效应→新资金入场→赚钱效应”的正向循环，后市反弹行情持续性仍需观察，当下市场临近春节长假，从历史来看，春节前市场交易意愿降低，短期宜静待市场指数企稳、合理控制仓位。

本月港股，恒生指数下跌 9.16% ，恒生科技指数下跌 20.15% 。受到内地经济数据增速放缓以及美债利率的影响。 2023 年四季度以来，在海外需求不振、国内天气极端多变等多方面因素影响下，内地经济恢复势头小幅回落，受此影响港股本月经历较大的回调，市场整体情绪较弱，近期多轮下跌导致港股市场逼近 2022 年 10 月以来最低点，其中医疗、地产和消费板块跌幅较大。目前多项港股测算指标显示当前港股市场处于底部区域，进一步下探的空间有限。随着国内增加经济动能的政策密集出台，经济增长预期企稳，而海外流动性逆风逐渐减弱，港股底部回升的趋势确定。但由于今年海外风险事件较多，包括全球多地大选，地缘政治摩擦此起彼伏，衰退交易的预期易燃，对港股市场造成短期扰动，港股市场更可能是底部震荡向上。国资委提出“将市值管理纳入央企业绩考核”，增强高股息央国企派发股息分红的确定性。

本月美股，标普 500 上涨 1.59% ，道琼斯工业上涨 1.22 ，纳斯达克上涨 1.02% 。三大指数延续强势表现，其中标普 500 指数继上个月道琼斯工业指数创出历史新高后同样创出历史新高。自去年 12 月份 FOMC 会议以来，美国经济数据仍保持较强韧性。去年 12 月新增非农数据及 11 月 CPI 表现均并不让美联储那么舒心，一方面去年 12 月 CPI 略超预期反弹，核心通胀仍顽固，美联储抗击通胀道路曲折，另一方面去年 12 月整体新增就业规模远超市场预期及前值，且就业广度情况有所好转，就业市场呈现较强韧性，但同时就业市场部分

领域持续出现松动。在此情况下， 1 月议息会议上美联储宣布维持利率水平不变，符合市场预期。

二、 行业动态

消费： 本月酒企加快开门红回款进度，伴随渠道陆续到货，整体行业批价小幅承压略降；终端表现看，节前年会及婚喜宴场景表现较好，部分商超及区域烟酒店春节白酒礼品堆头已陆续摆开，提前进行旺季预热，临近春节动销有望进一步回暖。无论是短周期跟踪反馈，还是长周期白酒运行逻辑重构，白酒龙头增驱动力底牌仍足，但名酒向下挤压会更加明显，从回款、库存等都会显现剧烈分化。市场对消费复苏预期普遍较弱，白酒龙头估值已极具性价比，短期蕴含超跌反弹机会，长线价值凸显。

传统能源：虽然全球新一轮的补库存周期正在进行，但是地产偏后端周期行业的需求可能依然没有见底，未来周期行业会出现一定的分化，我们会对一些接近完成或者已经完成供给侧改革的行业深入学习并考虑布局。过去我们所投资的煤炭行业受益于 16 年供给侧改革并未受到国内地产高质量发展转型之路带来的阵痛冲击，在未来我们对周期行业的投资依然会从高股息率中长期成长可期的角度来综合考虑。

美股科技： 2024 年首月，美股三大股指均微涨超 1% ，全月走势较为震荡。开年第一周，因美股部分资金获利去年收益等原因，大盘持续下跌，但随着美国 CES 展会开启、众多重磅公司推出业务路线图及新品，市场对 AI 的热度和落地的确定性重燃，核心股票又开始了新一轮涨幅。本月也是美股重要的财报月，目前看来大部分重点公司业绩依然稳健，虽然存在少部分公司因市场短期资金博弈预期而震荡较大，但我们判断长期的业务逻辑和行业趋势并无问题，因此本次财报季整体还是偏利好的。具体到我们的重点覆盖领域，我们依然坚守 AI 产业核心标的。本月芯片行业表现突出， AI 芯片龙头、龙二公司管理层均对外重申了积极的行业趋势，对公司财报的跟踪和预期也显示业绩依然坚挺，预计该板块今年依然将贡献较强的收益。软件互联网板块业务推进不断，全球云趋势向好，各公司的 IT 支出在温和复苏， AI 对重点公司的业绩贡献也逐步兑现，我们继续跟踪应用端的进展。全球消费电子龙头仍处逆风，一方面是竞争格局的恶化，另一方面是换机时间的延长、部分重点市场消费能力的衰退，近期不乏砍单的传闻影响了公司股价表现。全球智能汽车巨头目前亦处于逆风状态，我们也在年初对该公司配置权重进行了一定下调，由于不可避免的

周期性，全球智能汽车行业都仍处于下行周期，价格战比预期时间更长，行业格局有待出清，另一方面，公司的自动驾驶还没有明确进展，这对公司估值拔高产生了压力。展望 2024 年，我们认为降息虽然可能预期波折但是大趋势，分母端的宽松利好美股表现，同时优质公司依然会继续释放业绩， AI 景气度仍强，且长远看刚刚开始，因此我们对未来的投资充满信心。

医药医疗： 当流感大流行迫使数百万美国人推迟日常的医疗保健活动之后，医疗保险公司认为，在某个时候，被压抑的需求必然会推高他们的成本。进入四季度以来，保费报销的增加突显出对医疗服务的需求增加并未减弱。由于住院、会员就医、门诊手术和使用补充福利，美国医疗保险龙头公司第四季度的成本高于预期。随着新年的到来，重返医疗保健市场的交易中，赢家和输家的故事正在上演。输家列表的底部是医疗保险公司，它们都是付款人，因此在复苏中会短期承压。在获益者名单的顶端如医疗保健连锁龙头以及医疗设备龙头公司将更得到市场的青睐。

金融：本月大盘指数继续下行，金融作为防御性板块在当前弱势的大环境下跑出了相对优势。银行板块表现最为优异，板块逆市大幅上涨，主因当下资金进行防御性配置，高股息低估值的银行板块受市场青睐。但受利率重定价的影响，银行 24 年息差压力依然在加大，且近期房地产销售偏弱，行业风险进一步暴露的可能性在加大。因此，板块短期虽表现优异，但潜在的问题需要重点关注。保险板块呈现前弱后强的走势，整体走势震荡持平。进入一月以来，行业开门红销售情况超市场预期，但受限于权益市场与长债利率的疲软，走势一直偏弱。随着下旬央行降准带动资产端反弹，板块出现较大幅度反弹，从而拉平月初跌幅。券商板块随大盘一起走弱，跌幅略好于指数。随着权益市场走弱成交额减少，市场担心行业经纪业务、投资业务、资管业务都将受到影响。因此，行业短期缺乏业绩改善的动能，板块只能作为市场情绪的一种映射。

三、 投资策略

2024 的年历翻开了新的一页，世界继续在 AI 革命的加持下加速前进。

本月的达沃斯论坛上，Openai 的 CEO 山姆.奥特曼向世界描述了即将降生的 GPT5，将给人类带来的变化。首先 GPT5 相对于 GPT4 将会有质的飞跃：通用性会得到大幅提升，速度更快，信息更加实时，在更长更复杂的问题上表现得更精确，逻辑能力也得到极大的提升。相对来说，GPT4 更像是一个预览版本。GPT5 预期将于今年上半年推出，而大部分 AI

应用自去年中以来开启研发，陆陆续续也都在今年上半年落地，叠加核心引擎的升级，预示着今年下半年的 AI 应用领域将更加精彩。其次，随着模型变得更智能、更善于推理，我们需要的训练数据可能在变得更少。就比如没人需要读完 2000 本生物学教材，你只需要一小部分超高质量的数据，并深入思考和咀嚼，模型会更加努力地思考一小部分已知的高质量数据。于是我们可以通过 GPT4 的总结和设计，去训练更高一级的模型，或者训练某一个领域的专家小模型。市场担心的数据限制，可能并不是个问题。再者，我们现有的算力依然远远不够，而从更长期的角度来讲，电力能源也将变得更加稀缺。本月 Meta 表示，今年末公司将拥有等同于 60 万块 H100 芯片的算力，这将是相当于 500-600 Exaflops 的算力，是特斯拉目标的 5 倍以上，这将一改 Meta 此前较低资本开支的现状，全面加入人工智能的军备竞赛当中。

GPT5 的预告，让我们对于 AI 的发展和更新速度有了更多的了解和信心，而本月一些人工智能开拓者企业所发布的季报，则给我们展示了目前为止的大模型应用，究竟是不是“徒有其表”。

我们以当前暂居“浪潮之巅”的微软作为例子来以管窥豹。作为全球软件巨头，微软

23 年四季度的收入增长 18%，利润同比增长 34%，双双延续了“加速成长”的趋势，各项分业务也全面超越了此前的指引。作为全球最大的软件企业，也是 Openai 最大的股东、最大的供应商和最大的客户，微软是全球 AI 转型在最大的“实验场”，尤其在其市值成为全球第一之后，公司每个季度都需要向市场递交 AI 转型的成绩单。这个季度的成绩也不负众望，公司在 Azure 云、Copilot 以及“AI 替人”的费用控制上，向市场展现了 AI 转型的效果。

首先，作为公司最大的业务（收入占比 30%），也是 AI 向百行千业赋能的主要方式，微软的云计算业务 Azure 云取得了所有业务分类中最高的增速——30%，自二季度增速触底以来继续加速往上。这也使得云业务的收入占比，以每个季度一个百分点的速度在提升。其中 AI 相关的收入占 Azure 云收入的比例，过去几个季度从 1%到 3%再到本季度的 6%，环比增速特别快，主要动力来自越来越多的企业在 Azure 云上使用大模型的能力，去设计他们自己 AI 产品，或用于改造自身业务流程，替代人力成本，例如最近多邻国用 AI 翻译功能替代掉了 10%的员工。

其次是 Copilot，即作为助手帮助用户更加快捷地使用软件。公司旗下产品从 Windows、 Office、Dynamic、Github 到 Power Platform 都已先后获得了 GPT 的赋能，其售价也明确地定在了每月 20 美金到 50 美金不等。目前渗透率最高的应该是 Github，付费用户数已经

高达130 万人，来自超过5 万家企业，相对于三季度的3.75 万环比增长了35%，这导致Github

收入同比增长了 40%，是所有 AI 应用中最明显的收入变现例子。Copilot 的推广刚开始两个月，面对超过 4 亿的 Office 商业用户、超过 8000 万的 Office 个人用户，以及超过 500万的 Dynamic 用户和超过 1000 万的 Github 用户，当下渗透率仍然非常低，并没有很好地反映在“生产力工具”业务增速之上。本季度增长虽然继续加速，但也只有 15%，随着 Copilot渗透率的提升，我们预期这部分收入占比近三成的业务，增速同样可能超预期的加速往上。

再者是利润率提升的效果，AI 替人的效果应该最先在微软身上体现出来，才能使微软的客户信服从而提高采购率，事实也确实如此。本季度公司的收入提升了 18%，而利润却增长了近 34%，经营杠杆便是来自费用的控制。即便因为收购动视暴雪导致了 7%的费用增长，四季度的整体费用增长仍然控制在 12%，低于收入增速。事实上，过去几年公司的收入增速都是要高于运营费用的增速的，结果就是利润的增速要高于收入的增速。按照公司的指引，24 财年整体的运营利润率将会得到一至两个百分点的提升，这是对于运营利润超过 40%的生来说，是非常优秀的成果。

当前大模型仍然存在许多能力限制，按照 Openai CEO 的说法，只能完成人类大约 10%左右的任务，且成本仍然有非常大的下降空间。如果今年 GPT5 推出后，能如 Sam 所说的将 AI 能力再翻一倍，解决掉当下许多被诟病的问题，成本进一步压缩，能够完成 20%的人类任务，那么微软的 AI 应用采买率会继续得到提升，作为缩影，百行千业的 AI 应用也会得到更进一步的普及。我们不知道大模型 AI 的推广会否经历一次科技发展的“绝望谷”，但以当下可见的速度，趋势不可逆，而且惊喜或要多于失望。

在产业变化之外，本月利率下行的趋势也进一步得到了验证。本月公布的美国十二月 PCE 物价指数同比增速进一步下滑，核心 PCE 指数首次跌破 3%，全面进入“2%区间”。尽管美联储议息会议给市场泼了冷水，降低了市场对于 3 月份美联储降息的预期，但实际利

率却真实地反映了这个趋势的变化，其中 5 年期的美债利率更是创下了短期新低。

因此我们说，“降息周期的开启”是 24 年的另一个“房间里的大象”，这对于中国经济的需求刺激，也是必不可少的条件。当下中国国债市场利率 1 年期已经跌破 2%的关口，

PPI 和 CPI 也分别连续 15 个季度和 3 个季度保持负增长。在美联储进入降息周期之后，中国的货币宽松政策在汇率稳定的前提下就能更加放开手脚，届时的市场利率可能要在低位运行一段时间。

第三个显而易见的事是 A 股和港股的“极低估值”。在此情况下，市场许多投资人一直在期待一个股价反弹甚至反转的完美信号；但我们认为，与其去等待某个可能性，我们切莫忽视了“低估值”带给所有投资人另一个现成的实实在在的好处——“高股息”。我们所跟踪的煤炭、黄金、电信、消费等行业，都不乏在 A 股和港股出现了超过 7%股息率的

公司。除了确定性极高的分红以外，在当下环境里，当“高股息”遇上“低利率”，会碰撞出什么结果，也是非常值得令人期待的事。

一级市场的投资讲究“赔率”，通常会极为分散地去以小博大；而二级市场的投资，更在乎的是“概率”，在适当分散的前提下，押注于最有把握的获利方向。在东方港湾看来，当下最大概率的几件事情，分别是“AI 的时代趋势”、“降息周期的开启”以及“A/H股的低估值”，投资人应该是“在大海里捕鲸鱼”，去追寻显而易见的“高概率”事件和好公司，而非在“泥潭里抓泥鳅”，纠结于看似高赔率实际上充满不确定性的“黑马”。这既是获取投资收益的主要来源，也是我们应该去规避风险的主要手段，不可不察！

返回目录

二、他山之石 ‌

伟大投资者具备哪些特征？敢于在优势的基础上下重注 ‌

作者：迈克尔·莫布森｜来源：聪明投资者

芒格说：“伟大的投资者，对某些人来说就像是伟大的棋手，他们几乎天生就是投资者。”

伟大的投资者都具备哪些特征？

迈克尔·莫布森（ Michael Mauboussin ）是摩根士丹利投资管理公司的协调研究主管，他在多家著名机构工作过，包括瑞信， Legg Mason （美盛基金，与比尔·米勒为同事，负责组织前沿思想论坛）等。他在哥伦比亚商学院教授了二十几年《证券分析》。

这篇文章中，他总结了伟大投资者的 10 个特征，包括对数字敏感、理解价值、深谙投资是一门关于比较的学问、敢于在优势的基础上下重注、通过阅读持续进化等等。

其中谈到的一些特质，与芒格口中的“能力圈”、“学习机器”这些异曲同工。以下是全文，由公众号“泉果视点”精译，聪明投资者分享给大家。

• 成功的投资者必须对数字敏感
  虽然投资决策中很少涉及复杂的计算，但成功的投资者具有对数字和概率的“感觉”。理解财务报表是对数字敏感的重要体现之一，伟大的投资者对报表驾轻就熟，分清盈
  利增长和价值增长，如果公司对未来的投资不足，或投资未能产生“合适”的收益，公司可以在增加收益的同时毁灭价值。
  所以精明的投资者一般更关注未来自由现金流的现值所代表的公司价值，而非公司当期收益情况。
  同时财务报表可以帮助理解公司战略与价值创造间的联系，比较同一行业不同公司如何配置资源来比较竞争优势和战略高下。拥有较高盈利率和较低资本流速的公司采用的是差异化竞争策略；而拥有较低盈利率和较高资本流速的公司采取的是价格策略。
  因此，对公司赚钱能力的评估，本质上是对公司能维持现有竞争优势多长时间的评估。
  
  
• 理解价值
  
  
  对大多数上市公司而言，可投资的年份没有那么长，前后差不多十年，却存在很多未知因素，技术变革，消费者偏好转移，竞争环境等等。不变的是未来自由现金流的现值决定金融资产的价值。
  所以伟大投资者都非常清楚那些表面的指标，如市盈率和企业价值倍数等并不直接代表公司价值，只是评估价值过程中需要用到的简化工具而已，帮助你节省时间的同时也存在局限性。“现金才是真相，利润只是一种‘想法’”。
  
  
• 正确地评估公司战略
  
  
  微观层面，伟大的投资者非常清楚一家公司靠什么赚钱，而且对盈利驱动力的变化情况了如指掌。
  宏观层面，伟大投资者能够理解所投资的公司在产业中的独特地位，公司竞争优势是否可持续。战略与估值，相互影响，相互作用。
• 投资是一门比较的学问
  
  
  尤其区分一般投资者和伟大投资者的，是会不会比较基本面和预期，或者说是否能够识别出市场预期定价中的“错误”。
  以赛马为例，在一匹马上面的下注反映了这匹马的赔率，可以看作是预期，而基本面是这匹马能跑多快。正如芒格所说，“我们要寻找一匹获胜概率是 1/2 ，赔率是一赔三的马”。
  人类倾向于通过类比来思考，我们比较容易理解相对价值，以及根据自己的偏好排名，却很难真正理解一个公司的绝对价值。如果把比较的事物局限在某一特征点上，忽略了外部环境等条件，就容易失去洞察的可能。
  优秀的投资者懂得在比较预期与基本面时，尝试推测表象之后发生了什么。拿鸟类飞翔为例，拥有翅膀和羽毛与可以飞翔是表象联系，而挥动翅膀通过空气动力学原理产生了拉升力，是鸟和飞机都能够飞翔在天空的内在联系。
  同理，伟大投资者在将现状与历史比较的时候，会去了解造成这段历史的内在驱动因素，而不是仅仅是比较价格或其他表象，从而避免掉入认知陷阱。
• 学会用概率思维
  
  
  投资是一门概率艺术。伟大投资者整个思维框架是建立在概率上的，并在市场上寻找价格与概率错配所产生的投资机会。
  
  
  优秀的投资人一方面不断寻找自己的优势，另一方面更关注过程而不是结果。因为概率的存在，好的决策有时也会带来坏的结果，而坏的决策也会带来好的结果。
  长期来看，如果拥有正确的决策过程，即便时而出现坏的结果，投资的“总成绩”也会令人满意，需要足够长的时间和投资决策数量来让概率发挥作用。
  
  
  巴菲特总结过，自己一直努力的事情是“放大正确的概率乘以潜在正确的盈利，降低错误的概率乘以潜在错误的损失。”
• 更新自己的观点
  
  
  观点是有待验证的假设，而非一成不变的原则。很多人总是倾向于保留一致观点，而且我们总希望别人也能够从一而终。这种保持“一致性”的想法会随着年龄的增长而更加强烈。
  伟大的投资者会做两件跟我们不一样的事：他们会去寻找与自己不同的信息和观点；只要找到证据表明自己错了，他们会更新自己的观点并采取行动。
  有研究显示，这种主动寻找与自己观点相反“论据”的人，在预测方面做得更加出色。这种主动违反人性的努力，可以对冲人内在的保护自己观点的“偏见”。最优秀的投资者理解周围的世界处在不断地变化之中，观点也理应体现出流动性。
• 对行为偏差有清醒的认知
  
  
  如果用 IQ 代表认知能力，而 RQ （ Rationality Quotient ）是表示决策能力。两者之间的重合度其实比大家想象的要低，重要的是，我们应该着重培养自己的 RQ 。
  巴菲特有过很精辟的比喻，“我一直认为 IQ 和才能代表发动机的马力，而 RQ 代表输出功率。很多人一开始就像发动机有 400 马力但其实仅有 100 马力的实际输出，这远远不
  如 200 马力全部输出。”
  
  
  决策能力本质上是你的信念与世界契合度。提高决策能力的方法之一就是给自己打分。避免行为偏差的能力可能部分归结于性格，部分于训练，部分于环境。优秀的投资者了解偏见以及如何应对偏见，并把自己置于一个能让他们好好思考的工作环境中。
• 区分信息本身与它产生的影响
  
  
  以价格为例，价格在金融市场是非常有用的信息，但由于投资活动带有社会属性，因此价格会从单纯的信息源转变为影响力来源的角色。
  
  
  以互联网泡沫为例，随着股价上升，投资者账面财富增加，这会对没有持有的人产生影响，许多人最终开始买入便助长了泡沫。负反馈让位于正反馈（在价格上涨时买入，反之卖出），正反馈使系统偏离了原来的方向。
  伟大的投资者有抗拒这种影响的能力，这种能力需要不在意他人对自己的看法，这天然有悖于人性。成功的投资决策意味着综合考虑各种观点的基础上，形成经过深思熟虑，不同于共识的观点。
  
  
  大众智慧很多情况下是对的，但一旦出现错误，你需要强大的心理逆势而为。之所以知易行难，是因为往往意味着拿职业生涯做赌注。
• 敢于在优势的基础上下重注
  
  
  几乎所有的投资机构都是围绕优势发展，但是仓位配置方面总是重视度不够。
  
  
  一般投资组合的建立要经过以下过程：明确策略执行方式；寻找投资机会组合；充分考虑组合所需要面对的各种约束（流动性、投资期内可能出现的现金支取和杠杆等）。
  只有完全回答完以上三个问题才能有效地分配头寸。最常见的方式是均值方差（在给定风险的基础上最大化回报）和凯利准则（将组合的集合均值回报最大化）。
  选择哪种方式取决于如何分析投资目标、机会、限制条件。这也是平庸投资者与伟大投资者的重要区别。长期盈利的投资者与一般投资者的区别就在于，前者理解合理分配头寸与识别投资机会对长期盈利而言同等重要。
• 阅读的重要性
  
  
  哥伦比亚商学院的学生们作为校友，每年都有机会拜访巴菲特以及他的同事 Todd
  Combs 等人。
  
  
  我以老师的身份，会关心他们收获如何，学生们对于被建议每天完成 500 页的阅读量感到最为惊讶。我们每天被各种会议，邮件等信息和任务重重包围，对于这样的阅读量实在难以想象。
  芒格说他最喜欢的爱因斯坦名言是：“成功来自好奇心、专注力、毅力和自我批评，其中自我批评是指能够改变自己固有想法的能力，哪怕是自己最珍视的想法。”
  
  
  阅读则是能够培养上述特质的重要方式。芒格还说过：“在我认识的聪明人中，没有一个不是坚持阅读的人，没有。”
  
  
  伟大投资人有三大阅读习惯： 第一，把阅读永远放在最前面。
  巴菲特说每天 80% 的工作时间用来阅读。第二，包罗万象。
  不要局限在商业和金融领域，而是让自己的好奇心来决定阅读内容。因为其他领域的想法或信息有时在不经意间就能变成很好的投资参考。
  第三，坚持批判性思维。
  
  
  不要只找与自己相同的观点。通过阅读，认真理解那些与你持不同见解，且同样深思熟虑的人的观点，这样可以保持开放的心态。阅读对于投资者而言尤为重要，因为投资需要综合多方面的信息和想法，才能不断找到盈利机会。
  
  
  返回目录
  
  

  三、行业分析

  
  

  美国宣布启动 NAIRR 计划：目标打造 AI 帝国「从 NASA 到 OpenAI 」 ‌

  
  
  来源： AI 寒武纪
  
  
  今天， 美国国家科学基金会 NSF 与合作机构共同推出了国家人工智能研究资源
  
  
  （NAIRR）试点项目，与其他 10 个联邦机构以及 25 家私营、非营利和慈善组织合作，
  NAIRR 试点将为美国研究人员和教育工作者提供使用先进计算、数据集、模型、软件、培训和用户支持的机会，迈出了实现共享研究基础设施愿景的第一步。该项目的目标是加强对关键资源的访问，从而推动人工智能发现和创新，毫不夸张地说美国要整合所有资源 all in 人工智能，打造 AI 帝国
  美国国家科学基金会主任 Sethuraman Panchanathan 表示：本次试点所汇聚的众多合作伙伴突显了为美国人工智能未来发展建立国家人工智能研究资源的紧迫性。通过 NAIRR 试点对人工智能研究的投资，美国将释放发现和影响力，增强全球竞争力
  （说得很委婉，其实就是要称霸全球）
  
  
• 合作伙伴
  
  
  该试点的协作性质，将学术界、工业界、非营利组织和政府部门汇聚在一起，旨在促进跨部门的合作伙伴关系。产业合作有望推动开发商业可行的人工智能应用和解决方案，通过创造新的市场和收入流来促进经济增长。
  目前的政府合作伙伴包括：美国国家科学基金会（NSF）
  国防高级研究计划局（DARPA）国家航空航天局（NASA）
  国家卫生研究院（NIH）
  
  
  国家标准与技术研究院（NIST）国家海洋和大气管理局（NOAA）美国农业部（USDA）
  
  
  美国国防部（DOD）美国能源部（DOE）
  美国退伍军人事务部（VA）美国专利和商标局（USPTO）
  
  
  目前的私营部门、非营利组织和慈善机构合作伙伴包括（全部都是在某一领域或多个领域领先全球的 AI 公司）：
  AI2 AWS
  Anthropic AMD
  Cerebras Databricks Datavant EleutherAI谷歌
  HPE
  
  
  Hugging Face IBM
  英特尔 Meta微软
  MLCommons NVIDIA
  Omidyar Network
  
  
  OpenAI OpenMined Palantir
  
  
  Regenstrief Institute SambaNova Systems Vocareum
  Weights & Biases
  
  
  NAIRR 试点的运作将分为四个重点领域：
  
  
  NAIRR Open 将通过 NAIRR 试点门户和协调的资源分配，支持开展多样化人工智能资源的开放研究。
  NAIRR Secure，由 NIH 和 DOE 共同领导，将支持需要隐私和安全保护资源的人工智能研究，并组织示范隐私保护资源。
  NAIRR Software 将促进并调查在 NAIRR 试点资源中可互操作使用的人工智能软件、平台、工具和服务。
  NAIRR Classroom 将通过教育、培训、用户支持和外展，触及新的社区。
  
  
• 各方反应：美国 AI 帝国决心
  
  
  以下是合作伙伴对 NAIRR 项目的反应，大家可以感受一下，美国是不是 all in 人工智能了，是不是要打造 AI 帝国，这一说法夸张不夸张
  AI2
  
  
  “ 可信人工智能的推进需要一种真正开放的方法和前所未有的跨部门合作。
  NAIRR 试点的今天启动是朝着实现这一目标迈出的巨大一步。在 AI2，我们认为真正的开放获取对于建立人工智能的科学方法至关重要，这对于开发我们能够理解和信任的人工智能至关重要。这就是为什么我们去年推出了 AI2 Dolma，全球最大的开放数据集之一，并将很快推出一个开放的大型语言模型 OLMo。我们期待将我们的人工智能研究提供给 NAIRR 试点，与我们的 NAIRR 合作伙伴一起促进开放的人工智能研究。”
  — AI2 首席执行官 Ali Farhadi。
  
  
  AWS
  
  
  “AWS 很荣幸支持国家人工智能研究资源试点计划的启动。作为全球领先的人工智能工具和服务的开发者和部署者之一，我们支持安全、可靠和负责任的人工智能技术的发展。我们致力于支持美国国家科学基金会以及协作机构、教育工作者和研究社区，因为它们动员支持人工智能研究。” — 亚马逊网络服务全球教育和美国国家与地方政府副总裁 Kim Majerus。
  
  
  AMD
  
  
  “鉴于人工智能在研究、医疗和安全等领域的深远影响，AMD 自豪地与 NAIRR 任务组合作，提供硬件、软件和专业知识以增强研究。我们致力于支持基于人工智能的科学突破，相信它们有望为全球带来利益。” — AMD 总裁 Victor Peng。
  Anthropic
  
  
  “NAIRR 试点将在可信人工智能的发展中发挥关键作用。我们很高兴将我们作为一个人工智能安全和研究公司的经验贡献给这个广泛的跨部门合作伙伴，并帮助使人工智能创新更加平民化。” — Anthropic 联合创始人兼政策负责人 Jack Clark。
  Cerebras
  
  
  “Cerebras 团队很高兴支持 NAIRR 试点，帮助建立一个国家人工智能研究基础设施，扩大对世界一流的人工智能计算资源的访问，并大幅加速科学人工智能研究 - 这是我们公司使命的核心目标。通过提供对亿亿次 AI 超级计算能力的访问以及我们专业的机器学习/人工智能工程团队的支持，我们的目标是帮助试点用户加速和扩展他们的工作，促使 NAIRR 的成功，并有意义地推进我国在人工智能计算和研究方面的领导地位。” — Cerebras 产品与战略高级副总裁 Andy Hock
  DARPA
  
  
  “ AI 在国家安全领域的应用将需要高度的信任和熟练水平。通过提供由 DARPA计划培育的 NAIRR 试点数据集，我们旨在加速在国防部关注的关键领域的研究，如 AI理论、AI 工程和人机协同。” — DARPA 信息创新办公室主任 Kathleen Fisher。
  Databricks
  
  
  “Databricks 一直致力于开源创新 — 这是我们文化的一部分，源自我们公司的学术根源。我们是 MLflow 的原始创作者，这是最受欢迎的开源 AI 工具之一，现在我们将继续这一传统，推出 Mosaic AI。通过将我们的数据智能平台贡献给 NAIRR，我们希望能够让下一代学生在 AI 领域创造新的突破并在 AI 上建立新业务。” —
  Databricks 首席科学家 Jonathan Frankle。 Datavant
  
  
  “ 我们 Datavant 对能够利用我们的隐私增强技术、专业知识和数据集来支持 NAIRR Secure 和 NAIRR Software 感到兴奋。作为 NAIRR Secure 的一部分，Datavant将帮助 NIH NCATS National Clinical Cohort Collaborative 和 NIH NIBIB Medical Imaging & Data Resource Center 以隐私保护的方式连接其多模态分散数据，以制定准确、具有代表性、纵向的健康记录。” — Datavant 首席科学官兼公共领域总经理 Vera Mucaj。
  EleutherAI
  
  
  “在当今的研究环境中，拓宽对大规模计算资源和高性能计算专业知识的获取对于推动 AI/ML 研究以及在美国学术机构之间实现机会均等至关重要。NAIRR 是对美国学术 AI/ML 研究的重要投资，EleutherAI 很高兴与 NSF 合作，促进对这些技术的访问并分享我们在训练大规模生成 AI 模型方面的专业知识。” — EleutherAI 执行主任 Stella Biderman。
  Google
  
  
  “实现 AI 的承诺将需要广泛的人才进行研究、构建和部署 AI，以解决社会面临的最大挑战。NAIRR 试点是拓宽 AI 研究社区、促进公私合作并加速 AI 创新的关键一步。我们很高兴与 NAIRR 合作，并为这一重要倡议贡献 Google 尖端的工具、计算和数据集。” — Google & Alphabet 全球事务总裁 Kent Walker。
  HPE
  
  
  “人工智能是一项强大而具有变革性的技术，有潜力解决社会挑战并推动技术创新，因此我们迫切需要以负责任的方式推进人工智能，并审视在这一过程中的最佳实践。惠普企业很荣幸与 NAIRR 合作，共同参与这个重要的公私合作联盟，该联盟将引
  
  
  领人工智能创新、研究和投资的未来。” — 安德鲁·惠勒，惠普企业资深研究员兼副总裁，惠普实验室。
  Hugging Face
  
  
  
  
  “为确保人工智能技术为所有利益相关者提供有效服务，公共领域对人工智能的研究至关重要。NAIRR 将在这个方向上发挥关键作用，我们很高兴通过提供资源并借助我们作为一个开放协作人工智能系统平台的经验来支持这一努力。” — 亚辛·杰尔尼特，Hugging Face 机器学习和社会领导者。
  IBM
  
  
  “IBM 坚定支持国家人工智能研究资源的创建和资助，以及其使命，即整合计算能力、数据、资源、人才和专业知识，推动美国前沿人工智能研究。NAIRR 将扩大人工智能系统和工具所需的计算能力和数据集的经济获取，并加速科学研究，帮助美国在全球人工智能领域保持竞争力。这也是为什么 IBM 支持跨党派的‘CREATE AI 法案’，以授权建设 NAIRR 并倡导其全面资助。” — 达里奥·吉尔，IBM 高级副总裁兼研究总监。
  英特尔
  
  
  “英特尔团队激动地支持 NSF 的 NAIRR（国家人工智能研究资源）试点计划的启动。这个试点计划是推动硬件和软件与人工智能技术的使用的关键一步。英特尔期待分享关于使用英特尔平台（CPU、GPU、加速器和其他生态系统成分）、软件工具和优化支持的深度技术知识，这对 NAIRR 的倡议至关重要。” – 史蒂夫·奥林，英特尔联邦首席技术官。
  Meta
  
  
  “ 确保研究人员对尖端人工智能技术具有开放访问权对于负责任地推动人工智能的发展至关重要。Meta 在过去十多年里一直引领着开放人工智能创新，因此我们热切支持 NAIRR 倡议。” – 尼克·克莱格，全球事务总裁。
  Microsoft
  
  
  “我们对支持国家人工智能研究资源试点感到兴奋，这是拓宽人工智能研究渠道的关键一步。” 微软首席科学官埃里克·霍维茨表示，“这一举措符合我们广泛化人工智能研究和激发创新的承诺。我们热切期待为试点项目做出贡献，并期待分享有
  
  
  关如何为试点后的全面 NAIRR 提供指导的经验。” — 埃里克·霍维茨，微软首席科学官。
  NASA
  
  
  
  
  NASA 正在加大努力推动人工智能创新和新兴技术，以最好地服务我们的任务，从筛选地球科学图像到使用我们的深空望远镜搜索太阳系外的行星等等。我们期待与其他部门和机构合作，共同进行这一重要的努力。 – 戴夫·德雷珀，NASA 总部副首席科学家，位于华盛顿。
  NIH
  
  
  “NIH 很高兴参与这个利用人工智能技术推进研究和改善健康的重要概念验证试点项目。确保这项技术在伦理上得到采用将至关重要，以确保所有人，无论收入或邮政编码如何，都能从中受益而不受害。” — 莫妮卡·贝尔塔涅利，NIH 主任。
  NOAA
  
  
  “在 NOAA，我们致力于推进在气象、水文和气候领域的人工智能研究和发展，以增强我们的使命。我们期待通过 NAIRR 试点计划与政府、工业、非营利和学术领域的关键伙伴合作，解决人工智能社区中的资源缺口。” — 迈克尔·摩根，NOAA 环境观测和预测助理商务部长。
  NVIDIA
  
  
  “人工智能越来越定义我们的时代，其潜力只有通过广泛获取其变革性能力才能最好地实现。借助 NVIDIA 人工智能软件和超级计算，NSF 社区的科学家、研究人员和工程师将能够利用世界领先的基础设施推动新一代创新。” — 黄仁勋，NVIDIA 创始人兼首席执行官。
  Omidyar Network
  
  
  “Omidyar Network 自豪地与美国国家科学基金会合作进行 NAIRR 试点项目。为了将生成式人工智能引导向对社会产生大规模利益的方向，NAIRR 试点将使计算、数据、模型、专业知识和培训更加可及化。这将有助于确保那些致力于构建负责任生成式人工智能的研究人员更具包容性、有意义地参与。” — 迈克·库布札斯基，Omidyar
  Network 首席执行官。
  
  
  OpenAI
  
  
  "OpenAI 团队对参与 NAIRR 试点项目感到无比兴奋。这一迈出的关键步骤朝着使
  AI 研究资源广泛化迈进，与我们致力于以包容和对所有人有益的方式推动人工智能领域的承诺不谋而合。通过提供更广泛的工具和数据访问，我们为各种才能和思想打开了大门，推动创新，确保 AI 的发展继续成为造福全人类的力量。" — 安娜·马坎朱
  
  
  （Anna Makanju），OpenAI 全球事务副总裁。 OpenMined
  "20 世纪 60 年代，美国政府介入创造 ARPANET，实现了对全国最大超级计算机的广泛访问，因为只有有限的研究人员能够使用它们。现在，美国政府介入创造 NAIRR，实现了对全国最大 AI 资源，包括最大的 AI 超级计算机的广泛访问，因为只有有限的研究人员能够使用它们。在 NAIRR 的承诺下，AI 的未来将是平民化的，美国的创新将蓬勃发展，我们很荣幸能够参与其中。" — 安德鲁·特拉斯克（Andrew Trask），
  OpenMined 执行董事。 Palantir
  "Palantir 自豪地与美国国家科学基金会及其合作伙伴合作，共同启动国家人工智能研究资源试点项目。自 2020 年 5 月以来，Palantir 一直支持国家临床队列合作
  （N3C）计划，该计划在大规模医疗研究方面取得了前所未有的加速。此次试点项目 将扩展其关键使命，确保来自全国各地的研究人员都能够访问顶级 AI 系统。将 AI 驱 动的工具引入政府和学术界提供了机会，通过提高他们获取信息和挖掘新见解的速度，从而改善健康结果。" — 希尔什·贾因（Hirsh Jain），Palantir 公共卫生负责人。
  Regenstrief Institute
  
  
  "未来以医疗为重点的 AI 创新的基石在于道德获取真实世界数据，并在各种机构、研究人员、医学专业人员以及公共和私营利益相关方之间实现协同。我们很高兴能够参与这个试点项目，并期望随后的工作不仅能够加速有用的 AI 创新投入到公共卫生和临床决策过程中， 还能够丰富我们对个体患者需求及实现策略的理解。" — 肖恩·格兰尼斯（Shaun Grannis），Regenstrief Institute 数据与分析副总裁。
  
  
  SambaNova Systems
  
  
  "NSF、白宫科技政策办公室和 SambaNova Systems 之间的 NAIRR 试点合作将为 AI资源提供广泛的访问，并增强美国的竞争力。我们共同释放多样化研究人员推动创新的潜力， 确保 AI 的好处对所有人都是可及的。" — Jennifer Glore ， SambaNova
  Systems 公共部门副总裁。 DOE
  
  
  "从创建新的 AI 工具来管理日益复杂的能源网络到加速癌症的定向治疗的发现，美国能源部及其 17 个国家实验室几十年来一直在 AI 的发展和应用中发挥着主导作用。我们很高兴共同领导 NAIRR Secure，并通过扩展 Summit 提供先进的 AI 实验室，通过 内置的增强隐私和安全保护扩大对世界最快超级计算机之一的访问。全国各地的研究 人员将能够通过具有内置增强隐私和安全保护的 AI 超级计算机推进安全可信的 AI。 该资源将有助于推动负责任 AI 的进步，例如新的诊断、未来的先进材料和技术，同 时最小化风险。" — Geri Richmond，美国能源部科学与创新副部长。
  USDA
  
  
  "美国农业统计局自豪地与美国国家科学基金会合作，向 NAIRR 生态系统提供农业普查数据集。农业普查是美国农业部最大的数据收集努力，全面展现了美国农业的价值、多样性和趋势。我们迫不及待地想要看到 NAIRR 研究人员将通过使用这些宝贵的数据发现什么。" — Hubert Hamer，农业统计局（NASS）局长，美国农业部。
  USPTO
  
  
  "美国专利商标局（USPTO）致力于推动美国创新，包括 AI 创新和 AI 辅助创新。我们专注于最大程度地发挥 AI 的好处，并将其广泛分布到社会各个方面，通过技术缓解和人类治理来限制风险，赋予各种个体和组织参与 AI 创新的能力。" — Kathi
  Vidal，美国商务部知识产权与专利局副部长兼局长。 VA
  "通过 NAIRR 和 NSF 的领导，我们可以确保美国在国际社会仍然是 AI 研发的领导者，促使合作，共享可信赖的 AI 最佳实践，并帮助政府机构互相学习。" — 吉尔·奥尔特维茨博士，退役军人事务部人工智能主管。
  
  
  Vocareum
  
  
  "Vocareum 的使命是通过为云、数据和 AI 教育提供虚拟学习实验室和云资源，来弥合全球数字技能差距。我们非常自豪和热切期待作为这一重要的合作倡议的关键参与者做出贡献。" — Sanjay Srivastav，Vocareum 创始人兼首席执行官。
  Weights & Biases
  
  
  
  
  "随着美国将研究和部署安全、可靠和值得信赖的 AI 提上日程，Weights & Biases荣幸地加入这一协作努力。通过动员学术界、工业界、非营利组织和政府部门，我们相信这个试点计划将推动并推动美国的 AI 愿景。" — Chris Van Pelt，Weights & Biases 联合创始人。
• 结语
  
  
  这是 1 月 24 日美国 NSF 刚刚宣布的关于人工智能发展的战略性计划，传达的信息非常明确：整合美国所有的政府资源和强大的私人 AI 公司资源，全力 all in 人工智能，其中有些公司相信大家已经很熟悉了（OpenAI，谷歌，微软，英伟达），这里我提一个公司 Cerebras，这家公司正在和 OpenAI 公司合作打造全新的 AI 芯片制造工厂，后面我们将专门介绍。
  
  
  返回目录
  
  
  
  

  从 GPT-5 是什么说起 ‌

  
  
  来源：信息平权
  
  
  达沃斯上 Sam Altman 参加了 4—5 场访谈（我竟然全部听完了...），大家低估了其中的信息量，可能远比小扎说的 60 万张卡更重要。摘出了 Sam 对 GPT-5 的评论，其实拼图已经很清晰：
  
  
  “目前的 GPT-4 有太多缺点，比我们今年将拥有的版本要差很多（much worse），比我们明年将拥有的差得更多”“ 假如 GPT-4 目前只能解决人类任务的 10%，GPT-5应该是 15%或者 20%”“最重要的不是它解决的具体问题，而是广泛意义的通用性在增加”“更强大的模型、如何用好现有模型，是两个乘法因子，但显然更强大的模型更重要 ”“对特定数据的访问、使 AI 更贴近实际工作，今年将在这些方面取得很大进展。人们目前抱怨的各种问题比如速度太慢、不是实时的，这将在今年变得更好。在更长、更复杂的问题上的表现更精确、做更多的事情，这方面能力也会提高”“我认为 AI 最重要的一点是极大加速科学发现的速度，使新的科学发现越来越自动化。当然这不是一个短期内的事情，但一旦发生，这是一件很大的事情”“随着模型变得更智能、更善于推理，我们需要的训练数据更少。就比如没人需要读完 2000 本生物学教材，你只需要一小部分超高质量的数据，并深入思考和咀嚼，模型会更加努力地思考一小部分已知的高质量数据。”
  “ 对大规 模 AI 准备的 算力基础 设施还不 够” “ GPT-4 最好被 视为一种 预览
  （preview），局限性很明显。人类天生对于指数增长的直觉并不好，如果 GPT-5 相较于 GPT-4 有如 GPT-4 相较于 GPT-3 那样的显著改进，以及 GPT-6 相对于 GPT-5 还是这样，那将意味着什么？如果我们一直在这条轨迹线上，将意味着什么？”“随着 AI变得更强大，甚至可能发现新的科学知识，甚至自动做 AI 研究，世界的发展节奏会超出我们的想象。我经常对人们说，没有人知道接下来会发生什么，保持谦卑看未来非常重要，你可以预测几步，但不要做太多预测。”“当认知成本降低一千倍或一百万倍，且能力得到极大增强时，这将对世界产生何种影响？如果世界上人人都拥有一家，由 1 万个能力极强的虚拟 AI 员工、且是各个领域专家，组成的公司，他们不知疲倦，还越来越聪明，这个世界会怎样？这件事发生的时间无法预测，但会一直在一条指数增长的线上，我们能有多少时间做准备？”
  
  
  “我认为智能手机不会消失，正如智能手机没有取代 PC 一样。但另一方面，我觉得 AI 不只是手机一样的简单计算设备+一堆软件，我觉得可能会是一个具有更大意义的东西”
  
  
  我自己听完的感受是，适当控制短期预期，但要上调长期预期。但一个最核心的假设是，“指数增长”的范式是否成立，sam 他们对于未来继续处于“指数增长”的信念来自哪儿。因为往大了说，人类社会以前不存在可以一直指数增长的玩意儿，更没见过一个行业才刚开始领军企业已经凭着 90%份额干到 1.4 万亿美金。回溯互联网、智能机、电动化等等，界定我们现在处于什么阶段就显得非常重要。因为初期的线性外推导致踏空，尾巴的线性外推导致亏钱。
  这让我想到真格 yusen 的这张图
  
  
  本质上是想说，AI 和互联网最大的区别是，互联网越过 0 分就具有了实用价值，而 AI 不到 60 分价值就是 0。因为互联网替代的对象之前几乎不存在，或者成本极其高昂（海底光缆之前跨大洲的数据通信），很容易就落地。但 AI 的替代对象就是人，或者现有软件，而这些成本和效率之间的平衡，已经被当今世界优化到了极致。因此
  AI 的价值拐点，本质上是 AI 越过社会智力成本的拐点，一旦越过，AI 价值的确是非线性上升。
  因为存在这么一种可能性，也是 AI 与智能机互联网时代最大的区别：iPhone 到了 iPhone4 之后的形态基本固定，此后都是量变，再也没有大的质变（摄像头、触控交互、各类传感器等关键结构固定），目前的 AI 显然还没到 iPhone4 时刻，但关键是，AI 一旦越过 iPhone4 时刻（比如是 GPT5 或 6），质变有可能不会停止，指数曲线不会停止，这将是区别于互联网时代的最大不同。就相当于，当年的手机在 iphone4之后还在质变，每一代都是大版本迭代，如果历史是这样的，互联网巨头们的格局会
  
  
  如今天这般稳定吗？Apple 甚至说芯片厂的价值量占比会不会更高？那么对于 AI 来说，“计算”价值会否在很长一段时间大于“应用”？
  
  
  回到社会智力成本拐点的问题，这件事的份量会有多大？互联网只是将物理世界数字化，并将信息传播的边际成本降到 0，就产生了每年数万亿美金的商业价值。如果 AI 将社会智力成本降到 0，会是多大价值？全世界最大的商业价值可能就是社会智力，一旦智力可以 0 成本批量复制，会将巨大的人力资本价值部分转化为 AI 资本价值。Elon Musk 说过“经济是生产实体乘以生产力——也就是劳动人口乘以人均生产率，假如人口数可以无限扩张，经济的上限会在哪儿？” 其次，大多数商品的成本结构都可以最终向上拆解为人力成本（脑力和体力），当被大幅降低，参考“T 型车”，成本高昂的商品服务会迅速大众化，例如量身定制的个人财务法律业务顾问、人人定制的软件、人人定制化的内容娱乐形态，催生众多新兴产业的诞生。再其次，桥水论文提到，成本降低会产生社会财富剩余，可支配的消费潜力增加，会有新的消费类别出现。最后放飞下想象力，假如有一天实现了 AGI 甚至超越人的智能，“高等级思维”或“天才”不再稀缺，比如马斯克、乔布斯、jeff hinton/ilya、贝索斯这样的大脑可以批量复制（量产爱因斯坦...），就是 sam 在达沃斯上说的“每个人都可以拥有 1万个聪明大脑服务你”，这又会产生什么样的社会和商业形态？
  我想表达的是：从动机和潜在收益出发，AGI 的分量，会让任何一个理性且有实力的商业组织或国家，拼了命地坚持下去，因为没人会放弃“building god”这张巨大彩票或期权。1847 年英国的铁路投资在达到顶峰时占到了 GDP 的 7%；1996 年《电信法案》生效后的五年里电信公司对光缆、交换机、无线网络的投资超过 5000 多亿美元（按今天的价值计算超过万亿美元）。为什么？面对充满未知和无限可能性的生产力革命，一整代人类都会集体 FOMO。而目前英伟达的收入/全球 GDP 是多少？0.1%？
  （不代表可以线性外推 NVDA 收入，只作为 AI 总投资是否泡沫的参考指标之一） 但回到今天，在到达拐点之前，现实情况是，一个个行业先越过及格线再说：
  
  
  
  
  目前的 GPT-4 的水平，只是到了“解决某一项任务”的水平，还不能“替代某一项工作”。因为任何一项人类工作都是非常多“任务项”组成的，一项任务的解决无法撑起一个工种。但正如上图所示，人类工作种类是分层的，随着 AI 能力一步步爬升，是对一项项任务、最终是一个个工作类别的持续替代。AI 进步慢，替代就慢，AI进步快出现跃升（如到了 AGI），替代会猛然加速。这可能就是未来 5 年的叙事。短期看不到商业价值也不代表一直是 0 和 1，人类任务越过及格线的科目从量变到质变，直到 AGI 那一天捅破象限...
  因此比尔·盖茨说得很清楚，18 个月后（2025 年 6 月）会看到 AI 对各领域实质性的广泛渗透。UBS 和 Morgan Stanley 都对北美 500 强企业的 CIO（首席信息官或技术官）做了调研，结果也显示 AI 对企业流程的改造都在 POC 验证阶段，24 年 H2 会看到更多原型验证跑通、进入实际生产流程，25 年才可能大规模进入实际生产。为什么都是 25 年？因为在等两件事情，1）GPT-5（或者不知道叫什么）的发布，模型能力上一个台阶，解决幻觉问题、鲁棒性一致性问题、复杂推理能力问题；2）算力成本降低到之前的 1/10，目前算力成本按照每 12—18 个月除以 10 的速度降低，18 个月后很多被成本制约的应用场景才可以落地。
  这里引申出关键的问题还是，1）下一代模型的能力会如何；2）再之后 AI 会否遇到瓶颈“撞墙”。
  模型的瓶颈 2：对世界知识高质量压缩的数据是不是穷尽了。按照 scaling law那条曲线，达到一个“能写论文独立做科研水平的”的 AI 需要的数据是目前的 5 个数量级，去哪儿找...视频等多模态数据的价值更多在于文本数据提供的知识对现实世界的 grounding，但视频图片等本身对世界知识的压缩率远低于文本，正如一本几百 KB 的书包含的知识转化为视频可能是几个 T。怎么办？
  按照 sam 达沃斯上的说法，未来不需要那么多数据，质量更重要，数据训练效率也在提高（更少数据提取更多认知），以及可以设更多 epoch 反复“咀嚼”。且之前关于 Q-star 的猜测和 Jim Fan、Musk 等人的评论表明，OpenAI 很可能已经实现了合成数据的有效利用。甚至 Anthropic 的 Dario 在播客中也提过“数据很可能不是制约因素，出于多种原因我不应该细说，但世界上有很多数据来源，也有很多方法可以生成数据”。这种合成数据引导法可以类比人类进化，我们灵长类祖先在掌握语言之前，是无法总结、提炼、应用、累积认知和经验的，但一旦人类发展出语言，就会出现基因/文化的共同进化，这与 LLM 的合成数据/self-play 循环非常相似。此外，做个轻松点的比喻，我们读了万卷书，行了万里路，看了万千世界，就好比电影《这个男人来自地球》，一个人活了百万年，几乎是个行走的世界知识库。此时的他再学习一门新知识，是否需要那么多输入？我们说“悟性”高的人是一点即通，为什么？因为
  
  
  过去的高质量训练让他建立了世界运行原理的底层“相关性”。这可能也就是目前模型训练正在做的事（难怪 OpenAI 内部说他们在 building god）。
  
  
  因此，不妨对 scaling law 的延续乐观一点，这一次我们真的可能在一条指数线 的早期。与摩尔定律一样，这是个经验性规律，一定需要严密的理论解释吗？Maybe not。直到蒸汽机发明一个世纪后，人类才对热力学有了全面的了解。技术发展历史经常出 现发明先于理论，或许这一次 AI 也是如此。就好比，并没有什么物理定律规定摩尔 定律一定持续下去，总会出现一些瓶颈让人高呼摩尔定律已死，但台积电、英特尔、
  AMD、苹果这些伟大企业和领军人物，凭着产业、商业、甚至人性最深层的驱动力，让这一经验定律延续了几十年。
  因此回到今年的 GPT-5，预期其能力可能也没那么重要，更重要的是，要持续观察我们是否保持在这条 trajectory 指数曲线上。
  就比如手机端 Agent，假如 2024 年是雏形，或称之为手机 agent 元年，对其能力期望可能就不要太高。但随着前沿模型能力提升，agent 会逐渐接管个人生活、工作、应用任务，并反映为 agent 的订阅 ASP 逐年提高。它也不像硬件终端打包价，也不像会员费，和 saas 订阅也不完全一样，更像你雇了一个管家，其能力从实习生逐渐成长为 CEO，他能为你做的事越来越复杂，从辅助你完成工作到给你创造增量价值，且越来越了解你，粘性越来越强，你付给他的薪水只会越来越高（当然这只是从需求角度，定价上限取决于供给、稀缺性等等）。
  引用下前几天 sicong 发我的一篇海外博主文章，这个博主对比了互联网和 AI 的付费用户所处阶段，可能更有说服力。互联网的付费用户渗透是这样的：
  
  
  AI 用户的付费渗透率，博主也大概也拍了下：
  
  
  
  
  
  
  
  
  因此从付费用户渗透率的角度（更接近真实商业价值），现在 AI 仅仅相当于互联网时代的 1996 年：
  
  
  这个作者也算了算目前 AI CAPEX 的投资回报率，大概可以参考下：
  
  
  以及 AI 各层的利润率和投资回报，compute& Network 的价值含量和利润率最高：
  
  
  
  
  
  
  这就有意思了。结合前文对比 AI 和智能机互联网时代的不同，个人认为，随着这条指数曲线向上，底层计算会一直处于剧烈变化，也就是“iPhone4”时刻即便到来了，也只是个起点，而不是终点，质变会继续推进。假如底层计算范式在剧烈变动、创 新 、 无 法 稳 定 ， 上 层 的 应 用 又 怎 么 能 构 建 稳 定 生 态 呢 ？ 因 此 ， 个 人 认 为 ，
  
  
  computing&Networking 在整个 AI 的价值量占比，会在相当长一段时间保持高位，这会和互联网时代截然不同。当然，故事的结尾，永远是“离 C 端更近的攫取最大价值”，但走到结尾稳定态的时间，可以完全不同。从这个角度，又该如何看待英伟达呢？
  这又让我想起最近讨论的小话题，你说能把英伟达从鱼头吃到鱼尾的，是对冲基金，Long Only，自有资金，还是产业资本？说小点，是半导体分析师，软件分析师，互联网分析师，还是早期 VC 投资人？（开放话题，没有答案）
  最后，送上今天看的段子（from 周总），我也转到了朋友圈：那些年
  高速行驶的铁路火车是不现实的，因为，乘客会由于车速太快不能呼吸，窒息而死。——Dionysus Lardner 博士（1793-1859)，自然哲学、天文学教授，伦敦
  折腾交流电是浪费时间， 人们永远也不会使用它。— — 托马斯· 爱迪生， 1889
  年
  
  
  “马匹不会过时， 而汽车只是流行一时的新奇事物。”——美国密歇根州储蓄银行总裁，1906 年
  全世界所需要的计算机大概是……五台。——IBM 公司，1943 年
  
  
  过了一开始的六个月，电视就不会再有任何市场了，人们很快就会厌倦每天晚上盯着一个胶合板做的盒子。——二十世纪福克斯高管达里尔·扎纳克，1946 年
  人们没有理由想要在家里拥有一台电脑。——数字设备公司总裁肯·奥尔森，1977
  年
  
  
  移动电话不会取代固定电话。——马蒂·库珀，1981 年
  
  
  我预测互联网很快将成为壮观的超新星， 而到 1996 年就会遭遇灾难性的崩溃。
  ——罗伯特·梅特卡夫，1995 年
  
  
  不支持 3G、造价高，而且连最起码的摔落测试都没能通过，不太可能对诺基亚构成威胁。——诺基亚工程师对第一代 iphone 的评估报告，2007 年
  
  
  返回目录
  
  
  
  
  
  
  Andrej Karpathy 最新博文：以自动驾驶为案例，展望通用人工智能 ‌
  
  
  来源：公众号“瓦砾老瓦”
  
  
  译文前言：这篇 1 月 21 日的博文，是由特斯拉前人工智能及视觉团队总监，现
  OpenAI 科学家 Andrej Karpathy 发表在个人博客上的。文章目前处于 404 状态，可能已下线或设置了权限控制。此文获取了 internet archive 网站抓取的网页快照，并由瓦砾翻译而成。在这篇文章中，Andrej 尝试以自动驾驶的技术和商用进展为例，类比通用人工智能（AGI）的进步。无论你关注自动驾驶还是 AGI，或者两者皆是，此文都值得一读。特别有趣的是，由此文也能一窥 Andrej 对特斯拉自动驾驶的态度。
  
  
  
  
  在大语言模型（LLM）进展的推动下，最近有很多关于通用人工智能（AGI）、其时间表以及它可能是什么样子的讨论。其中有些充满希望和乐观，但也有很多是恐惧的、悲观的。不幸的是，其中很多内容也非常抽象，这导致人们鸡同鸭讲。
  因此，我一直在寻找具体的类比和历史先例，以帮助我们更接地气地探讨这个话题。特别是，当有人问我 AGI 会是什么样子时，我个人喜欢以自动驾驶为例。在这篇博文中，我想解释一下原因。让我们从 AGI 的一个常见定义开始：
  AGI：在大多数有经济价值的工作中超越人类能力的自主系统。
  
  
  请注意，这一定义有两个具体的要求。首先，它是一个完全自主的系统，也就是说，它可以独立运行，几乎不需要人工监督。其次，它能自主完成大部分有经济价值的工作。为了使这一部分具象化，我个人喜欢参考美国劳工统计局的雇员指数。同时具备这两个特性的系统，我们称之为 AGI。
  
  
  在这篇博文中，我想说的是，我们最近在自动驾驶能力上的发展是一个很好的早期案例研究，可以说明自动化程度不断提高所带来的社会动力，进而说明 AGI 总体上会是什么样子。
  
  
  我认为，因为这个领域的几个特点，可以笼统地说“这是一件大事”：自动驾驶对社会来说触手可及，可见度也很高（街上的汽车没有司机了！）；从规模上看，它是经济的一大组成部分，目前雇用了大量的劳动力（例如，想想优步/Lyft 的司机）；而且驾驶是一个自动化难度足够高的问题，但我们实现了自动化（领先于经济的许多其他版块）；社会已经注意到并正在对此做出反应。
  当然，还有其他一些行业也大幅实现了自动化，但要么是我个人对它们不太熟悉，要么是它们不具备上述某些特性。
  
  
  GoogleBrain 首席科学家 Meredith Ringel Morris 等人所著的论文“Levels of AGI: Operationalizing Progress on the Path to AGI” ，将 AGI 按狭义和广义两个不同角度划分成了 0-5 六个等级

1. GPT-5（或者其他名字）的能力提升幅度其实大概已经确定，首先肯定距离
   AGI 还很远，这一点 sam altman 在圣诞节明确表示了，且看完上面你就知道 AGI 意味着什么分量，你就会更加敬畏，甚至希望这玩意最好是个科幻，晚点来。其次，GPT-5的能力下限，应该至少会比 Gemini ultra 强，如果只是看纸面结果，大概能推断：
   
   
   多模态且增加视频生成能力（3D 未知）、Long sequence 更长的输入窗口进而显著提高通用性、复杂推理能力相比 GPT-4 明显提升、可能开始具备较强的 planning 能力。再量化一点，就是刚刚 sam 在达沃斯上的比喻“ 假如 GPT4 完成了人类工作 10%， 那
   GPT5 应该是 15%或 20%”。此外按照常理，解决相同问题的算力成本，可能会比 GPT-4降低一个数量级。
   
   
2. GPT-5 之后会不会撞墙。GPT-4 用了 MoE 因此引发了对 OpenAI 单模型能力撞墙的质疑，但 MoE 的更大价值在于降低推理成本，更像是“优化”而不是“登月”。模型的瓶颈 1 是 transformer 架构的争论，的确有微创新的可能，ilya 在“事变”之前的采访中，提到了现有注意力机制算力消耗过大问题，但他也提到有了解决方向。但你说新架构如 RWKV、Mamba 替代 transformer？引用一个哥们的观点，领军企业用脚投票了，这是个生态、资源、人才自我加强的过程，新的架构崛起有点难，至少按照 ilya、Anthropic Dario 等领军人物的看法，transformer 潜力还有很大挖掘空间。此外， 从 LSTM 到 transformer 出现是 20 多年， 架构的创新节奏即便加速也是以 10年为单位；

部分自动化

作为人工智能领域的一个“足够困难”的问题，自动驾驶并不是凭空出现的；它是将驾驶任务自动化的一个渐进过程的结果，伴随着很多“工具型人工智能”的中间产物。

在汽车自动驾驶方面，现在很多车辆都配备了 L2 级别的辅助驾驶系统——一种与人类合作从 A 地到达 B 地的人工智能。它并不是完全自动化的，但可以处理很多低层次的驾驶任务。有时，它还能自动完成整个操作，例如，汽车可能会帮你停好车。

人类主要充当这一活动的监督者，但原则上也可以随时接管并执行驾驶任务，或发出高层次的指令（如请求变道）。在某些情况下（如车道跟随和快速决策），人工智能的能力会超越人类，但在一些罕见的情况下，人工智能的能力仍低于人类。

这类似于我们开始在其他行业部署的许多工具型人工智能，尤其是最近因为大语言模型（LLM）而出现的能力解锁。例如，作为一名程序员，当我使用 GitHub Copilot自动完成一个代码块时，或使用 GPT-4 编写一个更大的函数时，我是在将底层细节交给“自动驾驶”，但在需要时，我也可以以完全相同的方式进行“干预”。

也就是说，Copilot 和 GPT-4 是 L2 级别的自动编程。整个行业有很多 L2 级别的自动化，但不一定都基于 LLM——从 TurboTax，到亚马逊仓库的机器人，再到翻译、写作、艺术、法律、营销等领域的许多其他“工具型人工智能”。

国 际 汽 车 工 程 师 学 会 （ SAE ） 定 义 的 0-5 六 个 等 级 的 自 动 驾 驶 https://www.sae.org/blog/sae-j3016-update

完全自动化

到一定的时候，这些系统跨越了可靠性的门槛，变成了类似于今天 Waymo 的样子。它们逐渐驶入完全自动驾驶的领域。

如今在旧金山，你可以打开一个应用程序，呼叫 Waymo，而不是优步。一辆无人驾驶汽车就会停在你面前，把你这个付费用户带到目的地。这太神奇了，你无需懂得如何驾驶，你无需关注路况，你可以歇着打个盹，系统就会将你从 A 地带到 B 地。

与同我交谈过的许多人一样，我个人更喜欢乘坐 Waymo，而不是优步。你会获得变化更少、更加可重复的体验，驾驶很流畅，你可以播放音乐，还可以和朋友聊天，而不用花费脑力去思考司机听你说话时在想什么。

全自动驾驶的混合经济

然而，即使现在已经有了自动驾驶技术，仍然有很多人在打优步的车子。为什么会这样呢？

首先，很多人根本不知道可以打 Waymo 这件事。但即使知道，很多人也还不完全信任自动驾驶系统，他们更愿意让人来开车。即使他们打了 Waymo 的车子，很多人可能还是更喜欢人类司机，例如，可以享受聊天、戏谑和认识其他人的乐趣。

除了喜好之外，从 App 中等待时间不断增加的情况来看，Waymo 目前供不应求，没有足够的汽车来满足需求。这一方面可能是因为 Waymo 非常谨慎地管理和监控着风险和公众舆论，另一方面是，我相信（？）Waymo 有一个来自监管机构的允许在街道上部署的汽车数量限额。

另一个限制因素是，Waymo 不可能动动手指就立即取代所有的优步。他们必须搭建基础设施、生产汽车、扩大运营规模。

我认为，其他经济领域的各种自动化都是一样的——有些人、有些公司会立即使用它们，但很多人：

1）没听说过它们；

2）即使听说过，也不信任它们；

3）即使使用过，他们还是更愿意雇用人类，并与人类一起工作。

但除此之外，需求大于供给，而 AGI 将在所有这些方面受到限制，原因也完全相同——开发者的一定程度的自我约束、一定程度的监管，以及一定程度的简单粗暴的资源短缺，例如需要建立更多的 GPU 数据中心。

Waymo 是一家研发自动驾驶汽车的公司，为谷歌母公司 Alphabet 旗下的子公司。目前在美国旧金山和凤凰城运营全自动驾驶车辆，也正在洛杉矶和奥斯汀开启运营。

全自动化的全球化

正如我在资源限制上的暗示，这项技术的全面全球化仍然非常昂贵、耗费大量人力物力，而且有速度的限制。

如今，Waymo 只能在旧金山和凤凰城行驶，但这个方法本身具有相当的通用性和可扩展性，因此这家公司可能很快就会扩展到洛杉矶、奥斯汀等地。这个产品可能还会受到其他环境因素的限制，例如在大雪中行驶。而在极少数情况下，它甚至可能需要人类操作人员的救援。

能力的扩展并不是“免费”的。例如，Waymo 要进入一个新城市，就必须耗费资源。他们必须建立存在、绘制街道地图、调整感知和路径规划/控制器，以适应一些特殊情况，或适应该地区特有的当地法律法规。

在我们的工作类比中，很多工作可能只有在某些环境或条件下才能完全自动化，而扩大覆盖范围则需要付出工作和努力。在这两种情况下，方法本身都具有普遍性和可扩展性，前沿也会扩大，但只能随着时间的推移而扩大。

社会反应

我认为自动驾驶不断进入社会的另一个吸引人之处在于，就在几年前，到处都是关于“它能不能”、“它到底行不行”的评论、担忧和负面新闻，整个社会都在讨论这个问题。而现在，自动驾驶真的走进了现实。不是作为研究原型，而是作为产品—

—我可以花钱使用全自动驾驶的交通工具。

在目前的运行范围内，这个行业已经实现了全自动驾驶。然而，总体而言几乎无人问津。与我交谈的大多数人（甚至是技术人员！）甚至不知道这件事情的发生。当

你的 Waymo 在三藩市街头行驶时，你会发现，很多人都把它当成一个怪胎。他们先是惊讶并盯着看，然后，他们似乎就继续自己的生活。

当完全自动驾驶被引入其他行业时，也许这个世界并不会刮起一场风暴。大多数人可能一开始都不会意识到这一点。而当他们意识到这一点时，他们可能会盯着看，然后耸耸肩，态度从否认到接受不等。有些人则会因此而非常生气，做一些类似于在

Waymo 汽车上摆放锥形筒以示抗议的事情。当然，我们目前还没有看到这方面情况的充分发展，但我预计一旦充分发展，它将具有广泛的可预测性。

2023 年 8 月，旧金山，“安全街道反叛者”组织成员在一辆自动驾驶 Cruise 汽车的引擎盖上放置锥形筒。这一方式能有效地冻结这辆自动驾驶汽车的运行，直到有人来将它开走。

经济影响

让我们来谈谈工作岗位。当然，显而易见的是，Waymo 从车辆上去除了驾驶员的岗位。但它也创造了很多以前并不存在，也不那么显眼的岗位——帮助收集神经网络训练数据的人工标注员、远程连接到车辆排查问题的支持人员、建设和维护车队及地图的人员，等等。

为了组装这些高度智能化的高科技汽车，首先要创建一个由各种传感器和相关基础设施组成的全新产业。工作岗位也是如此，很多工作会改变，有些工作会消失，但也会出现很多新的工作岗位。

这在很大程度上是对工作的重构，而不是直接地删除，即使删除是最显著的部分。很难说随着时间的推移，整体的工作岗位数字不会在某个时间开始呈下降趋势，但这种情况的发生速度，要比天真地旁观局势的人想象得慢得多。

竞争格局

我想考虑的最后一个方面是竞争格局。几年前，有很多自动驾驶汽车公司。如今，由于认识到这一问题的难度（我认为，以人工智能和更通用意义上的计算的现有技术水平，只能勉为其难地实现自动驾驶），生态系统已经大为整合。

Waymo 首次达成了自动驾驶未来的功能完整性展示。不过，一些公司正在追赶，例如 Cruise、Zoox，当然，还有我个人的心头所爱：)，特斯拉。鉴于我在这一领域的特定历史和参与情况，在此做一简要说明。

在我看来，自动驾驶行业的最终目标，是在全球范围内实现完全自动驾驶。Waymo采取的战略是先实现自动驾驶，然后在全球范围内扩展；而特斯拉采取的战略是先走向全球，然后再将自动驾驶规模化。

目前，我同时是这两家公司产品的忠实用户。就我个人而言，我首先为整体的技术喝彩。不过，一家公司还剩下很多主要是软件方面的工作有待完成，而另一家剩下的则主要是硬件方面的工作。哪家公司会进步更快，我有我自己的观点。

综上所述，以同样的方式，很多其他经济领域也可能会经历快速增长和扩张的时期（想想 2015 年左右的自动驾驶时代），但如果类比成立的话，之后只会整合成少数几家公司存留竞争。而在这之间，会有很多活跃使用的工具型人工智能（想想今天的 L2 级辅助驾驶功能），甚至还会有一些开放型平台（想想 Comma）。

特斯拉 FSD V12 已推向部分用户。这一首个端到端，打通感知、规划和控制的自动驾驶系统承载了特斯拉公司和大量用户的希望。一个笑话：一位特斯拉工程师在下

一份工作的面试中，“你曾写过最棒的代码是什么？” 回答： “额，是 FSD V11，但埃隆·马斯克把它们全删了。”

通用人工智能（AGI)

以上就是我所认为的 AGI 的大致轮廓。只需要在脑海中将以上分析复制粘贴到整个经济领域中，以不同的速度发生，并以不同的难度预测相互作用和二阶效应。

我不指望这一类比完美无缺，但我希望它能成为一个有用的模型，供我们参考和借鉴。从记忆谱系的角度来看，它并不太像是一个自我迭代改进的超级智能体，能够脱离我们的控制，进入网络空间，制造致命的病原体或纳米机器人，并把整个银河系变成灰色的黏稠物。

它更像是自动驾驶，我们的经济中、正在加速发展、能够改变社会的自动化程度的那部分。它循序渐进，社会既是它的旁观者，也是参与者，其扩张速度受到诸多方面的限制，包括监管、受过教育的劳动力资源、信息、材料和能源。

世界并不会爆炸，它会适应、改变和重构。具体到自动驾驶，交通的自动化将使其变得更加安全，城市的雾霾和拥堵将大大减少，停车场和停放的汽车将从街道两旁消失，从而为人们腾出更多的空间。我个人非常期待 AGI 可能会带来所有等同于此的变化。

返回目录

2023 年中国智能手机市场出货量创近 10 年最低 苹果首获年度第一 ‌

来源： IDC 咨询

国际数据公司（IDC）最新手机季度跟踪报告显示，2023 年第四季度，中国智能手机市场出货量约 7,363 万台，同比增长 1.2%， 在连续同比下降 10 个季度后首次实现反弹。但需要注意的是，虽然整体市场终于恢复到增长趋势，但是市场表现还是明显低于预期。目前的市场需求主要来自 1-3 线城市的高端人群，例如销售较好的产品大多集中于苹果 iPhone 15、华为 Mate 60、小米 14、vivo X100 等各品牌的旗舰产品系列，而主要负责走量的中低端产品的销售情况并未明显改善，占据大部分市场份额的中低端用户的换机需求依然没有完全释放。

2023 年全年中国智能手机市场出货量约 2.71 亿台，同比下降 5.0%，创近 10 年以来最低出货量。纵观全年，上半年受经济环境和疫情延续影响，整体手机市场依然处于低迷阶段；下半年随着经济环境的改善以及社会各界对于手机市场热度和关注度的提升，市场需求逐渐好转和改善，但尚未完全释放。而厂商对于出货量的态度仍保守谨慎，整体市场表现难以达到预期。

2023 年全年中国前五大智能手机厂商市场表现 Apple

第四季度和 2023 年全年出货量排名国内市场首位。虽然苹果在国内高端市场受到竞品明显冲击，加上自身产品升级幅度有限导致吸引力下降，但是在第三方渠道上一直较大幅度的降价促销推动下，还是吸引了较多消费者的需求。尽管相比安卓旗舰

产品已不具有明显优势，但 iPhone 的整体综合产品力依然是最好之一。只是现在苹果产品的价格维持不如以前，渠道提货价格调整时间越来越早。

Honor

四季度和 2023 年出货量排名国内安卓市场第一。继前年快速恢复之后，2023 年的 Honor 面对市场的激烈竞争，依然保持强劲势头。在 800 美元以上市场依靠折叠屏产品的出色发挥，份额明显提升；中低端市场紧抓线下消费人群需求特点，打造多款爆款产品。产品策略的成功以及与渠道合作的改善，帮助 Honor 获得全年国内总出货量第二位的位置。

OPPO

在 2023 年整体市场规模有所下降的情况下依然稳居市场第三。其中在折叠屏手机市场持续发力，凭借 Find N3 Flip 的热销，OPPO 斩获 2023 年竖折产品市场第一名；横折产品 Find N3 表现优异，助力 OPPO 在 800 美元以上市场份额创新高。Reno系列帮助 OPPO 在 400-600 美元市场份额第一。一加 2023 年逆势增长，出货量同比增幅接近 200%。同时，OPPO 也在不断尝试更多的差异化终端服务以满足用户的多元化需求，为用户带来了更多创新零售体验。

vivo

国内市场表现稳健。第四季度随着主力新品集中上市，市场表现明显好转，多款爆款产品热销持续到现在。其中， 凭借连续多代产品的坚持投入和口碑积累，X100系列帮助 vivo 在高端市场获得消费者的高度认可，持续加单，在第四季度 600-800美元市场上份额位居第三。子品牌 iQOO 坚持在电竞场景上的产品特色，稳定 vivo 在线上渠道的竞争力。凭借产品布局清晰，系统使用体验优秀，主品牌和子品牌分工明确，vivo 将会继续稳定发展。

Xiaomi

在第四季度是唯二率先恢复同比增长的厂商。小米 14 系列延续上一代产品的优秀口碑，帮助 Xiaomi 稳定住了在 600 美元以上市场的位置。红米 K 系列和 Note 系列依然是推动 Xiaomi 出货的主力军。自研以及与国产供应链的全面合作将有效帮助小米高端品牌形象的建立。未来人车家生态闭环的形成将使得 Xiaomi 的竞争力不仅局限于手机市场。

价格段 K 形分化延续

2023 年中国智能手机市场价格段延续 K 形分化趋势。600 美元以上高端市场份额达 27.4%，同比增长 3.7 个百分点；同时 200 美元以下低端市场份额恢复到 27.5%，同比增长 5. 2 个百分点。高端消费人群维持购买力的同时，更多中端用户开始升级选择旗舰产品来延长换机周期；打造千元 5G 精品手机，注重外观以及保证社交，购物，短视频三大应用场景的使用流畅，将会吸引更多线下低端消费人群。

分析师观点

IDC 中国高级分析师郭天翔指出，虽然中国智能手机市场已重新恢复到增长趋势，但是对于 2024 年的市场表现预期应该还是保持谨慎乐观的态度。上一波 2020 年下半年出货高峰购机的消费者会从今年上半年陆续进入到换机周期，将成为今年市场反弹的基础。国家整体宏观经济和居民消费能力的恢复情况，以及是否能有效激发 4-6 线城市消费群体的换机，将成为影响市场反弹高度的关键因素。运营商依然会推动 5G终端的下沉普及，也将有利于市场的反弹。但产品本身难以出现明显推动换机需求的技术出现，卫星通讯和 AI 大模型，短期内都还不会成为消费者的刚性需求来推动大规模的换机。建议整个行业仍然需要维持保守务实的运营策略，控制库存，稳定现金流；厂商建立长期发展目标，坚持在高端产品和折叠屏产品上的投入，打造高端品牌形象的同时，也可以加强与运营商的合作，有效合理利用运营商资源。

返回目录

LVMH 集团主席关于奢侈品行业的最新研判：我们很高兴能够放慢脚步 ‌

来源：公众号“华丽志”

巴黎时间 1 月 25 日股市收盘后，法国奢侈品巨头 LVMH 路威酩轩集团公布了 2023

全年业绩报告：销售收入同比增长 9% 达到创纪录的 862 亿欧元，在有机基础上增长 13% 。

在随后的电话会议上， LVMH 集团主席兼首席执行官 Bernard Arnault 与首席财务官 Jean-Jacques Guiony 出席。

Arnault 着重谈到全球奢侈品行业增长放缓的问题：“过去 35 年 LVMH 集团的平均有机增长率为 9.1% ，这就是历史趋势。如今我们正在接近它。”他强调：“我宁愿品牌增速放缓但稳固，而非‘拔苗助长’。”

两人在会议上公布了多项战略调整事项，包括：

确认将有两名家庭成员加入董事会。 Arnault 表示这将会带来新鲜血液，但自己目前并不想离开。

今年 1 月初，彭博社曾报道 Arnault 计划提名二儿子 Alexandre Arnault （ 32 岁）、三儿子 Frédéric Arnault （ 29 岁）加入集团董事会。

集团剥离旗下邮轮零售业务 Starboard 的主要原因在于增强盈利。 Arnault 表示，我们发现很难去实现盈利，我们也发现很难和运营商去打交道，所以我们决定放弃这项业务。

2023 年 12 月初，集团表示已签署协议，出售邮轮零售业务 Starboard & Onboard Cruise Services 的母公司 Cruise Line Holdings Co. 的多数股权， LVMH 仍是“重要少数股东”。

LVMH 手表和珠宝部门首席执行官 Stephane Bianchi 将调任新职位，不过 Arnault 拒绝详细说明，将在适当时间公布。

Stéphane Bianchi 自 2021 年 11 月起担任 LVMH 集团腕表和珠宝部门主席兼首席执行官，他此前于 2018 年加入 LVMH 集团，担任 TAG Heuer （泰格豪雅）及手表部门首席执行官。 2020 年 6 月起将 Fred （斐登）、 CHAUMET （尚美巴黎）和 BVLGARI （宝格丽）三大珠宝品牌纳入管理范畴。 Tiffany & Co. （蒂芙尼）和 Repossi 成为新纳入监管的两个品牌。

董事会批准了一项员工持股计划，我们将在今年推出。该计划将吸引全球最为出色的设计师们。

上图： Bernard Arnault

面对 LVMH 集团逐渐放缓的增速（ 2023 年四个季度有机增速分别为 17% 、 17% 、 9% 、

10% ）， Arnault 坦言，我们本来就不想发展得过快（ We didn't want to go too fast ），有的时候甚至要踩下刹车（ Put the brakes on ）。

“不惜一切增长一定不是我们的目标，提高被渴望度才是。”

此外，在与分析师沟通的过程中， Arnault 和 Jean-Jacques Guiony 也分享了对中国市场、涨价、商业地产等备受关注话题的看法。本文，《华丽志》将通过以下四点详解全球最大奢侈品巨头的“掌门人”对于奢侈品行业的最新研判：

• 不惜一切增长一定不是我们的目标，提高被渴望度才是
  
  
• 对于 2024 年充满信心，未来将尽可能少涨价
  
  
• 中国顾客数量达到疫情前的两倍，将在中国市场开设更大门店
  
  
• 投资商业地产是为了未来
  
  
  不惜一切增长一定不是我们的目标，提高被渴望度才是
  
  
  对于 Christian Dior 等核心品牌的放缓， Arnault 表示，增长一定不是我们的目标。提高被渴望度才是——人们必须渴望这个品牌，无论是 Louis Vuitton 、 Christian Dior 两大头部品牌还是其他。
  
  
  “当然，增长是件好事， Dior 在前首席执行官 Pietro Beccari 领导的几年之间实现高速增长。但对于 Dior 来说，我们已经到了不再需要如此高增长的阶段， 8% — 10% 的增速是完美的。” Arnault 补充称。
  Arnault 表示，我们很高兴能够放慢脚步，甚至有一些“急切”的品牌不得不踩下刹车。我经常被问为何增长率只实现了 8% — 9% ，事实上，我觉得这很好，反而不希望超过这个范围。我宁愿品牌增速放缓但稳固，而非“拔苗助长”。
  Arnault 举例 Loro Piana 品牌称，如今品牌的增长率在我看来有些过高了。
  
  
  
  
  “过去 35 年 LVMH 集团的平均有机增长率为 9.1% ，这就是历史趋势。如今我们正在接近它。” Arnault 补充道。
  Arnault 在电话会议中援引《金融时报》一篇报道称： Louis Vuitton 、 Dior 、 Hermès 、
  Chanel 是当今软奢领域的四大头部品牌； Tiffany 、 BVLGARI 、 Cartier 、 Van Cleef & Arpels
  是当今硬奢领域的四大头部品牌。
  
  
  Arnault 表示，当今世界上最好的八个奢侈品牌中， LVMH 集团占了一半，这已经相当不错了。所以对于集团 / 品牌吸引力，或者从资产角度看，都是完全足够的。
  在谈到过去有关 LVMH