AI 时代的第一性原则

在人工智慧技术爆发的时代，资讯的取得变得前所未有的容易。然而，这种便利性同时也带来了认知浅薄化的危机。面对海量的数据与速成的知识，投资人如何在这个充满杂音的环境中保持清醒，成为一门必修的课题。真正的资讯素养，是摒弃速成的碎片化资讯、重新拥抱第一性原则，并正确驾驭强大的 AI 工具，把它转化为提升财商的利器。

算力即财富的第一性原则

在 AI 革命的浪潮下，传统的「资产线性增长」思维已彻底失效。透过「第一性原则」回归数据本质，投资人会发现一个令人震撼的「加速现象」。

以那斯达克 100指数为例，其历史年化报酬率呈现出明显的指数级陡峭化：

• 最近 20年：年化报酬率约为 14.7%
• 最近 10年：攀升至约 19%
• 最近 5年：飙升至 20.4%

这条一路垫高的斜率，远超标普 500 约 9.5% 的长期年化基准。（上述为那斯达克 100 特定回测区间的数字，会因指数版本、是否含息与资料日不同而有出入；重点不是保证未来报酬会持续加速，而是平台型企业近年展现出更高的资本效率与获利斜率。）这数据揭示了 AI 时代的核心逻辑：科技巨头透过演算法与自动化，正在以加速前进的方式取代传统劳动力。这种斜率的改变，意味着如果完全不持有这些企业的「产权」，收入与财富就可能越来越受 AI 平台与资本所有者挤压。在 AI 时代，算力、资料与云端基础设施会成为新的生产要素；持有 QQQ∕00662 不是直接拥有一台 GPU，而是间接持有全球最有能力把 AI 转化为营收、现金流与垄断优势的一批企业。

▲ 图 23-1：那斯达克 100年化报酬的陡峭化——观测期越靠近现在、年化报酬越高。

面对 AI 估值高企，散户最常质疑：「会不会是 2000年网路泡沫翻版？」。James 老师用最直白的微观财务数据打破这个恐惧：

AI 的算力的涨价，现在可能从每小时一块已经涨到五六块，有些短期合约已经涨到 14块，那这个算力合约的上涨就有利于这些基础建设、AI 基础建设的公司获利、或者是它的成长率会超乎预期……也就是 AI 的投资是没有泡沫，它的需求是真正存在。（影片00688短篇）

2000年网路泡沫的本质是「公司本身没有实质获利、纯粹靠故事拉抬股价」；而 2025～2026年的 AI 浪潮不同——算力租赁价格、GPU 利用率与云端订单持续走高（算力租金的实际区间，会因 GPU 型号、租期与供应商而有很大差异），反映 Nvidia、Microsoft、Google、Amazon 这些基础建设公司的营收正在快速膨胀。这不是纯估值故事，而是有财报数字在支撑。

当散户听到「PE 太高、AI 是泡沫」的论述时，与其争辩，不如直接看底层数据：算力租金、GPU 利用率、云端 RPO 与 Capex。只要算力价格、RPO、云端收入与资本支出仍互相印证，AI 需求就不是 2000 年那种纯故事泡沫——但这不等于「绝无估值过热」：长期是真革命、与某些公司某些年份某段估值偏贵，这两件事可以同时成立。真正要持续追踪的是 RPO 转收入的速度、毛利率、折旧与自由现金流，而不是单一价格。

资产拥有者 vs. 算力消费者

AI 时代将人类划分为两个全新的阶级：

• 算力消费者（劳工层）：出卖时间获取报酬，却在日常生活中支付订阅费给 AI 公司、被演算法精准收割注意力。薪资增长永远追不上科技取代劳动的速度
• 资产拥有者（资本层）：看透「算力即财富」的本质，透过持有科技指数，让全球最聪明的 AI CEO（如黄仁勋、纳德拉）为自己打工

一句话总结：我们要从「出卖时间的工具人」，转变为「驾驭 AI 的资源拥有者」。

当拥有资产，AI的进步就是「财富增压器」；当仅拥有劳动力，AI的进步就是「失业警报器」。选择站在哪一侧，决定了个人在 AI 时代的命运。

要彻底理解这场典范转移的残酷性，必须先看清它和过去所有科技革命的根本差异：

过去的典范转移是将产品消灭掉，可是人还存在。人工智慧这个典范转移是会把整个人类取代掉，所以你要找工作还真的找不到，只有 0.001%的像 C 的朋友还投资还有活命。不然你就算有工作以后也会不见了，你若不投资你就是会贫穷，所以以后只有两种人一种就是极端富有的人，一种就是极端贫穷的人，没有中。（影片00695短篇）

数位相机取代底片胶卷时，柯达破产但摄影师还在工作；CD 取代黑胶唱片时，唱片公司模式翻新但音乐人还在创作；智慧型手机取代功能机时，诺基亚倒下但通讯产业仍需大量劳动力。这些过去的典范转移都只消灭「产品」，「人」依然能在新赛道找到位置。

但 AI 典范转移不一样——AI 直接取代的是「人类劳动力」本身。当客服、会计、文书、设计、编程、初阶法律、初阶医疗都被 AI 替代后，这些被淘汰的人类劳动力无处可去——因为新冒出来的工作机会本身也都会被 AI 接手。这正是 James 老师对 AI 时代提出的尖锐警语——AI 会压缩大量可标准化、可流程化的知识型劳动，放大「资产拥有者」与「单纯劳动者」之间的差距。不同职业、产业与技能受影响的程度不同，未必所有人类工作都会消失；但方向很清楚：在 AI 时代，单靠薪资会越来越脆弱，持有优质生产性资产（QQQ／00662）会越来越重要。「完全不持有生产性资产」，等于把自己暴露在被 AI 与资本持续挤压的那一侧。

拒绝垃圾资讯与深度验证

尽管 AI 能够在几秒钟内生成长篇大论，但这也造成了「财经鹦鹉」的盛行。多数投资人依赖短影音或 AI 生成的摘要，却失去了独立验证的能力。

看书其实最重要，它是最基本、也是最便宜的投资。（影片00415）

真正的第一性原则是「回到 Raw Data（原始数据）」。在执行资产配置时，不应盲目相信 AI 给出的「安稳」建议，而是要亲自动手操作回测工具，对数据进行精确校准。这种对数据的主动验证，是 AI 无法代劳的「决策主权」。

以「AI 是不是泡沫」这个近年最热门的争论为例，传统的观察方式是看媒体头条、听分析师意见、或盯着股价涨跌。但回到 Raw Data，有一个比股价更早泄漏真相的财报指标——RPO（Remaining Performance Obligation，剩余履约义务）。RPO 代表的是企业客户已经实际签约承诺、但尚未认列入帐的订单金额，是 AI 需求是否真实落地的最直接证据。

以甲骨文（Oracle）为例，其 2025 年 12月公布的 FY2026 第二季财报揭露 RPO 规模高达 5,230亿美元，年增幅达 438%。这个数字是 AI 需求真实落地的重要证据——如果 AI 只是想像中的故事，企业客户不可能签下 5,230亿美元的实质采购承诺。但要厘清：RPO 是已签约、尚未认列的履约义务，不是已入帐收入、更不是保证利润；它仍受履约期间、毛利率、Capex、融资成本与客户集中度影响，需追踪其转化为营收的速度。

这就是「资讯提炼」的具体实作：当市场喧嚣于「AI 是否过热」「QQQ 是否被高估」时，与其去听 100个分析师的意见，不如直接打开顶尖科技企业的财报，看 RPO、看 Capex（资本支出）、看云端业务的单位经济模型。这些 Raw Data 比媒体标题更接近底层现实——但仍需放在会计口径、合约年限、客户集中度与现金流转化能力中一起判断，而不是当成不会出错的水晶球。对 CLEC 系统的持有者而言，这类底层数据比任何短期股价波动都更能提供「持股底气」——当看到 5,230亿美元的订单在手，市场短期的恐慌与震荡就更容易被当成可以无视的杂讯。

驾驭 AI 提炼价值

AI 不应用来取代思考，而应用来「提炼价值」。00662 社群利用 NotebookLM 处理数百万字的逐字稿与讲义，其核心目的在于建立一套「外挂大脑」。这类工具最适合用在「来源封闭」的资料库——只喂 CLEC 讲义、逐字稿与官方文件，让回答尽量回到指定来源，而不是让 AI 凭一般网路记忆乱答。

AI工具就像是一面镜子，它输出的价值完全取决于提问者具备多少基础逻辑。学会用高阶的提问与严谨的框架去指挥 AI 进行资料检索、风险模拟与税务演算，这就是「一人指挥千军万马」的现代资本家形态。

真正的第一性原则实践，就是利用多模型进行残酷的交叉辩证。以「保单优化」为例，与其只听保险业务员的话术，不如将全家保单同时喂给最新的 Gemini 3.0 Pro、Grok 以及 ChatGPT，让模型互相批判，整理出各张保单的保障缺口、高费用低保障项目，以及该向保险顾问追问的问题清单。但要守住一条界线：是否解约、减额缴清或保留，必须依家庭责任、健康状况、债务、既有病史、保障缺口与保单条款判断——多模型即使一致建议「删掉某些低效益寿险」，也只能当成检查的起点，不是可以照单执行的科学结论（误删需要的保障，尤其对有家庭责任、或健康已恶化而无法再投保的人，后果不可逆）。在确认保障无虞的前提下，再把真正无效的保费转入市值型大盘享受复利，才是利用科技把智商税拿回来的正确示范。

AI 时代最有价值的能力，不是更快产生结论，而是更快找到「可被验证、可被推翻、可被重复」的科学结论。在这一场算力竞赛中，唯有坚持第一性原则，并让核心资产与科技进步深度挂钩，才能在这个指数级变动的时代，守住跨越世代的财富防线。

但即便会用 AI、能跑多模型交叉验证，仍有一条不可逾越的底线——「对 AI 保持人工最终审视」：

我跟大家讲哦，AI 会一本正经的胡说八道，所以这个一定要小心……现在 AI 能要用到真正枪实弹实际很专业 serious 的时候是不堪用的……所以讲白一点……你把它来当做 formal 的、这个跟政府应对的、还有报税的，我跟你讲，绝对回到最原始的政府官方文件，这是一定的。（影片00536，2025年访谈）

需要说明的时效性：上述评论发表于 2025年初，当时主流 AI 模型常见「幻觉」问题、在税法／法规等专业领域出错机率较高。进入 2026年后，Gemini 3.0 Pro、ChatGPT GPT-5、Grok 等新一代模型在整理资料、比对文件、产生问题清单与辅助理解上已明显进步、幻觉也比早期减少；但幻觉并未消失，越是税务、法律、保险、跨境资产这类高风险领域，越不能只靠 AI 输出定案。正确态度是「审慎查核、交叉验证，最终仍以官方文件与具执照专业人士为准」，而非全盘拒绝、也非全盘采信。

实战建议的层次化处理：

• 概念探索、逻辑练习、产生初稿：AI 已可作为主力工具
• 跨模型交叉验证：用 Gemini ＋ ChatGPT ＋ Grok 至少 2 种以上模型互相批判，可大幅降低单一模型误差
• 最终决策层（报税、法律合约、跨国税务）：仍必须人工查阅官方原版文件（IRS／国税局网站、财政部法规）或咨询具执照的会计师／律师做最终确认

把 AI 视为「强大的助手 ＋ 必须人工最后审视的草稿」，是 AI 时代投资人最务实的协作模式——既享受 AI 带来的效率提升，又保留最终决策的人工把关。

五大经济循环的进阶周期观测（选读）

对于资产规模大、想进一步学习「周期观测」的进阶投资人，James 老师曾系统化地列出 5 大总体经济循环的观测指标：

所以难就难在道，不是在这些消费周期、产业周期、资本投资、信贷周期、房地产周期、市场氛围，我可以讲三天三夜，讲完了你还是不懂……周期定不会被动只有均线，周期不是只看均线……我们还要看全球金融，那刚刚我讲的这些消费周期、产业周期、资本投资、信贷周期、房地产周期、市场氛围，最后才是技术分析头部大小。这个是完全的要懂，而且不能只懂一，懂要全部懂。（影片00558）

5 大循环的先后顺序与观测重点：

• 消费循环：观察大众消费信心、零售业绩、汽车与耐久财销售
• 产业（库存）循环：观察制造业 PMI、企业库存水位、出货／存货比
• 资本投资循环：观察企业 Capex 支出、IPO 市场热度、新兴国家股市是否全面暴冲超越美国（落后市场突然领先，可作风险偏好过热的讯号之一，但非单独判定泡沫尾声，仍需搭配信用利差、估值与杠杆）
• 信贷循环：观察殖利率曲线、信用利差、企业违约率（一家倒等同蟑螂效应）
• 房地产循环：观察房价／所得比、央行利率动向（信贷破裂后央行降息救市，资金最后一波涌入房地产）

把这套口语化的循环观念，对照到总经学界的经典周期，可整理成下表。但先讲在前头：下面的「约略周期」只是历史经验值、不是会准时报到的时刻表，各循环之间还会彼此重叠、互相牵动。它唯一的用途，是判断「此刻该不该把杠杆降一点、现金拉高一点」，绝不是拿来猜顶猜底、波段进出。

要再强调一次：周期长度只是经验值、会偏差、会重叠，全球化、科技变革与重大地缘事件都可能让它失准。所以这张表不能拿来「预测哪一年会崩盘」，只能在多个循环同时亮红灯时，提醒自己把组合的 Beta 与现金水位往保守端调——这跟 CLEC「有钱就买、打死不卖」的主轴并不冲突，因为它调的是防守强度，而不是进出场时机。

严格警告：5 大循环观测「仅用于」资产规模大、面临极端泡沫时的「降 Beta 防御」（拉高现金比例至 40%～50%），绝对不可用于「杀低追高」的波段操作。对 99% 的投资人而言，「打死不卖」仍是胜率最高的唯一准则。新手请完全忽略这套框架，继续执行 433配置与年度再平衡即可。