AI 時代的第一性原則

在人工智慧技術爆發的時代，資訊的取得變得前所未有的容易。然而，這種便利性同時也帶來了認知淺薄化的危機。面對海量的數據與速成的知識，投資人如何在這個充滿雜音的環境中保持清醒，成為一門必修的課題。真正的資訊素養，是摒棄速成的碎片化資訊、重新擁抱第一性原則，並正確駕馭強大的 AI 工具，把它轉化為提升財商的利器。

算力即財富的第一性原則

在 AI 革命的浪潮下，傳統的「資產線性增長」思維已徹底失效。透過「第一性原則」回歸數據本質，投資人會發現一個令人震撼的「加速現象」。

以那斯達克 100指數為例，其歷史年化報酬率呈現出明顯的指數級陡峭化：

• 最近 20年：年化報酬率約為 14.7%
• 最近 10年：攀升至約 19%
• 最近 5年：飆升至 20.4%

這條一路墊高的斜率，遠超標普 500 約 9.5% 的長期年化基準。（上述為那斯達克 100 特定回測區間的數字，會因指數版本、是否含息與資料日不同而有出入；重點不是保證未來報酬會持續加速，而是平台型企業近年展現出更高的資本效率與獲利斜率。）這數據揭示了 AI 時代的核心邏輯：科技巨頭透過演算法與自動化，正在以加速前進的方式取代傳統勞動力。這種斜率的改變，意味著如果完全不持有這些企業的「產權」，收入與財富就可能越來越受 AI 平台與資本所有者擠壓。在 AI 時代，算力、資料與雲端基礎設施會成為新的生產要素；持有 QQQ∕00662 不是直接擁有一台 GPU，而是間接持有全球最有能力把 AI 轉化為營收、現金流與壟斷優勢的一批企業。

▲ 圖 23-1：那斯達克 100年化報酬的陡峭化——觀測期越靠近現在、年化報酬越高。

面對 AI 估值高企，散戶最常質疑：「會不會是 2000年網路泡沫翻版？」。James 老師用最直白的微觀財務數據打破這個恐懼：

AI 的算力的漲價，現在可能從每小時一塊已經漲到五六塊，有些短期合約已經漲到 14塊，那這個算力合約的上漲就有利於這些基礎建設、AI 基礎建設的公司獲利、或者是它的成長率會超乎預期……也就是 AI 的投資是沒有泡沫，它的需求是真正存在。（影片00688短篇）

2000年網路泡沫的本質是「公司本身沒有實質獲利、純粹靠故事拉抬股價」；而 2025～2026年的 AI 浪潮不同——算力租賃價格、GPU 利用率與雲端訂單持續走高（算力租金的實際區間，會因 GPU 型號、租期與供應商而有很大差異），反映 Nvidia、Microsoft、Google、Amazon 這些基礎建設公司的營收正在快速膨脹。這不是純估值故事，而是有財報數字在支撐。

當散戶聽到「PE 太高、AI 是泡沫」的論述時，與其爭辯，不如直接看底層數據：算力租金、GPU 利用率、雲端 RPO 與 Capex。只要算力價格、RPO、雲端收入與資本支出仍互相印證，AI 需求就不是 2000 年那種純故事泡沫——但這不等於「絕無估值過熱」：長期是真革命、與某些公司某些年份某段估值偏貴，這兩件事可以同時成立。真正要持續追蹤的是 RPO 轉收入的速度、毛利率、折舊與自由現金流，而不是單一價格。

資產擁有者 vs. 算力消費者

AI 時代將人類劃分為兩個全新的階級：

• 算力消費者（勞工層）：出賣時間獲取報酬，卻在日常生活中支付訂閱費給 AI 公司、被演算法精準收割注意力。薪資增長永遠追不上科技取代勞動的速度
• 資產擁有者（資本層）：看透「算力即財富」的本質，透過持有科技指數，讓全球最聰明的 AI CEO（如黃仁勳、納德拉）為自己打工

一句話總結：我們要從「出賣時間的工具人」，轉變為「駕馭 AI 的資源擁有者」。

當擁有資產，AI的進步就是「財富增壓器」；當僅擁有勞動力，AI的進步就是「失業警報器」。選擇站在哪一側，決定了個人在 AI 時代的命運。

要徹底理解這場典範轉移的殘酷性，必須先看清它和過去所有科技革命的根本差異：

過去的典範轉移是將產品消滅掉，可是人還存在。人工智慧這個典範轉移是會把整個人類取代掉，所以你要找工作還真的找不到，只有 0.001%的像 C 的朋友還投資還有活命。不然你就算有工作以後也會不見了，你若不投資你就是會貧窮，所以以後只有兩種人一種就是極端富有的人，一種就是極端貧窮的人，沒有中。（影片00695短篇）

數位相機取代底片膠卷時，柯達破產但攝影師還在工作；CD 取代黑膠唱片時，唱片公司模式翻新但音樂人還在創作；智慧型手機取代功能機時，諾基亞倒下但通訊產業仍需大量勞動力。這些過去的典範轉移都只消滅「產品」，「人」依然能在新賽道找到位置。

但 AI 典範轉移不一樣——AI 直接取代的是「人類勞動力」本身。當客服、會計、文書、設計、編程、初階法律、初階醫療都被 AI 替代後，這些被淘汰的人類勞動力無處可去——因為新冒出來的工作機會本身也都會被 AI 接手。這正是 James 老師對 AI 時代提出的尖銳警語——AI 會壓縮大量可標準化、可流程化的知識型勞動，放大「資產擁有者」與「單純勞動者」之間的差距。不同職業、產業與技能受影響的程度不同，未必所有人類工作都會消失；但方向很清楚：在 AI 時代，單靠薪資會越來越脆弱，持有優質生產性資產（QQQ／00662）會越來越重要。「完全不持有生產性資產」，等於把自己暴露在被 AI 與資本持續擠壓的那一側。

拒絕垃圾資訊與深度驗證

儘管 AI 能夠在幾秒鐘內生成長篇大論，但這也造成了「財經鸚鵡」的盛行。多數投資人依賴短影音或 AI 生成的摘要，卻失去了獨立驗證的能力。

看書其實最重要，它是最基本、也是最便宜的投資。（影片00415）

真正的第一性原則是「回到 Raw Data（原始數據）」。在執行資產配置時，不應盲目相信 AI 給出的「安穩」建議，而是要親自動手操作回測工具，對數據進行精確校準。這種對數據的主動驗證，是 AI 無法代勞的「決策主權」。

以「AI 是不是泡沫」這個近年最熱門的爭論為例，傳統的觀察方式是看媒體頭條、聽分析師意見、或盯著股價漲跌。但回到 Raw Data，有一個比股價更早洩漏真相的財報指標——RPO（Remaining Performance Obligation，剩餘履約義務）。RPO 代表的是企業客戶已經實際簽約承諾、但尚未認列入帳的訂單金額，是 AI 需求是否真實落地的最直接證據。

以甲骨文（Oracle）為例，其 2025 年 12月公布的 FY2026 第二季財報揭露 RPO 規模高達 5,230億美元，年增幅達 438%。這個數字是 AI 需求真實落地的重要證據——如果 AI 只是想像中的故事，企業客戶不可能簽下 5,230億美元的實質採購承諾。但要釐清：RPO 是已簽約、尚未認列的履約義務，不是已入帳收入、更不是保證利潤；它仍受履約期間、毛利率、Capex、融資成本與客戶集中度影響，需追蹤其轉化為營收的速度。

這就是「資訊提煉」的具體實作：當市場喧囂於「AI 是否過熱」「QQQ 是否被高估」時，與其去聽 100個分析師的意見，不如直接打開頂尖科技企業的財報，看 RPO、看 Capex（資本支出）、看雲端業務的單位經濟模型。這些 Raw Data 比媒體標題更接近底層現實——但仍需放在會計口徑、合約年限、客戶集中度與現金流轉化能力中一起判斷，而不是當成不會出錯的水晶球。對 CLEC 系統的持有者而言，這類底層數據比任何短期股價波動都更能提供「持股底氣」——當看到 5,230億美元的訂單在手，市場短期的恐慌與震盪就更容易被當成可以無視的雜訊。

駕馭 AI 提煉價值

AI 不應用來取代思考，而應用來「提煉價值」。00662 社群利用 NotebookLM 處理數百萬字的逐字稿與講義，其核心目的在於建立一套「外掛大腦」。這類工具最適合用在「來源封閉」的資料庫——只餵 CLEC 講義、逐字稿與官方文件，讓回答盡量回到指定來源，而不是讓 AI 憑一般網路記憶亂答。

AI工具就像是一面鏡子，它輸出的價值完全取決於提問者具備多少基礎邏輯。學會用高階的提問與嚴謹的框架去指揮 AI 進行資料檢索、風險模擬與稅務演算，這就是「一人指揮千軍萬馬」的現代資本家形態。

真正的第一性原則實踐，就是利用多模型進行殘酷的交叉辯證。以「保單優化」為例，與其只聽保險業務員的話術，不如將全家保單同時餵給最新的 Gemini 3.0 Pro、Grok 以及 ChatGPT，讓模型互相批判，整理出各張保單的保障缺口、高費用低保障項目，以及該向保險顧問追問的問題清單。但要守住一條界線：是否解約、減額繳清或保留，必須依家庭責任、健康狀況、債務、既有病史、保障缺口與保單條款判斷——多模型即使一致建議「刪掉某些低效益壽險」，也只能當成檢查的起點，不是可以照單執行的科學結論（誤刪需要的保障，尤其對有家庭責任、或健康已惡化而無法再投保的人，後果不可逆）。在確認保障無虞的前提下，再把真正無效的保費轉入市值型大盤享受複利，才是利用科技把智商稅拿回來的正確示範。

AI 時代最有價值的能力，不是更快產生結論，而是更快找到「可被驗證、可被推翻、可被重複」的科學結論。在這一場算力競賽中，唯有堅持第一性原則，並讓核心資產與科技進步深度掛鉤，才能在這個指數級變動的時代，守住跨越世代的財富防線。

但即便會用 AI、能跑多模型交叉驗證，仍有一條不可逾越的底線——「對 AI 保持人工最終審視」：

我跟大家講哦，AI 會一本正經的胡說八道，所以這個一定要小心……現在 AI 能要用到真正槍實彈實際很專業 serious 的時候是不堪用的……所以講白一點……你把它來當做 formal 的、這個跟政府應對的、還有報稅的，我跟你講，絕對回到最原始的政府官方文件，這是一定的。（影片00536，2025年訪談）

需要說明的時效性：上述評論發表於 2025年初，當時主流 AI 模型常見「幻覺」問題、在稅法／法規等專業領域出錯機率較高。進入 2026年後，Gemini 3.0 Pro、ChatGPT GPT-5、Grok 等新一代模型在整理資料、比對文件、產生問題清單與輔助理解上已明顯進步、幻覺也比早期減少；但幻覺並未消失，越是稅務、法律、保險、跨境資產這類高風險領域，越不能只靠 AI 輸出定案。正確態度是「審慎查核、交叉驗證，最終仍以官方文件與具執照專業人士為準」，而非全盤拒絕、也非全盤採信。

實戰建議的層次化處理：

• 概念探索、邏輯練習、產生初稿：AI 已可作為主力工具
• 跨模型交叉驗證：用 Gemini ＋ ChatGPT ＋ Grok 至少 2 種以上模型互相批判，可大幅降低單一模型誤差
• 最終決策層（報稅、法律合約、跨國稅務）：仍必須人工查閱官方原版文件（IRS／國稅局網站、財政部法規）或諮詢具執照的會計師／律師做最終確認

把 AI 視為「強大的助手 ＋ 必須人工最後審視的草稿」，是 AI 時代投資人最務實的協作模式——既享受 AI 帶來的效率提升，又保留最終決策的人工把關。

五大經濟循環的進階週期觀測（選讀）

對於資產規模大、想進一步學習「週期觀測」的進階投資人，James 老師曾系統化地列出 5 大總體經濟循環的觀測指標：

所以難就難在道，不是在這些消費週期、產業週期、資本投資、信貸週期、房地產週期、市場氛圍，我可以講三天三夜，講完了你還是不懂……週期定不會被動只有均線，週期不是只看均線……我們還要看全球金融，那剛剛我講的這些消費週期、產業週期、資本投資、信貸週期、房地產週期、市場氛圍，最後才是技術分析頭部大小。這個是完全的要懂，而且不能只懂一，懂要全部懂。（影片00558）

5 大循環的先後順序與觀測重點：

• 消費循環：觀察大眾消費信心、零售業績、汽車與耐久財銷售
• 產業（庫存）循環：觀察製造業 PMI、企業庫存水位、出貨／存貨比
• 資本投資循環：觀察企業 Capex 支出、IPO 市場熱度、新興國家股市是否全面暴衝超越美國（落後市場突然領先，可作風險偏好過熱的訊號之一，但非單獨判定泡沫尾聲，仍需搭配信用利差、估值與槓桿）
• 信貸循環：觀察殖利率曲線、信用利差、企業違約率（一家倒等同蟑螂效應）
• 房地產循環：觀察房價／所得比、央行利率動向（信貸破裂後央行降息救市，資金最後一波湧入房地產）

把這套口語化的循環觀念，對照到總經學界的經典週期，可整理成下表。但先講在前頭：下面的「約略週期」只是歷史經驗值、不是會準時報到的時刻表，各循環之間還會彼此重疊、互相牽動。它唯一的用途，是判斷「此刻該不該把槓桿降一點、現金拉高一點」，絕不是拿來猜頂猜底、波段進出。

要再強調一次：週期長度只是經驗值、會偏差、會重疊，全球化、科技變革與重大地緣事件都可能讓它失準。所以這張表不能拿來「預測哪一年會崩盤」，只能在多個循環同時亮紅燈時，提醒自己把組合的 Beta 與現金水位往保守端調——這跟 CLEC「有錢就買、打死不賣」的主軸並不衝突，因為它調的是防守強度，而不是進出場時機。

嚴格警告：5 大循環觀測「僅用於」資產規模大、面臨極端泡沫時的「降 Beta 防禦」（拉高現金比例至 40%～50%），絕對不可用於「殺低追高」的波段操作。對 99% 的投資人而言，「打死不賣」仍是勝率最高的唯一準則。新手請完全忽略這套框架，繼續執行 433配置與年度再平衡即可。