22/09/2026 11:59
《魚缸博客》Ben Thompson話模型能力已經過剩，係咪AI泡沫就快爆破？
《魚缸博客》最近Stratechery有文章，由分析師兼創辦人Ben Thompson發表，主要內容話AI行業有五重過剩，AI成個板塊嘅估值邏輯可能要重新寫過，呢五重「過剩」包括：能力過剩、產品過剩、定價過剩、資本過剩與安全過剩。
博客同大家解釋下先。能力過剩係咩意思？Thompson指出，模型能力已經超越咗產品層嘅消化能力。微軟CEO Satya Nadella喺接受Stratechery訪問時透露，微軟嘅Copilot Cowork已經從綁定Claude轉向多模型架構：「我哋有同一套harness，GPT、Anthropic、任何開源權重模型都可以接入，用戶甚至可以自己微調嘅模型放進來。」換句話講，模型同應用層正在走向模塊化分離，客戶唔再需要綁死喺某一個最強模型身上。
產品過剩嘅最佳例證，係Meta嘅個人智能體產品Muse。Thompson話：「Muse係我用過最好、最易上手嘅個人智能體產品，沒有之一。」但支撐Muse嘅Muse Spark 1.3模型，並非當前最先進嘅模型。呢個就係問題所在--非頂尖模型，一樣可以建立高黏性產品。
定價過剩係指Anthropic同OpenAI目前嘅高定價，係供不應求嘅產物，而非真實成本優勢嘅體現。大量算力並未用於推理服務，而係用於訓練同研發。如果放緩進展，呢部分算力可以重新分配，壓低價格；資本過剩更加直接--Thompson引用英國《金融時報》報道稱，Anthropic已告知投資者本季度將實現盈利，但呢個數字剔除咗股權激勵成本。佢嘅判斷係：Anthropic、OpenAI以及超大規模雲廠商都需要AI收入大幅增長，「可用資本是有上限的，觸碰這個上限對所有依賴外部資本的公司來說都將是一場災難」。
安全過剩則係最具爭議性嘅一重。Thompson對Anthropic CEO Dario Amodei所倡導嘅「放緩前沿AI」主張提出直接質疑，認為呢個以安全為名嘅論述，恰好與前沿實驗室當前嘅商業困境高度吻合。放慢模型進步，啱啱好可以為前沿實驗室爭取時間，解決上面四重過剩。
講到呢度，大家最關心嘅問題嚟喇：呢五重過剩，對金融行業嘅AI股票板塊有咩影響？
第一，模型層公司嘅估值溢價要縮。過去兩年，市場俾模型能力最高嘅公司極高估值溢價，原本係「你嘅模型最強，你就值最多錢」，但Thompson嘅論點係：模型能力嘅絕對領先，已唔再係構建商業護城河嘅充分條件。當客戶可以基於數據留存政策而非純粹性能嚟揀模型，Anthropic嘅Fable產品就係活生生嘅例子，客戶推回咗數據留存條款，Fable使用率偏低，最終條款被悄然刪除--模型層公司嘅定價權就會被削弱。
第二，應用層公司嘅價值要重估。Thompson指出，個人智能體產品嘅黏性遠高於聊天機器人：「一旦你將所有信息都放入個人智能體，並真正將其融入日常生活，切換到其他產品嘅難度就大得多。」相比之下，代碼智能體嘅切換成本相對較低，因為核心資產（代碼）存放喺GitHub，指向不同嘅智能體並不困難。
第三，算力層短期仍有支撐，但長期要睇應用層能否跑出。Thompson提到，Agentic paradigm（以Opus 4.5喺2025年11月底發布為起點）極度消耗Token，所以我們確實需要正在建設嘅所有算力。呢個意味住，短期內算力需求仍然強勁。但長遠嚟講，如果應用層無法產生足夠收入嚟支撐算力投資，資本過剩嘅問題就會爆發。
第四，安全概念股可能受惠。當Amodei發表「放緩前沿AI」言論之後，市場反應好劇烈，費城半導體指數一度重挫約5.7%，但CrowdStrike、Palo Alto等資安股反而大漲約13%至14%。呢個反映市場正在重新定價：如果前沿模型放慢，現有系統嘅安全風險窗口延長，資安需求反而增加。
五重過剩，係咪代表AI泡沫要爆？Thompson嘅論點恰恰相反。佢唔係話AI唔得，而係話AI太得，能力跑得太快，產品同商業化追唔上。放緩前沿模型嘅進步速度，本質上係俾時間行業消化已有嘅能力，將「過剩」轉化為「應用」。
呢個就係「應用時刻」嘅真正含義：唔再係邊個模型最強嘅競賽，而係邊個應用最能夠留住客戶嘅戰爭。
對於AI股票板塊嚟講，呢個轉向唔係壞事。模型層嘅估值泡沫會被擠壓，但應用層嘅價值會被重新發現。如果識得跟住呢條線去揀股，分分鐘執到寶。
《編者按》本欄搜羅即市傳聞，惟消息未經證實，《經濟通》亦不保證內容之準確性。
博客同大家解釋下先。能力過剩係咩意思？Thompson指出，模型能力已經超越咗產品層嘅消化能力。微軟CEO Satya Nadella喺接受Stratechery訪問時透露，微軟嘅Copilot Cowork已經從綁定Claude轉向多模型架構：「我哋有同一套harness，GPT、Anthropic、任何開源權重模型都可以接入，用戶甚至可以自己微調嘅模型放進來。」換句話講，模型同應用層正在走向模塊化分離，客戶唔再需要綁死喺某一個最強模型身上。
產品過剩嘅最佳例證，係Meta嘅個人智能體產品Muse。Thompson話：「Muse係我用過最好、最易上手嘅個人智能體產品，沒有之一。」但支撐Muse嘅Muse Spark 1.3模型，並非當前最先進嘅模型。呢個就係問題所在--非頂尖模型，一樣可以建立高黏性產品。
定價過剩係指Anthropic同OpenAI目前嘅高定價，係供不應求嘅產物，而非真實成本優勢嘅體現。大量算力並未用於推理服務，而係用於訓練同研發。如果放緩進展，呢部分算力可以重新分配，壓低價格；資本過剩更加直接--Thompson引用英國《金融時報》報道稱，Anthropic已告知投資者本季度將實現盈利，但呢個數字剔除咗股權激勵成本。佢嘅判斷係：Anthropic、OpenAI以及超大規模雲廠商都需要AI收入大幅增長，「可用資本是有上限的，觸碰這個上限對所有依賴外部資本的公司來說都將是一場災難」。
安全過剩則係最具爭議性嘅一重。Thompson對Anthropic CEO Dario Amodei所倡導嘅「放緩前沿AI」主張提出直接質疑，認為呢個以安全為名嘅論述，恰好與前沿實驗室當前嘅商業困境高度吻合。放慢模型進步，啱啱好可以為前沿實驗室爭取時間，解決上面四重過剩。
講到呢度，大家最關心嘅問題嚟喇：呢五重過剩，對金融行業嘅AI股票板塊有咩影響？
第一，模型層公司嘅估值溢價要縮。過去兩年，市場俾模型能力最高嘅公司極高估值溢價，原本係「你嘅模型最強，你就值最多錢」，但Thompson嘅論點係：模型能力嘅絕對領先，已唔再係構建商業護城河嘅充分條件。當客戶可以基於數據留存政策而非純粹性能嚟揀模型，Anthropic嘅Fable產品就係活生生嘅例子，客戶推回咗數據留存條款，Fable使用率偏低，最終條款被悄然刪除--模型層公司嘅定價權就會被削弱。
第二，應用層公司嘅價值要重估。Thompson指出，個人智能體產品嘅黏性遠高於聊天機器人：「一旦你將所有信息都放入個人智能體，並真正將其融入日常生活，切換到其他產品嘅難度就大得多。」相比之下，代碼智能體嘅切換成本相對較低，因為核心資產（代碼）存放喺GitHub，指向不同嘅智能體並不困難。
第三，算力層短期仍有支撐，但長期要睇應用層能否跑出。Thompson提到，Agentic paradigm（以Opus 4.5喺2025年11月底發布為起點）極度消耗Token，所以我們確實需要正在建設嘅所有算力。呢個意味住，短期內算力需求仍然強勁。但長遠嚟講，如果應用層無法產生足夠收入嚟支撐算力投資，資本過剩嘅問題就會爆發。
第四，安全概念股可能受惠。當Amodei發表「放緩前沿AI」言論之後，市場反應好劇烈，費城半導體指數一度重挫約5.7%，但CrowdStrike、Palo Alto等資安股反而大漲約13%至14%。呢個反映市場正在重新定價：如果前沿模型放慢，現有系統嘅安全風險窗口延長，資安需求反而增加。
五重過剩，係咪代表AI泡沫要爆？Thompson嘅論點恰恰相反。佢唔係話AI唔得，而係話AI太得，能力跑得太快，產品同商業化追唔上。放緩前沿模型嘅進步速度，本質上係俾時間行業消化已有嘅能力，將「過剩」轉化為「應用」。
呢個就係「應用時刻」嘅真正含義：唔再係邊個模型最強嘅競賽，而係邊個應用最能夠留住客戶嘅戰爭。
對於AI股票板塊嚟講，呢個轉向唔係壞事。模型層嘅估值泡沫會被擠壓，但應用層嘅價值會被重新發現。如果識得跟住呢條線去揀股，分分鐘執到寶。
《編者按》本欄搜羅即市傳聞，惟消息未經證實，《經濟通》亦不保證內容之準確性。