黑石集团总裁Jon Gray在面向全球顶级投资者的闭门演讲中，系统披露了黑石关于人工智能投资的内部数据与判断。他指出Anthropic和OpenAI等模型公司年化收入已达1050亿美元，超大规模数据中心资本支出翻倍至8200亿美元，AI投资回报显著。他以1870-1900年工业革命类比当前AI变革，强调当前需求远超供应，与铁路泡沫不同。他展示了AI在投资组合公司中的具体应用成效，认为芯片、数据中心和电力才是真正的投资核心，同时提示网络安全、监管、地缘政治和估值过高等风险，最后重申'一切都关乎回报'的投资理念。
文章整理了黑石集团总裁兼COO Jon Gray面向100多位全球顶级投资者闭门演讲的10个核心观点。Gray认为当前AI浪潮更接近1870年工业革命的开端而非2000年互联网泡沫：Anthropic和OpenAI等模型公司收入一年增长100倍达1050亿美元；黑石投资的14家AI公司收入增长21倍至5.25亿美元；超大规模数据中心资本开支达8200亿美元，占美国GDP的2.5%。他指出真正的瓶颈在芯片、电力和数据中心等物理世界，黑石押注技术栈最底层的计算、电力与土地，追求确定性回报。
文章分析AI基础设施供应链中的牛鞭效应：从2023年GPU短缺开始，压力依次传导至内存、服务器CPU，再到2026年的大容量存储短缺。HBM生产挤占传统DRAM产能导致SSD价格暴涨，Agent工作流推动CPU需求上升。同时数据中心建设成本高达每吉瓦200亿美元，变压器和涡轮机交付周期长达数年。作者警告，若终端软件收入无法匹配巨额资本支出，2027-2028年新增产能交付时或将面临产能过剩危机。
文章分析了美国制造业相对于深圳的衰退原因，提出了重振美国工业的系统性战略。作者指出关键在于文化重塑、建立工厂密度集群、将能源转化为武器以及实现供应链本土化。文章强调利用美国在软件和AI方面的技术优势，结合实体制造业的复兴，来建立不可替代的工业体系。
文章由Kova撰写，提出了一个基于2026年超大规模企业$300B+资本开支流向的AI投资4层模型（半导体制造、核心芯片、DC物理层、DC建造层）。基于此模型及Picks-and-shovels、Anti-correlation等原则，作者筛选出了包含LRCX、MU、VRT等在内的10只长线底仓股票，并详细阐述了每只标的的Thesis、权重配置及具体的退出与监控策略。
本文从投资视角出发，将AI产业链划分为算力基础设施、模型层、中间件、应用层及能源约束四个层级。作者主张建立“知识仓”，深入理解产业逻辑，以应对未来的市场波动。文章详细分析了英伟达等核心公司的护城河，并指出了光互连、散热等第二、三圈层的潜在投资机会，强调了从“训练”向“推理”转变带来的市场格局变化。
文章通过对比微处理器革命和集装箱运输的历史，分析 AI 投资的现状。作者引用 Jerry Neumann 的观点，指出当前 AI 技术处于 ICT 浪潮的成熟期，而非新爆发期，属于“无惊喜”的技术。这意味着早期技术红利的消失，模型层和应用层面临完全竞争，大部分投资人将难以获利。真正的赢家可能是拥有“高量低价”基因的下游使用者（如沃尔玛、宜家模式）及最终消费者，而非上游技术提供商。
本文提出每天专注一小时就足以改变人生，反对盲目苦干12小时的成功观。作者借用心理熵和注意力稀缺的概念，解释为何人们难以专注：注意力被遗憾、焦虑、娱乐和未完成任务分散。文章将工作分为构建、维护、恢复三类，并强调成功人士往往在头脑中深度思考，执行时迅速高效。获得深度专注的三个关键要素是清晰度、重要性和紧迫感：选择有挑战性的目标，将大任务拆解为可控子目标，并理解其人生意义。文章引用心流理论，倡导像健身一样科学管理心智能量。
文章从《纽约时报》关于硅谷为永久底层阶级做准备的报道切入，探讨 AI 提效是否真正产生社会价值，指出提效不等于价值创造。作者通过 CL 一周 token 账单的例子，说明顶级模型成本让普通人难以负担，可能加剧阶层分化。文章回顾工业革命历史，将 1776 年瓦特蒸汽机与 2026 年 AI 工厂类比，讲述打字员、手摇织工、动力织机、卢德运动、恩格斯停顿等历史事件，揭示技术变革中工人工资停滞、岗位被替代的规律，但也指出每次技术变革都会蕴育新机会，如打字员职业的诞生。最后推荐一期播客，建议从历史中寻找 AI 时代普通人出路的答案。
本文是硅谷101 Alignment 峰会 Day 2 上午的深度笔记，提出 AI 繁荣背后有三张物理账单：电、芯片、推理。 Session 1 指出美国输电网难以建设，行业转向表后发电，从签约到出 token 需 16-17 个月，电力成为算力交付的真正瓶颈；讨论了数据中心融资期限错配、neocloud 风险、云业务利用率本质及算力短缺将持续到 2030 年的预测。 Session 2 探讨半导体，揭示 2nm 只是名义数字、硅在 5nm 以下到物理极限，AI 进晶圆厂第一站是良率检测，价值最终流向制造端。 Session 3 讲述在买不到新卡的情况下，通过推理优化软件从现有 GPU 榨取更多性能。核心结论：三张账单的解法都是效率。
a16z 的 Jennifer Li 宣布领投 TypeSafe AI。其发布的 Jev 模型是本年度最大的叙事突破：与主流大模型不同，Jev 属于新型 System One 模型，直接以类型化值向代码返回决策，而非文本输出，实现 AI 与软件的原生深度集成。Jev 成本仅为前沿模型的 1/100 到 1/500，分类任务速度快 100 倍且准确率相当，上线 3 天即生成 1 万亿 tokens，25% 的财富 500 强企业已集成。作者认为 AI 应让软件更智能，而非替代工程师，并赞许 TypeSafe 尊重开发者、务实可组合的理念。
文章指出，现代生产力的最大瓶颈不是思考慢，而是工作碎片化地在多个应用间切换，决策只需三十秒，而协调却要二十分钟。Grok Bot 类持久化 Agent 的价值在于以任务结果为界面，让应用成为实现细节，消除工具间的转换成本。作者阐述了以职位描述定义工作流、持久化环境保存上下文、将流程固化为可复用例程、从人类行为中学习自动化等理念，并强调 Agent 架构应分层：生成模型负责创造内容，快速决策层负责调度，确定性代码负责规则约束，从而构建真正自主的工作系统。
文章指出 AI 市场出现新变化：各家厂商的 Token 额度开始过剩。Claude Max 用户反映 Opus 5.5 周额度用不完；智谱夜间订阅可随意开子代理、高并发，Flash 模型免费；OpenAI 的 dots 模型免费无限使用；FreeBuff 免费提供 Flash 模型，付费 8 美元每天可用 30 小时；OpenCode 的免费模型仅需 10 美元 Go 套餐即可无限使用。作者由此提出疑问：Token 从稀缺转向过剩，是否意味着半导体和 AI 相关股票将面临崩盘风险。
