哈利先替 OpenAI 的處境澄清，再把三年來的泡沫論點逐一檢查：哪些已被駁回，哪些還在。最後談他認為仍可能成立的三種泡沫情境，以及他為什麼仍然樂觀。
重點
華爾街日報在炒冷飯。報導說 OpenAI 沒達到 2025 年底的 10 億週活躍用戶目標，月營收目標也多次落空。哈利說這些事他早在一兩個月前就在臉書講過，只是市場反應還是慢半拍。
OpenAI 轉向企業端。哈利認為去年底的紅色警戒之後，OpenAI 把重心移到企業客戶與 Codex，GPT-5.5 的發表也包裝成 Codex 的發表。他判斷這次轉型成功，而 Anthropic 目前遇到算力瓶頸。
舊論點多半被駁回。GPU 折舊、AI 被商品化、訓練根本用不到這麼多算力、AI 賺不到錢，哈利逐一舉出現況反駁。Anthropic 年化營收從 90 億成長到 190 億再到 300 億，是他最主要的證據。
三種仍可能的泡沫。AI 效率大幅提升、AI Agent 無法泛化、外部條件限制資料中心擴張。哈利認為前兩種機率很小，就算發生，Agent 無法泛化也只會是小泡沫。
能源是最可能卡住的一關。他認為能源瓶頸短期內高機率發生，業界共識是從 2027 年起它會成為美國 AI 擴張的最大瓶頸，另外還有居民抗議資料中心的社會政治問題。
為什麼仍然不看成泡沫。他舉 NVIDIA 與美光的本益比說明市場估值偏保守，並認為太空資料中心五年內會解掉能源問題。
時間軸 點時碼從那一段開始
- 為什麼現在更新泡沫論哈利說泡沫論講了三年，每個階段的論點都不同，有些舊論點早被駁回卻還有人在講。這集要更新哪些被駁回、哪些還要擔心，最後才講他的預測。
- 華爾街日報看衰 OpenAI報導兩個重點：週活躍用戶卡在大約 9 億、年初多次沒達到月營收目標。哈利認為全是舊聞，卻還是嚇到市場。
- 去年 9 月為什麼說是泡沫當時流出的內部財務預測幾乎全靠消費者市場，哈利判斷做不到。現在訂戶成長疲軟、廣告業務也像是被降低優先順序。
- 紅色警戒後轉向企業端OpenAI 沒有守著舊目標，改衝企業與 Codex。哈利認為 GPT-5.5 是第一次主力模型為 Codex 而發表，這局 OpenAI 拿下。
- 官司會不會拖累 IPO哈利把與馬斯克的官司看成接近五五開，略偏 OpenAI 會贏。他認為馬斯克只要拖慢 IPO 就算贏。
- 泡沫論的兩個核心問題回報夠不夠大、算力用不用得到這麼多。第一個被駁回的是 GPU 折舊：A100 已經 6 年，租用價格還沒崩。
- AI 被商品化還沒發生開源模型便宜，但大家仍願意花十倍價錢用更好的模型。他引用美國政府機構的研究，說中美差距約八個月且還在擴大。
- 訓練用不到這麼多算力從 DeepSeek 的傳聞成本談起。哈利說大模型還在變大，而且算力需求已經偏向推論，所以這個論點被駁回。
- AI 賺不賺得到錢Anthropic 年化營收幾個月內從 90 億到 190 億再到 300 億，背後是 Agent 能力在 Opus 4.5 之後的跳躍。
- 市場氣氛轉變財報週裡 Google 上修資本支出股價仍上漲，Meta 則仍被擔心。哈利說大家只是從極度恐懼變成沒那麼恐懼。
- 三種剩下的泡沫情境效率大幅提升、Agent 無法泛化、外部條件限制擴張。第一種他認為最可能造成大泡沫，但機率小。
- 蒸餾與預訓練的限制從第一性原理看模型有大量參數浪費，但預訓練綁著不重要的知識一起學，蒸餾也繞不過預訓練。
- 傑文斯悖論不是定律過去幾年效率提升了幾萬倍，GPU 需求還是上升。但哈利說有人把傑文斯悖論當成牛頓定律，太過頭。
- 模型縮小、搬到手機上如果 AGI 真能縮到 1 Billion，手機就跑得動，資料中心的投資會有一部分用不到。哈利認為在 Digital AGI 之前發生的機率接近零，十年以上則大增。
- 泛化與 RL 的限制RL 靠明確答案訓練，所以只在數學和 coding 這類可驗證的領域有效。其他知識工作缺少好驗證的答案。
- 推理能力可以轉移哈利認為從 coding 學到的檢查、修正、拆解問題可以轉移到別的工作。他用龍蝦（OpenClaw）的爆紅與 Codex 轉做通用 Agent 當例子。
- Meta 蒐集員工操作資料Model Capability Initiative 記錄員工的滑鼠、鍵盤與螢幕畫面，哈利說這比較像模仿學習的資料，可能是走向 AGI 的第一步。
- 能源瓶頸半導體瓶頸擴產就能解，電網與變壓器不行。業界共識是 2027 年起能源成為最大瓶頸，他也引用 Gartner 與 Morgan Stanley 的預測。
- 居民抗議資料中心居民認為資料中心工作少、還搶電，甚至單純討厭 AI。他轉述 Chamath 的數字：2025 年有 25 個資料中心規劃因抗議取消；今年到二月已有一百個被抗議，照過去約四成的比例，可能有 40 個會被取消。
- 估值偏保守所以不是泡沫NVIDIA 的 Forward PE 是 18 倍，美光 5.6 倍，哈利認為市場偏恐懼，能源瓶頸可能已反映在價格裡。
- 太空資料中心太空有穩定太陽能、沒有居民抗議。哈利逐項看散熱、輻射、發射成本，認為都不需要突破物理限制，五年內會成為部署 AI 的方式。
- 結論：他仍然樂觀三種情境加起來，哈利認為市場估值不是泡沫。他說重點是大家透過這些討論建立自己的框架。
值得記的話
▶ 20:42「現在連 A100 的 GPU 的租用價格都還沒崩」
▶ 27:36「AI 從只能回答問題變成了能夠完成事情的 AI Agent」
▶ 42:26「我覺得有些人已經把 Jevons paradox 當成一個定律了」
▶ 58:08「半導體供應鏈的瓶頸都是可能在兩年之內就可以被解決的事情」
▶ 58:58「能源瓶頸是一個公共基礎建設加地方政治加供應鏈的複合問題」
名詞與人物
- Code Red
- 去年底 OpenAI 內部的紅色警戒，砍掉不必要的功能與研究路線，把資源集中在最重要的事。
- Commoditize
- 商品化：各家模型都差不多、沒辦法收高價，最後變成像基礎設施。
- Jevons Paradox
- 傑文斯悖論：效率提升後總用量反而增加，哈利說被很多人當成定律用。
- 蒸餾
- 把大模型的知識壓縮到更小的模型。哈利說這證明大模型有很多參數是浪費的。
- RL
- 強化學習：給題目和答案讓模型自己嘗試。要有明確可驗證的答案才好用。
- Verifiable Reward
- 可驗證的獎勵：像數學和 coding 這類有明確對錯的領域。
- 泛化
- 把在特定領域學到的能力用到沒練習過的新任務上。
- Harness
- 模型的駕馭框架；哈利說靠它也能把現有模型做成各種任務的形狀。
- Model Capability Initiative
- Meta 的計畫，記錄員工的滑鼠、鍵盤與螢幕畫面，拿來訓練 AI Agent。
- Digital AGI
- 哈利用語，指能勝任所有知識工作的 AI，他認為一兩年或兩三年就會出現。
- Mythos
- Anthropic 為了大義暫不釋出的模型；哈利說若釋出，不會輸給 GPT-5.5。
延伸
- 哈利說上一集花了一個小時講 OpenAI，這集只補充最新的狀況。
- 他提到美光那一集講過 AI 效率已經提升幾萬倍，太空資料中心、SpaceX 與 TerraFab 也在前面的集數談過。