重點總結
本週，Qiao Wang 做客節目，與我們探討了人工智慧如何在 2026 年重新定義成為一名投資者的意義。我們深入分析了 Claude Opus 4.5 的突破性時刻、Qiao 為何選擇投資 Google 的交易、如何構建 2026 年的投資組合、在人工智慧時代如何合理分配時間等話題。
精彩觀點摘要
· 現在市場的情緒過於樂觀。
· 「我的投資組閤中大約有 40% 是現金。」
· 加密代幣的吸引力不大，但市場總會有機會，專注於逐個分析資產，而不是單純看整體資產類別。
· 股票和比特幣的持有比例大約是 50/50。
· 最大的投資是谷歌，此外我還持有騰訊的股票，騰訊是一家非常優秀的公司。
· 目前被市場忽視的一個領域是 AI 驅動的生物技術，AI 在生物技術領域的潛力巨大。
· 到了 2026 年，我們可能會看到一些只有一兩個人的獨角獸初創公司。
· 一些最成功的人工智慧初創公司，並不是像 ChatGPT 或 OpenAI 這樣的公司，而是一些利用人工智慧的小型企業。公司護城河的本質並沒有變，但軟體領域的護城河確實正在快速弱化。
· 現在代碼本身已經不是瓶頸了，關鍵在於設計合適的「提示」（Prompt）。
· Gemini 的價值被低估了至少兩個數量級。「我會願意支付 Gemini 每月 2000 美元的收費。」
· 我覺得 Adobe 可能是今年的 Google，因為它目前的估值非常便宜，而且市場對它的看法和當時對 Google 的看法有點類似。
· 每個人都應該學會寫代碼，而且必須學會，大家可以透過自動化工具來優化自己生活和工作的某些環節。
· AI 這些工具會讓那些本來高效、有能力的人變得更高效、更聰明。
· 在健康方面，最重要的還是三個基本因素：飲食、睡眠和運動。
Claude Opus 4.5 的突破性時刻
Qiao 說，他無法解釋背後發生了什麼，但他可以告訴你作為使用者的感受。上一次他寫代碼可能是一年前，但認真寫代碼已經是三年前的事情了。從 2010 年到 2017 年，在進入加密貨幣領域之前，他一直從事量化交易，每天都在寫代碼，從超低級的 C++ 到更高級的 Python 數據科學代碼。這是他在工作了七年的領域，他也寫過一些前端和後端代碼。但自從離開 Messari 後，他就沒有認真寫過代碼了，最近幾年只做了一些個人專案，每年年底才會抽點時間去做。
Opus 4.5 與以往不同的是，以前你可以快速組合一個演示，但最後的 5% 總是難以讓 AI 完全完成，仍然需要一個優秀的工程師來處理細節，比如錯誤和邊界情況，而在 Opus 4.5 中，我只需要用簡單的英文告訴它我想做什麼，提供一個非常清晰的規範，但只要規範足夠清晰且全面，它就能一次性完成。
Claude 和 Opus 可能正在經歷 Twitter 上的炒作週期，因為他有工程師朋友告訴他，OpenAI 最新的 GPT-5 Pro 幾乎與 Claude 一樣好。
他說，這兩個他都用過，實際上 Opus 是讓他第一次從 ChatGPT 切換的工具。對他來說，ChatGPT 的記憶功能讓他非常依賴，以至於覺得自己可能會一直用它，因為它知道我的所有事情，但現在 Opus 4.5 對他而言更勝一籌。
現在有一種新的工作方式，他不確定該把它歸類為還是聊天機器人，因為兩者之間的界限正在變得模糊。舉個例子，他剛剛用 Opus 4.5 完成了一件事，他們在 Blockworks 有一個由八人組成的銷售團隊，通常情況下需要決定每個帳戶應該分配給誰負責銷售，並劃分帳戶的優先級，比如 Tier 1、Tier 2 等。每個銷售人員都會有自己的判斷，比如某人負責 10 個 Tier 1、30 個 Tier 2 和 100 個 Tier 3 的帳戶。這種分配工作往往很複雜。於是，他將這個問題交給 Claude 處理，並讓它整合相關資訊。他告訴它，如果某個代幣的 FDV（Fully Diluted Valuation，全稀釋估值）超過 10 億美元，這個帳戶就可以獲得額外的優先級；如果該代幣對應的項目是上市公司，那就更好。
Claude 從 CoinGecko 和 CoinMarketCap 等多個數據來源中提取了相關資訊，對這些帳戶進行了排名。接著，它分析了過去八年裡他們團隊每位銷售人員與 Blockworks 的交易記錄，瞭解了他們銷售的產品類型，並根據每位銷售人員與這些帳戶達成交易的可能性，將帳戶分配給合適的人。
他在假期的時候也意識到你說的情況，通用聊天機器人和傳統寫代碼之間的界限正在逐漸模糊。你和一個通用聊天機器人對話時，它通常會根據你的需求即時生成一段代碼，而現在你需要寫代碼的時候，你甚至不必親自寫代碼，只需要用簡單的自然語言表達你的需求就可以實現。這使得代碼助手和通用聊天機器人之間的功能逐漸融合在一起。
人工智慧如何影響初創企業？
Qiao 說，人工智慧對初創企業的影響非常大，這種變化在過去三年內尤為明顯。基本上，他會在每個小組中詢問，尤其是每個初創公司的技術合夥人，自從 2022 年 ChatGPT 發布以來，你們的生產效率提升了多少？幾乎每次得到的答案都比上一次更高。這種趨勢非常一致。最近一個小組的回答是，他們的生產效率提升了大約 3 到 4 倍。
他認為這種影響在早期階段的初創公司中更為顯著，而對後期的大公司影響相對較小，因為代碼助手的一個限制在於它的「上下文窗口」（Context Window）。例如，假設 Claude 能處理一百萬個 Token，這意味著它可以非常高效地幫助你啟動一個新項目，並且效果很好。但如果你讓 Claude 去修改整個 Google 的代碼庫，那幾乎是不可能的，對吧？所以這類工具對早期的小型初創公司幫助更大，而對大公司則相對受限。
在大公司中，最有效利用代碼助手的方法是透過建立明確的部門間抽象層。這樣可以將複雜的任務拆解成小塊，縮小上下文範圍，再輸入到 AI 系統中，從而讓系統更容易理解。
他發現一個有趣現象：一些最成功的人工智慧初創公司，並不是像 ChatGPT 或 OpenAI 這樣的公司，而是像一些利用人工智慧的小型企業。這些公司不願意對外透露他們的核心業務。通常來說，如果你有一家初創公司，業務發展得很好，收入快速增長，你會想告訴全世界，去籌集資金，或者在社交媒體上宣傳。
護城河（Moats）是否依然存在？
Qiao 說，護城河的本質並沒有變，但軟體領域的護城河確實正在快速弱化。對早期的初創公司來說，幾乎沒有什麼護城河可言。像 Facebook、Google、Microsoft 和 Apple 這樣的公司，它們的護城河依然堅固。AI 代碼助手無法摧毀這些護城河。例如，Apple 的護城河是其開發者生態系統，而 Microsoft 的護城河是用戶從 PC 切換到其他平臺的高成本。在雲服務領域，AWS、Azure 和 Google GCP 的護城河則是客戶切換雲平臺的高昂成本。此外，還有像 YouTube 這樣擁有海量專有數據的平臺，它們可以利用這些數據開發出非常強大的視頻模型。再比如 Microsoft 的企業級軟體，這些都是超級關鍵的工具。當然，你可以複製 Office 的功能，但企業真的會從 Office 切換到其他軟體嗎？對他們來說，這些工具太重要了，切換成本太高了。
他最近注意到一個例子，它可能是當前金融市場上最大的低估案例之一，那就是Adobe。Photoshop 和 Adobe 的創意套件非常有名，現在市場上有一種觀點認為最新的視頻模型和圖像生成模型會取代 Adobe 的產品。但他認為這種看法完全錯誤，因為Adobe 的護城河在於其企業級的整合能力，很多使用 Adobe 創意套件的企業用戶，都會將他們的圖像和視頻儲存在 Adobe 的雲端。對於這些創意行業的專業人士來說，從 Adobe 雲切換到其他服務的成本非常高。
此外，很多創意工作者已經使用 Photoshop 很多年了，操作已經形成了肌肉記憶。對他們來說，切換到其他工具是非常困難的。因此，Adobe 目前的市盈率只有 12 倍，對於這樣一家高品質的公司來說，簡直是不可思議的低估。
2026 年如何合理分配時間
Qiao 說，他認為**每個人都應該學會寫代碼，而且必須學會**。如果不這麼做，就可能會被遠遠甩在後面。不過這裡的寫代碼並不是傳統意義上的編程，而是指透過自動化工具來優化自己生活和工作的某些環節。他相信未來會有很多 B2B SaaS 軟體，比如 Gmail、Zoom 這樣的工具，大家仍然會為這些通用工具付費使用。但同時，每個人都的工作流程中都會有一些特別的需求，而這些需求是非常個性的，第三方軟體公司可能不會專門開發這些針對性的解決方案。
他說，當我說「每個人都應該學會寫代碼」時，這並不需要讓人感到害怕。因為現在的技術已經讓我們不需要真正去寫複雜的代碼了。你只需要用自然語言和系統對話，就可以實現自動化。
所以他會強烈建議大家，不一定非要用像 Claude Opus 這樣的複雜工具。我可以推薦一些更簡單、易上手的工具。比如 Replit，他第一次意識到人工智慧的潛力時，就是透過 Replit。當時他才明白，人工智慧不僅僅是一個聊天機器人，它可以幫助你構建任何東西。這種技術會徹底改變我們的世界。他非常建議大家去試試 Replit，它真的非常酷。
他認為這會像互聯網的普及一樣，這些工具會讓那些本來高效、有能力的人變得更高效、更聰明，而那些效率低下的個人可能會越來越落後。人工智慧是一個極為強大的工具，能顯著提升效率，但最終還是取決於你願意在多大程度上去使用它。
使用 AI 模型進行投資
Qiao 說，他確實花了許多時間構建一個沃倫·巴菲特股票追蹤器。雖然結果還不錯，但更重要的是，在構建這個工具的過程中，他對相關技術有了更深入的理解。
這個工具可以看作是沃倫·巴菲特、查理·芒格、霍華德·馬克斯、彼得·德魯克和比爾·米勒等投資大師的數位克隆。它會定期掃描成千上萬的股票代碼，並對每隻股票進行深度研究，試圖模擬巴菲特和芒格的投資邏輯。
代碼的部分其實很簡單，但設計提示（Prompt）卻花了他幾個月的時間反覆調整。他設計了一套非常詳細的提示，用來模擬巴菲特和芒格評估潛在投資機會的思維過程。
這套流程分為六個步驟，首先通過深度研究模型收集他們可能關注的六個關鍵方面的資訊，接著調用另一個 API，使用推理模型進行分析。深度研究模型非常擅長收集事實和數據，而推理模型雖然有時會產生一些錯誤資訊，但在邏輯推斷方面表現得更為出色。一旦將準確的數據輸入推理模型，它的分析能力遠超深度研究模型。
接下來，他會在第二階段調用推理模型，讓它模擬「數位巴菲特和芒格」的投資委員會，分析是否值得投資某隻股票。最終，它會輸出一個具體的建議，這就是整個流程。
他提到，有人認為文藝復興科技公司（Renaissance Technologies）早在其他人之前就發現了大型語言模型（LLMs），但他們一直將這一技術保密，這可能是他們投資報酬率如此之高的原因。不過他設計巴菲特和芒格模型的初衷，就是為了避開與文藝復興科技公司的競爭。他們在短期交易方面非常擅長，比如日內交易或一週內的操作。在這種短時間尺度上，最新的 AI 模型確實難以與之競爭。
他說，他確實也在和像 Susquehanna 這樣的公司競爭，但他的模型更偏向於長期投資。現在的市場上，幾乎沒有人有耐心持有一隻股票超過 5 分鐘，這也是語言模型可以發揮作用的地方。
他說，他們的建議可能完全不同，而他們的思路又和巴菲特截然相反，他會對他們的建議進行加權平均，綜合考慮。
他說，他們都建議買 Adobe？是的，還有一個有趣現象是，如果你多次運行同一個提示，模型每次可能會給出不同的答案，所以如果多次運行同一個問題並對結果進行平均，而每次結果都建議買入某隻股票，那麼這個建議的可信度就會大大提高。
它推薦了大約十隻股票，其中有四隻實際上已經在伯克希爾·哈撒韋的投資組閤中。比如 Chubb，一家保險公司，還有 Google。
人工智慧如何改變品牌與分發方式？
Qiao 說，這種趨勢其實已經開始了。幾天前他在 LinkedIn 上看到一個廣告，上面寫著：「嘿，Jason，作為 Blockworks 的聯合創始人，我真的認為你會喜歡 Rippling。」
他說，人工智慧將使他們的廣告算法變得更加智能，廣告會變得非常精準。其實，他幾天前在網上搜尋了一個詞——High Rocks。它是一種類似 CrossFit 的馬拉松式健身活動，他最近一直在為 High Rocks 訓練，所以他在 App Store 上搜尋 High Rocks 的健身應用，結果發現了一些專門針對 High Rocks 訓練的健身應用。但 High Rocks 是一個非常小眾的活動，按理說 shouldn’t 有這麼多專門的應用。
他覺得這很奇怪，於是想知道這些應用是否真的是為 High Rocks 設計的，還是它們只是針對搜尋「High Rocks」的用戶定製了廣告。果然，這些應用其實是一些普通的健身和營養應用，但它的廣告目標非常精準，所以認為這種定製化的廣告會在未來變得更加普遍。
健康與長壽
Qiao 說，歸根結底，最重要的還是三個基本因素：飲食、睡眠和運動。2021 年的時候，他曾非常追求細節上的優化，比如嘗試各種保健品、桑拿等方法。但經過四五年的個人實踐、閱讀大量研究和聽了無數播客後，他發現，沒有什麼比每天睡夠 8 小時、保持健康飲食和堅持規律運動更有效的了。
他說，現在我不再過度追求飲食的極致優化了。那樣做讓他感到壓力很大。我只是盡量保持健康飲食，不給自己太多負擔。
他提到，有一個神經學的 meme 圖，中間的人每天做複雜的食物準備，早上還要吃 17 種補充劑。而你現在的態度就是「吃健康就行，不用糾結」。
他說，發現如果我試圖把每件事情都做到極致優化，比如像布萊恩·約翰遜（Brian Johnson）那樣，我會感到很大的壓力。而壓力會導致皮質醇水平升高，對長壽沒有好處。