这周的 all in 信息量还挺大的，有趣的点：
1. 肯·格里芬警告AI“几乎肯定是一个泡沫”，但认为泡沫是正常的，任何对经济的根本性变革都伴随泡沫；他长期看好AI，担忧的是企业难以将AI支出转化为实际生产力。
2. 查马斯估算：1%的公司消耗了90%的AI支出（Token消耗），其中80%来自尚未盈利的风投支持的公司；Ramp首席经济学家验证该估算“基本准确”，并提供独家图表显示头部AI支出公司的资金分配。
3. AI支出形成风投“左右互搏”的死循环：风投募资投入初创公司→初创公司用这些钱消费其他公司的AI服务→收入增长→再向同一批风投融资抬估值，本质是亏损企业之间互相转账而非真实生产力。
4. 类比早期云计算：AWS推出EC2/S3时消费者也是初创公司，但区别是当时亚马逊零售业务本身已有自由现金流支撑，而现在是一群亏损企业在互相流转资金。
5. 市场层面：CoreWeave跌10%、Meta财报后跌6%、AMD跌5%、SpaceX跌5%，科技股因数据中心与资本支出压力持续承压，但整体趋势仍向上。
6. 杰森的反驳观点：初创公司蜂拥拥抱某项技术是好风向标——它们最敏捷、追求最便宜最快的竞争优势，历史上云计算、WeWork、Facebook广告、AI都是如此；大企业接受新技术最慢，所以总要收购初创公司。
7. 大型企业正“回到未来”，减少AWS/GCP支出、转向自建数据中心：美国最大银行之一称已有六个完全独立、从零自建的数据中心；自亚历克斯·卡普谈数据主权后，采购模式已改变，企业更审慎，至少转向VPC虚拟私有云。
8. 当前算力极其稀缺：找黄仁勋要到2028年才能交付芯片，土地、电力、机房外壳都难获取；买方没有议价权，“自建数据中心”的威胁是空洞的，自建并保证高可用非常困难。
9. Nikesh的结论：最终会是折中的混合方案——从超大规模云商获取裸金属服务器实现物理隔离，或由服务商拼凑全球算力切片；预计未来超大规模云商会普遍提供裸金属服务。
10. 利润池将转移：今天利润集中在英伟达和存储行业，未来将向掌握庞大算力的超大规模云服务商转移，因为竞争核心是算力可用性，而需求永不满足——即使全球企业全力拥抱AI，现有算力也远不够。11. Palo Alto Networks 倾向开源开放权重模型，因为可修改权重、微调训练，并能探查思维链（Chain of Thought），获得可解释性、可审计性、可验证性——这是金融、医疗等强监管行业的刚性需求。
12. 开源面临的短板：很难在超大规模云商之外找到全球覆盖、高弹性、高可用的推理服务商，且价格不符合开源模型的经济效益。
13. Ramp图表显示的两大趋势：AI扩散进程比期望的慢（过度集中于初创生态自我循环）；同时自购GPU算力支出占比上凸，说明企业正转向开源、自购GPU。
14. AI发现了两个PHP重大漏洞（''PHP 2 Shell''），PHP驱动全球约70%的网站（WordPress、维基百科等），严重性评级9.2/10即“一级战备”；补丁信息提前泄露导致发布日期从10月22日提前到10月21日，随后局面失控。
15. 攻击激增与预防性关停：AWS报告黑客活动激增，Cloudflare遭遇数百万次攻击；法国、德国、荷兰、丹麦、芬兰等多国政府网站下线，维基百科关闭部分系统；NSA和FBI发布警告，引发比特币、银行账户安全恐慌。
16. Nikesh判断：这类AI安全事件的爆发频率将远高于每十天一次——AI能凭海量算力挖掘漏洞、将多个漏洞串联成攻击路径；PHP漏洞本身就是靠持续算力多年悬而未决后破解的，破解方法一旦公开，黑客可通过逆向工程补丁攻击未打补丁的系统。
17. 技术债务迎来“清算”：企业长期积累的技术债（旧版本网站无法打补丁只能下线重建、资产从未摸清底数）遭AI自动化攻击清算；修复方法有两种——打官方补丁，或在边界防御产品中部署“虚拟补丁”拦截。
18. 关于“白帽算力压制黑帽”理论：Nikesh认为今天还不成立，系统架构和编排是分散的，无法启动“防御集群”；需先将基础设施提升至基本备战水平。
19. 关于“持续计算解决安全”理论：成立，大型企业已在用渗透工具自测防御，但这是猫鼠游戏——下一个模型更强会找到新入侵方式；真正的问题不再是“会不会被攻破”，而是“多快能发现入侵并响应”，建议聚合所有信号数据用算力监测异常行为。
20. 关于“前沿模型垄断能力”理论：Nikesh认为高估了其意图——模型开发者多是研究人员，自己也在摸索如何发布和商业化，且全员受限流，并非故意制造问题，只是在追逐利润池，因为需要海量资金偿还算力投入。
21. 银行面临的两个不同问题：一是网站因PHP类漏洞被黑客获取凭证的非授权访问；二是个人代理（如Muse）用用户凭证登录银行网站，银行无法区分真人和代理流量——验证码也正被AI破解。
22. 银行将明确拒绝代理交互并撇清责任：核心不是成本而是责任归属和问责机制；大量代理交互将产生巨额客服争议成本。
23. 现实案例佐证：亚马逊已封禁
机器人结账——Grok购物机器人只能说“我不能再替你结账，但可以把商品放进购物车”。
24. 责任归属的分歧：弗里德伯格认为按服务条款，代理未拦截违规访问是代理提供商的软件责任，除非事先警告且用户确认后责任转移给用户；Nikesh和查马斯认为授权者必须担责——代理的核心是“代理权”，谁赋予谁负责，这也是唯一具备规模化可行性的方案。
25. 例外情况——“失控智能体”属产品责任：如果产品未按宣称的方式运行、对用户失控，那就是平台/产品开发者的过错。
26. 杰森孵化了Obliteration AI，争议性地向白帽红队提供无安全护栏、无约束的模型，客户包括与思科、Palo Alto同级的企业，用于正规渗透测试。
27. 查马斯认为“解除限制”极其可怕，是被严重低估的风险路径，比对齐问题更值得深思；Nikesh称其为“AI的阴暗面”——提供无控制机制的最强工具无异于“把核弹交到任何买得起的人手中”，依赖的是最薄弱环节。
28. 没人愿意做系统维护：产品上线后所有人都去做下一个创新，维护“不性感”；VPC部署导致版本漂移，供应商要维护19个不同版本；底层技术快速更迭但既有实现是沉没成本，乘以数百万家公司和数万亿行代码，现状极糟。
29. CIO激励机制错位：CIO的动力是压低成本、保证系统可用，升级有崩溃停机风险会引入摩擦，所以不愿改动；安全投入类似反恐——没出事就被说花钱太多，出了事才被感激；Nikesh预言这种激励即将改变，未来将经历一系列“9·11”级网络安全事件。
30. 安全支出占比：网络安全通常占IT预算的4%–10%，金融服务和联邦政府约10%，云原生企业约4%–5%（因为云商承担了基础设施安全）；这个比例必须提高。
31. AI安全是全新类别：没人知道如何全面掌控AI安全，如何找到企业中所有正在运行的智能体尚无答案，AI安全护栏体系“甚至还没真正开始建设”；类比莱特兄弟时代没人先建TSA；已有研究发现对话记录可被用于提取隐私信息，需要回到绘图板重新修补。
32. Nikesh反驳“停止AI”论（伯尼·桑德斯呼吁）：技术上无法叫停；人类历史上第一次如此深陷于对技术阴暗面的痴迷，始于技术缔造者过度关注阴暗面，催生了叙事上的“逐底竞争”，需要转变叙事。
33. 杰森解释民粹主义逻辑：若AI将消灭一半白领工作、司机失业，对左右翼民粹主义者都是博取眼球、收割选票、赢得连任的绝佳筹码。
34. CIO可能成为下一任CEO：三年后每个业务部门都会主动要求AI转型、争抢AI人才，各部门会求助于CIO，最终掌管公司的可能是CIO。