AI情报员孙正义从不低调转型——他上演的是华丽回归 | 路透社

Krystal Hu

2025年2月3日，软银集团CEO孙正义在日本东京出席一场为企业推介人工智能的活动。路透社/Kim Kyung-Hoon 8月20日（路透社） - （《人工智能周刊》每周三出版。想让您的朋友或同事了解我们？请将此简报转发给他们。他们也可以在此订阅。）本周华尔街对人工智能泡沫的担忧蔓延，科技股领跌引发市场热情脱离现实的忧虑。

路透每日简报为您提供开启一天所需的全部新闻。立即注册

作为市场AI风向标的英伟达周二下跌3.5%，创近四个月最大跌幅，其财报将于下周公布。

广告 · 继续滚动就连被视为这轮繁荣代表的OpenAI首席执行官萨姆·奥尔特曼也对The Verge坦言：“投资者整体对AI过度兴奋”，尽管他同时称这是"长期来看最重要的事物"。

投资者在焦急等待美联储关于利率的任何表态之际，质疑这是否只是科技巨头财报季间的小插曲，利率政策将影响他们对科技领域风险资产的偏好。私募市场目前对担忧不以为意，至少对其头部企业如此。Databricks正以1000亿美元估值融资10亿美元——在企业AI支出和约37亿美元年化收入的推动下，比八个月前高出约60%。广告 · 继续滚动就像互联网泡沫时期的繁荣与萧条一样，赌注不仅押在AI上，还押在哪些公司能在市场周期中生存并蓬勃发展。软银似乎已经决定：加倍投入基础模型及其支撑硬件。在本周的专题中，我们追踪孙正义通过引人注目的AI交易重振雄风，并解读路透社/益普索关于美国人对AI最担忧问题的最新民调。继续滚动。

给我发邮件这里，新标签页打开或在领英，新标签页打开上关注我，分享任何反馈以及您接下来想了解的AI内容。 ## 我们在科技与AI领域的最新报道

孙正义的AI回归

孙正义从不悄声转向——他总以王者归来之势登场。

在经历多年愿景基金震荡与巨额亏损的阴霾后，这位软银创始人再度发起攻势，借力美国有利政策环境，追逐他谈论数十年的命题：文明级人工智能。

早在"生成式AI"成为潮流前，孙正义就预言将出现"智能大爆炸"，预测机器智能将超越人类千倍。这一洞见曾一度被高调的高风险投资遮蔽——WeWork成为警示案例——更留下 painful 的假设：软银2019年以33亿美元清仓4.9%的英伟达持股，如今这部分股权价值逾2000亿美元。常人或许会被这种失误定义，但孙正义不会。作为政治现实主义者，68岁的孙正义仍是精明操盘手，他准确把握华盛顿对宏大数字与资本的渴求。随着美国政府力推本土芯片制造和科技霸权，他将软银重塑为美国AI基础设施的合作伙伴、建设者和金融家。在特朗普胜选后的数月里，他两次与这位前总统公开同框——这对国内外商界领袖都实属罕见。

他推出"星际之门"计划——与OpenAI和甲骨文合作、规模高达5000亿美元的AI数据中心项目——同时配合收购俄亥俄州富士康电动车工厂等实体资产以支撑建设。传递的信息是：迟做总比不做好，要么豪赌要么出局。为何迟到？部分源于危机处理，部分关乎时机把握。WeWork等愿景基金挫折及高管离职潮后，软银显得畏首畏尾，被迫降低风险、出售资产、重建信誉，恰逢ChatGPT横空出世。孙正义还花费多年推行分散的投资组合策略，导致焦点模糊。即便预见到AI崛起，现实运营却聚焦于清理整顿和资本循环，而非资助新愿景。当他全力回归AI战场时，英伟达和OpenAI等早已成为市场领导者。

看看他在OpenAI的时机把握。软银以超高估值入场——先是去年秋天以1500亿美元的估值投入5亿美元，随后又以3000亿美元的估值投入200多亿美元支持Stargate项目，同时还以5000亿美元的估值参与了公司二级市场的数十亿美元投资。这是典型的孙正义式交易：高价确保席位，试图通过生态系统控制实现复利增长。优势在于能借力行业领导者；风险也很明显——有限的治理影响力、依赖合作伙伴的发展路线，以及退出机会受限。

软银的皇冠明珠Arm正在研发自主AI芯片，也是孙正义AI赌注的基石。软银已收购Graphcore，3月斥资65亿美元买下Ampere Computing，本周又向英特尔开出20亿美元支票。他还通过逐步建仓在6月前重新持有英伟达48亿美元股份。综合芯片、数据中心和模型布局，他的AI投资组合正倾向AI基础设施领域。市场目前正嘉奖这种决断力。软银股价本月创52周新高，较近期低点上涨近两倍。但这是双向交易。高价集中押注后期项目会放大双向结果。孙正义的回归是事实；执行风险同样真实存在。

本周图表

路透社/益普索联合民调本月美国成年人的调查结果清晰地反映了公众对人工智能的焦虑所在。77%的人担心美国竞争对手利用AI制造政治混乱，包括伪造逼真的虚构事件视频。就业问题依然突出——71%担忧大量人群将失去工作；66%担心AI会取代人际交往。61%表示对AI的电力需求感到忧虑。这与今年的头条新闻相呼应：地缘政治紧张加剧、企业裁员潮持续、连青少年都沉迷的AI陪伴聊天机器人，以及AI数据中心繁荣对电网造成的压力。

显示公众对AI看法的柱状图

值得关注的人工智能研究

麻省理工学院的报告显示，大多数企业难以将AI实验转化为实际利润。研究人员发现，高达95%的企业生成式AI项目陷入停滞，未能对公司盈利产生可衡量的影响。问题不在于模型质量，而在于应用中的"学习鸿沟"——通用工具对个人有效，但在需要工作流感知系统的企业内部却表现不佳。正如首席作者Aditya Challapally 向《财富》杂志所述（新标签页打开）：“通过聚焦一个关键痛点、严格执行和明智合作，某些大企业的试点项目和年轻初创公司确实表现出色”。战术至关重要。购买专业工具并与外部合作的成功率约为67%，而内部自建的成功率仅为三分之一左右——这对金融等急于自行开发的受监管行业是一个警示。影子AI也普遍存在：超过90%公司的员工报告称，他们经常使用个人AI工具进行工作。

对首席财务官和首席信息官而言，核心结论是：模型并非瓶颈——采用策略才是。

  • 推荐主题：
  • 技术