🎙️ 今天這幾集

一句話:這輪泡沫燒不到一般人，被清光的是全押進場的創投、私募與基金。

Mark Cuban 說這不是 dot-com 型泡沫：當年沒營收、沒流量的公司一上市就漲 50% 到 100%，連計程車上都在聊股票；現在散戶沒進場，所以出事不會傷到多數美國人，而是全押進去的 VC、基金與 PE。Jason Calacanis 補充，天使輪從 500 萬、1,000 萬美元估值被推到 4,000 萬至 6,000 萬美元，產品都還沒上線。券商操盤人以前只要贏 S&P，現在得贏隔壁那檔基金才留得住錢，於是全押 Anthropic、SpaceX。Google、Meta 借了數千億美元，現金流已全押資本支出還加發債，私募信貸本身也已有問題——這叫 pricing to perfection，OpenAI 投下去的一千億美元要回收的不只是營收，是利潤。他押注資料中心會重演光纖劇本：當年拉完 1G 換 10G、100G，頻寬不再是問題，暗光纖幾分錢在賣；若 AI 出現價格效能突破、耗電下降，「很多資料中心會變成 pickleball 球場」。他說自己若看錯，原因會是影片，世界模型與機器人吃掉的 token 是數量級的差距。

Cuban 認為企業導入 AI 遠比外界想像難。Dario Amodei 說兩年內 50% 白領工作會消失，兩年過去就業還在成長。反證是 Microsoft 招 6,000 人、OpenAI 與 Anthropic 都在派 forward deployed engineer 進客戶端；若 AI 真那麼強，直接問它怎麼做就好。他實測要 ChatGPT 或 Claude 每週搜尋一個主題並寄報告，做不到；改建 agent 就丟回 JSON 或程式碼，失敗只回一句 failed。但他把這看成機會：Lovable 每週被用來生出 77 萬個應用，只有 30% 來自美國、20% 是工程師；他用 12 分鐘做完一家假想公司的專利、商業計畫與物料清單，而過去做原型要六個月、上線要一年。Jason 的團隊在工具間跳：openclaw 建到一半變脆、開始幻覺，改用 Claude Co-work，再用 Lovable 自建創投內部系統——這五年前得外包、每年花兩三百萬美元，結果是根本不會做。Cuban 也點出 agent 會漂移，因為底層模型變了，原本的寫法就對不上。他說 AI 看兩歲小孩把吸管杯推下餐椅的影片，不知道接下來會發生什麼，所以他也投了 Yann LeCun 的世界模型公司 AMI。

政治部分，Cuban 認為 DSA 那套都是地方層級，Mamdani 拿到的是必須平衡的市府預算，改變不了全局；真正的變數是誰懂演算法，Mamdani 三十出頭，整個成年期就是 Trump 加社群媒體。他反而把大型語言模型當解方：社群媒體的貨幣是把你留住，LLM 的貨幣是給你正確答案，被抓到說謊就失去信任，所以必須求真。

一句話:科技股被血洗指數卻不倒，Google財報決定AI行情能否回魂。

Josh Brown主張本季最關鍵的財報是Alphabet：指數要再漲10到15%只能靠AI交易回到軌道，而Google是唯一「乾淨」的超大規模業者——沒有Microsoft那塊企業SaaS包袱、沒有Meta的資料中心問號、也不必先相信Sam Altman。他引用Evercore ISI的Mark Mahaney預覽：市場預估營收1169億美元、年增21%，廣告營收815億、年增14%；雲端營收預估223億、年增63%，上修空間明顯。要盯的是上季創紀錄的4620億美元雲端訂單轉換、營益率從17%跳到32.9%、全年資本支出上修到1800至1900億美元且用「顯著增加」形容2027年展望，以及TPU直送客戶資料中心這條2027年才放量的新營收線。Michael Batnick想看搜尋是否被Gemini侵蝕（仍成長13%），以及YouTube——年營收600億美元（廣告400億、訂閱200億）已超過Netflix。

SpaceX是另一條時間表明確的主線：8月4日公布上市後首季財報，兩天內第一批解禁約9.115億股、佔流通在外7%、市值約1230億美元，流通比重從3%跳到12%；之後每2到3周再解禁7%，12月8日全數解禁後達40%（Elon的42%另計）。股價已從225美元跌到123附近。Michael認為員工與長期股東不會在腰斬價倒貨，寧可質押借款；Josh判斷會出現100美元以下的買點，因為這檔股票沒有估值錨，談的是十年後的獲利。

上周半導體被洗過一輪：Micron跌13%、AMD跌11%、Western Digital跌18%、Nvidia只跌4%，半導體波動度指標衝到59，前次高點要回溯到關稅日與DeepSeek。Goldman的Cullen Morgan指出槓桿型ETF資產減少逾1000億美元，其中630億出自半導體，等於39%的槓桿半導體ETF被消滅，兩人認為這是最健康的事。Josh反駁BTIG的Jonathan Krinsky「補跌論」：今年已有52個交易日指數與多數個股方向相反、追平2000年紀錄，但龍頭被殺時指數沒垮，代表資金是換手不是撤離，11個類股中也有9個沒有52周新低。K型經濟論戰上，Adam Parker的資料站在「底層沒惡化」這邊：美國銀行資料顯示低所得家庭稅後薪資成長從5月2.9%升到6月4.1%，三大銀行信用卡90天逾期率是2023年9月以來最低，費城聯準銀行顯示第一季37%卡戶全額繳清。Josh的結論是K型敘事一半真實一半誇大：握有資料的銀行說消費者在還錢，喊苦的是速食業者。

一句話:指數只跌2%，個股卻血流成河，這是分化不是泡沫破裂。

S&P 500距高點只跌約2%，兩人說這連名字都配不上，頂多叫「踢到腳趾」。但同期Oracle距高點跌逾60%、Ethereum跌60%、Bitcoin跌50%、Netflix跌50%、SpaceX上市後迅速跌40%、Intel跌30%、DRAM相關跌33%。另一頭卻是全美股66%個股年初至今為正、中位數報酬12.6%。Michael Batnick的解讀是「錢往被善待的地方去」：不行的被摧毀，行的極好。Ben Carlson則主張這是「正常年」——GDP成長2到3%、通膨3.5%（正好是百年平均）、10年期公債殖利率4.5%、美股半年漲11%（歷史上漲年份平均漲21%）。

槓桿與海外投機是個股崩跌的燃料。南韓30日KOSPI波動度創史上最高，超過網路泡沫與金融海嘯，EWY跌26%。美國槓桿型ETF總資產1980億美元，半導體佔530億、科技（不含半導體）760億，換算實際曝險近半兆美元；Michael認為這解釋了IBM這種3000億美元市值公司為何能單日跌25%，且未來會更常發生。散戶完全沒退場：Citadel Securities指出7月他們的零售現股平台沒有一天淨賣出，是2020年1月以來第二強的買進月份、史上最強的7月，資金大舉接刀SpaceX與Oracle。《華爾街日報》訪到19歲大學生Davis Cantrell，他減持Microsoft，理由是那已不算積極成長股。對於泡沫說，兩人拿出反證：Goldman的Peter Callahan統計半導體與S&P 500的前瞻本益比差距是整個AI時代最低；Duality Research顯示超過300檔S&P成分股（家數61%、市值40%）前瞻本益比低於20倍。Michael的結論是市場早就同意「這些獲利不可持續」，那是共識不是洞見。

品牌與串流出現結構性轉折。Nike距高點跌75%、股價回到2014年的43美元，Lululemon跌80%、Under Armour跌84%、Gap跌62%；兩人都說Nike仍是自己的第一品牌，但基本面很難看，可能被歸進MTV那類「童年大品牌但已不復存在」的名單。Disney花1290億美元買下Marvel、Star Wars、Pixar、ESPN與Fox（換算今日幣值1820億），如今整家公司市值只剩1690億。Netflix與Disney同樣距高點腰斬。財務上Netflix不差：2022年Disney營業利益120億、Netflix60億，如今Netflix即將超車，且沒有主題樂園，成長率12到13%、營益率30%；但Michael坦承它仍是踩滾輪的內容業，每日平均觀看時數只成長1.5到2%。他持股成本約90美元、股價67美元，這次選擇加碼。Ted Sarandos回應第二季收視質疑：Netflix全球同步整季上架，首季起跑點本來就特別高，其他平台則是慢慢長大，《White Lotus》、《Succession》、《Yellowstone》都是第三季才紅。

其他數據：NBER回溯1857年的資料顯示過去一世紀每20年有4到5次衰退，1980年代後大減；Torsten Slok指出失業率連續57個月低於Fed的4.5%中性估計。科技業2022年以來已裁員80萬人；A16Z顯示有付費AI訂閱的美國家庭只有2%，Michael視為需求跑道還很長。房市方面，《華爾街日報》報導嬰兒潮不縮房反而換大房，一位Merrill Lynch理專今年8位退休客戶全部換大房、只有1位縮房；嬰兒潮佔購屋者42%且多為現金買方；Kyla Scanlan寫空巢族擁有約28%的美國大坪數住宅、有小孩的千禧世代只有16%；Pew顯示40歲以下只有四分之一認為買房是好投資。短訊：CBC報導StubHub執行長Eric Baker另設公司在自家平台倒賣門票，全球轉售票券估計7到8成由大型黃牛控制；NFL禁賽紅雀主管Ryan Gold，他用25美元串關押該隊前五輪選秀結果、賺得73.2萬美元；Trump Media推出Truth API，讓交易機構比一般推播更快拿到十大帳號貼文。電影方面，《The Odyssey》北美開片1.24億美元，是Nolan自2012年以來最大開片，IMAX佔24%；AMC執行長Adam Aron說北美單季票房29.9億美元，是七年來最強第二季。Ben潑冷水：通膨調整後2014到2019年每年約150億美元，2026上半年僅53億，仍比疫情前低三成。

一句話:關稅高不是新聞，可以隨手開關的混亂回來了才是。

Ed Elson 找喬治城法學院學者 Peter Harrell 復盤關稅戰局。今年 2 月最高法院裁定川普援引緊急權力法課的關稅違法（該法連 tariff 一詞都沒有），行政部門改走兩段式備案：先用 section 122 撐到本週五，再由 301 條款接手。結果 122 週五到期、301 遲未定案，今天從亞洲或歐洲進貨的進口商不知道週五要付多少稅。第二件事是川普宣布下月對數百億美元加拿大商品課 50% 關稅，理由是加拿大歧視美國產業，法源為 1930 年 Smoot-Hawley 關稅法的 section 338——這條自 1930 年以來從未真正用來課過稅。Harrell 說川普看上的是它的彈性：122 與 301 都有調查程序或稅率上限，338 則能隨時開關。同日對巴西部分進口品的 25% 關稅生效，因川普不滿巴西的科技監管與支付平台。加拿大這一手表面是 USMCA 施壓，Harrell 認為更根本的是加拿大不願成為第 51 州。訴訟至少要一年才走完，川普的算盤是拖過任期；總理 Carney 說會加速貿易談判。

Harrell 說獨立研究一致顯示這些關稅有 85% 到 95% 由美國人負擔。Elson 算通膨帳：目標 2%，關稅加一個百分點，出兵伊朗、荷莫茲海峽受阻再加一個百分點，如今在 4% 上下，是民眾最不滿的可負擔性危機。Harrell 說鋼鐵、汽車這類針對性保護在華府有支持者，但對加拿大這種廣度與稅率沒有；唯一解釋是川普從 1980 年代就偏愛關稅——最高法院判決後幕僚把平均稅率從約 15% 降到 10% 左右重課，是總統本人要更多。他也認為川普可能真心誤信關稅由外國人付。當日 Intel 宣布裁員後漲近 9%，Kalshi 上 2027 年前升息機率來到 62%。

另兩則：法官應 12 位民主黨籍州檢察長聲請，把 Paramount 對 Warner Bros. Discovery 的 1,100 億美元收購暫停 14 天，8 月 3 日再審長期禁制令，若 9 月 30 日前未交割，Paramount 每季須付逾 6 億美元。Semafor 記者 Rohan Goswami 說州方主張的三個反競爭市場（院線片、大片、有線電視）說服力薄弱，但法官不買帳；Paramount 私下暗示分拆 CNN 或可了事。他仍賭 Ellison 家拿得下。Oracle 則年內跌 35%，信評掉到離垃圾級只剩一階的 BBB-；威斯康辛州就其 1GW 資料中心要求 70 億美元擔保，年成本逾 1 億。Oracle 一年借 430 億美元蓋資料中心，營收 670 億，自由現金流是負 240 億。結論是泡沫由債吹起而非股權：今年 AI 相關發債約 4,890 億美元，超大規模業者只佔四成。

一句話:壽命上限仍卡在 120 歲，延壽多是炒作，睡眠、運動、不過食才有實據。

化學獎得主、前皇家學會會長 Venki Ramakrishnan 對挪威主權基金執行長 Nicolai Tangen 說，150 年來平均壽命翻倍靠的是公共衛生、疫苗、營養、醫學壓低嬰兒死亡率與傳染病，不是延緩老化；米開朗基羅在 1500 年代就活到近 90 歲。今天極限仍是 110 到 120 歲，史上只有一人超過 120。他把老化定義為累積損傷而喪失功能：光是水就會造成 DNA 損傷（Thomas Lindahl 因此得諾貝爾獎），細胞偵測到損傷會進入 senescence 並分泌發炎物質，年輕時是防癌機制，老了衰老細胞超出清除能力就成問題。要破 120 歲他認為只有細胞重編程一途（Yamanaka 用四個基因把細胞逆轉回幹細胞），但動物實驗重編程高度不均勻，胰臟只有部分細胞群被改到，部分基因還是致癌基因，且小鼠看起來較健康、壽命卻沒變長。

資金面兩類動機：政府與衛生機構擔心高齡化加生育率下降，要的是健康餘命；另一類是 20 多歲就賺到幾十億的科技富豪，以為解決了支付問題就能解決死亡。Bezos 與 Yuri Milner 支持的 Altos Labs 砸 50 億美元挖走頂尖科學家，首席科學家 Rick Klausner 說目標是「讓每個人在很久以後年輕地死去」，Ramakrishnan 反問人若年輕怎會突然死掉。Brian Johnson 每年花 200 萬美元做療程，問題是沒有對照組、混用所有方法無從判斷；冷凍保存同理，至今沒人能凍一隻老鼠再解凍讓牠跑起來，所謂冷凍小鼠腦只是薄切片。Demis Hassabis 預測 10 到 15 年內疾病消滅，他認為過於樂觀：AI 擅長找模式，但從線索到藥物要在真實人體完成。

若給他 30 億美元，他會投熱量限制路徑、老血與年輕血的差異、清除衰老細胞、細胞重編程四方向。日常建議三件：不過食（不必挨餓，控制體重即可；GLP-1 類藥物值得研究但有肌肉流失副作用）、睡眠（他睡八小時，少於七小時就無法正常運作）、運動（單車通勤加重訓與有氧，因膝蓋改用橢圓機）。冰浴與三溫暖他直言沒有對照組、來自未驗證觀察。倫理上他反對倍增壽命：社會變革靠世代更替，老人累積財富與權力，不換血會停滯；重大科學發現幾乎都出自 40 歲以下者，托爾斯泰 30 多歲寫出《戰爭與和平》。美國富人已比窮人多活約 15 年、英國約 10 年，昂貴療程只會造出連壽命都分層的社會。

一句話:廚藝不是靠溫度計與規則堆出來，是靠感官、教學與談判撐起的生意。

Better in Person 第二集，Stephen Dubner 走進紐約餐廳 Ci Siamo 的柴燒廚房。執行主廚 Hillary Sterling 生於布魯克林，14 歲就在 Montauk 的餐廳打工，原本想當海洋生物學家，履歷包括 Bobby Flay 的 Mesa Grill 與米其林星級餐廳。她手腕上方有道 2003 年 Mesa Grill 烤箱留下的疤：伸手拿豬里肌時讓同事 Carlos 先取，撞到內側鐵條；她說廚師若有燙傷，是沒在專心。Dubner 試吃她做的兩種 cacio e pepe，判定乾麵的 al dente 勝過手工新鮮麵。

角色互換時，Dubner 回敬一鍋魚湯，用 Fresh Direct 賣的「魚塊」下鍋，還配了打發生蒜醬 toum。Sterling 唯二不吃的東西正是湯和生蒜，全程只吃兩三口。她的成長飲食是母親的 Wonder Bread 奶油乳酪三明治、蘋果泥、罐頭馬鈴薯配 London broil 加法式洋蔥湯粉，她說怕口感糊爛，所以成了廚師。她教的是感官而非科學：教廚師閉眼靠聲音判斷鍋裡的麵，反對把檸檬汁裝進擠瓶。這套信念來自勞動節週日的一次崩潰——她第一次站 sauté 台就把 125 條豬里肌烤過頭，主廚沒開除她，隔週照排她的班，只丟下一句「你有七天跟豬合而為一」。她煎、烤、盯時鐘練了七天，直到肉表面「發亮」的那刻才知道熟了。

Ci Siamo 隸屬 Danny Meyer 創立的 Union Square Hospitality Group，旗下約 20 家餐廳，Shake Shack 是另一套系統。Sterling 曾被談過接手 Union Square Cafe，最後拒絕——她坐在那間餐廳裡覺得自己永遠不會是自己，菜單上有些菜客人非吃不可，她無法用自己的聲音改寫那段歷史；當時她正在 Great Jones Street 的 Vic's 做得順手。後來聽說集團要開新餐廳，她主動打電話，且知道對方開什麼她都得答應。支出集中在食材、酒與人力，議價由她親自打：感恩節要 50 磅鮪魚，她一次問遍所有魚商比價；去年買了 28,000 磅 cipollini 小洋蔥，就拿這個量去跟每家供應商談；為了做義大利麵，一年用掉 6,000 隻兔子。廚房 7 人、全店逾百人，她自評的管理風格是公平、有點瘋，看到人做錯就當場停下來，先示範再一起做。餐廳曾被評論家給過零星，她多年後重讀承認對方是對的：當時她做的是美式菜，沒有靈魂，而她需要一個故事。她把故事放回義大利，花了 15 年想讓人分辨義大利菜與義美式菜。

一句話:描述性資料學不出因果，Xaira 自建七場全基因組 perturb-seq 來訓練 X-Cell。

Xaira Therapeutics 以 10 億美元規模成立，同時推三個 AI 平台：共同創辦人 David Baker（UW）團隊帶出的蛋白質設計、virtual cell，以及剛起步的 patient representation 模型。Bo Wang 是 SVP 暨 Head of Biomedical AI，八個月前從多倫多大學副教授轉進；Xi Chu 是 SVP of AI-enabled Discovery，公司隱身期就加入，先前在 Insitro、更早在 Google X 分拆的 Verily。兩人把瓶頸歸到資料：蛋白質設計能跑出 AlphaFold，是因為社群花 70 年把結構存進 PDB；細胞生物學沒有對等資料。Cell x Gene 起步時彙整 3,300 萬個細胞，但那是健康捐贈者的觀察性資料，訓出的模型擅長跨批次校正、細胞分型這類描述任務，在擾動與反事實任務上贏不過線性模型。Xi Chu 說明原因：同一組相關性能塞進 N 種因果結構——A、B、C 同起同落，可解釋成 A 調控 B、C，也可解釋成 B 調控 A、C。

於是他們自造因果資料，方法是 perturb-seq：把 CRISPR-Cas9 的 pooled 擾動與單細胞 RNA-seq 疊成二維資料集。guide RNA 被設計去基因的 promoter 段，帶 Cas9 與沉默效應蛋白把該基因關掉，guide RNA 本身就是可定序讀出的條碼，因此一鍋混合實驗就能做到每個細胞敲掉一個基因、橫跨全部約 20,000 個基因且無盤對盤批次效應；讀出端一次量測同一細胞裡全部基因的表現量（人類細胞任一時刻約只有 4,000 到 5,000 個基因活躍）。難處在工程：學界方法都是小規模處理活細胞，拉到全基因組尺度得在 14 小時工作日裡處理數億個細胞；團隊改用化學固定在開頭鎖住細胞狀態，讓流程能時間錯開執行。第一批公開資料集 X-Atlas/Orion 來自兩株細胞株（大腸直腸癌、造血系）；新的 Pisces 涵蓋 16 種生物脈絡、經最嚴品管後留下 2,500 萬個細胞，其中一場把 iPSC 在單一實驗裡分化成 10 種細胞型再做全基因組擾動，等於 10,000 乘以 10 的庫對庫實驗。

X-Cell 是 49 億參數的 decoder-only 模型，從 scGPT 那種自迴歸訓練換成 diffusion language model。理由是基因表現量是矩陣不是句子、沒有內在順序，自迴歸得硬假設排序；擴散像編輯而非打字，先生成粗糙輪廓再反覆修飾，論文顯示擴散步數越多損失越低。第二項改動是一次用 cross-attention 接進五類先驗：語言模型問出的基因文獻描述（GenePT）、PPI 網路、DepMap 癌症必需基因、形態資訊、scGPT 細胞型嵌入。消融後貢獻排序是資料品質與規模最大、架構次之、先驗最小。泛化驗證三組：只用靜止態 T 細胞訓練去預測未見過的活化 T 細胞，抓到 TCR complex 的已知生物學與新候選失活因子，而線性基準（把靜止態擾動差值平移到活化態）失效；iPSC 實驗刻意留一種細胞型不訓練，模型仍在數千基因與擾動上預測準確；只在 T 細胞株上訓練的模型，也能預測 Alex Marson 實驗室剛發表、來自多位捐贈者原代 T 細胞的 perturb-seq。

兩人也回應「基礎模型打不贏線性基準」的質疑。Bo Wang 指出那些基準跑在 Replogle 這類小資料集、多以 MAE 為指標，而單細胞資料極度稀疏，取所有細胞的平均輪廓就是壓低 MAE 的局部最佳解，其 MAE 甚至低於技術重複。X-Cell 改看 Pearson Delta，比對預測的變化量與真實變化，難以靠取平均作弊。七場全基因組擾動放在一起後也浮現：一部分擾動是脈絡通用的（家事基因），另一部分高度脈絡依賴，例如神經分化相關基因只在 iPSC 實驗裡亮起來。動機面：90% 疾病無藥可醫、第三期臨床成功率 5% 到 10%。談學界處境，Bo Wang 說資源差距讓學生見教授第一句變成「你有幾張 GPU」，但 CRISPR、scRNA-seq 與 perturb-seq（Jonathan Weissman、Aviv Regev 等實驗室）都是學界先做、業界再規模化。問到想解掉的瓶頸，Xi Chu 要與基因體同尺度的高通量蛋白質量測，Bo Wang 要能對同一批細胞不同時間點重複定序——現在定序必須殺死細胞，資料都是靜態的。