🎙️ 今天這幾集

一句話:動畫飛輪與 ESPN 現金流撐起 Disney 四十年,如今近六成營業利益來自樂園。

1983 年 Disney 股價從 82 美元掉到 52 美元,拆開賣比繼續經營值錢。1984 年樂園與消費商品貢獻 2.5 億美元利潤,電影與電視合計只有 200 萬。為擋掉狙擊者,管理層大量增發新股給德州 Bass 家族與其投資經理人 Richard Rainwater,讓對方持股約 25% 成為最大股東。1984 年 9 月 7 日,Roy E. Disney 與 Stanley Gold 逼退執行長 Ron Miller,14 天內談定退休的 Warner Brothers 總裁 Frank Wells 與剛離開 Paramount 的 Michael Eisner;Eisner 堅持自己是董事長、Wells 是總裁,兩人各自直接對董事會負責。Eisner 把 Jeffrey Katzenberg 一起帶進來,搬來 Paramount 的 singles and doubles 路線:壓低成本、不追 A 咖,賭劇本與 high concept。他刻意外流的備忘錄寫著:我們沒有義務做藝術或做歷史,但要賺錢往往必須做出藝術。前 33 部片有 27 部獲利,八年 75 部片由外部融資夥伴出資。現金面最關鍵的一步是調價:Walt 過世後票價幾乎沒動過,停車費還停在 1 美元,漲價後幾乎全額落進營業利益。

新團隊上任第一件事,是把動畫部門趕出 Burbank 片廠、流放到 Glendale 的老舊建物。1971 到 1984 年動畫只出過三部長片,《The Black Cauldron》開發近十年。同一時期,Walt 用遺產捐建的 CalArts A113 教室裡坐著日後 Disney 與 Pixar 的核心人物,他們畢業後多半被 Disney 錄用、又被資遣。轉折來自把卡通改造成百老匯式音樂劇:Katzenberg 找來 Howard Ashman 與他在 Little Shop of Horrors 的作曲搭檔。Ashman 的公式是「每齣好音樂劇的第三首歌,女主角會坐下來對世界唱出她要什麼」,《The Little Mermaid》的 Part of Your World 就是這樣長出來的。1989 年該片票房輸給《When Harry Met Sally》,真正引爆是 1990 年的 VHS。接著《Beauty and the Beast》2,500 萬預算做到 3.3 億票房、《Aladdin》2,800 萬做到 5 億、1994 年《The Lion King》4,500 萬做到 7.5 億,是手繪動畫史上最賣座的一部。成本壓得住,是因為 1990 年起投入 1,000 萬美元開發 CAPS,取消上墨與上色工序、用軟體模擬層數不限的多平面攝影機——《Little Mermaid》只有三個多平面鏡頭,《Lion King》有數百個;《Beauty and the Beast》的舞會場景背景由 Pixar 軟體算出 3D,是 Disney 首次在片中用 3D。

Eisner 團隊在飛輪上加了三個新延伸。一是家庭錄影帶:1985 年說服 Disney 家族同意把《Pinocchio》發行 VHS,限量 170 萬捲、29.95 美元,5,000 萬美元瞬間賣光;隔年《Cinderella》重映收 3,400 萬票房再加 600 萬捲,合計 2 億美元,每捲估計淨賺 17 到 20 美元。《Aladdin》1993 年賣掉 3,000 萬捲(9 億美元),《The Lion King》1995 年 3,200 萬捲,是史上最暢銷 VHS。二是全美超過 750 家 Disney Store。三是百老匯:《The Lion King》音樂劇連演 30 年,含巡演累計超過 110 億美元,平均一年 3.5 億,相當於每年多一部賣座電影。樂園則改造成度假村:Grand Floridian、Swan、Dolphin、Old Key West 分時度假、Hollywood Studios、Animal Kingdom,把「和週末看球賽競爭」變成「和歐洲五日遊競爭」。Euro Disney 砸 40 億美元虧了多年,後改名 Disneyland Paris。1984 到 1994 年,營業利益從不到 3 億做到接近 20 億,市值 220 億,超越 Time Warner、Viacom 與 Fox。

1994 年三記重擊。復活節當天 Frank Wells 直升機失事身亡;三個月後 Eisner 在 Sun Valley 會議胸痛,緊急做四條血管繞道手術;接著 Katzenberg 因未能升任總裁而離職,索討獎金的訴訟多年後以約 2.8 億美元和解,他與 Steven Spielberg、David Geffen 創辦 DreamWorks,動畫部門設在 Glendale 就近挖角。Howard Ashman 已於數年前病逝。1993 年 FCC 廢除禁止電視網自製節目的 fin-syn 規則,1995 年 Eisner 在 Sun Valley 談成以 190 億美元收購 Capital Cities/ABC,當時史上第二大併購,僅次於 RJR Nabisco;真正要說服的是最大股東 Warren Buffett 與 Berkshire。買到的寶物是 ESPN:當時 6,600 萬有線戶、每戶月費不到 1 美元。ESPN 發明了 affiliate fee,拿賽事版權當籌碼,每一兩年就對系統業者漲兩成,並刻意簽最長的版權約鎖住議價權;20% 少數股權在 KKR 收購 RJR 時被賣給 Hearst,四十年來持續坐收現金。2008 到 2011 年,有線頻道部門貢獻全公司 60% 營業利益、逾 50 億美元。代價是策略清晰度:Disney 從此同時是飛輪公司與有線收費公司,兩套完全不同的商業模式擠在同一個屋簷下。

1995 年 Eisner 找來好萊塢經紀公司 CAA 的創辦人當總裁,14 個月後對方帶著 1.4 億美元離職金離開。動畫在 Katzenberg 走後一路下滑,從 Pocahontas 一直到 Treasure Planet、Home on the Range、Chicken Little。9/11 後樂園生意瞬間歸零、股價數日內跌近 25%,Bass 家族因其他投資被追繳保證金,被迫在低點賣掉 20 億美元 Disney 股票,Eisner 的股東靠山消失;商場裡的 Disney Store 也大量關閉。2003 年 11 月 30 日 Roy E. Disney 辭任董事,列出七項失敗:ABC 黃金時段收視、微觀管理造成士氣低落、樂園投資不足、公司被視為唯利是圖、創意人才流失、與 Pixar 等夥伴關係破裂、拒絕建立接班計畫,並與 Stanley Gold 發動 savedisney.com 草根股東戰。2004 年 2 月投資人日當天,Comcast 拋出 540 億美元換股敵意收購,真正想要的是能終結它談判劣勢的 ESPN;3 月 3 日股東會有 43% 投票撤回對 Eisner 的支持,董事會拔掉他的董事長職務。當時有線頻道營業利益 20 億,全公司才 45 億。Bob Iger 以三支柱贏得公開甄選:把時間與資本押在高品質品牌內容、全面擁抱科技而非控告科技、進軍中國與印度。Eisner 21 年任內營收從 17 億到 310 億(年複合 15%)、淨利從 9,700 萬到 25 億。

Pixar 這條線同樣從被開除開始。一位在 CalArts 受訓的年輕動畫師,因為在導演處女作提案主張用電腦動畫,又承認那既不會更快也不會更便宜,當天就被 Disney 解僱。他在瑪麗皇后號的研討會遇見 Ed Catmull——後者在猶他大學做出史上最早的電腦繪圖影片之一(自己手掌的線框模型),當時正替 Lucasfilm 帶電腦繪圖組。George Lucas 因離婚需要現金又不肯讓出 Lucasfilm 股權,決定賣掉這個團隊;1986 年 Steve Jobs 開出 500 萬美元給 Lucas、另注資 500 萬,持股 70%,公司命名 Pixar,第一張客戶支票正是 Disney 為 CAPS 付的。《Toy Story》的合約條件:Disney 出全部製作費(原編 1,700 萬、最後約 3,000 萬)與行銷費,保有全部 IP 與續集權,Pixar 分到的利潤不到一成。1993 年 12 月故事捲試映被 Disney 全面否決、喊停製作,團隊要到兩三週重寫的機會才救回。1995 年 11 月 22 日上映,全球近 4 億美元,是當年票房冠軍;一週後 Pixar 上市,首日收盤市值 15 億、募得 1.4 億美元,是當年最大 IPO(超過 Netscape),Jobs 持股 78%,他的億萬身家來自這裡而非 Apple。這是 Jobs 事先算好的:電影一紅,Disney 必定回頭重談,而 Pixar 需要自有資本才拿得到 50/50(計入發行費實際約 65/35)。之後《Toy Story 2》近 5 億、《Finding Nemo》8.71 億票房加上 6,500 萬張 DVD(每張約 30 美元),單片總毛收約 30 億。Eisner 卻寫備忘錄告訴董事會 Nemo 會慘敗、失敗有助於談判籌碼,備忘錄外流。2004 年 1 月 Pixar 單方面中止談判。Iger 接任後第一通電話就打給 Jobs,提出的不只是買下 Pixar,還請 Pixar 團隊接管 Disney 動畫;董事會當初授權時「驚訝到忘了說不」。2006 年 1 月以 74 億美元換股成交(扣掉現金約 64 億),Jobs 成為持股約 7% 的最大股東。宣布當天早上,Jobs 在園區長椅上告訴 Iger 自己癌症復發、給他 30 分鐘決定要不要退出。之後 Tangled、Frozen、Zootopia、Moana 出自被 Pixar 改造的 Disney 動畫;主持人指出 Disney+ 每週前 15 名幾乎都是 2005 年後的動畫與 Pixar,不是真人電影、不是 Star Wars、不是 Avengers。光 Toy Story 系列票房逾 40 億、周邊零售累計 300 億(5% 授權金約 20 億),已還掉大半收購價。

Marvel 2009 年 40 億、Lucasfilm 2012 年 40 億,加上 Pixar 的 74 億,合計約等於四年的有線電視利潤。Frozen 上映首年賣出 300 萬件公主裙,2015 年 Disney 授權商品零售額超過 500 億美元;Frozen 原聲帶是 2014 年最暢銷專輯,1,000 萬張。2005 到 2015 年,樂園營收近乎翻倍、營業利益近三倍,公司市值從 500 億到 2,000 億,營收 320 億到 520 億,營業利益 47 億到 147 億。MCU 到 2025 年 37 部片、近 320 億美元票房,超過 Star Wars 與 James Bond。轉折點是 2015 年 8 月 4 日的財報會議,Iger 提到 ESPN 出現「小幅訂戶流失」(該年少 300 萬、剩 9,200 萬),隔日股價跌 10%,Viacom 跌逾 20%;Disney 股價至今與 11 年前持平,同期 S&P 500 漲 3.5 倍。Disney 先買下 MLB 分拆出來的串流技術公司(2016 年 8 月先取 33%,隔年取得控制權),2017 年宣布終止每年數億美元純利的 Netflix 授權,同年 12 月以 520 億美元換股買下 Fox 娛樂與國際資產,又因 Comcast 攪局被抬到 713 億(當時 Disney 市值約 1,700 億),事後靠賣掉區域體育台(140 億)與 Sky 持股(150 億)把淨代價壓到約 440 億,主持人認為這是四筆大併購中最差的一筆。Disney+ 2019 年 11 月上線,月費 6.99 美元,24 小時內 1,000 萬註冊,首季 2,600 萬。

疫情把樂園歸零、當年淨利轉負,市值 2020 年 3 月跌 40%,卻讓 Disney+ 在 16 個月內衝到 1 億訂戶,2021 年 3 月市值 3,600 億見頂。之後問題浮現:串流要求的是不斷灌新內容,和飛輪要求的「稀少而每次都好」正好相反,續集與衍生劇還會反噬原作品牌;Disney 累計投入約 130 億美元虧損才在去年做出約 10 億利潤,Netflix 則以 3.25 億訂戶、450 億營收、135 億營業利益證明串流是規模經濟——Netflix 單一業務的營業利益已等於 Disney 全公司。ESPN 那邊,affiliate fee 漲價一度還能蓋過剪線,2023 年後蓋不住;賽事聯盟開始把利潤往自己身上拉,Monday Night Football 版權從 2006 年每年 11 億、2011 年 19 億漲到 2021 年 27 億,科技公司因為能用會員制多重變現而成為更高的出價者。2025 年 NFL 把 NFL Network 換成 ESPN 10% 股權,ESPN 推出每月 30 美元的直營服務並與 Disney+、Hulu 綑綁(加 6 美元),看中的是綑綁後的低流失率。今天全公司營收 940 億、淨利約 130 億:娛樂 420 億營收對 47 億營業利益,體驗 360 億營收對 100 億營業利益,體育 180 億營收約 30 億利潤;樂園與郵輪貢獻全公司近六成營業利益,體育剩 16%,而院線發行只有 26 億營收、佔總營收 3%。樂園年客流 1.45 億,低於疫情前 1.57 億的高點,靠客單價支撐,並宣布十年 600 億美元資本支出(其中 300 億在美國本土)、郵輪從 8 艘擴到 13 艘。2026 年 2 月由樂園與體驗部門主管接任執行長,一位來自 Fox 的高層出任總裁兼創意長,Iger 留任顧問到年底。空方論點:2016 年之後所有大票房都在收割舊 IP,十年沒長出新的成功原創系列;多方論點:這些是世代相傳的神話,像奢侈品牌一樣殺不死。兩位主持人都承認,他們原本想找出一條比 Disney+ 更好的路,最後找不到。

一句話:Zuckerberg 用 6,500 字把 AI 的好處全給用戶,交換條件只有一個:讓 Meta 蓋資料中心。

Zuckerberg 發表 6,500 字長文〈The future is for everyone: the path to a positive AI future〉,主張超級智慧最大的風險是集中化而非技術本身,提出三項原則:個人賦權、AI 的主要用途是發明而非自動化、資訊取用與治理要有權力制衡。主持人 Jason 認為文章寫得好,但點破開放路線的商業算計:落後就開放,領先就封閉。Facebook 與 Instagram 至今沒有可用的 API、社交圖譜無法索引,對照 iPhone 封閉、Android 開放,Meta 站到開源這邊是位置決定立場,而「技術太強大不能由一家控制」本來是 OpenAI 的說法。Meta 當天釋出一款開放權重模型(節目中稱 Muse Glimmer),另一款模型的開放權重版本也在規劃中;文中另提議由獨立委員會審查模型安全標準,並主張實驗室與政府合作但不拖慢模型釋出。

生化風險上他的立場是管實體、不管模型:先聚焦限制有害材料的實體生產與流通,管制實體元件會比管制知識擴散容易。Jason 以奧克拉荷馬市肥料炸彈案為例,案發後肥料被加註標記、購買者被監控,同樣的摩擦(出示證件、限購、填表隔 48 小時再取)套到前驅物上會有效,遠比要求開源模型不回答務實。資安部分原文是:廣泛部署且具強資安能力的 AI 模型會讓系統更安全而非更不安全,一旦超級智慧讓世上多數程式碼可被驗證為安全,長期解答不是保留能力,而是讓超級智慧廣泛分散以形成權力制衡。就業部分他寫的是個人能力成長有可能追上甚至超過自動化速度,人們會在現有工作被改變之前先取得做新事情的能力——與 Jensen Huang 那句「取代你的不是 AI,是會用 AI 的人」同一個框架。

產品面點名要做的是:給每個人的個人 AI 代理、開放給所有人的程式與影片設計工具、不需團隊與資金就能開公司的工具、任何科目的博士級家教、科學貢獻,以及免費或低價提供。Jason 預測 Meta 的代理不會標榜成 AI,而是吃社群行為脈絡(你在 Instagram 收藏的餐廳、按讚的服飾)在動態裡自然浮現;影片工具會做成 CapCut 的對手。真正的鄰接在 WhatsApp——歐亞的司機、旅館、導遊、餐廳都在上面談生意,把商家頁與 AI 客服接進 WhatsApp Business,三到六個月就能做出對手八成功能。商業底牌是廣告:Meta 已是僅次於 Google 的第二大廣告網路,使用者若改用它的 AI 搜尋,對用戶的理解會多出數倍。而這一切指向資料中心:同一天早上 MS Now 的 Morning Joe 播出一則報導,講 Meta 2018 年宣布在鹽湖城以南約 50 英里一座小城興建的 20 億美元資料中心,公司出資 25 萬美元讓當地高中在貨櫃裡蓋水耕農場、學生把菜拿去農夫市集賣,前校長說她當時直接傳訊息給 Zuckerberg 談合作,市長也出面背書。Jason 指出 MS Now 已從 NBC/Comcast 分拆,屬於同時擁有 CNBC 的 Versant Media Group,報導與宣言同日出現是一次全面施壓:你不會失業、軟體免費、世界更安全、小孩有家教,交換條件只是讓我們蓋資料中心。他給宣言 10 分,並說那間公關公司若收了 1,000 萬美元,應該給 2,000 萬。

其餘新聞。X 於 9 月 7 日終止舊版分潤,改為只計算本人創作內容驗證曝光的「原創內容獎勵」,門檻是訂閱 X、滿 18 歲、500 名驗證追蹤者、90 天內 50 萬次首頁時間軸曝光(不含回覆),舊制是 500 萬次,主要衝擊靠系統性剪別人片段賺錢的帳號;Jason 至今累積分潤超過 15 萬美元,最近兩個雙週期各約 8,000 美元,更早則是 2,000、6,000、5,000 美元。加密法案 Clarity Act 未在參議院休會前排上,最快 9 月才辯論,共和黨參議員 Tom Tillis 說過關機率大幅下降;法案把募資與投資契約歸 SEC、成熟去中心化網路歸 CFTC,新增發行豁免的 12 個月銷售上限為 7,500 萬美元,卡關點是民主黨要求納入官員與加密產業利益關係的倫理條款。紐約時報報導 AI 代理讓非同步線上課程的作弊規模化;一位 Brown University 教授把在家可用 AI 的期中與現場期末成績並列,第一名學生 95.5 對 95,第 22 名 59 對 55,期末零分的三人直接退選。

一句話:市場大到沒有一家能吃下,瓶頸在能源;SaaS 的競爭前線已經換了,每天達標就是在毀滅價值。

Benchmark 的 Eric Vishria 從 Fireworks 談起:同樣的開源模型、同樣的 Nvidia 硬體,Fireworks 對比大型雲端商的速度差約 5 倍,吞吐量還有數倍差距,而且是付了雲端商的毛利、跑在人家上面還能賺錢——把模型跑得有效率本身就是專業,不是外表看來的轉售生意。他用 AWS 的歷史反駁一家通吃:S3 與 EC2 於 2006 年推出,當時問 30 位頂尖投資人它會不會是長期高毛利的好生意,大概是 0 比 30;2014 年敘事翻成 AWS 會吃掉一切,理由是 SaaS 跑 85% 毛利、Amazon 可以用 8% 毛利做同樣的事,結果 Snowflake 在 Amazon 上打贏 Redshift,Confluent、Elastic、Databricks、Datadog 全長出來,當年無關緊要的 Azure 與 GCP 現在是巨型生意,雲端市佔大致 40/30/20,外圈還多了千億美元級的 Cloudflare。需求端則相反:2010 到 2014 年大企業對雲端極度懷疑,先用的是數位原生公司(Snapchat 某時點約占 GCP 四成用量,對應今天 Cursor 的集中度);這次大企業一開始就想要,邊編預算邊實驗。

SaaS 的問題不是被人 vibe code 掉,而是競爭前線位移。資料庫過去靠開發者綁定介面、資料越積越多,搬遷是最不想碰的工程,才養得出 Oracle、SQL Server 的高毛利;現在寫程式的是 AI,介面規格極清楚、代理不會因重複轉譯而疲倦,遷移變成砸錢就能做,評判標準換成成本、伸縮性與迭代速度。估值面:2021 年 SaaS 在 30 倍營收成交,現在約 6 倍,規模成長 4 倍反而更不值錢,幾年前給他們的訊息是「接上 AI,否則值 3 倍營收」。他說現在每天達成計畫,就是每天在毀滅權益價值。銷售同樣崩掉:傳統 quota capacity 模型是早期業務代表配額 120 萬到 150 萬美元、內勤 75 萬到 85 萬、企業級 250 萬;但 AI 產品是拉需求不是推需求,他看到業務代表一年做 1,000 萬到 3,000 萬美元、最近還看到 5,000 萬,帶著舊模型與區域劃分過來的資深主管普遍陣亡。最強的業務其實是創辦人,因為他們在把 AI 那條鋸齒狀的能力邊界接到客戶問題上。

他最擔心能源:模型把運算換成智慧,智慧需求沒有上限,運算與能源需求就一直長;他說中國明年新增的能源約是美國的十倍,能源少的結果是 token 更少更貴。硬體難度用 Cerebras 說明:2016 年五位創辦人帶一份簡報進來,第一頁寫 GPU 其實不適合深度學習、只是剛好比 CPU 快一百倍;那是 Transformer 之前,Nvidia 市值約 400 億美元而非 4 兆,TPU 尚未發表。加速深度學習的硬體手段只有三個——增加核心數、增加核心間通訊、把記憶體搬近運算,晶圓級就是三個都推到極限,當時規格是 45 萬個核心、晶片上約 20GB SRAM、7 奈米製程。軟體有了邏輯方塊圖等於做完八成,硬體只做完 2%,後面是物理與三十多家供應鏈廠商:2019 年拿到第一批晶片,2020 年才第一次會動;2019 年董事會上晶片在融毀,當時已燒掉約 5 億美元,Cerebras 直到今年五月才上市。他說前四代運算(CPU、GPU、網路、行動)各長出一家千億美元公司(Intel、Nvidia、Broadcom、Qualcomm、ARM),第六代正在來:LLM 產生的程式碼最後跑在 CPU 上,現行 CPU 卻背著太多歷史包袱,他們已投資一家未公開的新 CPU 公司。

機器人的關卡是資料:沒有網際網路規模的語料可用,只能先鎖定高價值資料撐起預訓練,再靠少量後訓練樣本長出新能力。投資的 Sunday Robotics 走垂直整合,手套依機器手掌設計以確保資料可轉移,和 Waymo、Tesla 用自家車隊收自家資料同一個邏輯;最近一次示範是十幾台機器人在地下室折任意衣物,並量測折好的衣服建立評估基準。他舉 Hinton 2016 年說該停止培訓放射科醫師:前提是對的(AI 判讀影像可以比人好),結論卻大錯,因為跨模態的整合訓練資料不存在(只做胸腔 CT,對一天看四十份各式掃描的醫師幫助有限)、給付按醫師出報告設計、還有責任與醫療訴訟;加上影像成本下降後檢查量反而增加,短中期需要的放射科醫師更多而非更少——他認為大量失業的預測是同一種錯誤。他 12 年只投了 18 家公司,投前自問:能不能誠實說服自己在乎的人把這家當一生志業,以及賭對了有沒有人在乎。他最近募了成長基金,因為高現金倍數的機會圈已不只在早期;另有五百多家營收 1 億到 5 億美元的私人 SaaS 公司卡住,員工與投資人都沒有退出機會。

一句話:IMAX 進入片廠綠燈流程,Odyssey 的 IMAX 票房上看 3.4 億美元。

來賓是 IMAX 執行長 Rich Gelfond(1994 年與 Bradley Wechsler 買下公司,2009 年 4 月接任執行長)。他說 IMAX 已是各大片廠綠燈流程的一部分:導演提案時直接把 IMAX 檔期寫進去,再由片廠、導演與 IMAX 一起敲日期與行銷投入。F1 就是這樣來的,製片與導演在還沒談定發行商前先鎖 IMAX 檔期,之後才由 Warner Bros. 接手發行。檔期排他,取捨很硬:聖誕檔已承諾給 Denis Villeneuve 的 Dune 3(部分用 IMAX 攝影機拍),Avengers 續集因製作延期改到同一檔期來要片,IMAX 沒換,直接放棄 Avengers;當年 Mission: Impossible 7 撞上 Oppenheimer 也是同一套,Paramount 當時質疑為何把螢幕給一部黑白的物理學家傳記片。Disney 的回應叫 Infinity Vision,Gelfond 說那不蓋新廳,是把既有的 X 廳包裝成品牌賣票。和 Nolan 的合作已近共同製片:專用攝影機、隔音罩(讓演員對戲不被機器噪音干擾)、全球備料點、代訓放映師,對方開的清單共 15 項。

Odyssey 的數字:IMAX 內部片務團隊原估 1.9 億美元,Gelfond 堅持超過 3 億,目前接近 3 億,另有 4,000 萬美元預售在手,檔期排到九月。周邊是新開的收入:IMAX 攝影機造型爆米花桶首批 2,500 個兩小時售罄、追加 2,500 個不到一小時、中國同樣數量 60 秒完售,膠卷片段 20,000 份 90 分鐘賣完。票價他管不到:AMC 紐約把 IMAX 票賣得跟一般票同價,週三半價日只收 14 美元;拉斯維加斯一家獨立業者收 50 美元照樣滿場。70 mm 的瓶頸是成本——一份拷貝 5 萬美元,放映機更貴且是 50 年前製造、只能四處搜羅,全球 41 廳(美國約 25 廳),Oppenheimer 時只有 30 廳,明年約有四部片出 IMAX 膠卷版。IMAX 的票房佔比約 26%,單片曾做到 30% 以上。

片源分散化:去年共 120 部內容,國際片 2019 至 2025 年複合成長 24%,包含動畫在日本以外的市場、印度大片、中國的 NBA 總決賽轉播、David Byrne 的演唱會電影、Interstellar 重映超過 500 萬美元。串流片方面,F1 在 IMAX 做到 1 億美元(Apple 史上最大發行,全片 6 億),Amazon 一部片同樣做到 1 億;Netflix 的 Cliff Booth(David Fincher 執導、Tarantino 編劇、Brad Pitt 主演)感恩節到聖誕節之間 IMAX 獨家上映,之後才上串流。去年財測 12 億美元、實際約 13 億;今年目標 14 億,還差約 3 億。他主張 IMAX 能見度高於多數行業:裝機有 backlog、片單已排到 2028 年(Sony 的四部 Sam Mendes 披頭四電影)甚至 2029 年。主持人 2024 年 5 月 14 日以 17 美元推薦此股,市值從 10 億走到 30 億。對 Sphere 他說造價近 30 億美元、看不出怎麼賺錢,自己只看盈餘與現金流;併購他只承認長期有人來探,沒有主動找買家。

一句話:失業率下降來自勞參率退出而非就業改善,七月淨減 2.3 萬份工作。

七月就業報告:經濟體淨減 2.3 萬份工作,市場原估新增 8 萬份;失業率降到 4.1%、是兩年最低,但勞動參與率降到 61.4%、為 2021 年 2 月以來最低,五、六月數字也被下修。勞動經濟學家 Katherine Anne Edwards 形容過去一年半是「30 兆美元經濟體能有的最接近原地不動的狀態」。她說 GDP 標題數字被關稅前搶備庫存扭曲,該看的是佔經濟體 60 至 70% 的家戶消費,而那個數字成長很慢。七月勞動力減少幾乎全由女性貢獻(National Women's Law Center 報告),她歸因於每年夏天的季節性:暑期托育貴又難找、教育類職位放假,根因是美國沒有帶薪育嬰假、帶薪病假與托育補貼。受創最重的是想進場的應屆畢業生與重返職場者,她說對個人而言失業率不是 0% 就是 100%,而加薪主要靠換工作驅動,換不動就停滯。她反對用 UBI 解 AI 焦慮:AI 會同時創造與消滅工作,但不知何時、不知是誰;過去 90 年的美國勞工生產力曲線上看不到冷氣、電腦或網際網路任何一項的痕跡,「叫員工試用 Claude」到「裁掉 200 人」之間距離很長。她的解方是重建失業保險:短期救急接長期,再協助搬遷、再訓練與創業。

第二段來賓是創投與政治策略顧問 Bradley Tusk,談 Zuckerberg 前一天發布的 6,500 字 AI 論述:支持開源模型、批評川普政府提議的 LLM 審查期、主張更嚴的資料保護,並宣布 10 億美元基金投資資料中心周邊社區。背景是 72% 美國人對 AI 感到擔憂,光今年前三個月就有 1,300 億美元的資料中心專案延宕或取消。Tusk 認為動機無關公益,但策略成立:多數情況用不到最頂級模型,Meta 走中國廠商路線(混合專家、多模態)壓低推論成本,再開源掐掉對手每月 20 美元訂閱與 token 收費,改用 Facebook 那套靠廣告賺的邏輯。10 億美元基金他歸類為換分區與建照的社區回饋協議,不是慈善,相對兆級投入是零頭。外部性他認為都有解:電費靠自備電力或小型模組化核能、用水靠封閉循環水系統;真正的反彈來自對變化速度的焦慮。他判斷宣言式公關會失敗,因為前提得先有信任。

最後一段主持人獨白追問「社會主義到底指什麼」:字典定義是生產工具完全由國家掌控,民主社會主義只差在政治程序民主,社會民主主義則是資本主義加上補貼住宅、全民健保等政策(瑞典、挪威)。他判斷美國走的是第三種,證據是紐約市長鬆綁小型企業、取消 50 多項開業許可規定,還設了自己版本的 DOGE、派「首席撙節長」砍浪費支出。

一句話:菁英被過度生產又拿不到當初的承諾,媒體、學界與政黨正被整批替換。

Jimmy Carr 去年演出約 250 到 300 場,做法是同一晚排兩場(7:00 與 9:30),他形容成「一場是我的,一場是 HMRC 的」。場次多反而讓他更不緊張:像飛行員算飛行時數,舞台時數夠就不再有臨場焦慮,而且每場有三分之一是當晚獨有的內容,結尾固定試新段子,所以不是重複而是迭代。巡演加隨行拍攝的做法,他直言是看到 Matt Rife 與 Andrew Schulz 的線上內容後照抄方法論,並區分嫉妒與羨慕:羨慕是在告訴你自己想要什麼。他給焦慮的定義是「沒有控制的思考」,心流則是「沒有思考的控制」。引 Mark Fisher 談焦慮的私有化,他說把憂鬱與焦慮的數字攤開看,只能得出這是社會層次的問題,而集體行動問題個人解不了。症狀是週三晚上的五人制足球變成健身房個人紀錄,和朋友散步變成追蹤步數。他自稱 pro-gang、pro-drinking、pro-gambling:男人聚在一起會互相校準;引 Scott Galloway 說肝的風險比不上社會孤立的風險;主張把飲酒年齡降到 16 歲但必須四人成行,「在酒吧裡有其他大人在場,好過在公園裡喝」。

社會契約這一段,他主張 30 歲以下不課稅;主持人補上 Rory Sutherland 的版本——人生前 25 萬英鎊免稅,以及 Bill Perkins《Die With Zero》主張遺產在孩子 30 歲時就給。他引 Peter Turchin 的兩個崩潰條件:財富不平等(被社群媒體的全時可見度放大),以及菁英的過度生產——照著念完好大學卻換不到四房房子與家庭的人,會轉成反菁英,回頭拆這套系統。相關的是英國實質把離校年齡拉到 21 歲,而學位是 Louis Vuitton 包,人人有一個,價值就掉。他說我們把 Maslow 的金字塔倒過來用:200 年前的人怕餓死但以自己的名聲為傲,現在的人熱量足夠卻焦慮,所有人都在沒有朋友也沒有房子的狀態下試圖自我實現。他不信世代論(Neil Howe 造了 millennial 這個詞,他還是不信),Trump 與 Biden 同一個世代卻天差地遠;他改用另一組切法:想自己動手的是野心,認為該由別人負責的是特權。他也不談平等只談 abundance,引 Morgan Housel:快樂等於自由加目的;世上最大的通膨不是貨幣通膨而是期望通膨,而期望通膨的另一個名字叫進步。UBI 的問題在於太接近「我們不需要你」,沒有人看著新生兒說希望他將來領到很好的補助。

他把革命定義成菁英的替換,並認為現在正在發生:主流媒體被替換、學術界因複製危機流失公信力、英國過去百年輪流執政的大黨可能再也贏不了一次大選。地緣上他把 1989 到 1991 當分界,兩極變單極卻三十年沒人察覺,直到美國海軍縮編、索馬利亞海盜出現才是礦坑裡的金絲雀,現在則是多極。主持人的補充是美國的受害者文化比英國濃,因為美國夢仍被普遍相信;英國人不會被告知你想成為什麼都可以,一偏離路線就被 tall poppy syndrome 修剪,所以承諾跳票時的憤慨程度也不同。

修國家他開了具體處方。決定一國競爭力的是四件事——匯率、能源成本、法規繁文縟節、稅制——所得稅動 2% 或改印花稅都只是在鐵達尼號上排椅子。他要讓英鎊貶值:倫敦一品脫 7.5 英鎊是幣值高估的結果,他不在意兩週去法國度假的匯率,在意的是另外 50 週的工作與出口。能源上他要英國達到法國 1970 年代的水準:法國蓋了 56 座核電廠,拿到歐洲最便宜的電,也不必看俄羅斯或中東臉色;他支持淨零但要 25 年跑道而不是 2030,而且現在就得開始蓋。稅制照抄愛沙尼亞:一張稅表、單一稅率,而且政府不得向你要第二次同一份資料(地址給了診所,稅務單位就該知道)。他說英國與美國在全球前十大學的數量相同,產出的創業家卻少五倍,主持人的修正是產出可能一樣多,只是人都不在英國。美國他只開兩帖:所有層級改開放初選,逼候選人往中間走(「90% 的人對 90% 的事有共識」),以及國會議員任期限制——「我不怪 Trump 有權力,我怪制衡沒有在制衡」;主持人補 Bernie Sanders 從政的時間比自己活過的年頭還長。

政策實例他舉里斯本:翻轉的關鍵不只是毒品除罪化,而是把原本打毒品戰爭的預算圈起來,全部轉進戒治、教育與住房;海洛因使用者大減,犯罪率因為不必再籌毒資而下滑,近年因為那筆錢被政治挪用而略有回升。美國的遊民問題他認為本質是成癮與精神健康:1980 年代看完《飛越杜鵑窩》就把精神病院關掉,但瘋子的數量沒有跟著減少,蓋房子只是其中很小的一塊。他引 William Gibson——未來已經到了,只是分布不均——並點名被忽略的易解問題:室內燃燒生物質每年造成 300 萬人死亡;吸菸在英語圈已經解決,在南美、非洲、亞洲仍是大問題,而劇本早就寫好了,只是沒人做。

喜劇這門手藝,他認為價值不在演出當下的兩小時,而在觀眾回家路上的對話:喜劇擴張的是對話的 Overton window,如同 George Carlin 與 Richard Pryor 之後,人們才比較敢談性與政治。他要推的第二種窗口是真誠的窗口,他的觀察是人們渴求 authenticity 卻對 sincerity 過敏。他在演出裡談自殺,講法是自殺不管用:人想消除痛苦,但痛苦消不掉,只能重新分配給愛你的人;主持人引述男性自殺者中約九成生前曾向心理健康專業求助。他把喜劇當成一門還沒有記譜法的技藝:教宗 Gregory 逼人把聖歌寫下來,四百年後才有 Bach、Mozart、Beethoven,而記譜法沒有創造音樂,只是描述已存在的音樂。他與 Abby Grant、Amanda Baker 合寫的寫笑話的書 10 月出版,並在做互動課程。笑話的機制是第一序與第二序思考:鋪陳讓你用模式辨識做假設(「你的大腦就是個 LLM」),笑點則是先前被隱藏的事實突然揭露,把人從自動駕駛叫醒。技術上他認為節奏最關鍵,每分鐘約 92 拍的語速同時適用於喜劇與政治演說,Obama 就在這個節拍上。他說喜劇不是比誰最好,而是要成為唯一,並每 18 個月把自己丟回冒牌者狀態,換更大的場或更難的做法。主持人補一組定義:紀律是我逼自己做,動機是我想做,著迷是我不能不做;著迷無法工程化,來的時候就該讓它接管一段時間。

一句話:應用層拚不過前沿實驗室的錢與人,Harvey 改靠外部生態自建評測、合成資料與後訓練。

Harvey 共同創辦人兼總裁 Gabe Pereyra(曾在 DeepMind、Meta 做研究)說,應用層公司在錢、人才、算力、資料四項全輸前沿實驗室,解法是用外部生態;順序是先有 benchmark,才能訓練與上線。Harvey 今年開源三份資料集:Legal Agent Bench(把大型律所 associate 的工作拆成任務分類,含基金設立文件起草、判例研究)、企業法務的合約談判資料集,以及盡職調查資料集,最大的 data room 有 8,000 萬 tokens。限制是不能拿客戶資料訓練,律所資料受特權保護,連自家模型都不能放。改由領域專家引導合成資料:Gabe 的弟弟是 Harvey 內部律師,先學會用 coding model 再教其他律師。技巧是反向生成——先寫 rubric、在裡面埋問題(合約彼此對不起來、少一份合約),再依此長出整個 data room(真實案件可達上萬份合約),模型產出盡調備忘錄後直接檢查有沒有抓到埋好的問題;規模化交給 Mercor、Snorkel。該資料集有超過 1,000 個 unit test 用 LLM as a judge 評分,RL rollout 成本高,與 LangChain 合作壓成本。開源是因為沒人大量訓練就不知道資料集好不好,像 ImageNet、MNIST 公開才收得到 issue。

後訓練過去不划算,預訓練進步太快會吃掉成果;現在開源基礎模型(逐字稿提到 GLM 5.x 等,部分型號 ASR 有出入)可後訓練到特定任務的前沿水準。Harvey 同時與多家新興訓練公司合作而非只選一家:Fireworks 那條把 GLM 訓練成用更強閉源模型當 advisor model,Baseten 做快取壓縮,另有夥伴做企業搜尋與 Vault;理由是研究項目多過內部頻寬、各家押的賭注不同。內部也用 Tinker 這類 API 自己做後訓練,目標對標 Cursor 的 Composer。招募上,早期挖前沿研究員輸給上億美元待遇包,但當年需要那種人是因為訓練與服務的基礎設施得自己蓋,如今有現成 API,人才池打開。

Harvey 在 60 個國家營運、多個產品面、客戶模型偏好不同,光閉源模型就要跨供應商 fallback 才守得住 SLA。新模型進產品前過四道:benchmark 自動評測、人工 side-by-side、各產品面的 critical user journey 與自動化測試、人工產品測試,再疊成本、延遲、區域可用性;上線後看 A/B、互動數據、uptime、token 效率,以及他稱為「憤怒客戶來信」的回饋。這套要在考慮後訓練前就備妥。起步兩個動作:不需要最大模型的環節(例如生成引註)直接換開源模型,以及 model routing 讓部分查詢走開源。三個未解問題:合成資料分布對不上真實使用分布(盡調做得好、拿去寫信可能就不行)、8,000 萬 tokens 的脈絡管理、continual learning——終局是每家律所每辦一案系統就變好又保住客戶資料。產品上他要做組織生產力而非個人生產力:律所上千個案子、單案六個月、跨部門二三十人。