逐字稿文字預覽
Hello大家好,我是小巫,歡迎來到東托邦。 科技起點這個詞,相信大家這幾年都聽膩了。 而提到起點到來的時間,很多人可能會一口重生的說2027年。 原因是2024年的時候,有一份據稱是OpenAI機密文件的資料在網上流傳。 資料顯示,OpenAI將於2027年創造出能像人類一樣思考和學習, 具有自主意識和情感的通用人工智能AGI。 几年前我们在资料流出的第一时间 就做视频详细聊了人工智能的前世今生 以及为何人工智能将是 引爆下一个科技起点的关键技术 这里就不做过多的赘述了 不过最近却有不少经济学家 和科技界的学者公开预警说 2027年不会是AGI崛起的生日 反而可能是AI泡沫破裂的忌日 今天我们就来聊聊AI是否存在泡沫 如果存在的话 今天的AI泡沫与20多年前的互联网泡 有哪些雷同之处 当年的历史是否会在今天重演 为什么说这次不一样 是金融史上最昂贵的谎言 巴菲特又为什么会觉得 如今的美股市场像是一座赌场呢 灾难来袭时 普通人该如何自保呢 在网上吹哨经济危机即将到来的专家 是不胜美举 我们来看几个数据大家就明白了 先说美股 AI相关股票目前已经占到标普500 总市值的大约45% 华尔街投行杰夫瑞公司的研究表明 如果完全剔除AI板块的话 标普500今年仅上涨了2% 美股市场对AI的仰仗程度可见一斑 其实不光是美股被AI绑架了 连同整个美国的经济都是如此 根据牛津经济研究院经济学家 迈克尔皮尔斯的估算 美国目前约三分之一的经济增长 也都全拜AI所赐 为什么最近几年与AI产业相关的财经数据 都显得这么夸张呢 抛开资本逐利的本质不谈 还有一个重要原因是 AI公司之间的循环融资 他们靠着左脚踩右脚 就可以不断的做大账面规模 什么是循环融资呢 简单来说就是A公司投资了B公司 B公司有了钱再去买A公司的产品和服务 以往业界对循环融资 还有一种称呼叫做厂商融资 这种现象在当年互联网泡沫时期 也是十分常见的 我再举一个通俗的例子大家就懂了 好比我是一个咖啡机供应商 听说你想开一家咖啡店 我就借钱给你 你有了钱就可以从我这里买咖啡机了 而有了咖啡机 咖啡店就能开起来了 你靠卖咖啡赚到了钱 不但能还上借款 还能继续在我这买咖啡机 继续开店 大致就是这么一个逻辑 而具体到目前的AI产业 就是芯片商或者是云端方 出钱投资模型公司 模型公司有了钱 在反手购买芯片商的芯片 租用云端方的云端 动辄千亿美元级别的巨额投资 看起来是非常唬人的 但其实就是在几个AI巨头的 资产负债表里面闪转腾挪 明眼人都看得出来 一旦这段咬合严密的链条上的 任何一个环节出现松动 都有可能带来多米诺股牌效应 不论是美国股市市场 还是美国经济 如今都是在头部AI公司的领跑下 猛脸狂奔 路上随便一颗小石子 就能够戳破泡沫 引爆金融海啸 这颗石子可能是美国的债务危机 毕竟美债现在已经突破了 39万亿美元大关 占GDP的比重超过了100% 而国际公认的安全线是60% 也可能是中美之间的大国角力 这让美国无法停下 对AI产业加码推进的脚步 认为AI泡沫终将在最近几年内 破裂的投资圈大佬不在少数 但关于泡沫破裂的具体时间 他们的看法却各有不同 比如说海银资本创始人王玉权 就认为根据以往的历史经验判断 AI泡沫破裂的时间不是在2027年 而是在2029年 相较之下 穆迪分析近期发布的一份报告 给出的预测显得要更加严峻了 报告显示AI泡沫破裂的时间 或许就在2026年的某个季度 一旦AI产业的营收增速不及预期 恐慌性抛售就将导致股市暴跌25% 20万亿美元的市值也将随之蒸发 同样桥水基金创始人雷·达里奥 也不止一次的表达过他的担忧 在他看来泡沫破裂的窗口 应该是在美国中期选举之后 到新一届总统宣誓就职之前 具体来说就是2026年11月到2029年1月之间 他给出的理由是 一旦关于富豪税或者是未实现资本利得税的提案 在国会冒头 大量投部AI公司的持股人为了规避潜在的重税 就会陆续套现离场 届时经济危机便如期而至 定大空投主角的原型曾经预言了 2008年美国次贷危机的麦克尔·伯里 也同样认为当下美股市场正处于重大逆转的边缘 眼下的情形让他联想到了2000年互联网泡沫 尽管博里最近几年的名声不太好 他长期对市场做出悲观的预测 却屡屡落空 甚至被外界戏称为那个总喊狼来了的男孩 不过他也坚信狼只是现在没来 并不代表这头狼不存在 博里给出的预测是AI泡沫 随时都有可能破裂 无论是持续的美衣冲突 还是油价暴涨 亦或是私人信贷市场的风险 都有可能成为击垮美股的临门一角 美国银行分析师迈克尔哈特尼特 也持相同的观点 他认为当前市场的投机行情 或许尚未结束 但种种迹象都表明拐点正在临近 他做出这个判断的依据 是在2026年5月的最后一个交易时 标普500创下了收盘历史新高 但在20只创下历史新高的成分股中 只有7只与AI没有直接的关联 这一现象与26年前互联网泡沫 顶峰时期的市场特征高度相似 说到这儿 相信不少观众都会心生疑问 为什么这么多专家都将AI泡沫 与当年的互联网泡沫相提并论 当年的惨况是否真的会重演 各位先别着急 接下来让我们把时间拨回到千禧年 看看当年的互联网泡沫究竟是怎么一回事 说到千禧年互联网泡沫的起点 有一个人我们不得不齐 他就是世界上第一款成功商业化的浏览器 网警的发明人 有着互联网点火人之称的马克·安德森 他的名气远没有比尔盖茨乔布斯那么如雷冠啊 就连扎克伯格在跟他握手之前 都不知道他以前是干啥的 但这并不妨碍安德森后来成为了 扎克伯格创业路上的重要导师 1992年还是伊利诺伊大学厄巴纳香槟分校计算机专业再读生的安德森 利用课余时间在学校里的国家超级计算机应用中心打工 这份工作让他第一次接触到了互联网 很快这位大学生便嗅到了浏览器 在未来的巨大商机 于是和同伴们一起捣鼓出了 全球首个加入图像元素的浏览器 最初命名为马赛克 后来更名为王景 谁都没有想到 这款大学生的客鱼作品 会在短短几年后 垄断整个浏览器市场 占据了九成以上的市场份额 1995年8月9日 仅仅成立16个月 还没有实现盈利的王景公司 在纳斯达克桥中上市 出订的发行价为14美元 但是上市前最后一刻 公司和承销商决定将发行价翻倍 最终以28美元的价格正式发行 结果开盘当天股价是一飞冲天 盘中一度冲到了74.75美元的高位 收盘停在了58.25美元 市值被推到了将近30亿美元 一家還在虧錢的公司,上市首日市值就翻了這麼多倍,網警奇蹟的出現給當時的資本市場帶來的震撼是可想而知的。 要知道以往像通用动力这样的传统公司 想要让市值从零发展到接近30亿美元 需要花上足足43年 可是网警却只用了一天 网警的横空出事给华尔街和硅谷 释放了一个明确的信号 互联网将像蒸汽机发电机一样改变这个世界 数以千计的互联网出创公司 抱着鲤鱼月龙门的念头涌入了这片蓝海 横穿硅谷的101公路也因此变得愈发拥堵 光是1999年一年 美国就有457家公司上市 纳斯达克几乎天天都在卫星股敲钟 而在这400多家公司当中 有308家来自科技行业 在市值排名前10的公司里 科技公司把占6席 互联网当时算是科技股下的一个分支 本质上是没有太大区别的 都是在兜售概念 所以互联网泡沫还有一个别称 叫做科网泡沫 不过在当时的那种氛围之下 并没有人察觉到泡沫的存在 就连艾龙马斯克都在当时认为 一个属于王景的时代即将开启 为了搭上这趟顺风车 他甚至决定将自己的简历投给安德森 不过这一份只有宾夕法尼亚大学学士学 为工作经历并不怎么出彩的简历 并没能打动王景 马斯克甚至都没有得到一次面试的机会 尽管当时的安德森跟马斯克一样 也只有24岁 都说时事造英雄 王景一上市就能呼风唤雨 离不开特定时代背景的加持 美国当时正处于冷战结束后的和平红利期 冷战的结束让国防开支大幅削减 1998年美国实现了财政盈云 美债供应随之大幅减少 大量资金涌入了资本市场 股市持续高涨 而互联网的故事恰好在此时应运而生 也算是解决了大家有钱没处花的难题 再加上1997年亚洲金融危机爆发 世界各地的人们都开始涌向美利坚的信息高速公路 而艾伦·格林斯潘在担任美联储主席期间所实行的放水政策 也在无形之中为泡沫的生成提供了燃料 现在我们都知道古神是巴菲特的外号 但是在当时这个王冠可以戴在任何人的头上 只要你随便在一个项目的名称前面加上一个E的前缀 或者是在名称后面加上一个.com的后缀 就能够轻而易举地拿到数千万美元的融资 无论这个项目是打算卖宠物用品 还是把超市里的卫生纸洗衣粉搬到网上去卖 这都无所谓 因为市场看中的不是你的水平 而是你的域名 那是一个没有市盈率 只有市盟率的年代 随便一家互联网公司进入资本市场 股价都必然会翻着跟头往上涨 股票暴涨后的结果就是 不光这些互联网初创公司的老板 个个都变得富可敌国 就连这些公司的程序员也跟着一夜暴富 不因为别的 就因为他们手里攥着价值数百万美金的期权 打一个可能不太恰当的比喻 当时要是华尔街的天上掉下来一块砖 最终砸中了五个人 按照概率计算的话 其中有四个估计是百万富翁 剩下的那一位则是千万富翁 后来人们给这批互联网初创公司的员工 起了个外号叫Paper Millionaire 翻译成中文叫做纸上的百万富翁 这纸上百万富翁与真正百万富翁之间的区别 还是非常大的 说白了就是财富与货币的区别 真正的百万复工 兜里的货币是可以存进银行的 也是能随时取出来花的 但是PayPal Millionaire的财富 大多是难以变现的 因为这笔钱是存在假设银行里的 关于财富和货币的区别 我们再举个例子 假如说有一家互联网公司 实际上手上只有1000万美元 但是资本市场给它的估值 却高达5亿美元 乍一看这家公司仿佛凭空 多出来了4.9亿美元的财富 可是这4.9亿 并不是可以随时拿来花的钱呢 除非这个公司能找到一个冤大头 愿意按照5亿美元的估值 把股东手里的股份全部都接走 要不然这4.9亿 可能连我们兜里的49块钱都不如 连超市里的肉蛋奶都买不来 但在当时没有人愿意思考这一点 随着E-Trade Ameritrade加信 这些线上投资平台相继问世 越来越多的普通人 都被卷入到了这场洪流之中 有数据显示 美国的网上券商账户 在1998年只有730万个 但到了2000年就激增至了1740万个 而危机其实就藏在这些账户当中 当买菜的大妈站岗的大爷都知道了 投资互联网稳赚不赔 纷纷跑步进场的时候 这场狂欢就已经接近尾声了 你别说什么美国的大妈大爷了 就是中国的大妈大爷在当时都蠢蠢欲动了 因为美国互联网公司的广告都已经打到北京来了 朴叔在1999年敲打一句歌词就非常能说明问题 快来吧 奔腾电脑就让他们代替我来思考 穿进一把剪心发型呀 轻松一下Window98 而要说到引发互联网泡沫魄力的 直接导火索 就不得不提王景跟微软之间 爆发的那场著名的浏览器大战了 当时的微软是全球市值最高的公司 是个人电脑PC时代的软件霸主 而王景则被比作是互联网时代的微软 王景创始人马克·安德森 也被称为是下一个比尔盖茨 其他人怎么想的暂且不论 至少比尔盖茨本人听到这个称呼 肯定会不爽 当王景一炮而红 抢占了九成的浏览器市场份额之后 微软方面也马上做出了回应 他们于1995年8月 推出了自己的浏览器 Internet Explorer 尽管第一版IE浏览器 相较王景并没有太大的优势 但是架不住人家采取了 捆绑销售的营销手段 你不想买IE浏览器是吧 可以那你就别用Windows的操作系统了 在微软的猛烈攻势之下 王景无力招架 股价一路狂蟹 甚至连安德森本人都不得不忍痛抛售自家公司的股票 1997年忍无可忍的安德森向美国司法部检举 说微软涉嫌垄断市场 微软与王景的浏览器大战 也正式从商业竞争烧到了美国总统的办公桌上 不久后美国总统比尔克林顿就把司法部带到了微软公司 在很多人的印象当中 比尔克林顿和比尔盖茨 两个人的关系一直都是不错的 毕竟在罗利岛事件中 他们还都是爱泼斯坦的座上宾 不过放到20年前 这两个大人物也曾剑拔弩张 1998年5月18日 美国司法部代表联邦政府 联合其他19个州的检查机关 向微软提出了反垄断指控 比尔盖茨最开始 根本就没有把这场诉讼放在眼里 他觉得美国司法部 根本就不能拿他怎么样 所以在很长一段时间 他都没有亲自出庭 而是通过录像的方式应付庭审 事后有人统计说 在1998年8月27日的一场庭审中 比尔盖茨至少说了40次 我记不清了 我不知道了 我忘记了的台词 由于这位世界首富面对检察官提问时 总是一问三不知 还摆出一副不屑的表情 所以当时美国媒体在提到他时 用到次数最多的一个形容词就是傲慢 而比尔盖茨终究要为他的傲慢付出代价 2000年4月3日判决正式下达 出身法官托马斯·杰克逊 裁定微软违反了谢尔曼法 也就是美国的反垄断法 构成了非法垄断 微软一度面临被拆分的绝境 虽然微软后来提起上诉 并且与司法部达成了和解 承诺向第三方公司公开技术接口 和规范商业行为 但当时市场的恐慌情绪 还是迅速蔓延开来 人们认为微软的坏消息 就是科网谷的坏消息 互联网泡沫就此破裂 微软反垄断案裁决出路 当天纳斯达克指数就应声下跌 约8%创下了跌幅记录 微软的股价则中错了近15% 一场科网股的抛售潮由此拉开了序幕 互聯網泡沫始於1995年8月網警公司上市,納斯達克指數此後一路狂飙。 從當時不到1000點一路推高到了2000年3月10日收盤的最高點5048.62點。 同期的标普500指数几乎翻倍 而在泡沫破裂之后 全球互联网产业只剩下了一地鸡毛 近5000家互联网公司陆续倒闭或者是被并购 到2002年10月 标普500指数近乎腰斩 纳斯达克市值下跌了超过75% 5万亿美元的市值蒸发殆尽 要知道当时中国全年的GDP总量 也不过才1万亿美元左右啊 戳破互联网泡沫的原型 我们可以总结出来很多个 它可以是微软暗暗引爆的市场情绪 可以是2000年1月时任美联储主席格林斯潘 在纽约经济俱乐部发表的 抑制股市过热的讲话 也可以是美联储在上半年的连续加息 不过事后看来 引爆泡沫的最主要元凶 并不是这些外在因素 而是互联网公司自己 千禧年时期的互联网公司 什么都好 有故事有未来 有技术有流量 有知名度唯一有一点不足的是 他们不知道该如何赚钱 这一点也是最要命的 2000年3月纳斯达克见顶后不久 《八轮周刊》刊登了一篇封面文章 文章公布了一项令人触目惊心的数据 说美国371家上市互联网公司的总市值 已经达到了1.3万亿美元 但74%的互联网公司现金流为负 51家公司的现金会在12个月内烧光 所以这篇文章的标题就
本次執行流程與問題處理
下達指令
預期流程
- 下載與語音辨識
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：86.7 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：61.5 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.6 秒
關係：依序執行
結果：完成
4. 句子密度平衡
工具：videonote_balance_sentence_units.py
處理：平衡句子長度與密度
產出：sentence_units.json（句子單元）
耗時：0.6 秒
關係：依序執行
結果：完成
5. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.6 秒
關係：依序執行
結果：完成
6. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.7 秒
關係：依序執行
結果：完成
7. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.7 秒
關係：依序執行
結果：完成
8. 逐字稿交叉檢查
工具：videonote_cross_check_transcript.py
處理：交叉檢查逐字稿與來源字幕
產出：transcript_crosscheck_report.json（交叉檢查）
耗時：0.7 秒
關係：依序執行
結果：完成
9. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.8 秒
關係：依序執行
結果：完成
10. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：192.9 秒
關係：依序執行
結果：完成
11. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：1.0 秒
關係：依序執行
結果：完成
12. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：1.1 秒
關係：依序執行
結果：完成
手動來源字幕
- 尚未產生
自動來源字幕
Whisper 字幕
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
- 校正前 transcript.whisper.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 逐字稿全文快速校讀未完成
已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。；RAPID_REVIEW_STATUS=REVIEW_REQUIRED_INVALID_OUTPUT
- 逐字稿可先使用，但有待校正清單
segment=626 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=628 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=639 adjacent_duplicate: 與前一段完全重複，可能是滾動字幕或 ASR 重複
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。