Porozmawiajmy o stopie bezrobocia w piątek, nie będziemy rozmawiać o danych z rynku pracy, nie ma to większego sensu. Oczekiwana stopa bezrobocia wynosi 4,5%, a ostatecznie wyniosła 4,4%, co na pierwszy rzut oka wydaje się bardzo dobrymi danymi, ale w rzeczywistości jest to raport, który przynajmniej nie powinien budzić optymizmu, dlaczego? Dane: liczba bezrobotnych spadła z 7,78 miliona do 7,5 miliona, co oznacza spadek o mniej niż 280 tysięcy. Dlaczego spadła? W skład 7,78 miliona bezrobotnych wchodziło 2,6 miliona „bezrobotnych wracających na rynek pracy”, ta grupa liczb spadła do 2,34 miliona, co oznacza spadek o 260 tysięcy, co przyczyniło się do większości wcześniejszego spadku o 280 tysięcy bezrobotnych. Zatem co spowodowało spadek liczby „bezrobotnych wracających na rynek pracy”: 2 sytuacje 1. Jeśli uczestnictwo w rynku spadło, oznacza to, że ci bezrobotni opuścili rynek pracy i nie szukają pracy, co jest złym zjawiskiem. 2. Jeśli uczestnictwo w rynku wzrosło, oznacza to, że znaleźli pracę, co jest dobrym zjawiskiem. Dane: w grudniu uczestnictwo w rynku pracy spadło z 62,5% do 62,4%, a liczba osób niebiorących udziału w rynku wzrosła o 229 tysięcy. Wniosek: to zestaw danych, który powinien budzić ostrożność na rynku pracy, a nie radość.

Rozmowa między wielkim niedźwiedziem Michaelem Burry'm a liderami branży AI, podsumowana przeze mnie w Opus4.5: To była okrągła dyskusja na temat tego, czy AI jest przeszacowane, w której uczestniczyli: Michael Burry (inwestor, który przewidział kryzys hipoteczny w 2008 roku, sceptyczny wobec AI) Jack Clark (współzałożyciel Anthropic, optymistycznie nastawiony do rozwoju AI) Dwarkesh Patel (prowadzący podcast) Patrick McKenzie (prowadzący) Główne kontrowersje Na temat postępów w AI: wszyscy zgadzają się, że architektura Transformer i prawa skalowania przyniosły niespodziewane ogólne zdolności. Jack podkreśla, że "obecne AI to najgorsza wersja" — tempo wzrostu zdolności jest szybkie, ale decydenci często tego nie rozumieją. Na temat produktywności: mimo że AI przeszło wiele powszechnych definicji "AGI" (test Turinga, złożone rozumowanie), rynek pracy prawie nie odczuł wpływu. Programiści sami zgłaszają wzrost produktywności o 50%, ale badania METR pokazują, że efektywność może spaść o 20% po użyciu narzędzi AI. Ta sprzeczność nie została jeszcze rozwiązana. Na temat bańki inwestycyjnej: Burry jest najbardziej ostrym krytykiem. Zauważa: Nvidia sprzedała chipy za 400 miliardów dolarów, ale przychody z końcowych aplikacji AI wynoszą mniej niż 100 miliardów Firmy technologiczne stają się kapitałochłonnymi firmami sprzętowymi, a zwrot z inwestycji (ROIC) szybko spada Chipy stają się przestarzałe co kilka lat, ale aktywa są sekurytyzowane na 20-letni okres — to "samo stwarzanie problemów" Używając porównania Buffetta do "windy": jeśli wszyscy konkurenci używają AI, nikt nie może uzyskać trwałej przewagi, wartość tylko przepływa do konsumentów Na temat krajobrazu konkurencyjnego: żadna firma nie może utrzymać przewagi — Google, OpenAI, Anthropic na przemian prowadzą. Burry uważa, że Nvidia i Palantir to "najbardziej przeszacowane dwie firmy". Na temat ryzyka: Jack najbardziej obawia się "AI rozwijającego AI" w kontekście rekurencyjnej samodoskonalenia. Burry bardziej martwi się o problemy infrastrukturalne, sugerując, aby rząd inwestował w małe reaktory jądrowe i modernizację sieci energetycznej. Jak używają AI Burry: używa Claude'a do tworzenia wykresów i wyszukiwania informacji, ale nadal musi ręcznie weryfikować dane Dwarkesh: traktuje LLM jako prywatnego mentora, uważa, że to lepsze doświadczenie niż z ludzkim mentorem Patrick: używa LLM do tworzenia wszystkich wykresów w prezentacjach Co zmieniłoby ich zdanie Burry: agenci AI zastępują miliony miejsc pracy; przychody z warstwy aplikacji osiągają 500 miliardów dolarów Jack: scaling naprawdę "napotyka ścianę"; przełom w rozproszonym treningu pozwala modelom open source osiągnąć poziom czołowy Dwarkesh: problem ciągłego uczenia się zostaje rozwiązany; linia czasowa AGI ulega dalszemu skróceniu.

Tata Chen🤪