對話 Wang Qiao：目前加密代幣對我吸引力不大，2026 重倉了 Google

整理 & 編譯：深潮TechFlow

嘉賓：Qiao Wang

主持人：Jason Yano

播客源：Empire

原標題：Claude Opus 4.5’s Breakout Moment & Investing in 2026 with Qiao Wang

播出日期：2026年1月12日

要點總結

本週，做客節目，與我們探討了人工智能如何在 2026 年重新定義成為一名投資者的意義。 我們深入分析了 Claude Opus 4.5 的突破性時刻、Qiao 為什麼選擇投資 Google 的交易、如何構建 2026 年的投資組合、在人工智能時代如何合理分配時間等話題

精彩觀點摘要

• 現在市場的情緒過於樂觀。
• “我的投資組合中大約有 40% 是現金。”
• 加密代幣的吸引力不大，但市場總會有機會，專注於逐個分析資產，而不是單純看整體資產類別。
• 股票和比特幣的持倉比例大約是 50/50。
• 最大的投資是谷歌，此外我還持有騰訊的股票，騰訊是一家非常優秀的公司。
• 目前被市場忽視的一個領域是 AI 驅動的生物技術， AI 在生物技術領域的潛力巨大。
• 到了 2026 年，我們可能會看到一些只有一兩個人的獨角獸初創公司。
• 一些最成功的人工智能初創公司，並不是像 ChatGPT 或 OpenAI 這樣的公司，而是一些利用人工智能的小型企業。
• 公司護城河的本質並沒有變，但軟件領域的護城河確實正在快速弱化。
• 現在代碼本身已經不是瓶頸了，關鍵在於設計合適的“提示”（Prompt）。
• Gemini 的價值被低估了至少兩個數量級。 “我會願意支付 Gemini 每月 2000 美元的收費。”
• 我覺得 Adob​​e 可能是今年的 Google，因為它目前的估值非常便宜，而且市場對它的看法和當時對 Google 的看法有點類似。
• 每個人都應該學會寫代碼，而且必須學會，大家可以通過自動化工具來優化自己生活和工作的某些環節。
• AI 這些工具會讓那些本來就高效、有能力的人變得更高效、更聰明。
• 在健康方面，最重要的還是三個基本因素：飲食、睡眠和鍛煉。

Qiao 的 2026 年投資組合

 大約一個月前你提到了市場的現狀並表達了某種程度的擔憂，你還提到過互聯網泡沫時期，比如 1996 年，有人預測市場即將觸頂，但市場卻又持續上漲了三年。

另外，我還看到你的一條推文，討論了前瞻市盈率與接下來十年的回報率之間的關係。 你提出了一些反駁的觀點，但最後你說了一句：“我仍然感到害怕。”

雖然我不能說所有人都如此，但你可以看到，在社交媒體上有很多人在炫耀自己的投資收益，尤其是過去一周的市場波動，這種情緒確實很明顯。 從定量數據來看，目前市場估值已經接近歷史最高水平。 當然，有人會說，現在的企業盈利能力更高，競爭優勢更強，經濟結構也更加穩固，再加上貨幣寬鬆政策對市場的推動，當前的估值是合理的。 但無論如何，我們無法否認市場估值確實處於歷史高點。 因此，我並沒有完全投入風險資產。 實際上，雖然如果市場繼續上漲，我可能會錯過一些機會，但至少我能睡得更安穩。

 我聽了德魯克和穆勒的採訪，他提到：“如果連德魯克都無法預測，那我們這些普通投資者又怎麼可能做到呢？

這也是為什麼我更。 如果你看整體市場，確實估值很高，但這樣一來，即使整體市場下跌，你的恐懼感也會降低。 在 2000 年的互聯網泡沫時期，雖然科技股在接下來的十年裡表現不佳，但小型股和價值股卻表現得很好，年均增長率達到 10%。 我認為

目前我認為，但市場總會有機會，比如 2022 年的情況。 當時出現了很多值得投資的機會。 因此，現在我還是。 如果從整體來看，現在幾乎沒有特別有吸引力的資產，除了美元。 但如果逐一分析資產，你可能會發現一些機會。 至於加密貨幣，我仍然持有一些比特幣和少量代幣，但整體投資比例很小。

，但這並不是我理想的投資組合，因為如果我賣掉比特幣，需要支付很高的稅費，至於加密貨幣代幣的比例非常少，不到 1%。

騰訊是一家非常優秀的公司，雖然它的業務比較低調，但它的基本面非常穩健。

目前是的。 阿里巴巴在 AI 領域更具優勢，但它的零售業務競爭非常激烈。我覺得去年的市場情緒對亞馬遜非常不利，因為所有科技巨頭的股價都上漲了，只有亞馬遜表現疲弱。 另外，我也非常看好亞馬遜在機器人技術方面的佈局。

 他們可能會成為第一家擁有更多機器人員工而非人類員工的大公司。

在過去五年裡，亞馬遜的人類員工數量保持穩定，但機器人員工數量增長了 20% 到 30%。 他們在過去幾年裡顯著提高了利潤率，儘管收入增速不高。

我持有一些 Eli Lilly 的股票，但這是一個短期交易，而不是長期投資，因為我對製藥行業的了解有限。 我不知道十年後會發生什麼，我知道十年後我可能仍然會使用亞馬遜，但製藥行業的競爭者太多了。 雖然 Eli Lilly 擁有強大的專利壁壘，但市場上還有很多便宜且有效的灰市中國肽，這些產品直接與 Eli Lilly 競爭。

我覺得。 雖然大家都在關注機器人、無人機和 AI 聊天機器人，但我認為

沒有，特斯拉的估值太高了，Rivian 我還不太了解。

從估值來看，我覺得我持有 Coinbase 的股票，而 Robinhood 的估值過高。

你是指像微信那樣集成了消息傳遞、支付、社交等功能的超級應用嗎？ 我覺得在金融領域，已經有類似的趨勢了，比如 Robinhood。 但如果是像微信那樣全面覆蓋生活方方面面的超級應用，我暫時還看不到這樣的可能性。

Claude Opus 4.5 的突破性時刻

 我想聊聊 Claude 和 Opus 4.5，我覺得最好的切入點是提到你在推特上說的一個“天哪，這結束了”的時刻。 在過去幾年裡，有幾個類似的時刻讓我有同樣的感覺：

我無法向你解釋它背後發生了什麼，但我可以告訴你我作為用戶的感受。 上一次我寫代碼可能是一年前，但認真寫代碼已經是三年前的事情了。 從 2010 年到 2017 年，在進入加密貨幣領域之前，我一直從事量化交易，每天都在寫代碼，從超低級別的 C++ 到更高級的 PYTHon 數據科學代碼。 這是我工作了七年的領域，我還寫過一些前端和後端代碼。 但自從離開 Messari 後，我就沒有認真寫過代碼了，最近幾年只做了一些個人項目，每年年底才會抽點時間去做。

Opus 4.5 和以往不同的是，以前你可以快速組合一個演示，但最後的 5% 總是很難讓 AI 完全完成，仍然需要一個優秀的工程師來處理細節，比如錯誤和邊界情況，而

Claude 和 Opus 可能正在經歷 Twitter 上的炒作週期，因為我有工程師朋友告訴我，OpenAI 最新的 gpt-5 Pro 幾乎與 Claude 一樣好。

這兩個我都用過，但實際上 Opus 是讓我第一次從 ChatGPT 切換的工具。 對我來說ChatGPT 的記憶功能讓我非常依賴它，以至於我覺得自己可能會一直用它，因為它知道我的所有事情，但現在 Opus 4.5 對我而言更勝一籌。

現在有一種新的工作方式，我不確定該把它歸類為還是聊天機器人，因為兩者之間的界限在變得模糊。 舉個例子，我剛剛用 Opus 4.5 完成了一件事，我們在 Blockworks 有一個由八人組成的銷售團隊，通常情況下我們需要決定每個賬戶應該分配給誰負責銷售，並劃分賬戶的優先級，比如 Tier 1、Tier 2 等。 每個銷售人員都會有自己的判斷，比如某人負責 10 個 Tier 1、30 個 Tier 2 和 100 個 Tier 3 的賬戶。 這種分配工作往往很複雜。 於是，我將這個問題交給 Claude 處理，並讓它整合相關信息。 我告訴它，如果某個代幣的 FDV（Fully Diluted Valuation，全稀釋估值）超過 10 億美元，這個賬戶就可以獲得額外的優先級；如果該代幣對應的項目是上市公司，那就更好。

Claude 從 CoinGecko 和 CoinMarkETCap 等多個數據源中提取了相關信息，對這些賬戶進行了排名。 接著，它分析了過去八年裡我們團隊每位銷售人員與 Blockworks 的交易記錄，了解了我們銷售的產品類型，並根據每位銷售人員與這些賬戶達成交易的可能性，將賬戶分配給合適的人。

我在假期的時候也意識到了你說這種情況，通用聊天機器人和傳統寫代碼之間的界限正在逐漸模糊。 你和一個通用聊天機器人對話時，它通常會根據你的需求即時生成一段代碼，而現在你需要寫代碼的時候，這使得代碼助手和通用聊天機器人之間的功能逐漸融合在一起。

我覺得它們的目標用戶群體不同。 我還沒試過 Lovelace 的最新版本，但我感覺 Lovelace 更適合那些希望快速構建一個好看演示或簡單應用的用戶，它們在前端開發方面表現很好，雖然我自己並沒有實際用過。 所以我一開始用的是 Cursor 搭配 Opus 4.5，後來又試了 Claude 和 Opus 4.5。 說實話，在提升生產力方面，我沒有感覺到明顯的差別。 對我來說，它們的表現差不多，但這只是我的個人體驗。

人工智能如何影響初創企業？

基本上，我會在每個小組中詢問，尤其是每個初創公司的技術合夥人，自從 2022 年 ChatGPT 發布以來，你們的生產效率提升了多少？ 幾乎每次得到的答案都比上一次更高。 這種趨勢非常一致。 最近一個小組的回答是，他們的生產效率提升了大約 3 到 4 倍。

我認為因為代碼助手的一個限制在於它的“上下文窗口”（Context Window）。 比如說，假設 Claude 能處理一百萬個 token，這意味著它可以非常高效地幫助你啟動一個新項目，並且效果很好。 但如果你讓 Claude 去修改整個 Google 的代碼庫，那幾乎是不可能的，對吧？ 所以這類工具對早期的小型初創公司幫助更大，而對大公司則相對受限。

這樣可以將復雜的任務拆解成小塊，縮小上下文範圍，再輸入到 AI 系統中，從而讓系統更容易理解。

不過我認為用“生產力”這個詞來描述人工智能的影響並不完全準確，尤其是在早期階段的初創公司。 如果你是一家有 100 人、200 人甚至 1000 人的公司，生產力提升 3 倍、4 倍可能是一個很大的變化。 但對於早期階段的初創公司來說，他們甚至不會去考慮“生產力”這個問題。 他們的想法更多是：我們為什麼還要雇更多人？ 我在投資的公司和朋友們的初創公司中經常看到這種情況。

他們會覺得，。 這種現象真的很有趣。 比如我最近在銷售方面做了兩個工具：一個是銷售佣金計算器。 銷售團隊經常問我，他們能賺多少錢。 以前我們需要找財務團隊去計算，而財務團隊又覺得這很麻煩，現在有了這個工具，問題就解決了。

另一個工具是銷售數據的儀表板。 這個工具可以計算出儀表板的成本。 以前我們需要找數據團隊，還要考慮他們是用 Dune 還是 Gold Sky 來索引數據。 如果都不是，我們還得額外支付費用。 現在我基於所有端口開發了一個儀表板成本計算器。

這些小工具的意義是什麼呢？ 它們意味著我們不需要再僱一個專門負責銷售支持的人，所以這樣的初創公司可能已經起步了，雖然現在還沒有達到十億美元的估值，但他們已經在快速發展了。

絕對是這樣的。 我認識很多人，他們現在獨自運營著年收入 1000 萬美元的訂閱收入業務，這些人往往是像 Meta 和 Uber 的前工程師，他們厭倦了大公司的繁文縟節，於是選擇自己出來創業。

不過我發現一個有趣的現象：這些公司不願意對外透露他們的核心業務。 通常來說，如果你有一家初創公司，業務發展得很好，收入快速增長，你會想告訴全世界，去籌集資金，或者在社交媒體上宣傳。

護城河（Moats）是否依然存在？

對早期的初創公司來說，幾乎沒有什麼護城河可言。 像 Facebook、Google、MiCROsoft 和 Apple 這樣的公司，它們的護城河依然堅固。 AI 代碼助手並不能摧毀這些護城河。 比如，Apple 的護城河是其開發者生態系統，而 Microsoft 的護城河是用戶從 PC 切換到其他平台的高成本。 在雲服務領域，AWS、Azure 和 Google GCP 的護城河則是客戶切換雲平台的高昂成本。 此外，還有像 YouTube 這樣擁有海量專有數據的平台，它們可以利用這些數據開發出非常強大的視頻模型。 再比如 Microsoft 的企業級軟件，這些都是超級關鍵的工具。 當然，你可以復制 Office 的功能，但企業真的會從 Office 切換到其他軟件嗎？ 對他們來說，這些工具太重要了，切換成本太高了。

但是我最近注意到一個例子，它可能是當前金融市場上最大的低估案例之一，那就是。 Photoshop 和 Adob​​e 的創意套件非常有名，現在市場上有一種觀點認為最新的視頻模型和圖像生成模型會取代 Adob​​e 的產品。 但我認為這種看法完全錯誤，因為對於這些創意行業的專業人士來說，從 Adob​​e 雲切換到其他服務的成本非常高。

此外，很多創意工作者已經使用 Photoshop 很多年了，操作已經形成了肌肉記憶。 對他們來說，切換到其他工具是非常困難的。 因此，Adobe 目前的市盈率只有 12 倍，這對於這樣一家高質量的公司來說簡直是不可思議的低估。

 假設你在一家公司工作，比如一家已經有 500 人規模、運營了十年的初創公司。很多年輕的創業者可能已經熟悉這些技術，但對於一家比較成熟的公司來說，可能沒那麼容易適應。 員工可能只是簡單地把東西丟到 ChatGPT 裡，然後發出自動郵件。

順便提一句，這其實就是我們在過去三年裡在 Alliance 的經歷。 我們三年前就知道 AI 會成為一個重要趨勢，當時我們就提出要成為“AI 優先”的組織，但我們並沒有試圖把 AI 強加到組織的每個角落。

相反，我們。 比如，我們每年會收到成千上萬份申請。 三年前，我需要親自閱讀所有的申請文件，一年大約有 5000 份。 這種工作非常耗費精力，簡直讓人筋疲力盡。 但現在，我們利用 AI 自動化了大約 50% 的工作。

是的，這個軟件是我們的工程師開發的。 我認為。 我不會說這是一種秘密武器，因為大家其實都知道優秀創始人的一些特徵。

我只是把這些關於優秀創始人或者優秀初創公司的經驗法則轉換成了提示，用來篩選申請。 目前，這套系統的主要作用是排除那些明顯不合格的申請，而不是直接告訴我哪些是最優秀的候選人，因為我認為這一部分仍然需要人類面試官的判斷力。 AI 還沒有達到這個水平，但我相信，到今年年底，你會看到在這方面的表現會超過人類。

 我覺得現在這些工具的價格簡直太低了，就像 Uber 剛推出時，從紐約金融區到上東區只需要 5 美元一樣。 當時你會覺得，這個價格顯然是錯誤的，但他們是通過風險投資補貼來吸引用戶。

至於 Opus，我現在還不太確定，這取決於我用它能構建出什麼。 不過就現在我只需要支付 20 美元就能使用它的專業版，而我甚至還沒有升級到 Pro Plus。

實際上，我在推特上說過，它是一個研究助手、初級研究員、初級代碼助手、一個相當不錯的醫療顧問（可以核對醫生的建議），以及一個相當不錯的法律助理。 綜合來看，如果你把這些功能加在一起，2000 美元的價格簡直太划算了。

投資 Google 的決策

其實我半年前分析過自己的時間分配，這也促使我做出了投資 Google 的決定。 我查看了我的 IPhone 使用記錄，發現我使用，而它們全都是 Google 的產品。

當然，我一開始也擔心 ChatGPT 會對 Google 的搜索業務造成威脅，所以我跟我妻子聊了聊。 她給了我一些啟發，她說她使用 Google 搜索最多的場景是購物，而短期內 ChatGPT 並不能完全取代這一功能。 然後我做了一些研究，發現實際上

短期內沒有人能撼動它的地位。 此外，Google 還有 GCP（Google Cloud PlatFORM）、TPU（張量處理單元）等技術優勢，這些都是後來我才意識到的關鍵點。 我認為，這些因素都表明 Google 的護城河非常牢固。 因此，去年我決定投資 Google，這幾乎是我去年唯一的一筆大額投資。

 去年除夕的時候，我和 Google 的一位員工一起吃飯，我們聊到了這些事情。 大家都在討論自己常用的工具。 那位 Google 員工提到，很多人都忽略了一個事實，那就是

其實我自己從來沒用過，但我知道它的使用場景很多。

但所有新用戶都會使用 Google，我覺得市場上一個常見的誤解是，Adobe 並不是一個面向消費者的產品，而是一個企業級產品。

 企業級產品是沒錯，但我的公司根本不會考慮使用 Adob​​e，Figma 更受歡迎。

Figma 和 Adob​​e 實際上服務的是兩個不同的市場。 針對新項目演示和網站開發的市場競爭，Adobe 已經輸了，Figma 在這一領域佔據了主導地位。 那 Canva 呢？

Canva 面向的是低端市場，更適合業餘用戶，而 Adob​​e 則是為高端企業用戶服務的。 所以我同意你的觀點，Adobe 的新用戶增長確實已經停滯很久了，但它的定價能力非常強，能夠持續提高訂閱費用。

2026 年如何合理分配時間

嗯，我認為如果不這麼做，就可能會被遠遠甩在後面。。 我相信未來會有很多 B2B SaaS 軟件，比如 Gmail、Zoom 這樣的工具，大家仍然會為這些通用工具付費使用。 但與此同時，每個人的工作流程中都會有一些特別的需求，而這些需求是非常個性化的，第三方軟件公司可能不會專門開發這些針對性的解決方案。

 比如我們在 Blockworks 可以自己開發一個佣金計算器。 這就是一個很好的例子，沒人會開發一個專門的 SaaS 軟件來做這種事情。

而且，當我說“每個人都應該學會寫代碼”時，這並不需要讓人感到害怕。 因為現在的技術已經讓我們不需要真正去寫複雜的代碼了。 你只需要用自然語言和系統對話，就可以實現自動化。

所以，我會強烈建議大家，不一定非要用像 Claude Opus 這樣的複雜工具。 我可以推荐一些更簡單、易上手的工具。 比如 Replit，我第一次意識到人工智能的潛力時，就是通過 Replit。 那時我才明白，人工智能不僅僅是一個聊天機器人，它可以幫助你構建任何東西。 這種技術會徹底改變我們的世界。 我非常建議大家去試試 Replit，它真的非常酷。

我覺得這會像互聯網的普及一樣人工智能是一個極為強大的工具，能顯著提升效率，但

使用 AI 模型進行投資

是的，確實花了我不少時間。 雖然結果還不錯，但更重要的是，在構建這個工具的過程中，我對相關技術有了更深入的理解。

這個工具可以看作是沃倫·巴菲特、查理·芒格、霍華德·馬克斯、彼得·德魯克和比爾·米勒等投資大師的數字化克隆。 它會定期掃描成千上萬的股票代碼，並對每一隻股票進行深度研究，試圖模擬巴菲特和芒格的投資邏輯。

代碼的部分其實很簡單，但設計提示（PROMPT）卻花了我幾個月的時間反複調整。 我設計了一套非常詳細的提示，用來模擬巴菲特和芒格評估潛在投資機會的思維過程。

這套流程分為六個步驟，通過深度研究模型收集他們可能關注的六個關鍵方面的信息，接著調用另一個 API，使用推理模型進行分析。 深度研究和推理模型是兩個獨立的環節。

深度研究模型非常擅長收集事實和數據，而推理模型雖然有時會生成一些錯誤信息，但在邏輯推斷方面表現得更為出色。 一旦將準確的數據輸入推理模型，它的分析能力遠超深度研究模型。

接下來，我會在，讓它模擬“數字巴菲特和芒格”的投資委員會，分析是否值得投資某隻股票。 最終，它會輸出一個具體的建議，這就是整個流程。

你聽說過一種理論嗎？ 有人認為文藝復興科技公司（RENAissance Technologies）早在其他人之前就發現了大型語言模型（LLMs），但他們一直將這一技術保密，這可能是他們投資回報率如此之高的原因。 不過我設計巴菲特和芒格模型的初衷，就是為了避開和文藝復興科技公司的競爭。 他們在短期交易方面非常擅長，比如日內交易或一周內的操作。 在這種短時間尺度上，最新的 AI 模型確實很難與之競爭。

沒錯，但我的模型更偏向於長期投資。 現在的市場上，幾乎沒人有耐心持有一隻股票超過 5 分鐘，這也是語言模型可以發揮作用的地方。

 我會對他們的建議進行加權平均，綜合考慮。

是的，還有一個有趣的現像是，如果你多次運行同一個提示，模型每次可能會給出不同的答案，所以如果多次運行同一個問題並對結果進行平均，而每次結果都建議買入某隻股票，那麼這個建議的可信度就會大大提高。

它推薦了大約十隻股票，其中有四隻實際上已經在伯克希爾·哈撒韋的投資組合中。 比如 Chubb，一家保險公司，還有 Google。

人工智能如何改變品牌和分發方式？

 比如我們之前提到的 Delphi，不知道你有沒有註意到 OpenAI 最近推出的 sora 工具。 通過 Sora，你可以克隆某個人的形象並將其嵌入到你的視頻中。 這又讓我想到了關於營銷和品牌的變化。 在不久的將來，品牌營銷顯然會變得更加個性化。

這種趨勢其實已經開始了。 前幾天我在 LINKedIn 上看到一個廣告，上面寫著：“嘿，Jason，作為 Blockworks 的聯合創始人，我真的認為你會喜歡 Rippling。”

人工智能將使他們的廣告算法變得更加智能，廣告會變得非常精準。 其實，我前幾天在網上搜索了一個詞——High Rocks。 它是一種類似 crossFit 的馬拉松式健身活動，我最近一直在為 High Rocks 訓練，所以我在 App Store 上搜索 High Rocks 的健身應用，結果發現了一些專門針對 High Rocks 訓練的健身應用。 但 High Rocks 是一個非常小眾的活動，按理說不應該有這麼多專門的應用。

我覺得這很奇怪，於是我想知道這些應用是否真的是為 High Rocks 設計的，還是它們只是針對搜索“High Rocks”的用戶定制了廣告。 果然，所以我認為

健康與長壽

其實歸根結底，。 2021 年的時候，我曾經非常追求細節上的優化，比如嘗試各種保健品、桑拿等方法。 但經過四五年的個人實踐、閱讀大量研究和聽了無數播客後，我發現

說實話，我現在不再過度追求飲食的極致優化了。 那樣做讓我感到壓力很大。 我只是盡量保持健康飲食，不給自己太多負擔。

 這讓我想起了一個神經學的 meme 圖，中間那個人每天做複雜的食物準備，早上還要吃 17 種補充劑。 而你現在的態度就是“吃健康就行，不用糾結”。

是的，我發現如果我試圖把每件事情都做到極致優化，比如像布萊恩·約翰遜那樣（注：布萊恩·約翰遜是以極端健康管理聞名的企業家），我會感到很大的壓力。 而壓力會導致皮質醇水平升高，這對長壽是沒有好處的。