🧠 本次分享将聚焦哪些核心问题?
1️⃣ 从 Dot-Com Bubble 到 FinTech:技术浪潮中的人才迁移规律
- 互联网泡沫时期(Dot-Com Bubble)
- FinTech 崛起与成熟阶段
- 技术泡沫破裂后,哪些能力真正“存活”了下来?
- 为什么有些人被浪潮淘汰,有些人却完成跃迁?
- 当下 AI 所处的位置,更像哪一个历史阶段?
2️⃣ 从商业与资本视角,重新理解 AI 的成本结构
- AI Server 的真实成本结构(算力、能源、运维、折旧)
- GPU 在 AI 产业中的角色,为什么正在被视为“类资产”
- 为什么算力不只是技术问题,而是资本问题
3️⃣ GPU Asset-Backed Lending:算力资本如何重塑 AI 生态
- GPU 作为资产进行融资(asset-backed lending)的逻辑
- 这类金融结构如何影响 AI 创业、AI 公司扩张节奏
- 当算力成为“可融资资产”,AI 行业的门槛究竟是在降低,还是提高?
4️⃣ 对个人职涯的启示:谁适合转 AI?谁应该谨慎?
- 哪类背景的人,更可能在 AI 相关岗位中长期受益?
- 对已经在职的人来说,AI 是“主航道”还是“能力增强器”?
- 如何判断自己是该 All-in,还是策略性靠近?


