伊朗战争的结果可能不仅决定中东，还将决定整个世界秩序。桥水基金的瑞・达里奥一再警告："当世界主导力量表现出失去军事和金融控制时，观察其盟友如何失去信任。" 这句话看似抽象，实则不然。对大国而言，认知比现实更重要。一个国家靠的不是它实际有多强大，而是它看起来有多强大。历史已多次证明这一点。奥斯曼帝国在 600 年间一直是世界上最强大的国家之一。它统治着三大洲。其军队是让欧洲颤抖的力量。但在某个时刻，扩张停止了，问题开始了。奥斯曼在军事上过度扩张了。从欧洲到中东，从非洲到高加索，到处都有士兵。每一条边界都是一个承诺。每一个承诺都是一种成本。在同一时期，另一件事发生了。欧洲在技术上迅速进步。工业革命开始了。新武器、新舰船、新生产方法。奥斯曼在这场比赛中落后了。军事扩张在继续，但技术进步停滞了。然后一种认知形成了。欧洲给奥斯曼贴上了 "欧洲病夫" 的标签。奥斯曼依然强大。依然拥有庞大的军队。依然拥有广阔的领土。但认知改变了。欧洲不再将奥斯曼视为强大的对手。奥斯曼不是在一场战争中崩溃的，而是在一种认知中崩溃的。现在看看今天。美国有 750-800 个军事基地。分布在 70-80 个国家。世界每个角落都有士兵。每一个基地都是一个承诺。每一个承诺都是一种成本。中国只有 1 个军事基地。美国在军事上扩张。就像奥斯曼一样。那么技术上呢？哈佛大学的一位经济学家分享了一个惊人的数据。如果你把人工智能投资从美国经济增长中剔除，增长率是 0.1%。几乎为零。高盛首席经济学家说了同样的话。人工智能对美国经济几乎没有贡献。那中国呢？中国增长了 5%。能源生产是美国的 3 倍。生产是美国的 2 倍。机器人生产领先。电动汽车领先。5G 领先。一边是一个在军事上扩张但经济在剔除人工智能后几乎不增长的国家。另一边是一个在军事上克制但在技术和生产上快速增长的国家。奥斯曼在军事上扩张时，欧洲在技术上进步。今天美国在军事上扩张时，中国在技术和生产上进步。这个模式熟悉吗？就在这一点上，伊朗战争介入了。达里奥说，全世界都在关注美国在伊朗战争中的表现。盟友们在记录美国保护他们的能力，或无能。领土上拥有美国基地的国家的领导人，正在从海湾地区拥有美国基地的国家的遭遇中吸取教训。海湾国家几十年来为安全向美国支付了数万亿美元。建立了基地。购买了防御系统。伊朗战争开始时发生了什么？价值 3.5 万美元的无人机在某些地方突破了价值数十亿美元的防御系统。一些设施被击中，港口受损。沙特官员公开传达信息称，依赖美国的时代已经结束。如果一个 50 年的盟友在世界媒体面前这样说，这不是一个普通的声明。这是向世界发出的信息。北约在伊朗战争中没有完全支持。世界上最大的军事联盟保持了距离。达里奥正在解读这些信号并发出警告。各国不再确定美国会保护他们。他们开始考虑自己保障自己的安全。达里奥做出了他最重要的观察。决定哪个国家会获胜的最可靠指标，不是谁最强，而是谁能最长时间忍受痛苦。对伊朗来说，这场战争是生存性的。对美国来说，是汽油价格和中期选举。这种不对称可能改变平衡。现在让我们看看两种情景。如果美国从伊朗战争中带着它想要的东西离开，认知得以维持。盟友继续信任。美元保持强势。秩序继续。如果美国软弱地离开，问题就开始了。盟友重新计算。资金流向它认为安全的地方。平衡倾斜。当奥斯曼被称为 "病夫" 时，它依然强大。但认知改变了。当认知改变时，现实也改变了。今天，这种认知正针对美国被提出。美国还是那个强大的国家吗？答案将由伊朗战争给出。《财经》可以看的财经数据，但因为还是习惯于摘抄西方报道和数据，选择性分析阅读。金融投资看的是历史，如果相信东升西降，自然就明白投资的方向。2026 年 #123

2026-74

该文剖析 2025 年茶咖外卖大战，直指增收不增利的困境与 K 型分化，指出赢家是深耕供应链与加盟体系的品牌。可参考原文 "2025 年，对于现制茶饮和咖啡行业来说，是冲锋陷阵、难以忘却的一年"" 外卖大战最宝贵的遗产，不是订单量突破历史纪录，而是行业对 ' 什么才是真正竞争力 ' 的集体反思 " 等内容继续探究。

本期封面文章《全球重审能源安全》。内容简介本期收录文章《AI 对劳动力市场的影响》《能源转型的长期确定与短期不确定》《中考改革：公平与减负需并行》等。

当下的世界切面，割裂但真实。一方面，美伊冲突已持续近 2 个月，每一次和谈都被解读为下一次冲突的倒计时，油价忽涨忽跌，黄金时而避险时而沉寂。不确定性，似乎成为唯一确定的事。另一方面，AI 发展置身另一平行时空：从 ChatGPT 拓宽想象边界，到 DeepSeek 以更轻量的架构挑战大模型霸权，再到如今 “全民养龙虾”，AI 正以一种无视地缘冲突和宏观周期的速度，重塑着人类生产与创造的逻辑。好在，当世界演绎不确定，我们仍能找到一些相对确定的投资中的锚。

当前 AI（人工智能）的直接冲击并不算大，我想有几方面的原因。第一，技术扩散的速度。这并不只是 AI 扩散速度本身快慢的问题，更重要的是，技术扩散在产业链上下游的传导时滞，恰恰是岗位创造的动力来源。当 AI 在产业链某个环节迅速提升了供给能力，对应的上游和下游环节就会随之提升需求。只要 AI 尚未扩散到整个产业链，那些还没被触及的环节，其岗位需求规模和劳动价值反而会上升。第二，准确率的问题。岗位是由一系列连续的任务组成的。AI 的准确率虽然不断提升，但其在各项任务中表现出的能力参差不齐，有很多关键节点仍需要较强的人工干预，AI 尚无法实现对岗位的整体性替代。第三，风险与监管因素。相当一部分岗位需要职业资格认证，必须合法合规，并且要有明确的责任认定和落实机制。例如医生、护士、驾驶员等岗位，并非企业单方面就能决定用 AI 替代这类职业。第四，数据短板。在当前的模型下，AI 暴露度的高低和就业替代风险的大小，取决于该领域、该环节可用的数据量。为什么信息处理类的白领岗位暴露度高？因为这个领域的信息正是大语言模型所擅长处理的。但很多领域并没有足够的数据可供训练，比如很多涉及物理世界的风险控制岗位，其偶发性导致可用的数据不多，还无法通过大语言模型直接适配。