特朗普的「阳谋」:故意制造一场经济衰退

Odaily星球日报Publicado a 2025-03-05Actualizado a 2025-03-05

Resumen

是危险也是机遇,一旦美联储正式开启大规模降息,也将迎来美股和加密市场的繁荣时刻。

原文作者:深潮 TechFlow

特朗普的「阳谋」:故意制造一场经济衰退

最近,无论是美股还是加密货币市场,都迎来大回调,一方面是加征关税,让通胀一时难以下降,美元指数仍在高位,其次,美国糟糕的经济数据也让投资者心里咯噔一下,“交易衰退”可能真的要来了。

根据 3 月 3 日,亚特兰大联储的 GDPNow 预测数据显示,美国 2025 年第一季度 GDP 增长率的预测已暴跌至收缩 2.82% 。而在 2 月 26 日时,该模型预测的结果还是增长 2.32% ,仅短短 5 天(2 个工作日),美国一季度 GDP 预期就迅速下调了 510 个基点。

这也是 2020 年新冠疫情以来,该模型对美国季度 GDP 预测的最差一次结果。

然而,在一些华尔街人士的眼中,这是特朗普的“阳谋”,前雷曼兄弟交易员拉里·麦克唐纳 (Larry McDonald)在最新的播客中表示,特朗普正在试图通过故意制造一场经济衰退,以达到逼宫,让美联储降息和减少美国政府利息支出的目的。

“你不能通过大规模的财政支出来抑制通胀,特朗普团队知道这一点。他们需要一场经济衰退,只有这样才能降低利率并延长债务期限。特朗普政府正在实施“金融压制”,将利率压低到通货膨胀率以下,这是摆脱 37 万亿美元债务困境的唯一途径,除了违约之外没有其他办法。”

相关阅读:《播客全文|对话前雷曼兄弟交易员:特朗普需要一场经济衰退来修复经济

一直以来,特朗普和美联储不对付已放在台面上,美联储为了降低通胀,顾虑重重,希望缓慢降息,特朗普则要求赶紧降息,让政府债务支出下降,他想在中期选举的时候不落下风,必须降息促进经济,给市场充足的流动性,也降低美国贷款群众的压力。

根据估算,如果利率保持在当前水平,明年美国的债务利息将达到 1.2 万亿到 1.3 万亿美元,这比美国的国防开支还要多很多。要知道,当下美国的财政收入也就 4 万亿美元左右,其中国家硬性支出在 3.5 万亿美元左右,而其医保支出则在 2.6 万亿美元左右,如果再加利息支出,这整个基本上就达到了财政收入的 1.7 倍左右。

这就需要美国继续要在高利率环境中以债养债了,市场流动性的枯竭还在继续,美债的成本还在迅速飙升。

因此,在特朗普眼里,不降息就等同于敌人,和自己对着干了。

作为一位精通谈判的商人,特朗普在这个时候选择“逼宫”,通过关税大战和 DOGE 裁员,甚至扬言要对美联储进行审计和人员优化,让美国经济暂时陷入衰退,美股跌一跌,从而给美联储增加压力,促使降息,同时也可以甩锅给上一届政府,等美股反弹回升之后又可以吹嘘成是自己的政绩。

此外,野村证券的分析指出,特朗普政府有意通过减少政府支出和就业,以及加征关税政策,引发一场“温和衰退”,以实现经济从政府依赖向私营部门的结构性转型。

这一策略短期内可能加剧经济下行压力,长期目标是打破美国经济对政府支出的长期依赖,推动私营部门成为增长的主导力量,重塑美国经济的增长模式。

不管怎样,在特朗普与美联储的博弈中,只能先苦一苦美国股市和加密货币市场,是危险也是机遇,一旦美联储正式开启大规模降息,也将迎来美股和加密市场的繁荣时刻。

Lecturas Relacionadas

Ingresos anuales de 100 millones de dólares, dos compañeros de cuarto de Berkeley de los 90 crean el negocio de IA más rentable

Una startup que no desarrolla modelos de IA, Arena, alcanza un ingreso anualizado de 100 millones de dólares. Su origen es Chatbot Arena, un proyecto de investigación de código abierto iniciado en 2023 por el grupo de investigación LMSYS de UC Berkeley. La plataforma alberga una clasificación líder (leaderboard) de modelos de lenguaje, basada en más de 82 millones de votos de usuarios reales que evalúan respuestas de modelos anónimos en duelo. Actualmente recibe más de 10 millones de visitantes mensuales. Todos los principales desarrolladores de IA, como OpenAI, Google y Anthropic, someten sus modelos a esta evaluación comunitaria neutral. Su servicio comercial "AI Evaluations", lanzado hace ocho meses, permite a empresas pagar por análisis profundos del rendimiento de sus modelos en escenarios del mundo real, lo que generó los 100 millones de dólares en ingresos. La empresa se constituyó formalmente en 2025, recaudó una ronda semilla de 100 millones y alcanzó una valoración de 1.700 millones de dólares. Sus cofundadores son Anastasios Angelopoulos (CEO), Wei-Lin Chiang (CTO, creador del modelo Vicuna) y el profesor Ion Stoica. Arena está expandiendo sus capacidades de evaluación hacia el modo "agente" para tareas complejas, posicionándose como un árbitro esencial en la evolución de la IA.

marsbitHace 28 min(s)

Ingresos anuales de 100 millones de dólares, dos compañeros de cuarto de Berkeley de los 90 crean el negocio de IA más rentable

marsbitHace 28 min(s)

Acaparó 24,000 estrellas: con un solo comando, la IA ya puede buscar habilidades por sí misma

## Resumen en español de Europa (Menos de 1500 caracteres) La herramienta `skills` de Vercel, un administrador de paquetes para agentes de IA que alcanzó 24,000 estrellas en GitHub en 5 meses, está transformando la programación con IA. Permite instalar "paquetes de habilidades" específicos (como mejores prácticas de React o reglas de diseño) en agentes como Claude Code o Cursor con un simple comando `npx skills add <paquete>`. Estos paquetes, que contienen instrucciones y scripts, permiten que la IA aprenda y aplique permanentemente el conocimiento contextual de un proyecto, pasando de la ingeniería de prompts a la "ingeniería de capacidades". La característica más futurista es `find-skills`, una habilidad que permite al agente buscar e instalar automáticamente el paquete necesario según la tarea del usuario, actuando como un motor de búsqueda de capacidades para IA. Sin embargo, este ecosistema emergente plantea graves riesgos de seguridad. Estudios como "ToxicSkills" de Snyk revelan que más del 30% de los paquetes auditados presentan defectos, incluyendo malware, inyección de prompts y robo de claves. A diferencia de npm, los "skills" combinan código, instrucciones naturales y acceso directo al sistema, amplificando el potencial de daño. Se recomienda verificar minuciosamente la fuente y los permisos de cada paquete antes de instalarlo. En esencia, Vercel repite su fórmula de éxito: simplificar procesos complejos (esta vez en la capa de los agentes de IA) en un solo comando, aunque la comunidad debe adoptar buenas prácticas de seguridad para este nuevo "momento npm" de la IA.

marsbitHace 28 min(s)

Acaparó 24,000 estrellas: con un solo comando, la IA ya puede buscar habilidades por sí misma

marsbitHace 28 min(s)

El ingeniero Claude finalmente presenta Fable 5: 'Manual de la Quemazón', enseñándote a romper la barrera de información con el modelo

Fable 5 ha tenido un viaje tumultuoso desde su lanzamiento, pasando de gran expectación a restricciones gubernamentales. Ahora, el ingeniero de Claude Code, Thariq Shihipar, comparte una guía clave para usar el modelo de forma efectiva. El problema central es la "brecha de información" entre el usuario y el modelo: la diferencia entre las instrucciones (el "mapa") y la tarea real (el "territorio"). A estas diferencias las llama "incógnitas". El éxito con Fable depende de nuestra habilidad para identificar y aclarar estas incógnitas, un proceso iterativo que ocurre antes, durante y después de la implementación. Thariq categoriza el conocimiento en: lo que sabemos que sabemos, lo que sabemos que no sabemos, lo que no sabemos que sabemos y lo que no sabemos que no sabemos. La guía ofrece técnicas prácticas para cada fase: - **Antes de implementar**: Escaneo de puntos ciegos, lluvia de ideas/prototipado, entrevistas inversas al modelo, uso de referencias (como código fuente) y creación de un plan. - **Durante la implementación**: Mantener un archivo de notas para registrar decisiones y desviaciones. - **Después de implementar**: Crear documentación explicativa para facilitar revisiones y realizar autoevaluaciones para asegurar la comprensión. El artículo concluye que, cuanto más potente es el modelo, más crítico se vuelve el método correcto. Invertir tiempo en definir las incógnitas con Claude, mediante prototipos, planes y preguntas, es la forma de alinear el "mapa" con el "territorio" y lograr los mejores resultados.

marsbitHace 32 min(s)

El ingeniero Claude finalmente presenta Fable 5: 'Manual de la Quemazón', enseñándote a romper la barrera de información con el modelo

marsbitHace 32 min(s)

Trading

Spot
活动图片