美国劳工统计局的新局长人选,特朗普选择了「MAGA 派」

深潮Publié le 2025-08-11Dernière mise à jour le 2025-08-12

一个政治色彩浓厚的人选执掌 BLS,可能进一步动摇市场对美国核心经济指标的信心。

撰文:叶桢,华尔街见闻

美国总统特朗普提名一位长期公开质疑官方经济数据的「MAGA 派」人物出任统计局局长,加剧了外界对于 BLS 未来政治独立性以及其经济数据可信度的深切担忧。

8 月 12 日,特朗普通过社交媒体 Truth Social 宣布,保守派经济学家 EJ Antoni 将出任美国劳工统计局(BLS)新任局长。特朗普在帖子中写道,「我们的经济正在蓬勃发展,E.J.将确保发布的数字是诚实和准确的」。该职位需要获得参议院的确认。

7 月非农爆雷后,特朗普火速解雇了前任局长 Erika McEntarfer,在没有提供证据的情况下,指责由前总统拜登任命的 McEntarfer 为政治目的操纵数据。

对投资者和政策制定者而言,BLS 数据的公正性至关重要。最近的就业报告已从根本上改变了市场对劳动力市场的看法——从稳固转向近乎停滞,并对美联储此前顶住特朗普降息压力、维持利率不变的决定提出了疑问。

如今,一个政治色彩浓厚的人选执掌 BLS,可能进一步动摇市场对美国核心经济指标的信心。

Bannon 力推的人选 政治立场鲜明

EJ Antoni 是保守派智库传统基金会的首席经济学家,拥有经济学博士学位,也是特朗普第一任期高级顾问、在保守派圈子中极具影响力的 Steve Bannon 力推的人选。据报道,Bannon 曾称 Antoni 是「在完美时机执掌 BLS 的完美人选」。

Antoni 的政治立场鲜明,他本人也毫不避讳。在最近一份就业报告发布后,他在 Bannon 的播客节目中被问及 BLS 是否由「MAGA 共和党人」掌管时,他回答说:「不幸的是,没有。」他补充说,这正是「我们持续遇到各种数据问题」的部分原因。

此外,Antoni 是「Project 2025」政策蓝图的贡献者之一,该项目主张在劳工部(BLS 的上级部门)内最大程度地增加政治任命官员的比例。

他还是 Unleash Prosperity 的高级研究员,该组织的领导层包括 Steve Forbes、Arthur Laffer 和 Stephen Moore 等知名人士,并定期向特朗普提供政策建议。

动摇「金本位」声誉的解雇风波

特朗普对 BLS 数据的公开攻击和对高层的人事干预,始于 McEntarfer 被解雇的事件。

8 月 1 日,在 BLS 公布了疲软的就业数据后,特朗普迅速解雇了她。该报告显示,过去三个月平均就业增长仅为 3.5 万人,同时对 5 月和 6 月的数据进行了高达 25.8 万人的下修,这是自疫情以来最大规模的向下修正。

特朗普声称这些数字是「被操纵的」,旨在让他和共和党人难堪。而 BLS 则表示,数据修正是纳入更多信息和季节性调整后的常规操作,旨在长期内提高数据准确性。

解雇 McEntarfer 的决定,在专业圈内引发了巨大震动。

BLS 局长的任期为四年,通常会跨越共和党和民主党政府,以确保工作的连续性和独立性。

就连特朗普自己任命的 McEntarfer 前任 William Beach 也批评称,这一解雇是「破坏性的」,并且「损害了 BLS 的信誉」。事件发生后,McEntarfer 的副手 William Wiatrowski 一直担任代理局长。

BLS 或面临重大改革

一旦任命通过,Antoni 计划对 BLS 进行重大改革。他曾呼吁对该机构所有的数据收集、处理、分析和发布流程进行「从上到下」的审查,并表示 BLS 应在其网站上公布更多信息以提高透明度。

与此同时,特朗普政府也已提出更广泛的机构改革方案。其 2026 年预算提案建议,将 BLS 划归至商务部管辖,与人口普查局、经济分析局等其他经济统计机构并列。该提案还计划削减 BLS 的预算和人员编制,这将加剧该机构本已面临的资金挑战。

作为负责发布美国就业和通胀等关键经济数据的机构,BLS 的产出是制定从薪资标准到调整社会保障福利等一系列商业和政策决策的基础。

尽管隶属于劳工部,但它在很大程度上作为独立机构运作。将一位公开的政治盟友安插在这一关键位置,其独立性和数据的纯粹性正面临前所未有的考验。

Lectures associées

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

Trois ans après ses prédictions sur le ChatGPT en mars 2023, Wang Jianshuo revient sur ses 20 affirmations initiales. Évaluées en mai 2026 par des agents IA, la plupart de ses intuitions sur les grandes tendances se sont révélées justes : le RAG est devenu l'architecture standard pour intégrer des connaissances, l'Interface Utilisateur en Langage Naturel (LUI) a créé un nouvel écosystème, et les modèles chinois ont presque rattrapé les leaders mondiaux. Des concepts comme les réseaux d'agents et la nature limitée du test de Turing se sont également matérialisés. Cependant, les prévisions quantitatives et les affirmations trop absolues ont souvent échoué. Le paramétrage supposé du GPT-4 (100T) était inexact, et les coûts de développement des modèles ont dépassé les estimations. Il a sous-estimé la vitesse de personnalisation des IA et l'impact distribué sur l'emploi des jeunes. La capture de valeur a surtout bénéficié à la couche matérielle (comme Nvidia), et non aux seules applications. Les leçons clés sont que les mécanismes et les directions sont plus fiables que les chiffres précis, que l'optimisme à court terme doit être tempéré, et que les nuances ("peut-être", "pour l'instant") rendent les prédictions plus robustes. Cette rétrospective souligne l'importance de distinguer les tendances confirmées des questions toujours ouvertes.

链捕手Il y a 1 h

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

链捕手Il y a 1 h

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

Alors que l'IA écrit du code, traite des tickets clients et révise des documents juridiques, elle ne se contente plus d'être un outil mais devient une source directe de travail. La commercialisation de l'IA évolue ainsi d'un marché de « jetons » (tokens) ou d'heures de GPU vers un nouveau marché : celui de la « main-d'œuvre machine ». Dans ce marché, le jeton n'est qu'une unité de mesure, le GPU un intrant, et le modèle un outil de production. L'objet véritablement tarifé et échangé est le travail économique accompli directement par le logiciel. Le mécanisme de prix de l'IA devrait évoluer des jetons bruts vers des capacités de modèles standardisées, puis vers une main-d'œuvre sectorielle, et enfin vers un marché de résultats programmables. À l'avenir, les entreprises pourraient ne plus se soucier du modèle ou du GPU spécifique utilisé, mais uniquement du fait que la tâche soit livrée dans des délais, avec un taux de précision, une fiabilité et un coût conformes aux standards. Ce changement ne signifie pas un simple remplacement du travail humain. Alors que la machine assume des tâches standardisées et vérifiables, le rôle humain pourrait se déplacer vers la supervision, la responsabilité finale, la gestion du contexte et les jugements critiques. Dans certains cas, les 1% de jugement humain final pourraient gagner en valeur, car ils permettent de débloquer les 99% d'automatisation à grande échelle. Le marché évolue donc vers une couche où le « travail » lui-même devient l'unité stable, standardisée, vérifiable et négociable. La prochaine phase de concurrence ne portera pas seulement sur la puissance des modèles ou le prix du calcul, mais sur la capacité à standardiser, vérifier et tarifer le « travail » accompli, faisant de la main-d'œuvre machine une nouvelle ressource productive que l'on peut acheter, facturer et échanger.

marsbitIl y a 2 h

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

marsbitIl y a 2 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

Dans un article intitulé "La réduction de 99% du prix de MiMo de Xiaomi n'est pas du marketing ! Luo Fuli répond aux détracteurs sur X", Luo Fuli, responsable de MiMo, a publié un billet de blog technique de 5000 mots pour expliquer la baisse drastique des prix de l'API MiMo-V2.5. Contrairement aux interprétations initiales d'une guerre des prix ou d'une stratégie de perte, cette réduction de 99% concerne spécifiquement le coût des entrées en cache ("Input Cache Hit"), c'est-à-dire la relecture du contexte historique dans les conversations longues. Le billet détaille six piliers d'ingénierie ayant permis cette réduction : 1. **Architecture Hybride SWA** : Réduction du volume de la mémoire cache (KVCache) à 1/7 grâce à une attention par fenêtre glissante sur 60 des 70 couches du modèle. 2. **Gestion en double pool** : Allocation efficace de la mémoire pour matérialiser les gains théoriques du SWA, multipliant par 5 le nombre d'utilisateurs simultanés par GPU. 3. **Cache de préfixe optimisé** : Augmentation du taux de réussite du cache à 93-95% en moyenne, évitant de recalculer les contextes répétés. 4. **Système de cache distribué GCache** : Stockage des données sur les SSD des machines GPU existantes, réduisant les coûts de stockage additionnels à zéro. 5. **Système de routage LLM-Router** : Optimisation de l'acheminement des requêtes pour maximiser l'utilisation du cache et améliorer les performances. 6. **Prédiction Multi-Token (MTP)** : Accélération de la génération des réponses du modèle, réduisant également les coûts de sortie. Cette chaîne d'optimisations systémiques a réduit le temps GPU par requête d'un ordre de grandeur, permettant une baisse de prix de 99% tout en maintenant une marge positive. Luo Fuli souligne qu'il s'agit d'un accomplissement d'ingénierie validé en production, et non d'une simple manœuvre marketing, offrant une référence pour réduire les coûts dans le secteur de l'IA.

marsbitIl y a 4 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

marsbitIl y a 4 h

Analyse rétrospective des opérations magistrales de Cathie Wood sur Circle

Cathy Wood (ARK) a réalisé une opération exemplaire sur l'action Circle, démontrant une maîtrise des mouvements de marché à court terme malgré son approche d'investissement habituellement tournée vers le très long terme. Elle a d'abord acquis près de 4,5 millions d'actions au prix d'introduction de 31 dollars, profitant ainsi de l'envolée initiale due à une faible offre flottante et une forte demande. Lorsque le titre a été propulsé à près de 300 dollars en juin 2025, porté par l'adoption du projet de loi sur les stablecoins (GENIUS Act), Wood a systématiquement vendu par tranches environ 1,7 million d'actions à un prix moyen d'environ 210 dollars, réalisant ainsi des plus-values substantielles. Cette décision était motivée à la fois par des règles internes de rééquilibrage de portefeuille et par l'anticipation de l'augmentation future de l'offre d'actions. Par la suite, face à la chute de l'action (jusqu'à -83% depuis son pic), Wood a racheté progressivement sa position initiale à des prix bien inférieurs (entre environ 50 et 130 dollars), portant son portefeuille à nouveau à environ 4,5 millions d'actions fin mars 2026. L'opération illustre trois principes clés : une conviction forte sur le modèle économique à long terme de Circle (stablecoin USDC), une exécution disciplinée par tranches sans chercher à prédire les sommets ou les creux, et le respect strict de règles de gestion des risques limitant le poids d'un titre dans le portefeuille.

marsbitIl y a 8 h

Analyse rétrospective des opérations magistrales de Cathie Wood sur Circle

marsbitIl y a 8 h

Trading

Spot
Futures
活动图片