特朗普的「阳谋」:故意制造一场经济衰退

Odaily星球日报Dipublikasikan tanggal 2025-03-05Terakhir diperbarui pada 2025-03-05

Abstrak

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。

Bacaan Terkait

Anthropic Ciptakan 'Kitab Hukum Pidana' AI Jailbreak: Permintaan Anda, Empat Jenis Hukuman Mati

Anthropic, perusahaan di balik model AI Claude, baru-baru ini merilis sistem pengamanan yang ketat dan kerangka kerja penilaian bernama CJS (Cyber Jailbreak Severity) untuk mengklasifikasi dan mengukur tingkat bahaya upaya "jailbreak" atau pelarian keamanan pada model AI mereka. Artikel ini menceritakan bagaimana permintaan yang tampaknya biasa, seperti menghitung huruf dalam kata "raspberry" atau menyebutkan profesi sebagai ahli bio-statistik, bisa langsung ditolak atau menyebabkan penurunan kualitas respons model (seperti dialihkan ke versi Claude Opus 4.8 yang lebih lama). Insiden ini memicu kritik dari pengguna. Untuk mengatasi hal ini, Anthropic mengategorikan semua permintaan terkait keamanan siber ke dalam empat tingkat risiko: 1. **Hukuman mati (langsung diblokir):** Perangkat lunak ransomware, pencurian data, pengembangan malware. 2. **Penggunaan ganda risiko tinggi:** Pengujian penetrasi, pengembangan eksploitasi kerentanan kompleks. 3. **Penggunaan ganda risiko rendah:** Pengumpulan intelijen sumber terbuka, pemindaian kerentanan yang diketahui. 4. **Tidak berbahaya:** Pengodean aman, debug, analisis log. Namun, sistem klasifikasi ini diatur sangat sensitif dengan prinsip "lebih baik membunuh seribu permintaan daripada melewatkan satu yang berbahaya", menyebabkan banyak permintaan sah (seperti debugging) juga terkena blokir. Kerangka kerja CJS diperkenalkan sebagai alat untuk menilai seberapa serius sebuah jailbreak, menggunakan empat parameter: * **Peningkatan Kemampuan (0-4):** Seberapa banyak jailbreak memberi kemampuan baru di atas alat yang ada. * **Luas Kemampuan (0-2):** Rentang aktivitas berbahaya yang bisa dilakukan. * **Tingkat Kesulitan Pemanjatan (0-2):** Mudah atau tidaknya jailbreak diubah menjadi serangan nyata. * **Tingkat Kemudahan Penemuan (0-2):** Seberapa mudah jailbreak ditemukan. Skor total (0-10) menentukan tingkat keparahan dari CJS-0 (hanya informasi) hingga CJS-4 (krisis). Skor ini kontekstual dan bisa berubah berdasarkan waktu dan pengetahuan yang tersedia secara publik. Artikel ini menyoroti kekhawatiran bahwa Anthropic, bersama aliansi Glasswing yang didanai perusahaan teknologi besar, berpotensi memegang kekuasaan besar dalam mendefinisikan standar bahaya. CJS bisa menjadi alat bagi regulator untuk memutuskan kapan sebuah model AI harus ditutup. Ini terlihat dari insiden Juni di mana akses ke model Fable 5 diputus secara global untuk warga negara asing karena peraturan ekspor AS, menandai pertama kalinya kontrol ekspor langsung membatasi akses API model AI. Kesimpulannya, pengembang dan pengguna sekarang harus berhati-hati dalam merangkai perintah (prompt), waspada terhadap penurunan kualitas respons sebagai tanda pembatasan, dan menunggu perbaikan dari Anthropic—yang tidak memiliki jadwal pasti. Artikel ini berargumen bahwa masalah ini telah melampaui sekadar teknis, menjadi masalah kebijakan dan kontrol.

marsbit24m yang lalu

Anthropic Ciptakan 'Kitab Hukum Pidana' AI Jailbreak: Permintaan Anda, Empat Jenis Hukuman Mati

marsbit24m yang lalu

Penghasilan Tahunan $100 Juta, Dua Teman Sekamar UC Berkeley Generasi 90an, Menciptakan Bisnis AI Paling Menguntungkan

Dua teman sekamar di UC Berkeley, keduanya berusia 90-an, menciptakan bisnis AI yang sangat menguntungkan: Arena. Bermula dari proyek penelitian sumber terbuka bernama Chatbot Arena pada 2023, platform ini telah berkembang menjadi "gelanggang" benchmark model AI global yang netral. Pengguna dapat membandingkan respons dari dua model anonim dan memilih yang terbaik, menghasilkan peringkat berbasis Elo yang diakui industri. Dengan lebih dari 10 juta penilaian pengguna, 700 juta percakapan, dan 82 juta suara, Arena menjadi standar de facto untuk pengujian model besar. Raksasa seperti OpenAI, Google, dan Anthropic mengirimkan model mereka ke sini, bahkan OpenAI menguji GPT-5 secara diam-diam di platform ini. Kunci kesuksesan monetisasinya adalah layanan komersial "AI Evaluations", diluncurkan September lalu. Layanan ini memungkinkan perusahaan membayar untuk pengujian mendalam oleh komunitas jutaan pengguna Arena, memberikan analisis performa model di dunia nyata. Hanya dalam 8 bulan, pendapatan tahunan layanan ini telah mencapai $100 juta. Perusahaan ini didirikan oleh CEO Anastasios Angelopoulos (ahli matematika/machine learning), CTO Wei-Lin Chiang (pembuat Vicuna), dan profesor UC Berkeley Ion Stoica sebagai penasihat. Mereka mengumpulkan $100 juta dalam pendanaan seed dan $150 juta dalam Seri A, dengan valuasi mencapai $1.7 miliar. Arena terus berinovasi dengan memperkenalkan "Agent Mode" untuk mengevaluasi agen AI dalam tugas panjang seperti coding dan penelitian, melampaui sekadar penilaian percakapan. Bisnis mereka membuktikan bahwa dalam demam emas AI, menyediakan alat pengukuran yang andal (seperti "menjual sekop dan air") bisa lebih berharga daripada menambang sendiri.

marsbit29m yang lalu

Penghasilan Tahunan $100 Juta, Dua Teman Sekamar UC Berkeley Generasi 90an, Menciptakan Bisnis AI Paling Menguntungkan

marsbit29m yang lalu

Insinyur Claude Akhirnya Mengeluarkan Fable 5, Mengajarkan Cara Menghilangkan Kesenjangan Informasi dengan Model

Artikel ini membahas strategi untuk meningkatkan efektivitas penggunaan model AI Claude Fable 5 dalam pemrograman dan tugas-tugas kompleks lainnya. Inti permasalahan yang diangkat adalah adanya "kesenjangan informasi" antara pengguna dan model, di mana petunjuk (prompt), konteks, dan keterampilan yang diberikan tidak sepenuhnya mencerminkan kompleksitas tugas sebenarnya ("peta" vs "wilayah"). Penulis, Thariq Shihipar (insinyur Claude Code), memperkenalkan konsep "hal yang tidak diketahui" (unknowns) yang dikategorikan menjadi empat jenis: diketahui-diketahui, diketahui-tidak diketahui, tidak diketahui-diketahui, dan tidak diketahui-tidak diketahui. Kunci keberhasilan adalah secara aktif mengidentifikasi dan mengklarifikasi hal-hal yang tidak diketahui ini sebelum, selama, dan setelah proses implementasi. Artikel ini menawarkan berbagai teknik praktis untuk mencapai hal tersebut, seperti: - **Sebelum Implementasi**: Pemindaian titik buta (blindspot scan), brainstorming dan pembuatan prototipe, wawancara balik oleh Claude, penggunaan referensi kode, dan pembuatan rencana implementasi. - **Selama Implementasi**: Menyimpan catatan implementasi untuk melacak penyimpangan dari rencana. - **Setelah Implementasi**: Membuat dokumen penjelasan dan presentasi, serta melakukan kuis untuk memastikan pemahaman menyeluruh. Kesimpulannya, semakin kuat kemampuan model AI, semakin penting bagi pengguna untuk terampil dalam mendefinisikan batasan dan detail tugas. Dengan secara proaktif bekerja sama dengan Claude untuk menemukan dan mengatasi "hal-hal yang tidak diketahui", pengguna dapat secara signifikan meningkatkan kualitas dan efisiensi hasil kerja.

marsbit34m yang lalu

Insinyur Claude Akhirnya Mengeluarkan Fable 5, Mengajarkan Cara Menghilangkan Kesenjangan Informasi dengan Model

marsbit34m yang lalu

Trading

Spot
活动图片