厄爾尼諾來敲門。。

這周想聊一個在商品圈已經熱起來的話題，它看起來離當前的ai投資很遠，但其實聯系比我們想象的要緊密，在特定領域甚至與ai產生競爭。

厄爾尼諾真來了。。。

5月下旬，國家氣候中心和NOAA同時確認——2026年5月起，赤道中東太平洋正式進入厄爾尼諾狀態。

夏秋季發展到中等及以上強度，至少持續到今年年底，96%的概率延續到2026-2027年冬季，25%的概率發展成超強級別。

這意味著什么？

太平洋海水異常升溫，全球雨帶亂套。本該下雨的地方旱著，本該旱的地方發洪水，”天氣交易”拉開大幕。

歷史上，三次強厄爾尼諾，三次大行情。

1982-1983年，超強。

1997-1998年，超強。

2015-2016年，強。

每次都有一組品種暴漲——

棕櫚油三次分別漲了169%、155%、100%以上，原因很直接，全球80%的棕櫚油來自印尼和馬來西亞，剛好在厄爾尼諾干旱帶的正中央。天氣一干旱，油棕掛果就少，含油率也降。

白糖三次分別漲了80%、70%、65%，印度、泰國甘蔗減產，巴西雖然降雨多但乙醇分流了制糖原料。

天然橡膠三次分別漲了76%、120%、50%以上。 泰國、印尼膠樹高溫干旱，割不出膠。

但這里有個問題，歷史規律的重演總是有細節的變化，2023-2024年剛剛走完一輪中等級別厄爾尼諾。 結果棕櫚油確實漲了，但漲幅遠不及歷史均值，因為產區降雨沒有顯著偏低，庫存累積，白糖和棉花甚至先于ONI指數見頂。

一些搶跑氣候交易的投資者，被套在了高點。

在復雜的系統面前，厄爾尼諾只是變量之一，不是唯一變量。就像大漲的科創板塊，除了ai，還能看到一堆在地上趴著的小廢物。同樣是科創，關鍵因素不同，差別巨大。

厄爾尼諾是催化劑，不是決定因素。

這次厄爾尼諾有幾個特殊變量。

第一，全球變暖的放大效應，干旱更猛、暴雨更兇。

第二，資源民族主義崛起，各國都在操縱自己的出口政策。

第三，中東局勢，霍爾木茲海峽受阻，石油與天然氣、化肥、種子、物流，都出現了巨大問題。

我們之前在很多文章里都聊過資源民族主義和天然氣、化肥，這次的文章不是想讓大家去關注糧食和農產品，農產品減產是大概率事件，這個我們之前有覆蓋和分析，但是沒有找到好的品種，普通人沒法做。

真正落地會出現在基金組合視野里的是電和煤，都是組合里已經買了的，可能會加碼。。。

邏輯鏈條非常簡單——高溫推高用電→火電需求→煤炭需求

厄爾尼諾年份，夏季氣溫偏高，用電量大增，過去三次強厄爾尼諾的6-8月，全國火電發電量同比增長，動力煤需求同步增長。

2026年的厄爾尼諾，可能路徑是高溫推升空調負荷，干旱壓制水電出力，綜合溫度升高電廠冷卻效率。

在電廠端，迎來供應緊張，同時因為居民用電需求和ai數據中心用電需求的快速增長，需求端也看爆發。

供應端收縮，疊加需求端放量。

當所有人都覺得厄爾尼諾來了要買農產品的時候，我會去關注普通人能做到的電力和煤炭，盡管彈性不大，不那么性感，但是這兩個頭寸的回歸動力強了很多。

1.伊朗方面，對霍爾木茲海峽航運實施全面管理，所有商業船舶、油輪及其他民用船只須按照指定航線航行，并提前獲得衛隊海軍許可。所有船舶必須遵守伊方制定的通行規定，任何違反相關規定的行為都可能對其航行安全造成嚴重影響。

伊朗同時警告稱，任何外國軍艦如試圖干預霍爾木茲海峽管理事務或阻礙海上交通秩序，伊朗武裝力量將采取相應行動。

美方表示，美方力求美伊談判達成協議，但若雙方談判無果，美方已做好重啟軍事打擊的準備。此前一天，懂王就伊朗局勢在白宮戰情室召開會議，但未就相關協議作出“最終決定”。

2.網約車飽和。。。

深圳發布4月份深圳市網約車行業運營動態與風險提示，截至2026年4月30日，深圳有網約車平臺26家，已核發《網絡預約出租汽車運輸證》142247張，已核發《深圳市出租汽車駕駛員證》394872張。

根據各平臺數據顯示，4月全市網約車日均單車完成訂單量約為13.01單。網約車市場需求呈季節性波動特征，當前市場總體已飽和。

3.最近在讀一本書《馬克思，請回答》，三聯中讀系列，就是我看三聯雜志時候發現他們推薦，買來讀了，我最近面對ai大潮很困惑，困惑于自身的價值、教育成長的意義、生產關系的巨變，我很想找答案，整理一些自己的思考給大家。

曾經機器延伸人的肌肉，今天AI延伸人的大腦；曾經生產資料主要是"物質"，今天生產資料變成"信息"；曾經工人集中在工廠，今天勞動者分散在全球數字平臺；曾經剝削發生在生產時間，今天剝削發生在算法駕馭的日常生活。

真正的沖擊是"機器換人"嗎？真正的沖擊是勞動創造價值已經永久改變了，如果我勞動沒有意義，那么教育培訓和成長又有什么意義呢？

如果數據本質上是社會公共協作的產物，卻被少數平臺私有化和控制，這是否是一種比圈地運動更隱蔽的"原始積累"？

曾經我們討論簡單勞動和復雜勞動，復雜勞動是"多倍的簡單勞動"。訓練一個大模型需要數千名研究員、工程師、標注員的協作勞動，最終凝結成一個可復制的權重文件。

大模型究竟是生產資料還是勞動者？如果你把它當工具，它是生產資料，就跟我們買電腦一樣，但如果你用它生成內容、編寫代碼、做決策，它又表現的像個勞動者，當生產者和生產資料本身模糊的時候，有太多東西要巨變了。

GPU、云數據中心、電力基礎設施，是AI時代的基礎設施，這就是19 世紀的鐵路、電報網絡，不是誰都能建萬卡集群，這一輪大潮，生產資料集中化的程度要遠超當年工業時代。

其他的內容不方便發，有興趣的小伙伴一起多討論，在新圈地時代，你要圈什么地，是一個關鍵的命題。