AI浪潮

关于AI，霍华德马克思讲的非常好，我直接引用最新的备忘录《is it a bubble》。

没有人会否认AI有潜力成为史上最重要的技术突破之一，它将重塑日常生活和全球经济格局，这是讨论的基调，但也有很多需要注意到的问题。

1、将泡沫分为两类，这对于理解当前 AI 狂热的性质至关重要：

均值回归泡沫： 基于纯粹的金融狂热，没有实质性的技术进步（如 2008 年次贷危机、郁金香泡沫）。破裂后只是毁灭财富，不留下任何正向遗产 。

拐点泡沫： 基于革命性的技术进步（如铁路、互联网）。虽然投资者可能会因估值过高而亏损，但投机资本资助了必要的基础设施建设（即便很多是浪费），从而加速了技术采用，永久性地改变了世界 。

AI 很可能属于“拐点泡沫”。它会加速技术进步并留下基础设施，但参与其中的投资者仍面临巨大的资本毁灭风险——即便是“正确的”趋势，也可能因为买入价格过高或买错了公司而亏损 。

2、“赢家通吃”的陷阱与彩票思维

伟大的技术≠伟大的投资， 霍华德马克斯通过汽车、航空和收音机的历史案例指出，虽然这些技术彻底改变了社会，但早期投资者几乎全军覆没。例如，1919-1929 年的收音机（RCA）和航空热潮最终导致了 90% 以上的市值蒸发 。

彩票思维： 投资者正在用“万亿美元回报”的梦想来合理化极低的成功概率。这种思维导致资金涌入那些即便只有 0.1% 成功率的项目，推高了整体市场的非理性繁荣 。

目前尚不清楚 AI 的利润将归属于谁。是基础设施提供商（如 Nvidia），还是应用层？或者 AI 会像大宗商品一样引发价格战，最终利益流向消费者而非企业利润？ 。

3. 最大的风险变量：债务融资与“明斯基时刻”

这可能是本次 AI 浪潮与以往（如互联网泡沫）最大的不同点，也是风险最高的点：

从股权到债务的转变： 互联网泡沫主要由股权融资驱动，失败了只是归零。而 AI 基础设施建设（数据中心、芯片）正在大量使用债务融资 。

期限错配风险： 科技巨头和初创企业正在发行 30 年期债券来资助可能在几年内就过时的技术资产（如 GPU）。当技术迭代导致抵押资产（芯片）价值归零时，债务依然存在 。

市场已经出现“供应商融资”和复杂的 SPV（特殊目的实体）结构，用于掩盖真实的杠杆率，这与安然和电信泡沫时期的做法惊人相似 。

4. “循环交易”创造的虚假繁荣

马克斯特别警示了当前 AI 领域中的“循环交易”（Circular Deals）。大型科技公司向初创公司（如 OpenAI）投资数十亿美元，而这些初创公司又将资金以购买云服务或芯片的形式回流给投资方 。这种做法夸大了收入增长，制造了虚假的利润信号，使得市盈率（P/E）看起来比实际情况更合理 。

5. 估值悖论：这次真的不同吗？

并不完全像 1999 年： 尽管行为具有投机性，但马克斯指出，目前科技巨头（如 Microsoft, Google, Meta）的市盈率实际上低于 1999 年互联网泡沫顶峰时的水平。且这些公司拥有真实的现金流和利润，这一点与当年的“眼球经济”不同 。

不可预测性： 尽管 AI 产品已规模化应用，但其未来的需求曲线完全无法预测。现在的投入是基于“未来需求会指数级增长”的假设，如果需求不及预期，巨大的产能过剩将引发剧烈调整 。

6. 宏观与社会影响

生产力与购买力的矛盾： AI 作为一种极端的“省力设备”，在大幅提高生产力（GDP 供给侧）的同时，可能大规模消灭工作岗位（GDP 需求侧）。如果大量中产阶级失去收入，谁来购买 AI 生产出来的商品？ 。

社会不平等加剧： 只有极少数掌握资本和算力的精英会受益，这可能导致社会撕裂，迫使政府实施普遍基本收入（全民发钱），进而加剧财政赤字和债务负担 。

最后霍华德马克斯的结论是：毫无疑问，投资者对 AI 展现出了狂热，这种狂热具有典型的泡沫特征。但由于 AI 确实是一项变革性技术，且没人能准确预测未来，完全离场（错过变革）和全仓押注（承受毁灭性风险）都是不明智的。

他建议采取适度的立场：保持在场，但要极度挑剔，并意识到这一轮周期中“债务”可能带来的毁灭性放大效应 。

在霍华德马克斯的讨论之外，我想额外在就AI这个核心矛盾展开讲一点。

近些年来，我愈加的意识到，为投资观点找到准确恰当的投资标的，非常非常重要，比投资观点都更加重要。好的投资标的，可以用凸型来获得创造一种收益和风险的不对称。

在我看来，电力与数据将分别承担AI浪潮中最具结构性的两类角色。1. 电力：AI浪潮的“不可替代地基”

AI 基建不是代码游戏，而是重资产、重能耗的“物理革命”。据国金策略报告测算，美国2026年起仅数据中心就将带来年化132%的新增能源需求。而同期，美国电网实际可并网的新增电力远低于预期，这一“瓶颈”，也正是英伟达之后市场焦点转向铜、铝、电网设备、电力系统工程的重要原因。

更进一步，中国作为全球唯一拥有稳定电网+完整制造业+政策协调能力的经济体，在全球AI产业供给链中具备极强的“隐性要素比较优势”。2. 数据：AI落地的不确定“桥梁”

如果说电力是“确定的供给约束”，那么数据则是“通向应用的路径约束”。越来越多AI产业人士开始提示，高质量数据将决定AI未来的发展。掌握优质数据生产能力的企业（如语料/图像/视频标注，或者拥有封闭生态的B端系统）、垂直行业中掌握结构化数据与交易闭环的公司，在下一阶段的AI发展中，或许存在着重要机会。最后做个总结，在AI浪潮已过中场的当下，好的投资应该具有以下的特征：能从趋势中受益，但估值不昂贵；不依赖概率式爆发，强调能稳定兑现当下已有确定性；拥有现实中的供需缺口。