观点｜霍华德马斯克：AI是否存在泡沫？

12月9日， 霍华德在橡树资本的备忘录中，发布了这篇关于《AI是否存在泡沫》的文章，文章清晰系统的阐述了，AI 泡沫的真正风险，不在于技术失败，而在于：我们正在押注一个“不可计算的未来”。

好技术不等于好投资。

这是一篇很棒很棒很棒的文章，我十分建议通读，不过也快速总结了自己从中获得的5个洞见。

至于到底有没有泡沫……需要各位自己判断。

Highlight

1. AI 的最大风险不是“泡沫破裂”，而是“泡沫无法被定价”。

这不是 1999 年，也不是 2007 年。

到目前为止，关于AI，我们……

不知道最终形态（工具 / 平台 / 基础设施 / 通用智能）

不知道利润归属（模型公司 / 云厂商 / 芯片商 / 应用层）

不知道竞争结构（寡头 / 商品化 / 开源颠覆）

不知道时间维度（5 年？10 年？还是指数级跳跃）

这意味着：市场并不是在“估值错误”，而是在对一个无法建模的对象强行建模。这和传统泡沫不同。

2. 「拐点型泡沫」之所以危险，是因为它会让“错误决策看起来像正确决策”。

铁路、电力、互联网、AI……对文明是必要的，但对投资者不是。历史上经常发生的事情是 —— 技术进步越真实，投资者越容易为“错误的价格、错误的公司、错误的结构”辩护。在 AI 语境下，这表现为：“方向对了，先不管值不值、这是基础设施，不能用传统 ROI 看、只要押中赢家，其他都不重要”……

拐点泡沫最危险的地方在于：它会系统性地降低投资者对错误的敏感度。

3. 这可能是第一轮“债务深度参与的技术革命”。 这是全文最被低估、但最致命的一条洞见。

历史上的技术革命：铁路、电力、互联网……主要由权益资本（equity）试错完成。而这一次则是……

30 年期债券

SPV 表外结构

数据中心抵押

长期固定利息

我们正在大规模进入一个高度不确定的技术赛道。债务只在“结果不确定，但可评估”时成立。在“结果纯属猜测”时，债务是危险的。在过去，技术失败 ≠ 金融失败；而这一次，技术失败将等于金融系统承压。

这不是“泡沫会不会破”，而是“一旦出问题，会不会被金融结构放大成系统性事件”。

4. AI 行业已经出现“类永动机”的财务幻觉。这是一个非常当代、非常具体的风险，并不是说 OpenAI 或 Nvidia 有问题，而是在指出一种结构性幻觉 ——

A 给 B 钱

B 用这笔钱买 A 的服务

双方都可以“讲增长、讲投入、讲未来”

这在 90 年代电信泡沫中真实发生过，并最终制造了：

“看起来在赚钱，但系统并未创造真实外部需求”的繁荣。

当整个行业主要需求来自“行业内部互相采购”，市场会高估真实社会需求的成熟度。这会严重误导：

资本配置节奏

产能建设规模

债务可持续性判断

5. AI 可能第一次同时摧毁“工作—收入—意义”三位一体结构。

这不是情绪化的附言，而是全文的伦理底层。

如果 AI 替代的是

入门级岗位 + 认知型工作 + 学徒路径，

那么社会如何再生产“有经验的人”？

这不是 Luddite（反技术）焦虑，而是一个结构性悖论 ——

AI 提高生产率 → 减少就业

就业减少 → 消费能力下降

经验岗位消失 → 专业体系断层

意义感缺失 → 社会稳定性下降

这意味着 AI 的风险不只是经济周期，而是社会结构重塑。

这些结论，十分需要警惕和认真对待，而更加宝贵的，是霍华德精彩的论证过程。 以下，enjoy：

这是泡沫吗？

我们正身处世界历史上一个极其非凡的时刻。一项具有变革性的技术正在崛起，其支持者宣称它将永久性地改变世界。而要构建这一技术，企业需要投入的资金规模，远超任何仍有记忆的人类历史经验。新闻报道充斥着广泛的担忧：美国最大的公司正在支撑一个即将破裂的泡沫。

上个月我在亚洲和中东拜访客户时，经常被问到一个问题：围绕人工智能，是否存在泡沫？正是这些讨论促成了这篇备忘录。照例，我先做一些声明：我并不参与股票市场交易；我只是把它当作观察投资者心理的最佳晴雨表。我也不是技术专家，对 AI 的了解并不比大多数通才型投资者更多。但我会尽力而为。

泡沫最有趣的一点，在于它们的“规律性”——不是时间上的规律，而是演进路径上的一致性。某种全新、看似具有革命性的事物出现，悄然侵入人们的心智。它点燃想象力，兴奋情绪迅速失控。早期参与者获得巨额收益；旁观者则充满了强烈的嫉妒与懊悔，并在“继续错过”的恐惧驱使下蜂拥而入。他们并不了解未来会发生什么，也不关心自己付出的价格是否可能在可接受风险下带来合理回报。最终的结果，几乎总是在短期到中期给投资者带来痛苦，尽管在足够漫长的时间之后，仍有可能最终获利。

我亲身经历过数次泡沫，也读过许多关于泡沫的记述，它们无一例外都符合上述描述。你可能会认为，过去泡沫破裂所造成的损失，足以阻止下一个泡沫的形成。但事实并非如此，而且我确信未来也不会如此。记忆是短暂的，谨慎与天生的风险厌恶，永远敌不过那个关于“依托一项‘众所周知’将改变世界的革命性技术而致富”的梦想。

我在本文开头引用的那段话，出自 Derek Thompson 11 月 4 日的通讯《AI 可能是 21 世纪的铁路。做好心理准备》，该文探讨了当下 AI 发展与 19 世纪 60 年代铁路热潮之间的相似性。这段话能够一字不差地适用于两者，清楚地说明了那句常被归于马克·吐温的名言：“历史不会重复，但会押韵。”

理解泡沫

在深入讨论 AI 是否存在泡沫之前——我为此阅读了大量资料——我想先澄清一个概念。人们总是问：“AI 有没有泡沫？”但这个问题本身就存在模糊性。我认为应当区分两种既不同又相互关联的泡沫可能性：一种存在于行业内公司行为中，另一种存在于投资者对该行业的行为中。我完全无力判断 AI 公司当前的激进扩张是否合理，因此我将主要聚焦于金融市场中围绕 AI 的泡沫问题。

投资分析师——尤其是像我这样属于“价值投资”流派的人的主要工作是：

(a) 研究公司和其他资产，评估其内在价值水平及前景；

(b) 基于该价值做出投资决策。分析师在短期至中期所遇到的大多数变化，体现在资产价格及其与内在价值之间的关系上。而这种关系，本质上是投资者心理的结果。

市场泡沫并非直接由技术或金融发展所引发，而是源于人们对这些发展的过度乐观。正如我在 1 月的备忘录《泡沫观察》中所写，泡沫是暂时性的狂热，在其中，相关发展成为前美联储主席艾伦·格林斯潘所称的“非理性繁荣”的对象。

泡沫通常围绕新的金融发展（例如 18 世纪初的南海公司，或 2005–06 年的次级住房抵押贷款证券）或技术进步（1990 年代末的光纤，1998–2000 年的互联网）而形成。“新颖性”在其中扮演了巨大角色。由于缺乏历史约束，想象力可以肆意驰骋，新事物的未来似乎没有上限。而当未来被认为是无限的时，人们就会为远远超出历史常规的估值辩护，导致资产价格脱离其可预测的盈利能力。

关于“新颖性”的作用，我最喜欢的描述来自一本对我影响极大的书——约翰·肯尼斯·加尔布雷思的《金融狂热简史》。加尔布雷思谈到他所谓的“金融记忆的极端短暂性”，并指出，在金融市场中，“过去的经验——即便它还存在于记忆之中——也会被视为那些缺乏洞察力、无法欣赏当下奇迹之人的原始避难所。”换言之，历史能够限制我们对当下的敬畏以及对未来的想象；而在没有历史的情况下，一切皆有可能。

关键在于：新事物理所当然会激发巨大热情，而泡沫则是当这种热情膨胀到非理性程度时的产物。谁能划清理性与非理性的界限？谁能断言一个乐观的市场何时已演变为泡沫？这终究只是判断问题。

上个月我想到，我最成功的两次“判断”分别发生在 2000 年——我对科技股与互联网股票市场提出警示；以及 2005–07 年——我指出在全球金融危机前，风险厌恶的匮乏和疯狂交易的盛行。

第一，在这两次判断中，我都不具备任何关于泡沫标的本身的专业知识：互联网，或次级抵押贷款证券。我所做的，只是观察周围正在发生的行为。

第二，我判断的价值主要在于描述这些行为的愚蠢，而不是执着于给它们贴上“泡沫”的标签。

纠结于是否该使用“泡沫”这一称谓，往往会让人陷入困境并妨碍正确判断；事实上，仅仅评估周围正在发生的事情，并据此推导出恰当的行为方式，我们就已经能做成很多事。

泡沫的“好处”

在继续讨论 AI 是否正处于泡沫之前，我想先花一点时间谈一个对投资者而言可能显得偏学术的话题：泡沫的正面作用。你也许会觉得我对此着墨过多，但我之所以这样做，是因为我觉得它极具启发性。

11 月 5 日的 Stratechery 通讯标题为《泡沫的好处》。其中，Ben Thompson（与 Derek 无亲属关系）引用了一本名为《繁荣：泡沫与停滞的终结》的书。作者 Byrne Hobart 与 Tobias Huber 提出了两类泡沫：

“拐点型泡沫”——好的泡沫，与之相对的是破坏性更强的“均值回归型泡沫”，例如 2000 年代的次贷泡沫。

我认为这是一个非常有用的区分。

我所读到或亲历的金融狂热——南海公司、投资组合保险、次级抵押贷款证券——都是基于“无风险高回报”的幻想来激发想象力，但并没有人认为它们会推动人类整体进步。例如，没有人指望次贷运动会彻底改变住房体系，只是觉得可以通过支持新买家赚钱。Hobart 和 Huber 将这些称为“均值回归型泡沫”，因为它们并不被期待推动世界向前。潮流只是兴起又消退。

相反，那些基于技术进步的泡沫——如铁路和互联网——被他们称为“拐点型泡沫”。在这种泡沫之后，世界不会回到原点。在这样的泡沫中，“投资者认定未来将与过去有实质性不同，并据此交易。”正如 Thompson 所说，关于泡沫的权威之作长期以来一直是 Carlota Perez 的《技术革命与金融资本》。在 Perez 写作该书的 2002 年，泡沫被视为负面现象，应当避免；当时世界正处于互联网泡沫破裂后的衰退期。

Perez 并未否认泡沫带来的痛苦。事实上，她指出，类似的崩盘标志着以往的每一次革命，包括工业革命、铁路、电力和汽车。在每一个案例中，泡沫并非遗憾，而是必要的：投机狂热促成了她所谓的“安装期”，在这一阶段，大量必要但未必明智的投资，为随后“部署期”奠定了基础。泡沫的破裂标志着向部署期的转变；而支撑部署期的，正是那些亏损的投资。

这一划分对 Hobart 和 Huber 意义重大，我也表示赞同。他们指出：“并非所有泡沫都会摧毁财富与价值。有些泡沫可以被理解为推动科技进步的重要催化剂。” 但我会这样重新表述：所谓“均值回归型泡沫”——市场基于某种新的金融奇迹而暴涨，随后崩塌——会摧毁财富；而基于革命性技术的“拐点型泡沫”，会加速技术进步，为更繁荣的未来奠定基础，同时也会摧毁财富。关键在于：不要成为那个在推动进步过程中被摧毁财富的投资者。

Hobart 和 Huber 进一步描述了泡沫如何为新技术所需的基础设施融资，从而加速其普及：

大多数新技术并非凭空出现、一次成型。它们建立在此前的失败、试错、迭代和历史路径依赖之上。泡沫创造了部署所需资本的机会，使得大规模、并行的试验成为可能，从而加快潜在颠覆性技术和突破的进程。

通过制造积极的“热情—投资”反馈循环，泡沫可能带来净收益。乐观可以成为自我实现的预言。投机为高风险探索性项目提供了所需的巨额融资；短期看似过度的热情或糟糕的投资，最终却成为社会与技术创新的必要起点……泡沫可能是一种集体幻觉，但也可能是集体愿景的体现。这个愿景成为协调人力与资本的平台，使创新得以并行推进。进步不是线性发生，而是以爆发式同时出现在多个领域。随着热情高涨，风险承受能力增强，网络效应也愈发显著。错失恐惧（FOMO）吸引更多参与者、创业者和投机者，进一步强化正反馈循环。和泡沫一样，FOMO 名声不佳，但有时却是一种健康的本能。毕竟，没有人想错过一生仅有一次的“构建未来”的机会。

换言之，基于技术进步的泡沫之所以“有益”，是因为它们激发投资者投入大量资金——其中相当一部分会被浪费——对新机会领域进行“地毯式轰炸”，从而启动其开发。

关键在于：如果人们始终保持耐心、谨慎、理性，并坚持价值原则，那么新技术的建设可能需要许多年，甚至数十年；而泡沫的狂热则将这一过程压缩到极短时间内——少数赢家获得改变人生的投资回报，而大量资金被焚毁。

泡沫既具有技术属性，也具有金融属性，但上述引文更多站在渴望技术进步者的立场上，他们完全可以接受投资者为此亏损。而“我们”既希望技术进步，又不愿意为推动进步而白白烧钱。

Ben Thompson 在讨论结尾写道：“这就是为什么我对那些前景未知的新技术感到兴奋。”我很喜欢这句话——它既表达了对未来可能性的兴奋，也承认未来形态的不可知性（在我们的世界里，我们会说：风险极高）。

评估当前格局

现在让我们回到“实事求是”。我们知道什么？

首先，我从未遇到过不相信 AI 有潜力成为史上最重要技术之一的人。它可能重塑日常生活和全球经济。我们也知道，近年来经济与市场对 AI 的依赖日益加深：

AI 占据了企业资本支出的极大比例；

用于 AI 能力建设的资本支出，构成了美国 GDP 增长的重要来源；

AI 股票贡献了标普 500 指数绝大多数涨幅。

《财富》杂志在 10 月 7 日的标题这样写道：

75% 的涨幅、80% 的利润、90% 的资本支出 —— AI 对标普的掌控是全面的，摩根士丹利的首席分析师“非常担忧”

此外，我认为还必须注意到：虽然 AI 相关股票的涨幅在全部股票中占比失衡，但 AI 注入市场的兴奋情绪，也必然推高了非 AI 股票的价格。

AI 股票表现堪称天文数字，其中以 AI 芯片龙头英伟达为首。该公司成立于 1993 年，1999 年上市时估值约 6.26 亿美元，后来短暂成为全球首家市值 5 万亿美元的公司。这意味着约 8000 倍的增长，相当于 26 年以上年均约 40% 的复合回报。难怪人们的想象力被彻底点燃。

不确定性在哪里？

可以说，尽管我们知道 AI 将带来巨大变革，但我们几乎无人知道它究竟能做什么、如何商业化、以及时间表为何。

谁会成为赢家？值多少钱？

当一项技术被认为将改变世界时，人们往往也假定拥有该技术的领先公司必然价值巨大。但这一假设究竟有多准确？沃伦·巴菲特在 1999 年指出：

“汽车大概是 20 世纪上半叶最重要的发明……如果你在第一批汽车出现时预见到汽车将如何塑造这个国家，你会说：‘这就是我必须投资的地方。’

但在大约 2000 家汽车公司中，几年后只剩下三家幸存。所以，汽车对美国影响巨大，但对投资者而言却恰恰相反。”

——《时代》杂志，2012 年 1 月 23 日

在 AI 领域，目前有一些极其强大的领导者，其中不乏全球最富有、最强势的公司。但新技术向来具有高度颠覆性：今天的领导者会胜出，还是被后来者取代？军备竞赛要付出多高成本？谁会赢？

初创公司的股份值多少钱？

相较于市值数万亿美元的领头羊，一些潜在挑战者的企业价值只有几十亿、甚至几百万美元。2024 年 6 月 25 日 CNBC 报道：

一个由辍学大学生创立的团队，从 Primary Venture Partners 领投的投资者处筹集了 1.2 亿美元，计划打造一款新的 AI 芯片以挑战英伟达。

Etched 的 CEO Gavin Uberti 表示，该公司押注于：随着 AI 发展，大多数高耗能计算需求将由定制的、硬连线的 ASIC 芯片来满足。

“如果 Transformer 架构消失，我们就完蛋了，” Uberti 对 CNBC 说，“但如果它们持续存在，我们将成为史上最大的公司。”

即便 Etched 不会成为“史上最大公司”，如果成功能让其估值达到英伟达峰值的五分之一——即 1 万亿美元——那么，为 1.2 亿美元投资辩护所需的成功概率是多少？为简化起见，假设这笔投资获得 100% 股权，那么只要你相信达到万亿美元估值的概率有 0.1%，期望回报就超过 8 倍。谁能断言 Etched 没有这样的机会？若如此，谁又会不参与？这正是我所谓的“彩票式思维”：对巨大回报的幻想，足以——甚至必然——驱使人们参与一个失败概率极高的项目。

这种计算期望值的方式本身并无问题，顶级风投每天都在使用。但前提是：对潜在回报和成功概率的假设必须合理。而一旦思考的是“万亿美元级别的回报”，任何计算都很容易被这种想象压倒，从而失去合理性。

AI 会产生利润吗？利润归谁？

我们几乎不了解两件事：

AI 将为供应商带来多少利润？

它对非 AI 公司（使用AI的公司）的影响会是什么？

AI 会形成垄断或双寡头，让一两家领先公司能够对能力收取高价吗？还是会演变为高度竞争的混战，多家公司为争夺用户在 AI 服务上的支出而打价格战，使其成为大宗商品？或者，更可能的是，行业会呈现“巨头 + 专业玩家”的混合形态：部分公司靠降价竞争，部分公司凭专有优势竞争。有人说，目前回答 AI 查询的服务（如 ChatGPT、Gemini）对每一次查询都在亏钱（当然，新行业里用“亏损引流”并不罕见）。领先的科技公司——习惯于在赢家通吃的市场里获胜——是否愿意在 AI 业务上多年亏损以换取份额？数千亿美元正在被投入到争夺 AI 领导权的竞赛中。谁会赢？结果会是什么？

同样，AI 会如何影响使用它的公司？显然，AI 是提升用户生产力的强大工具，其中包括用计算机提供的劳动力与智能替代员工。但这种降低成本的能力，会提升使用者的利润率吗？还是会引发这些公司为争夺客户而展开价格战？如果是后者，节省的成本可能会让利给客户，而不是被公司留作利润。换句话说：AI 是否可能提升企业效率，却不提升企业盈利能力？

我们是否应该担心所谓“循环交易”？

在 1990 年代末的电信繁荣中，光纤被过度建设，拥有光纤的公司之间相互进行交易，从而可以报告利润。如果两家公司都拥有光纤，它们账上只是资产；但如果彼此向对方购买容量，两家公司都能报告利润……于是它们就这样做了。在其他情况下，设备制造商贷款给网络运营商购买其设备，而运营商当时甚至还没有客户来证明建设的合理性。所有这些都导致了虚幻的利润。

如今，一些交易被披露出来，让人感觉资金在 AI 玩家之间“兜了一圈”。相信存在 AI 泡沫的人，很容易用怀疑眼光看待这些交易：它们的目的究竟是实现真实的商业目标，还是夸大进展？

加剧担忧的是，批评者认为，OpenAI 与芯片制造商、云计算公司等达成的一些交易呈现出奇怪的循环：OpenAI 从科技公司获得数十亿美元，但又把数十亿美元付回给同一批公司，用于购买算力和其他服务……

英伟达也有一些交易引发了“公司是否在给自己付钱”的疑问。它宣布将向 OpenAI 投资 1000 亿美元。初创公司获得这笔钱的同时，又用它购买或租用英伟达的芯片……

高盛估计，英伟达明年 15% 的销售额将来自批评者同样称为“循环交易”的部分。（《纽约时报》，11 月 20 日）

值得注意的是，OpenAI 即便尚未实现盈利，却已经对行业合作方做出了总计 1.4 万亿美元的投资承诺。公司明确表示，这些投资将来自同一批合作方支付给 OpenAI 的收入，并且 OpenAI 也有退出这些承诺的方式。但这一切都引发了一个问题：AI 行业是否发展出了一台“永动机”？

在这个话题上，我一直很喜欢一些文章，它们质疑人类是否能真正理解“万亿”这个词。我认为这种想法很到位：一百万美元，相当于每秒 1 美元，持续 11.6 天；十亿美元，相当于每秒 1 美元，持续 31.7 年。我们能理解这一点。但一万亿美元，相当于每秒 1 美元，持续 31,700 年。谁能真正把 31,700 年的意义装进脑子里？

AI 资产的使用寿命会有多长？

我们不得不怀疑：在 AI 世界里，关于“折旧/淘汰”的问题是否被正确处理。AI 芯片的寿命会多长？给 AI 相关股票估算市盈率时，应当假设多少年的盈利增长？芯片与其他 AI 基础设施能否持续足够久，以偿还为购买它们而承担的债务？是否会实现“通用人工智能”（能做任何人脑能做之事的机器）？如果实现了，那是否意味着进步的终点，还是会有进一步的革命？哪些公司会赢？企业是否能达到技术稳定并从中提取经济价值的阶段？还是新技术会不断威胁取代旧技术，成为通往成功的新路径？

在这一点上，《金融时报》的一期通讯提到的两条动态，暗示了竞争格局的流动性：

麻省理工学院与开源 AI 初创公司 Hugging Face 的一项研究发现，新发布的中国开源模型下载量占比在过去一年升至 17%。这一比例超过了谷歌、Meta、OpenAI 等美国开发者的 15.8%——这是中国团队首次超过美国同行……

由于担心谷歌在 AI 上取得进展，英伟达股价昨日大幅下跌，市值蒸发 1150 亿美元。（FirstFT Americas，11 月 26 日）

动态变化创造了突破性新技术的机会，但同样的动态也可能威胁领先公司的统治地位。在所有这些不确定性之中，投资者必须问：他们付出的价格中所隐含的“持续成功”的假设，是否完全站得住脚？

狂热是否正在导致投机行为？

举一个极端例子：风投市场出现了对初创企业进行 10 亿美元“种子轮”投资的趋势。这里有一段小插曲：

Thinking Machines，这家由前 OpenAI 高管 Mira Murati 领导的 AI 初创公司，刚完成了史上最大的种子轮：融资 20 亿美元，估值 100 亿美元。公司尚未发布任何产品，也拒绝告诉投资者它究竟打算做什么。“那是我见过最荒唐的路演，”一位与 Murati 会面的投资者说，“她就像在说：‘我们要做一家 AI 公司，聚集最好的 AI 人才，但我们不能回答任何问题。’”（《AI 泡沫将如何破裂》，Derek Thompson 的 Substack，10 月 2 日）

但那已经是“古代史”了……不过两个月前。这里是最新进展：

Thinking Machines Lab，这家由前 OpenAI 高管 Mira Murati 创立的人工智能初创公司，正在就新一轮融资进行早期谈判，估值约 500 亿美元，彭博社周四报道称。该公司在 7 月完成约 20 亿美元融资时的估值为 120 亿美元。（路透社，11 月 13 日）

而 Thinking Machines Lab 并非个例：

在 AI 军备竞赛中最大胆的押注之一，隐身初创公司 Safe Superintelligence（SSI）由前 OpenAI 首席科学家 Ilya Sutskever 创立，已完成 20 亿美元融资，估值 320 亿美元——尽管它尚未公开发布任何产品或服务。（Calcalist 旗下 CTech，4 月 13 日）

最终会走向何处？

AI 的一个问题在于，它的“新”具有非同寻常的性质。它并不像传统企业那样：设计并销售产品，只要售价高于成本就能赚钱。更像是一群公司在“飞机飞行中造飞机”：等飞机造好，它们才会知道这东西究竟能做什么，以及是否有人愿意为它的服务付费。

许多公司为其支出辩护，因为它们不是在造一个产品，而是在创造一个改变世界的东西：通用人工智能（AGI）……问题在于，它们没有谁真正知道怎么实现它。

不过，弗吉尼亚大学经济学家 Anton Korinek 表示，如果硅谷实现了目标，这些支出都将是合理的。他乐观地认为可以做到。

“这是一场押注 AGI，否则就一无所有的赌局（A.G.I. or bust），”Korinek 说。（《纽约时报》，11 月 20 日）

这种“正在建造的行业尚未被确定”的特点，最能通过对 OpenAI CEO Sam Altman 的一种转述来体现：“我们会先造出一种大体上智能的系统，然后再让它去想办法为我们生成投资回报。”

这对过去一直投资于那些“商业模式完全可理解”的投资者来说，理应是一种警示。一个等同或超越人脑的技术，其价值显然应该很大，但它是否大到超出任何可计算的范畴？

关于债务使用的一点说明

到目前为止，AI 及其配套基础设施的投资主要来自经营现金流形成的权益资本。但现在，公司正在做出需要债务融资的承诺，对于其中一些公司来说，这些投资与杠杆都称得上激进。

AI 数据中心热潮不可能只靠现金融资。项目规模太大，不可能自掏腰包完成。摩根大通分析师做了些粗略估算（大概是在餐巾纸背面，或者桌布上），认为基础设施建设总账单将达到 5 万亿美元（不含小费）。谁知道是否准确，但我们完全有理由预期明年支出将接近 5000 亿美元。与此同时，最大的花钱者（微软、Alphabet、亚马逊、Meta、甲骨文）截至第三季度末合计账上现金仅约 3500 亿美元。（《Unhedged》，《金融时报》，11 月 13 日）

上述公司都依靠其强大的非 AI 业务产生充沛现金流。但 AI 的赢家通吃式军备竞赛迫使其中一些公司开始举债。实际上，可以合理地认为，它们投入巨资的原因之一就是让较小的公司难以跟上。

甲骨文、Meta、Alphabet 发行了 30 年期债券为 AI 投资融资。对后两者而言，债券收益率仅比同期限美国国债高不到 100 个基点。为了获取略高于无风险债券的收益，你是否愿意承担 30 年的技术不确定性？用债务买来的芯片与数据中心，能否在足够长时间内保持生产力，以偿还这些 30 年期义务？

11 月 14 日，Alex Kantrowitz 的 Big Technology Podcast 播出了一段与 D.A. Davidson 科技研究主管 Gil Luria 的对话，主要讨论 AI 行业债务的使用。以下是 Luria 的一些观点：

健康的行为正在由“……微软、亚马逊、谷歌这些理性而深思熟虑的商业领袖”实践，他们在扩张 AI 交付能力上做出稳健投资。之所以能稳健，是因为他们拥有客户……他们用的是资产负债表上的现金，有强劲现金流支撑，理解这是高风险投资，并且做了平衡。

不健康的行为：他描述“……一家初创公司借钱为另一家初创公司建数据中心。两家都在大量烧钱，却仍能借到债务资本来推动建设，而它们既没有客户，也没有投资回报的可见性。”

“健康与不健康之间存在一整个行为谱系，我们需要把它们区分开，避免重蹈覆辙。”

“有些事情适合用权益融资（拥有增长），有些事情适合用债务融资（承担按期付息义务）。长期以来，社会在这两者的分工上是清晰的：当你有可预测现金流和/或可作为抵押的资产时，用债务是合理的……而当你投资更具投机性的事情、追求增长但不确定现金流时，用权益是正常经济的运作方式。一旦把二者混淆，就会出问题。”

Luria 还指出了一些潜在的担忧因素：

“一种投机资产……我们并不知道两到五年后究竟需要多少。”

放贷人员的激励在于“做成贷款”，但不承担长期后果。

AI 产能供给赶上甚至超过需求的可能性。

下一代 AI 芯片更强大，导致现有芯片过时或作为债务抵押的价值下降的风险。

强势竞争者为争夺份额而降价、亏损运营，压低数据中心租金。

以下是 Azeem Azhar 在 10 月 18 日《Exponential View》里的重要段落：

当 AI 繁荣何时会滑向泡沫？[投资者兼工程师] Paul Kedrosky 提到“明斯基时刻”（Minsky moment）——信贷扩张把好项目用尽后开始追逐坏项目的拐点：以供应商融资和可疑的偿付覆盖率去资助边际交易。对 AI 基础设施而言，这种转变可能已经在发生；典型迹象包括：超大规模云厂商（hyperscalers）的资本开支超过收入增长势头，放贷人为了维持派对而甜化条款。

Paul 的论证很有说服力。我们已经进入了投机性融资的领域——甚至可能已经越过了试探阶段——近期交易将树立危险先例。正如 Paul 所警告，这种融资将“为未来类似交易提供模板”，在超大规模云厂商不惜代价争夺主导地位的过程中，推动垃圾债发行与 SPV（特殊目的载体）激增……

对 AI 基础设施而言，警示信号正在闪烁：供应商融资蔓延、覆盖率变薄、超大规模云厂商即便收入动能滞后也要动用资产负债表维持资本开支速度。我们看到两面：既有真实的基础设施扩张，也有让人想起 2000 年电信泡沫崩盘的融资体操。繁荣也许仍将富有成效，但前提是：在信贷收紧前，收入必须追上来。健康的压力何时变成系统性风险？这是市场替我们回答之前，我们必须先回答的问题。

Azhar 提到通过 SPV 进行表外融资，这曾是安然（Enron）脆弱性与最终崩溃的重要推手之一。公司与合作伙伴设立 SPV 用于特定目的，并提供权益资本。母公司可能拥有运营控制权，但因为不具备多数所有权，不需将 SPV 并表。SPV 举债，但债务不出现在母公司账上。母公司可能是投资级借款人，但这些债务既不是母公司义务，也不是其担保。如今，SPV 的债务可能由数据中心承租方承诺的租金支持——承租方有时也是权益合作方——但债务并非承租方的直接义务。简言之，SPV 让公司看起来像是没有做 SPV 正在做的事，也没有 SPV 所承担的债务。（私募股权基金与私募信贷基金极有可能作为合作方和放贷方出现在这些结构中。）

正如我前面引用过的 Perez 所说（她在互联网泡沫破裂后写作）：“支撑部署期的是亏损的投资。”早期投资会在“明斯基时刻”里被消耗：在漫长上行周期中做出的不明智承诺，在回调中遭遇价值毁灭。关于债务，我们确定无疑的三点是：

如果发生亏损，债务会放大亏损（就像它会放大希望中的收益一样）；

债务会提高项目在遭遇困难时失败的概率；

即便债务下方有权益缓冲，如果困难足够严重，债权人的本金仍将面临风险。

需要重点考虑的一个风险是：数据中心建设热潮可能导致供给过剩。一些数据中心可能变得不经济，一些所有者可能破产。届时，新一代所有者可能以“几分钱一美元”的价格从执行抵押的债权人手中收购数据中心，待行业稳定后获利。这是“创造性毁灭”将市场拉回均衡、把成本压到未来可盈利水平的一种过程。

债务本身既非好事也非坏事。同样，AI 行业的杠杆使用也不应被简单歌颂或恐惧。一切取决于：资本结构中债务的比例；你所贷出的资产或现金流的质量；借款人的替代流动性来源；以及债权人获得的安全边际是否充足。我们将看到，在当下这种令人眩晕的环境中，哪些放贷人能保持纪律。

值得一提的是，Oaktree 在数据中心做过少量投资；我们的母公司 Brookfield 正在募集一支 100 亿美元基金，用于投资 AI 基础设施。Brookfield 将投入自有资金，并获得主权财富基金与英伟达的权益承诺，计划在此基础上使用“审慎”的债务。Brookfield 的投资似乎会主要投向数据中心较不饱和的地区，并用于建设为数据中心提供巨大电力需求的基础设施。当然，我们都认为自己是基于审慎决策而做这些事。

我知道我对 AI 了解不够，不足以发表评论。但我确实懂一点债务。我的观点是：

为结果不确定的事业提供债务融资是可以的；

但如果结果纯粹是猜测，那就不可以；

理解这一区别的人仍需在实践中做对判断。

《金融时报》Unhedged 引用摩根大通 CMBS 研究主管分析师 Chong Sin 的话：“……在我们与投资级 ABS 与 CMBS 投资者的对话中，一个经常被提到的担忧是：在债券到期时，他们是否愿意承担数据中心的残值风险。”我很高兴潜在放贷人正在问他们应该问的问题。

以下是 Oaktree 联席 CEO、机会基金联席投资组合经理 Bob O’Leary 对“债务与 AI 交叉点”的看法：

多数技术进步最终会演化为赢家通吃或赢家通吃大多数的竞争。在这种动态下，“正确”的参与方式是权益，而不是债务。只要你能分散你的权益敞口并覆盖最终赢家，赢家的巨大收益将远远弥补输家的资本损失。这是风投成功的经典公式。

而多元化的债务敞口恰恰相反：你在赢家身上也只能拿到利息票息，而这远不足以抵消你在输家债务上遭遇的损失。当然，如果你甚至无法识别赢家将从哪一组公司中诞生，那么债务与权益的区别也就无关紧要——你两边都是“零”。我之所以提这个，是因为搜索与社交媒体领域就发生过这样的事：早期领跑者（搜索的 Lycos、社交的 MySpace）惨败于后来出现的公司（搜索的 Google、社交的 Facebook）。

试图得出一个结论

毫无疑问，当下的行为是“投机性的”——即建立在对未来的猜测之上。也毫无疑问，没有人知道未来会怎样，但投资者正在用巨额资金押注这个未来。

在这一点上，我想谈谈 AI 的独特性质。AI 革命与以往的技术革命不同，其不同之处既令人振奋也令人担忧。对我而言，它像是瓶子里的精灵被放出来了，不会再回去：

AI 也许不仅是人类的工具，而更像是一种替代物。它可能接管认知能力，而这曾是人类的垄断。因此，它与此前的发展可能不仅是“程度不同”，而是“性质不同”。（在附言部分我会进一步谈。）

AI 技术正在以惊人的速度推进，可能几乎不给人类留下调整的时间。我给出两个例子：

编程（60 年前我们称之为“计算机程序设计”）在 AI 影响方面像是矿井里的金丝雀。在许多先进的软件团队里，开发者不再写代码；他们输入需求，AI 系统为他们生成代码。AI 编码已经达到了世界级水平，而一年前还不是这样。正如我在这里的向导所说：“在那个垂直领域，人类替代是否发生，已不存在投机性。”

在数字广告领域，当用户登录一个应用时，AI 会进行“广告匹配”，根据用户此前的浏览偏好向其展示广告。做这项工作不再需要人类。

或许最重要的是：AI 需求增长似乎完全无法预测。我的一位年轻顾问解释说：“改进的速度和规模意味着很难预测 AI 需求。今天的采用情况可能与明天毫无关系，因为一年或两年后，AI 可能能做到今天的 10 倍或 100 倍。那样的话，谁能说需要多少数据中心？即便成功的公司又怎么知道该签约多少算力容量？”

面对这些不同，谁还能正确判断 AI 对未来意味着什么？

此时此刻，许多观察者（包括我）正在做的一件事，是寻找与过去泡沫的类比。以下是一篇《连线》（Wired）近期文章提供的历史视角：

AI 在这里最接近的历史类比，也许不是电灯，而是广播。1919 年 RCA 开始播音时，人们立刻意识到它手握一种强大的信息技术。但不那么清楚的是，这会如何转化为生意。“广播会是百货公司的亏本营销吗？是用于播讲周日布道的公共服务吗？还是一种靠广告支撑的娱乐媒介？”马里兰大学的 Brent Goldfarb 与 David A. Kirsch 写道。“所有这些都可能。它们都是技术叙事的一部分。”因此，广播演变成历史上最大的泡沫之一——1929 年见顶，然后在崩盘中损失了 97% 的价值。这不是一个边缘行业；RCA 与福特汽车公司一起，是当时市场上成交最活跃的股票。正如《纽约客》近期写道，它是“那个时代的英伟达”……

1927 年，查尔斯·林德伯格完成了首次从纽约到巴黎的单人不间断跨大西洋飞行……那是当时最大的技术演示，并成为一次巨大的、堪比 ChatGPT 发布级别的协调事件——向投资者发出信号：把钱灌进这个行业。

Goldfarb 与 Kirsch 写道，“专业投资者确实正确地理解了飞机与航空旅行的重要性”，但“必然性叙事在很大程度上淹没了他们的谨慎。技术不确定性被框定为机会，而不是风险。市场高估了该行业在技术可行性与盈利性上达到成熟的速度。” 因此，泡沫在 1929 年破裂——从 5 月的峰值算起，航空股到 1932 年 5 月下跌了 96%……

值得重申的是：在科技泡沫史中，AI 最接近的两个类比似乎是航空与广播。两者都充满高度不确定性，也都被极其强大的协调性叙事所包装。两者都被纯粹的“单一赛道公司”（pure play companies）抓住以期从这项改变游戏规则的新技术中获利，而且都对当时的散户投资者可触达。两者共同助推了一个巨大泡沫，以至于当它在 1929 年破裂时，引发的大萧条随之而来。（《AI 是一个足以让一切破裂的泡沫》，Brian Merchant，《连线》，10 月 27 日——强调为原文所加。注：大萧条成因很多，广播/航空泡沫破裂只是其中之一。）

Derek Thompson（也就是我在开头引用的那位作者）在其通讯结尾给出了很精彩的历史视角：

铁路是泡沫，但它改变了美国。电力是泡沫，但它改变了美国。90 年代末的宽带建设也是泡沫，但它改变了美国。我并不希望出现泡沫；相反，我希望美国经济很多年都不要再经历衰退。但考虑到如今流入 AI 数据中心建设的债务规模，我认为 AI 不太可能成为第一项既具有变革性、又不会被过度建设、也不会经历一次短暂而痛苦修正的技术。（《AI 可能是 21 世纪的铁路。做好心理准备》，11 月 4 日）

怀疑者很容易列举当下与互联网泡沫相似之处：

一项改变世界的技术

亢奋、投机性的行为

FOMO 的作用

可疑的循环交易

SPV 的使用

10 亿美元种子轮

支持者提出“这次不一样”的理由：

已有产品且需求强劲

已有 10 亿用户（远超泡沫顶点时的互联网用户数）

主要参与者已建立多年且拥有收入、利润与现金流

没有 IPO 狂潮（上市当天翻倍）

成熟参与者的市盈率合理

我想对第一个“不同点”做进一步说明。与互联网泡沫时期不同，AI 产品已经以规模化形态存在，对它们的需求正在爆发式增长，并且正在产生快速增长的收入。例如，Anthropic（被描述为两大 AI 编码模型领导者之一，见第 12 页）据称在过去两年每年收入都增长 10 倍（对没学高等数学的人来说，就是两年 100 倍）。Anthropic 今年早些时候推出的编码程序 Claude Code，据称其收入年化已达 10 亿美元。另一个领导者 Cursor，在 2023 年收入 100 万美元、2024 年收入 1 亿美元，并且也预计今年达到 10 亿美元。

至于最后一条“市盈率合理”，请看下表。来自高盛，经由 Derek Thompson）。你会注意到：在 1998–2000 年互联网泡沫期间，微软、思科、甲骨文的市盈率比今天的主要 AI 玩家——英伟达、微软、Alphabet、亚马逊、Meta（OpenAI 没有盈利）——要高得多。事实上，相比 26 年前，微软现在的市盈率简直像是在打五折！而在我亲历的第一个泡沫——1969–72 年的“漂亮 50”（Nifty-Fifty）——当时领军公司的市盈率甚至比 1998–2000 年还要高。

结语

在我最后一个引用中，我会回到 OpenAI 的 Sam Altman。他的评论在我看来抓住了当前局势的本质：

“当泡沫发生时，聪明人会对一个真实的内核过度兴奋，”Altman 今年对记者说。“我们是否处在一个投资者整体对 AI 过度兴奋的阶段？我认为是的。AI 是否是很长时间以来最重要的事情？我同样认为是的。”（《纽约时报》，11 月 20 日）

那么，我有没有一个“底线结论”？有的。格林斯潘的那句话（前文提到过）非常适合用来概括股市泡沫：“非理性繁荣（irrational exuberance）”。毫无疑问，投资者对 AI 正在施加“繁荣式的兴奋”。问题在于：它是否“非理性”。鉴于 AI 的巨大潜力以及同样巨大的未知数，我认为几乎没人能确定地回答。我们可以推演当前热情是否过度，但只有多年以后我们才会知道。泡沫最容易在事后被识别。

虽然与过去泡沫的相似性几乎无法回避，但技术信徒会说：“这次不一样。”这四个字几乎在每一个泡沫中都会出现，用以解释为什么这一次不像过去那些类似情况，是泡沫。另一方面，约翰·坦普尔顿爵士在 1987 年把这句话提醒给我时，也很快指出：有 20% 的时候，事情确实不同。但从第三个角度看，我们必须记住：正是基于“这次不同”的信念而采取的行为，才会导致“这次并不不同”！

当下的情形让我想到一位美国经济学家 Stuart Chase（据称）关于信仰的一句话。我认为它也适用于 AI（以及黄金与加密货币）：

对于相信的人，不需要证明。

对于不相信的人，不可能有证明。

这是我真正的底线结论：

变革性技术一贯会引发过度热情与过度投资，导致基础设施建设超出所需、资产价格也被证明过高。正是这些过度，加速了技术的采用——如果没有它们，采用速度不会如此之快。描述这种过度的常用词就是“泡沫”。

AI 可能成为史上最伟大的变革性技术之一。

如上所述，AI 当前正处于高度热情之下。如果这种热情最终没有产生符合历史模式的泡沫，那将是第一次。

在这一过程中形成的泡沫通常以推动者的亏损告终。

亏损的主要原因在于：技术的新颖性使其影响的范围与时间高度不可预测。这让人们在热情中很容易对公司做出过度积极的判断，也难以在尘埃落定前识别谁会成为赢家。

若想充分参与新技术的潜在收益，就不可能不暴露在“热情过度、行为过度”所带来的亏损风险之下。

此次过程中债务的使用——过去技术革命中往往因不确定性太高而不适用——有可能在这一次放大上述一切。

既然没人能明确断定是否存在泡沫，我建议任何人都不应在未承认“若事态恶化可能面临毁灭性风险”的情况下全押；但同样也不应完全置身事外，以免错过人类技术史上的重大跃迁。最好的做法似乎是：以选择性与审慎为前提，采取适度的参与仓位。

最后，必须牢记：投资中没有“魔法词”。如今，推广房地产基金的人会说：“写字楼已是昨日黄花，但我们正通过数据中心投资未来。”然后所有人点头赞同。但数据中心可能短缺，也可能过剩；租金可能超预期上涨，也可能意外下跌。因此，它们可能盈利……也可能不盈利。对数据中心、也即对 AI 的明智投资——和一切投资一样——需要冷静、深刻的判断与高水平的执行。

2025 年 12 月 9 日

附言（P.S.）

以下内容与金融市场或“AI 是否泡沫”完全无关。我的话题是：AI 通过失业与失去目的感对社会产生的影响。你不必阅读——所以它才叫附言——但这对我很重要，而我一直在寻找一个合适的地方说几句。

11 月 18 日，巴克莱的一份研究报告称，美联储理事 Christopher Waller “强调近期股市对 AI 的热情尚未转化为就业创造”。鉴于我认为 AI 的主要影响之一将是提高生产率、从而消灭就业岗位，这句话在我看来颇为矛盾。而这正是我担忧的来源。

我主要把 AI 视为一种不可思议的节省劳动力的装置。先锋集团（Vanguard）全球首席经济学家、投资策略组负责人 Joe Davis 说：“对大多数工作——可能是五分之四——AI 的影响将是创新与自动化的混合，并可能节省人们目前在工作任务上花费的约 43% 时间。”（《Exponential View》，9 月 3 日）

我认为这对就业的前景令人恐惧。我极度担心：那些被 AI 取代、或者因为 AI 而找不到工作的人会怎样。乐观者说：“过去每次技术进步之后都会出现新工作。”我希望 AI 也会如此，但希望并不是可靠的依靠，而我很难想象那些工作会从哪里来。当然，我不是未来学家，也不是金融乐观主义者，这也是我 1978 年从股票转向债券的原因之一。

乐观者还说：“AI 对生产率的积极影响将使 GDP 增速大幅加快。”对此我有一些具体的质疑：

GDP 的变化可以理解为：工作小时数的变化 × 每小时产出的变化（即“生产率”）。AI 提升生产率意味着：生产我们所需的商品将需要更少的工时——也就是更少的工人。

或者从另一个方向看：生产率的繁荣意味着用同样的劳动力可以生产更多商品。但如果 AI 导致大量岗位消失，人们又如何负担 AI 让我们能够生产出来的更多商品？

我很难想象一个世界：AI 能与今天所有仍在就业的人肩并肩工作。就业怎么可能不下降？AI 很可能取代大量入门级员工、那些处理纸面流程但不运用判断力的人、以及为寻找判例而翻阅法条的初级律师。甚至可能取代制作电子表格与整理演示材料的初级投资分析师。据说 AI 读 MRI 的能力优于平均医生。驾驶是美国从业人数最多的职业之一，而无人驾驶车辆已经开始到来；那些如今开出租车、礼宾车、公交车、卡车的人将去哪里工作？

我设想政府会用所谓“全民基本收入（universal basic income）”来回应：政府给数以百万计没有工作的人寄支票。但我这个“爱担心的人”同样看到问题：

支票的钱从哪里来？我预见的岗位流失意味着所得税收入减少、福利支出增加，这会进一步加重仍在工作的那部分人口的负担，并意味着更大的财政赤字。在这个新世界里，政府还能否负担不断扩大的赤字？

更重要的是，人从工作里获得的远不只是薪水：工作让他们早晨有理由起床，给一天提供结构，让他们在社会中拥有有产出的角色与自尊，并提供挑战；克服挑战带来满足感。这些东西将如何被替代？我担心大量人仅靠基本支票度日、整天无所事事。我担心近几十年矿业与制造业岗位流失，与阿片类药物成瘾和寿命缩短之间存在相关性。

顺便说一句：如果我们消灭大量初级律师、分析师和医生，那么那些需要几十年判断力与模式识别训练才能解决复杂问题的资深专家，从哪里来？

哪些工作不会被消灭？我们的孩子和孙辈应当为哪些职业做准备？想想机器做不了的工作。我列出的清单从水管工、电工、按摩师开始——需要身体操作的任务。也许护士会比医生赚得更多，因为他们提供手把手的护理。

那艺术家、运动员、医生、律师，以及我希望的投资者中最优秀者，有什么共同点？我认为是“天赋或洞察力”，AI 可能能复制，也可能不能。但这些职业顶尖位置又需要多少人？曾有一位总统候选人说，他会给每一个因为外包而失业的人发笔记本电脑。我们到底需要多少“笔记本电脑操作员”？

最后，我担心少数居住在沿海地区、受过高度教育的亿万富翁，会被视为创造了让数百万人失业的技术。这可能造成比我们今天更严重的社会与政治分裂，使世界更容易滋生民粹煽动者。

我一生见证了惊人的进步，但在很多方面，我怀念自己成长的那个更简单的世界。我担心这次将是又一个巨大的变化。我写下这些并不快乐。乐观者能否解释一下：为什么我错了？

有趣的是，先锋集团的 Joe Davis 指出：2025 年将有比以往任何一年更多的美国人满 65 岁，并且从现在到 2035 年约有 1600 万婴儿潮一代将退休。AI 会不会只是用来填补这个缺口？这倒是一个乐观的解释。

HM