#AI 風險投資
戰爭、AI 與投資:賺到錢的人都不看荷姆茲海峽堵了多少桶油
“太極端的敘事都是為了博人眼球。”2 月底爆發的美伊戰爭是過去五年裡,繼烏克蘭衝突、以巴衝突之後,第三次大規模軍事衝突。一個多月來,不斷升級的局勢讓它變成了所有人、所有行業都繞不開的風險。能源咽喉荷姆茲海峽幾近停擺。平時,約有 2000 萬桶原油和油品每天經由這裡運輸;戰後,海灣內仍有約 1.72 億桶原油和成品油滯留。布倫特原油因此自 2 月底以來一度上漲 55%。全球經濟動盪下的第一批 “受害者” 不是加油站前排隊的司機們,而是投資者。美國的航空母艦、導彈驅逐艦和戰鬥機在 2 月中便開始向中東集結,但專注宏觀交易 [1] 的基金們卻幾乎做不了任何反應。3 月,全球避險基金遭遇四年多來最差的月度回撤,其中股票基本面策略平均下跌 5.4%;依賴能源進口的新興市場單月資金流出 703 億美元,創下 2020 年以來最大撤離;即便是許多零售投資者 [2] 重倉的標普 500 指數也一度大跌超 5%,全月收跌 5.1%。最重要的避險工具黃金也變得不再可靠。3 月,金價下跌 11.5%,創下 2008 年 10 月以來最差單月表現。相反,停火消息傳出後,現貨黃金當天反彈 0.8%。4 月 8 日,美國與伊朗簽訂了為期兩周的停火協議,談判也已開啟,但世界並沒有回到原點。上千艘船還滯留在海峽附近,保險和運費居高不下,大量港口、碼頭和倉儲等基礎設施遭到破壞,更不用說那道難以彌合的政治信任裂痕。停火只是暫時緩和了資本市場的情緒,卻沒有消除不確定性。美伊停火前兩天,《晚點 LatePost》對話了劉迪凡,聊了這次戰爭對全球資本市場帶來的影響、正在形成的新常態,以及今年以來最值得關注的新動向。劉迪凡於 2020 年創立 CT Associates,主要為中國 LP 提供海外資產配置方案;主理了一個專業垂直公眾號:海外避險,訪談過全球 600 多家避險基金管理人、研究覆蓋 2000 多家避險基金。他認為,多數人高估了戰爭對資本市場的長期影響。零售投資者每天都在研究荷姆茲海峽什麼時候恢復通航,但真正賺到錢的人,很多並沒有把戰爭風險直接納入自己的交易框架。“市場會自我適應,供給也會找到新的路徑,沒有人能永遠卡住全球經濟的命脈。” 劉迪凡說。多數賺到錢的人並沒有把戰爭風險納入到投資策略裡晚點:在這次美伊戰爭爆發前,資本市場有一個很奇特的現象,似乎連散戶都看得出來,美國往中東調集軍艦,幾乎就是要動手了,但機構資金的反應總體仍偏克制,沒有集體性地大舉調整倉位,這是為什麼?劉迪凡:主要有兩個原因,首先是他們的 mandate(投資授權範圍)[3] 被限制得比較死,例如股票多空策略 [4] 只投股票,不願意在已經向投資人講清楚錢怎麼投,且幾億美元已經按原定投資流程投出去之後,再臨時把宏觀交易加進來。如果判斷錯了,後面就沒法募資了。這對美國的專業投資人來說,是一個很大的約束。另一個原因是,他們也比較有自知之明,知道憑自己這兩把刷子去做宏觀交易,未必有選股那麼專業。晚點:現在打了這麼長時間也不做調整嗎?戰爭導致油價大漲傳導到了各行各業。劉迪凡:拿全球宏觀這類基金來說,我認為他們還是沒法下很大的決心去調方向,因為害怕錯上加錯。這些人心裡都很清楚,宏觀交易一旦節奏錯了,今年大機率就很難賺錢了。有的在 1、2 月份靠做多 [5] 黃金、做多美債,或做空 [6] 美元賺了 20% 以上,結果在 3 月又吐回去了,甚至我知道有的宏觀大佬單月就回撤了 15%,這就是節奏亂了。那今年基本就會處於防守態勢,沒有多少翻身空間了。對這些機構來說,當下最重要的是先保住本金;如果已經回吐了的,那就先把損失控制住。所以他們當前最主要的工作其實都是在控制風險。晚點:年初的一次節奏錯了就會導致一整年都賺不到錢嗎?劉迪凡:宏觀和股票不太一樣。股票很多時候有均值回歸的邏輯:你看好的公司跌了,反而會想繼續買。但宏觀更看重對原有判斷的驗證,比如我先有一個基本判斷,然後加三個點,再看市場走勢有沒有按這個判斷走,確認了才敢繼續加倉。如果這個判斷被證偽了,我就會趕緊止損。宏觀交易很像看手感,有點像投三分球。如果手感不好,機構就會把資金量先縮下來、把槓桿降下來;可槓桿一降,後面要是反彈了,它肯定就趕不上了。所以宏觀基金特別講究開年先賺出一個 “安全墊”,比如年初先掙 20%,後面他就可以 “胡搞” 了。現在沒有這個 “安全墊”,他就只能縮著。沒辦法,這個行業就是一年一年看業績。晚點:但專業投資者可以去打專家電話,比如向白宮內部熟悉政策的人、前政府要員溝通瞭解資訊輔助決策?劉迪凡:我認識一個美國西海岸挺大的基金的分析員跟我說,川普第一任期時,他們為了判斷政策方向,前前後後花了幾百萬美元請說客,天天待在白宮那邊盯著,然後給他們做政策分析,但後來回頭一看,基本全是錯的。再比如站在普通投資者的視角看,很多事情似乎很明確,打仗了、戰爭拖延了,油價就該漲、股市就該下跌,可現實並不是這樣的,這中間往往會不斷經歷反轉、反轉、再反轉,所以等你真的拿錢買進去,來回折騰一遍,最後很可能還不如一開始就別動。晚點:包括很多普通投資者對戰爭的第一反應是利多軍工股。劉迪凡:不管是軍工、原油還是化學品,第一波如果沒趕上,後面其實還要面對很多很具體的決策:漲到這個位置了,我要不要追,還是該走了?這種時候,做得越多,反而可能錯得越多。那還不如等等自己本來就看好的東西,跌到位我買一筆就算了。很多人平時研究的未必是荷姆茲海峽。那同樣是一筆下注,到底是戰爭一打就臨時去找白宮的人、弄到資訊,然後立刻下 1000 萬美元的單;還是耐心等待買自己更熟、而且曾經賺過錢的東西?這兩種情況下,判斷的把握其實完全不一樣。晚點:遇到這種來不及或很難下決心調倉的情況,專業的基金經理都是怎麼做風控的?劉迪凡:我問過一個基金經理說,你會不會去分析荷姆茲海峽一天到底通過多少桶油,那些會運去沙烏地阿拉伯,沙烏地阿拉伯管道還能補上多少產量,胡塞如果再出來襲擊會打掉多少供給。他告訴我說會算,但算這些其實並不能直接帶來收益。他核心就看交易訊號,一旦 VIX(恐慌指數,反映標普 500 指數未來 30 天隱含波動率的即時指標)到了 30 以上,他就肯定降倉位;只要 VIX 回落到 20 以內,他就重新上倉位。而且他加的通常也不是什麼新的方向,比如突然去買鋁公司,更多還是回到原來已經持有、已經研究過的那些標的。因為關鍵不是看某一個倉位,比如我買了 1% 的鋁公司,那怕它漲了 100%,影響也有限;更重要的,還是要看那些佔比 20% 的核心持倉,最終到底能做出多大的收益。晚點:是什麼人在這一次美伊戰爭裡賺到了錢?劉迪凡:散戶天天研究荷姆茲海峽什麼時候開放,但賺到錢的人很多其實並沒有把戰爭風險納入到自己的策略中,收益還是來自於自己的能力圈。一些能源和宏觀基金在去年年底的報告裡就已經提到,油市供給端開始接近瓶頸:一是沙烏地阿拉伯和歐佩克手裡的閒置產能雖然還在,但真正能持續釋放的增量沒有市場想的那麼大;二是美國頁岩油的增長也在放緩;再加上原本堆在海上的俄羅斯原油也在一點點被消化掉。正是因為看到了這些基本面訊號,他們才判斷油價有機會摸到每桶 100 美元左右,只不過當時更多還是一個中長期交易主題;後來戰爭爆發,相當於把這筆交易提前兌現了。晚點:你認為那些虧了錢或是沒賺到錢的人,最大問題是太執著於研究戰爭本身了?劉迪凡:零售投資者有一個很大的誤區是,往往在事情發生之後才臨時開始研究各種細節,比如荷姆茲海峽到底每天通過多少桶油,這其實有點用錯力了。所謂深度研究、深度思考,很多時候都是 “聽上去太美” 的,關鍵是你得有資訊管道,以及自己用什麼框架給這些資訊排權重,摒除噪音,而不是細節越多越好。Ray Dalio 就未必比一個做能源的基金經理更懂某個具體問題。歸根結底,就兩件事:第一,找到對的人;第二,問對問題。當第一槍打響時,市場就已經在提前反映未來風險了晚點:2021 年美國從阿富汗撤軍後,全球武裝衝突進入了一個頻發狀態。 研究機構 UCDP 的調查顯示,2024 年全球有 61 場涉及國家的活躍衝突,是 1946 年以來的最高點,資本市場應該如何跟這種新常態共存?劉迪凡:我最近聽到了兩個我非常認可的觀點。第一,當戰爭第一槍打響的時候,市場其實已經在提前反映未來的風險了。一場仗打十年,你覺得市場還會天天動嗎?理論上大家只會越來越習慣。就像去年川普搞關稅戰、貿易戰,剛開始都很緊張,打到後面就逐漸麻木了。原因也很簡單,做市場的人本質上只能接受價格,沒法決定價格;一旦市場形成了某種共識,個人其實很難逆著它做的。第二,仗總會打完,不可能無限打下去。這是我個人的分析,好比今天除了伊朗以外,人人都想搞 AI,都全力去 “愛”(All in AI),不像以前還有人喜歡搞革命,現在誰去陪你搞革命,再說革命軍也要生活的。而且大炮一響,黃金萬兩,伊朗沒有經濟實力,只會越打越弱,不會越打越強,至於說他是下半年繳槍,還是十年以後繳槍,這誰知道呢。晚點:所以你相信每次戰爭到來後,市場會自適應風險的?劉迪凡:對,比如我還聽到的一個非常有意思的觀點,現在大家天天想著每天 1800 萬桶原油被荷姆茲海峽鎖著要怎麼辦,但這麼大的利益它其實是會自適應的,沙烏地阿拉伯的管道能走 700 萬桶,其他產油國再補一部分,美國也會開始增加供給,慢慢就會把危機消化掉的。大家不可能長期讓一個已經被大大削弱的國家卡住脖子的。晚點:在今年這一輪美伊衝突中,還有一些新的變化,比如黃金似乎就沒有起到避險作用。美伊戰爭爆發以來,標普 500 累計下跌約 3.9%,而黃金在 3 月單月反而下跌了 11.5%。劉迪凡:黃金這兩年賺錢效應太強,參與的人越來越多,很多人已經不是把它當避險資產在配,而是當成股票在炒。參與主體也變了,原來更多是銀行和避險資金,現在多了很多散戶和加槓桿做交易的人。對這批人來說,目標不是長期配置,而是明天賺了錢就先跑。另外就是大家原本認為這次戰爭伊始美國會 TACO(Trump Always Chickens Out,形容川普總是臨陣退縮),也就是嚇唬嚇唬,結果又沒 TACO,上去就斬首最高領袖,那很多資產原來那套固定的漲跌關係就被打亂了。晚點:TACO 也是一個新的變化。最近不少歷史學者、金融從業者都在寫文章說,如果 TACO 成立,某種意義上也意味著美元霸權開始鬆動,甚至可能走向終結。劉迪凡:這不就是瑞·達利歐(Ray Dalio,橋水基金的創始人)說的嗎,他就是買黃金的人。千萬不要花太多時間在這種免費的觀點上。很多事情是零和一之間的某個點,但是專家就喜歡說點極端的要點選量。晚點:美元在這次戰爭期間反而走強,歐元、英鎊等主要貨幣也沒有顯示出明顯替代性,這是不是也在說明瑞·達利歐的判斷言之過早?劉迪凡:我承認現在的世界還是有點比爛。美國當然也有通膨、生活成本越來越高的問題,但它畢竟還有增長,也在一個降息的通道上。真到了打仗、避險情緒上來的時候,資金最後還是回到美元上,因為暫時沒有比它更好的選擇。晚點:那我們要怎麼去理解美國這些年在重大節點上一直 TACO 的這件事呢?劉迪凡:美國說的話大部分是真的,因為監督力量太大,但也有一部分是假的;伊朗說的話大部分是假的,因為監督的人要吃槍子兒,但也有相當部分是真的,這從來不是二極體。很多人的思維就是要去判斷,美國說的是真的還是伊朗,但這其實根本沒必要。我覺得大家就不要去分析這些東西,因為分析了也沒法幫助做決策。還不如就是等 VIX(恐慌指數)什麼時候降到 20 以內,再繼續去做自己原來長期看好的方向。晚點:香港財政司司長陳茂波在去年和今年都說過,在全球政治和經濟環境深刻變化之下,香港被視為 “全球資本的安全港”,你認同嗎?劉迪凡:不是這個邏輯。我有一個朋友,之前在美國一家很大的基金做基金經理,管過上百億美元,現在轉去做家族辦公室。前兩天他的人還來問我,香港有沒有合適的基金可以看。原因很簡單,不是他突然特別看好中國內地市場或中國香港,而是他手裡的美國資產太多了,必須往外分散。這種分散 [7] 本身就是一股很強的力量。至於分到歐洲、日本、韓國、中國還是別的地方,對他來說首先是 “分散” 這件事本身,而不是押注某一個市場。當然,中國和日本可能會稍微好一點,有配置意義,但總的來說,這首先不是一個主動進攻的判斷,而是一個資產再平衡的動作。晚點:如果長期來看,你認為應對戰爭新常態最好的避險資產是什麼?劉迪凡:肯定還是黃金。看五年,美債和財政赤字的問題擺在那兒,美元大機率不會比現在更強,反而更可能走弱。從這個角度看,黃金的長期邏輯還在,必然還是避險資產。另外我看到的大部分人在避險時,不是去買另外一種資產,而是降倉位,也就是留現金。美國市場與亞洲市場的 AI 共識:等待裁員潮晚點:今年除了戰爭之外,AI 類股也發生了新的變化。亞洲 TMT 基金經理們普遍的回報區間估計在 15% - 4%,反而北美卻跑輸了,業績區間在 -10% 到 10%,為什麼會出現這樣的現象?劉迪凡:一個很重要的原因,就是中國基金經理抓住了這輪半導體、儲存等 AI 供應鏈上的機會。至少在香港市場,我看到一些基金經理因為光和儲存這條線抓得比較準,去年四季度到今年一季度做到 50% 收益的人並不少,表現明顯好過不少美國基金經理。這也慢慢滋生出一種很強的自信,他們覺得美國人不懂 TMT。晚點:為什麼美國的基金經理集體錯過了這個機會?劉迪凡:他們過去關注的重點一直都在網際網路和軟體上,半導體產業鏈一方面過去在整個 TMT 類股裡的市值佔比不高,另一方面又高度集中在亞洲,所以在北美真正能看懂這條鏈條的人其實很少。我之前見了前 Melvin Capital[8] 的基金經理,我問他,你為什麼不去做點亞洲產業鏈和半導體?他說他其實也想做,但問題是沒有研究員,沒法拆數跟核實資訊,這樣也就沒辦法建大倉位。如果只是配個 1% 到 2% 的倉位又沒什麼意義,還不如繼續做自己更懂的東西,比如在亞馬遜上弄個大的。我為什麼對 “敗軍之將” 感興趣,因為大起大落的人才能跟你說點掏心窩子的真話。可以看到,做家辦和管避險基金根本是兩個思路,前者關注如何長期複利自己已經賺到的財富,避險基金經理說到底是經營一個產品,年年都要打榜。晚點:如果北美的基金要重新把 AI 供應鏈的研究體系建立起來需要多長的周期?劉迪凡:他們現在就很糾結,不知道這東西是一波流,還是說值得去長期建設,這其實是一個挺複雜的過程,要建立新的能力,包括對研究員的信任。我再舉個例子,中國基金經理看 AI,習慣順著模型的變化一路往下拆。比如如果大家判斷下一階段的重點是多智能體,他就會繼續往下看,找到最關鍵的約束變數;在這條線上,Token[9] 成本往往就是那個核心變數,最後再圍繞它去買股票。但我從美國基金那裡,幾乎沒聽過有人這樣想問題。他們不會盯著卡脖子的環節,而是習慣把邏輯和倉位分散開。我不覺得現在有很多美國基金會因為這一輪亞洲產業鏈表現好,就立刻決定系統性地加大亞洲佈局。晚點:這兩種差異背後反映了什麼?劉迪凡:美國的 LP 喜歡穩定、可預期的收益,所以他們的基金經理不 FOMO(Fear of missing out,害怕錯過),更傾向於在長期標的上建立自己的護城河。他們的組合裡往往會放幾隻確定性很強的好公司,那怕一年只複合增長 15%,只要價格不貴,也願意長期持有。整個亞洲的 LP 大多還是希望投基金再致富一把,所以基金經理不太願意做那種特別明牌的東西,因為這往往不是拐點交易,彈性沒那麼大;反而是在模糊不清、爭議很大的時候,想像空間才更大。晚點:這輪亞洲 PM 的優勢,你覺得更像一輪市場風格給的 Alpha[10],還是全球科技投資的話語權正在往更懂供應鏈的人手裡轉移?劉迪凡:我覺得還需要有更多的證明。首先是半導體供應鏈這個類股整體還是比較小的;其次是比如像 Lumentum[11] 這樣的公司,它其實還是一個千億以內市值的公司,美國那些大型 TMT 基金未必是不懂,而是他們體量太大了不敢進去。某種程度上,這更像是大基金和中小基金可投範圍的區別,而不完全是亞洲基金更聰明的區別。另外畢竟再怎麼說,OpenAI、Anthropic 都還是美國公司。我可以肯定的是像美國的核心資產,比如 Roblox、Robinhood、還有 Plantier 跌到價位,一定還是由美國基金來賺這錢的。晚點:今年 AI 上還有一個很矛盾的現象,一方面市場樂見大型科技公司不斷追加 Capex(資本支出)應對激烈的 AI 競爭,另一方面他們對這些科技公司的利潤表現卻有著極其苛刻的要求。劉迪凡:這就像在矽谷的人天天看著 Token 量暴漲很興奮,然後覺得曼哈頓的人都是傻帽一樣;曼哈頓的人偏傳統一些,也沒用那麼多 Token,信心自然就沒那麼強。但我覺得本質還是市場環境決定的。現在整體流動性偏緊,又疊加戰爭衝擊,資金只願意追逐那些最卡脖子的、下個月就能兌現的標的,否則就沒有人買。我最近聊了一個美國的基金經理,他在打仗以後,從原先的 4 倍的槓桿一下就降到了 0.8 倍。晚點:但去年大家還是非常樂觀的,比如阿里巴巴只要一喊要上調 Capex 股價就漲,但今年再喊好像就沒用了。劉迪凡:這個確實不好說。也許過幾天美國宣佈戰爭勝利,大家又想賺錢了,流動性就會寬鬆一點,或者美國經濟又出現一點衰退跡象,這樣降息路徑又明顯一些。反正很多因素是纏在一起、來回拉扯的。但總的來說,現在市場對 AI 泡沫論最大的擔心點,還是這些錢最後到底花到那兒去了。如果這幾千億美元的資本開支,最後很大一部分都流向了儲存,而不是更快地轉成收入、利潤和更清晰的回報,市場就會一直有疑慮。現在幾家大廠合起來已經花了 6000 多億美元,已經接近它們自身的所有現金流。但在這個階段,誰也不敢先收手,這就是囚徒困境。誰要是先退,市場很可能先給它砸個 10% 到 15%。所以那些既沒有跟到足夠細的 Token 資料、又擔心大盤下跌的資金,始終不會真正參與進來。晚點:在 AI 上,美國與亞洲的基金現在有什麼共識與非共識嗎?劉迪凡:我覺得共識就是,都在等待裁員潮,未來肯定要政府出手才能防止蕭條。非共識的就是大家還是賺不同的錢。亞洲基金搞硬體,看算力瓶頸的變化,那裡有瓶頸就去那裡;美國的基金就是以不變應萬變。畢竟大家面對的不是一個客戶群,就跟各搞各的 AI 其實有點一樣。另外亞洲基金就會嘲笑美國那邊沒有應對 AI 末日情景的預案,它們敢重手去空那些會被 AI 衝擊的資產,但美國的 TMT 基金很多時候做不到把倉位直接翻到淨空 [12],這就是很現實的差別,美國的基金主要靠保持恆定的空倉比例來應對市場變化。晚點:對中產來說,應該如何配置科技類(TMT)資產?劉迪凡:首先,把美股作為投資的核心。因為美國是通膨社會,所以資產價格長期來看更容易上漲。標普和納指一直是美國家庭和家辦最核心的 Beta[13] 配置,其他市場通常不具備這樣的 Beta 屬性。第二,避免一級投資。一級很難退出,未來十年的不確定性太大。第三,固收意義不大,還不如選些 Beta 低一點的基金。第四,基金配置的專業門檻很高。更合適的做法是幾家資金聯合起來,投那些自己能研究清楚、資訊透明、也足夠熟悉的基金經理。不要只靠管道推薦或歷史業績做決定,因為一旦遇到回撤,你如果不理解背後的邏輯,就很難判斷該不該繼續持有。第五,個股投資很難。牛市裡看起來容易賺錢,但其實很難形成可重複的方法,尤其到了回撤階段,很多人並沒有真正的方法論,所以並不推薦。討論東昇西落沒有任何意義晚點:接下來除了越來越頻繁的戰爭和 AI 帶來的變化以外,還會發生什麼?劉迪凡:美國眼下的潛在風險還是衰退。很多美國宏觀基金經理認為,美股從去年 10 月開始整體就有點漲不動了,這至少說明市場差不多見頂了。另一個很重要的背景是,美國炒股的人非常多,股票對居民財富效應的影響也非常直接。如果美股因為各種原因出現一輪 15% 左右的下跌,散戶可能會進一步加快拋售,而這種拋售本身又會反過來壓制消費和信心,形成一種反身性的負反饋,最後把衰退風險進一步放大。晚點:亞洲市場呢?劉迪凡:中國乃至整個亞洲,長期都是一個有 Alpha 的市場。而且亞洲也已經有幾家基金證明了自己能穿越牛熊,比如香港的 Aspex Management、Trivest Advisors 和 WT Asset Management[14][15][16]。隨著這一輪業績繼續兌現,亞洲基金在 2019、2020 年之後,可能會再迎來新一波管理規模擴張,市場上也許會出現新一批幾十億美元、甚至四五十億美元等級的基金。特別是最近這半年,市場裡也存在一種很強的聲音:這個世界還是亞洲的,亞洲基金經理什麼都能做、就是能卷,美國人也沒什麼厲害的。晚點:我記得兩年前你提到過,國內的基金經理們很喜歡講 “東昇西落” 這個概念,現在大家還喜歡講嗎?劉迪凡:東昇西落是一個很二極體的詞,這種討論其實沒有很多意義。我去年年初和一家大型平台型基金的人聊過一次。那時候美股很好,中國市場不行,我就問他:中國這些基金經理如果一直做不出來業績,你們怎麼處理?我當時其實有點疑問,覺得如果一個市場長期沒有行情,這批人是不是就沒價值了。但他說不是這麼看的。因為他們是市場中性思維,所以會覺得,任何風格都有變化期,不能因為這兩年中國不行,就否定中國的基金經理。如何正確評價他們——第一,看中國基金經理彼此之間的相對表現,不能簡單拿去和美國基金經理直接比;第二,看他相對於指數到底做得怎麼樣。那怕現在看起來只是一張草紙、一條毛巾,最後也未必沒有用。這種分散 Alpha 的思路特別強。你看 Point 72[17],去年第三季度海外業務大概佔三分之一,亞洲又佔海外的三分之二,說明亞洲這邊本身就能貢獻很多盈利。晚點:你見過厲害的基金經理們是如何在這種新常態下做交易的?劉迪凡:少數宏觀基金經理會把一些事件看作未來很大的尾部風險,提前佈局;但更多人還是會在自己最擅長的領域裡下注,而且更看重市場走勢。比如我知道最近有些人看好柴油,是因為經過一整套分析後,發現柴油的價格反應最明顯、最適合交易。即便如此,他們也不會長期死拿。宏觀交易和創投不一樣,不是看對一個長期方向就能一直持有,而是一定會設止盈、止損,在交易中反覆進出。因為他們知道,供給、生產和宏觀周期本來就在不斷波動。加倉也是一樣。除了極少數判斷特別堅定的人,大多數人通常不是因為自己覺得油價長期會到一百美元,就一開始上很大的倉位;而是要等市場走勢進一步確認,才會逐步加倉。中間變數太多,包括用什麼工具、怎麼配期限,任何一個環節不對,就算方向看對了,也未必賺得到錢。晚點:這些聽上去還是很常規的操作。那在現在這個階段對他們來說,有沒有一些新的素質或能力,是過去可能不那麼重要、但現在變得越來越關鍵的?劉迪凡:我之前調研過一位很成功的基金經理,他說自己前十年業績其實很好,但一直沒人投,原因很簡單:他說不清楚自己到底是怎麼賺錢的。因為他的打法裡帶有很多擇時和交易成分,不太容易被包裝成一個完整、穩定的故事。但他一直堅持一點,就是報憂不報喜。基金一旦出現回撤,他會主動告訴投資人,這次為什麼會回撤、自己是怎麼處理的。在他看來,這些比講故事重要得多。資管行業最後建立的不是對某套漂亮方法論的迷信,而是信任;而信任,往往恰恰是在你虧損、回撤的時候建立起來的。我覺得這個現在變得更重要了。晚點:所以在這種波動很大的時代,投資人要怎樣才能找到好的基金經理?劉迪凡:核心要 nimble(保持極大的靈活性),願意接受新的想法,嘗試不同思路。現在的市場有三個特點:第一,AI 影響的真實不確定性。市場並不清楚 AI 會以什麼節奏、分幾步影響經濟——那些行業會被衝擊,那些行業會爆發,以及這些變化會在什麼時候發生。第二,壓縮與釋放的循環。市場押注某⼀敘事時,相關因子 [18] 交易一度會被推到歷史極端位置,一旦原有敘事受挑戰,就會出現劇烈反轉;多次急速的風格輪動,背後都能看到避險基金和散戶去槓桿的推動。第三,錯位即機會。每一次市場錯位,都會為那些基於基本面、且有較高信心的倉位,提供不錯的進出場機會;同時地緣政治、關稅變化以及 AI 對勞動力的影響,也在持續抬高市場的複雜度。在這種環境下,一些看好長期敘事型的投資方法可能被徹底顛覆,因為沒人能預測得了那麼遠。另外是有可能以後做空機會要比做多機會多多了,因此必須適應環境、擴寬能力、迭代打法。看得廣、靈活能跨界,比深度垂直研究、長維度預測,價值要大得多。晚點:一年多以前,你說中國的 LP 們選基金用的是買包心態,買了誰的產品,然後賺了多少錢,略帶些炫耀。現在這個情況有變化嗎?劉迪凡:有。廣泛地來說,配置海外避險基金已經從一個方法變成了一個共識,現在只要海外有錢都會去考慮配置海外避險基金。我在香港參會,發現本行業的從業機構和人員暴增。這裡面一個關鍵的因素是,亞洲基金最近兩年表現得很好,所以他們會覺得配置基金也沒那麼難了。另外就是他們對策略也更熟悉了,宏觀經濟、事件驅動都在瞭解。我記得僅僅 1-2 年前,我還有個 LP 慨嘆基金配置很孤獨,現在又成了每個家辦都在幹了。可見凡事不能線性思維,有時候大邏輯對了,孤獨就孤獨吧。晚點:沒變的是什麼?劉迪凡:沒變的就是老闆們還是把家辦當成自己的第二春事業來做,要自己當 CIO,認為是在自己的英明指導下有了 Alpha。另外 AI 對大家的影響很大。中國人依舊對能指向未來的東西非常感興趣,甚至說只對這東西感興趣。美國的家辦就分散得多。晚點:中國的家辦們的投資方式有變化嗎?劉迪凡:家辦其實很難被當成一個整體來看。每一家都有自己的做法,而且會隨著所處階段不同,經歷不同的變化和循環。有的家辦原本做配置,後來又變回老闆自己下場炒股;有的經歷了 2022 年之後變得非常保守,大幅壓縮合作的基金經理數量,把資金更集中地交給少數幾個人;還有更多是這兩年隨著股市、尤其是美股走強,新出現的一批配置型家辦,它們把配置海外避險基金當成一種基礎的投資方法。這有點像投美股指數。長期看,它似乎總是在漲,但落到某一個具體時間段,收益和持有體驗會很不一樣,人最後得出的判斷也可能完全不同。晚點:你認為普通投資者應該如何與這個新常態共存?劉迪凡:第一,不要市場熱點在那裡,你就往那裡跑。對於一些小白來說,荷姆茲海峽可能都是兩個星期前才弄明白在那裡的,這樣追熱點有什麼用呢?就像去年大家都在算關稅,今年人人都算有多少桶石油、怎麼挖石油管道,但這些熱點很快就會消失的。第二,要建立自己的判斷標準,想想你的能力圈你的護城河是什麼。那怕你經過重重篩選找到了一個基金經理,如果你相信他,那幹嘛還要去聽一個免費的 Ray Dalio 呢?越是免費的,越不能盲從,我是非常不感冒那種用上下 5000 年、上下 500 年去拍人類的未來,太極端的敘事都是為了博人眼球的。晚點:那要怎樣才能真正抓住 Alpha,而不是被周期和情緒牽著走?劉迪凡:這些年我越來越覺得,只有在一個地方待得足夠久,才更容易看到 Alpha 機會,也就是別人恐慌、你敢貪婪的那個時點。不能一跌就跑,看到別人賺錢了再回來,這樣往往兩頭挨打。還有一點,就是賺錢的時候要主動分散,而不是繼續 All in,因為很多機會本質上都有周期。比如,我們這幾年一直在美國生物技術、能源電力、日本事件驅動等領域持續深耕,慢慢看到的 Alpha 機會也越來越多。工具箱越豐富,回報才越有機會做得更穩。 (晚點)
CB Insights最新發佈《2025 年創業狀況》:2025 年風險投資市場的表現:錢更多了,但更集中了,而 AI 幾乎成了唯一的主角
最近,知名研究機構 CB Insights 發佈了《State of Venture 2025》(《2025 年創業狀況》)年度報告。這份報告基於全球股權交易資料,全面回顧了 2025 年風險投資市場的表現。簡單來說:錢更多了,但更集中了,而 AI 幾乎成了唯一的主角。報告的核心結論可以用幾個數字概括:全球風險投資總額達到 4693億美元,同比增長 47%;AI公司拿走了其中 48% 的份額,創下歷史新高;機器人領域融資也創紀錄地達到 407億美元。下面我們就來逐一拆解這些關鍵亮點,聊聊這份報告究竟講了什麼。全球融資回暖,但“大錢”決定一切2025年,全球創投市場總融資額反彈至 4693億美元,第四季度單季就達到 1520億美元,是2022年第一季度以來最好的單季表現。不過,交易數量卻下降了 17%,只有 29501筆。為什麼總額漲了、筆數卻少了?答案是巨額融資輪(mega-rounds)徹底主導了市場。這類大額交易數量增長 77%,貢獻了全年融資的 65%。換句話說,少數頭部項目拿走了大部分錢,普通創業公司拿到融資的難度進一步加大。美國依然是絕對霸主,貢獻了 3280億美元,佔全球的 70%。其他地區雖然也有增長(亞洲+7%、歐洲+18%),但體量和增速都遠不如美國。一旦美國市場出現波動,全球創投都會受到明顯衝擊。AI 拿走近一半蛋糕,集中度前所未有報告最醒目的資料是:AI公司2025年融資 2260億美元,佔全球總融資的 48%,首次接近一半。這不僅是金額最高,更是佔比最高的一年。頭部玩家遙遙領先:OpenAI 融資 410億美元Anthropic 融資 325億美元Scale148億美元xAI128億美元Databricks 和 Aligned 各 50億美元投資者顯然在押注“贏者通吃”。但報告也提醒:如果AI技術進展受阻、成本失控或監管收緊,其他領域很難填補這麼大的資金缺口,整個創投生態都會受到重創。機器人成“下一波 AI”,融資創紀錄除了純AI模型,報告特別強調了機器人領域的爆發。2025年,機器人硬體和軟體公司總融資達到 407億美元,同比增長 74%,佔全球融資的 9%。其中,工業人形機器人最受追捧,成交 80筆。頭部項目包括:Scale(148億美元企業少數股權投資)Figure(10億美元C輪)物理智能(Physical Intelligence)(6億美元B輪)Applied Intuition(6億美元F輪)更值得注意的是,在Mosaic分數(CB Insights 衡量市場熱度和健康度的指標)排名前十的賽道中,有四個都與“物理AI模型”相關,包括大型視覺模型、視覺語言模型等。這意味著投資者已經開始把機器人視為 AI 的下一個重要落地場景。頂級獨角獸估值飆升,頭部更頭2025年,全球前十大私有公司總估值超過 2兆美元:ByteDance4800億美元SpaceX4000億美元OpenAI5000億美元(較2024年增長218%)Anthropic3500億美元(增長1802%)即使是非AI公司,ByteDance 和 SpaceX 依然保持極高估值。但AI公司的估值增速明顯更快,顯示資本對AI的追捧達到了新高度。頂級投資機構“All in AI”報告統計了過去十年表現最好的 25家 “聰明錢”投資機構(Smart Money VCs,簡稱SMVC)。2025年,這些機構中最活躍的是 General Catalyst,出手 213筆。更關鍵的是,它們前十大最愛賽道全部與AI相關:編碼代理、法律AI助手、端到端軟體開發代理、多模態模型開發者等。傳統意義上“多元化”的頂級VC,實際上已經變成了高度集中的AI基金。最後CB Insights 的這份報告傳遞出一個清晰訊號:2025年的風險投資市場,是 AI的天下。資金回暖、巨額交易頻出、機器人賽道崛起、頭部公司估值狂飆、頂級機構全面押注——所有趨勢都指向同一個方向。但集中也帶來了風險。一旦 AI 敘事出現任何裂痕,市場調整的幅度可能遠超以往。創業者、投資人、觀察者都需要保持清醒:今天的繁榮,很大程度上建立在對 AI 無限可能的信念之上。關注公眾號【AI資訊風向】,回覆 666,即可獲取這份 AI 行業報告。AI 技術正以前所未有的速度發展,它將如何塑造我們的未來?讓我們拭目以待。 (AI資訊風向)
Kimi的估值為什麼不到OpenAI的1%?
最近,月之暗面推出的Kimi K2 Thinking 性能全面壓過 GPT-5,第一次把中國模型推上全球榜首。不久,小鵬汽車發佈了IRON機器人,以逼真的步態復刻了人類的行走姿勢。而且幾乎每個季度,中國的高科技公司們都會發佈階段性的技術成果。但地球另一端,OpenAI 的估值突破了 5000 億美元,特斯拉的市值也超過1.34兆美元。不論是Kimi 還是小鵬,估值都只有他們的百分之一。一個越來越尖銳的問題擺在檯面上:為什麼我們的企業與美國企業之間始終存在一個難以解釋的估值差距?即使在一些關鍵評測上,中國技術已經領先。即使在商業化的路徑上,中國企業並未落後。即使在資金成本上,中國企業更低。但如此懸殊的估值差距依然沒有明顯收斂。這種差距或許不是市場的誤判,而是兩種估值體系、兩種資金結構與兩種產業歷史之間的結構性鴻溝。不過隨著中國企業持續從向海外溢出,估值差收斂可能來得比想像中更快。01. Kimi估值不到OpenAI的1%到底是中國企業被低估了,還是美國企業被高估?這是在Kimi和小鵬發佈了最新產品之後,朋友圈的幾位創業者同時發出的疑問。資料展現了他們的疑惑:OpeanAI在今年10月的估值已達5000億美元。而月之暗面的估值或在33億美元50億美元之間,不到其1%。Tesla的市值1.34兆美元,而小鵬汽車的市值1900億港元,大約為其1.8%。如果你說月之暗面、小鵬,仍是OpenAI和特斯拉的“隨從”,遠不能與之相比。那我們再看看宇樹科技與Figure AI的差異。宇樹科技不論是其技術能力與商業化進度,都是無可爭議的全球第一梯隊。但它的估值僅有120億人民幣,而Figure AI最新一輪估值高達390億美元,約合人民幣2700億元,也就是說宇樹的估值只有Figure AI的4.4%。真格基金合夥人戴雨森在8月份的一次交流中就說,以Kimi為代表的中國AI創業團隊的價值在被低估。“外界太容易在很早期就下結論……但實際上,他們的主觀能動性和突破空間遠遠被低估了。”可見,這類感嘆並非個例,已經是一種在投資圈內反覆出現的普遍情緒。不僅國內投資人會發出這樣的感嘆,海外質疑也開始多了起來:為什麼中國AI企業能夠在資金成本如此低廉的情況下,做出與美國同行相同水平的產品和技術?要回答這個問題。關鍵不在於解答中國企業是不是被低估,而是找到為什麼被低估的原因。至少從技術上而言,這樣懸殊的估值差距不應該出現。Kimi K2 Thinking在多項核心評測中全面超越OpenAI的GPT-5、Anthropic的Claude 4.5等閉源模型。獨立評測平台Artificial Analysis將其列為全球第一。因此,技術能力本身顯然不足以解釋估值鴻溝。商業化路徑也不是根本差異。比如豆包、Kimi、元寶等都上線了電商業務。同樣的,今年10月中旬,OpenAI也宣佈與零售巨頭沃爾瑪達成合作,使用者未來可通過和Chat-GPT聊天直接購買沃爾瑪商品。既然技術與商業模式都不能解釋差距,那麼真正的分野就只能從估值方式本身找答案。02. 如何給AI大模型公司估值中美投資人,到底是按照什麼給AI估值的?2023年底,國內某機構給出了AI大模型公司的估值方法。當時OpenAI正在與投資人討論股票出售,估值在800—900 億美元區間。該機構分析說,預估OpenAI的穩態年利潤30億美元/年,以SaaS的業務模式,給到30倍PE,那麼估值就在900億左右。然後又以OpenAI為天花板,按照市場體量差異、終局市佔率差距、穩態淨利率差距等係數進行調整,得出中國第一梯隊的大模型公司的估值或在600億人民幣左右。我覺得這家機構對大模型估值邏輯,能夠說明兩個問題:第一,即使到今年,OpenAI也沒有實現穩態年利潤30億美元,資料顯示,OpenAI在2025年上半年營收約43億美元,淨虧損135億美元。但是OpenAI的估值從900億美元左右迅速飆升至5000億美元,這意味著美國市場採用的根本不是“PE估值”這一套,而是完全不同的敘事框架。第二,但在中國市場,大模型公司的估值則在200億-600億之間,可見給國內大模型公司的估值,恰恰正是按照這家機構的邏輯進行估值的。這正是兩個市場不同的估值邏輯。在中國市場,對AI公司的估值,是按照落地效率+產業化兌現速度來定價;而在美國資本市場,對AI公司的估值邏輯,是按照未來可能控制AI基礎層範式來定價。一個面向當前現金流,一個面向未來系統權力。所以,真正影響資本定價巨大差異的,既不是技術實力,也不是商業化模式,而是上述不同的估值體系。再進一步,OpenAI的估值錨點,是基礎模型與AI平台級控制權的爭奪。市場對它的預期,是建構AI世界的作業系統。這一點不僅是其演算法領先,也在於與傳統巨頭的生態繫結。其商業模式是向全世界的使用者,抽取“AI稅”。而一旦能夠抽“稅”,估值自然具備平台級資產的溢價。而以Kimi為代表的中國AI公司就大不一樣了。其估值錨點在於應用層和產品體驗,市場對其的預期並非作業系統,而是AI助手。商業模式自然也不是“稅”,而是廣告、流量與B端的大客戶。兩廂比較,一個是AI的作業系統,另一個是AI產品。兩者對應的不是同一種資本語言。類似的估值體系也表現在小鵬與特斯拉上。從產品形態上看,兩家企業都是新能源汽車和機器人公司。但是資本市場把特斯拉看做是通用機器人的產業革命,木頭姐更定義特斯拉是“地球上最大的AI項目”。而國內資本市場只把小鵬看做是一家製造業公司,即使率先推出了IRON機器人,也只被看做是車廠延伸出的智能硬體新業務。一個是全球最大AI,另一個僅為車企新業務,兩者的估值高下立現。這種估值體繫上的差異,還體現在對高端人才收購上。你很難想像一個頂尖大學畢業的25歲的年輕人,竟然能夠拿到5000萬美金以上的薪酬包。這筆人力成本的帳,在中國市場是算不過來的。但在美國投資界有獨特的演算法:“如果我能把賺一兆美元的機率提高1%,那就值100億美元。”——即便這可能是一種不能兌現的演算法,但美國資本願意相信這樣的敘事。正如紅杉資本David Cahn說的,這是矽谷的“生態系統的焦慮症”。何為生態系統?就是一種對AI世界的定義權。它不僅是單一產品或技術,而是一套被廣泛採用的技術和商業模式組合,說白了就是標準的制定權,“我這麼做,你也必須按照我的方式來做”。所以,美國投資者並不關心 OpenAI 短期內是否掙錢,而關心它是否能成為 AI 世界的“生態系統”。美國資本對OpenAI的高估值,本質上是對這種“定義權”的押注。而現金流只在它的估值體系的邊緣。03. 不同的LP 不同的產業歷史而估值體系差異的背後,實質上是LP結構差異。PitchBook 前不久發佈的一篇報告Sovereign AI: The Trillion-Dollar Frontier.《主權人工智慧:兆美元前沿》,報告披露了全球主權財富基金對AI的投資資料。資料顯示,今年 1 月至 8 月,全球主權財富基金參與了總價值 464 億美元的 AI 風險投資交易,其中 433 億美元(超過 93%)流向了美國的初創公司。比如,阿布扎比主權財富基金旗下的資產管理機構Mubadala Capital領投了Crusoe。馬斯克的xAI,則得到了阿曼和卡達的主權財富基金支援。這些主權財富基金通常偏好能長期掌控技術秩序的公司,而不是短期能掙現金流的公司。除了主權財富基金外,養老基金、大學捐贈基金、產業資本等長期資本也是其重要的出資人。也就是說,美國AI創業公司背後的資本結構天然是“全球化+長周期”而國內資金量少得多。投中嘉川CVSource資料顯示,今年(截至11月15日)國內AI產業,累計融資金額約為480億人民幣,這包括了市場化VC/PE、國資機構、產業資本。其資金規模更小、期限更短、退出壓力更強,自然更偏好現金流可見性高的公司。但資金屬性只是表層原因,更深層的差異來自——歷史上誰曾掌握過“範式定義權”。答案是:在過去半個世紀,美國企業連續三次定義科技範式,這讓美國市場形成了“押注定義者而不是追隨者”的長期主義。比如第一次由微軟完成的PC革命。1981年,IBM 採用微軟 DOS 作為 PC 系統,第一次把“計算入口”交給微軟。1985年,微軟發布Windows系統,確立了圖形介面的交付標準。1995年,微軟發布Windows95,為全世界的個人電腦,建構了統一的交付平台。再加上推出的office系列產品,微軟最終定義了個人的網際網路生活與全球商業的辦公方式。第二次是由Google建立的內容革命。創業之初,靠著 PageRank 演算法,Google迅速成為網際網路使用者獲取資訊的起點,改變了使用者使用網際網路的習慣。2010 年以後,隨著智慧型手機普及、YouTube迅速增長、Chrome成全球最強瀏覽器,Google最終完成了對入口層的全面佔領。資訊不再自發傳播,而是“按Google的方式”被組織、排序、傳遞。第三次由蘋果創造的移動生活革命。原本手機只是“通訊裝置”,由諾基亞、黑莓、摩托羅拉統治。2007年發佈的iPhone則重新定義了“手機是什麼”。2008 年的 App Store又把手機從硬體產品變成一個“生態系統”,所有開發者必須遵循它的規則、介面和稽核流程。從此,蘋果掌握了移動網際網路時代的“入口權”和“生態秩序”。這三次定義,強化了美國投資人對於平台級技術的長期主義信仰。所以,全球資金對OpenAI們的追逐,正是延續了這一種信仰的“歷史慣性”。04. 中國企業創造半次勝利那麼中國企業呢?到目前為止,中國企業只完成了半次對世界的定義,那就是新能源。太陽能、新能源汽車、動力電池,這三大領域,其產能、價格和材料體系均由中國主導。中國企業是供應鏈上的規則制定者。舉個例子,在太陽能產業中,中國在矽料—電池片—元件—製造能力上的規模與成本優勢,形成了產業等級的“成本曲線定義權”。在技術上,不論是PERC ,還是TOPCon 、HJT,這些新技術的迭代節奏全部由中國企業決定。在動力電池行業,其磷酸鐵鋰、矽碳負極、電解液、隔膜等各個環節,都由中國企業把控。韓國市場分析機構SNE Research的資料顯示,今年上半年,中國動力電池企業在全球市場的佔有率持續提升,6家中國企業(寧德時代、比亞迪、中創新航、國軒高科、億緯鋰能、蜂巢能源)的市佔率合計達到68.9%。即使其他國家試圖削弱中國企業和供應商的影響力,也不得不遵循中國的價格體系和產能曲線。特斯拉當年必須依靠中國的供應鏈才得以起死回生;而歐洲老牌公司雷諾汽車也在2024年將新能源汽車的研發中心設在了上海。可見,中國企業不是單一技術領先,而是生態化的系統性的領先。站在一級市場的角度,我們認為新能源投資也標誌著人民幣基金的成熟。寧德時代就是里程碑,它是人民幣基金投出的第一家具有世界影響力的兆級企業。寧德的早期投資者,君聯資本葛新宇曾說,新能源是中國歷史上第一次為世界貢獻的工業語言。正說明了中國企業在這一領域擁有的範式定義權。但中國在新能源上並非完全具備軟體定義能力,所以只能說是“半次定義”。新能源汽車的作業系統,智能駕駛的城市標準,分佈式能源的調度與分配,這些軟性層面的標準和規則,依然在角逐之中。而AI的發展水平,無疑也深刻影響著這些軟體層面的競爭格局。05. AI的故事會按照既定劇情發展嗎?所以從產業發展的歷程上看,中美AI企業的估值差距,表面上看是模型強弱的差距,是LP屬性上的差距,但根本上是“美國企業定義了世界3次”與“中國企業定義了世界半次”之間的歷史差距。而現在AI產業上的競爭,正是進行中的又一次定義權之爭。這場競爭的起點,是誰的模型更加強大,但競爭的終點,在於誰能夠決定“人類未來應該如何使用AI”。這不止是性能競爭,更是系統的競爭。輝達、OpenAI和微軟等美國企業之間的合縱連橫,正是形成這一系統閉環的縮影。但歷史慣性並不意味著未來必然重演。紅杉資本David Cahn說,過去所有的壟斷,都是靜悄悄完成的。不論微軟,還是Google,早年間投資界對他們的預期,都遠遠小於後續的發展。他們當今的全球權力,是所有人的意外。但是今天,AI卻是擺在明面上的事。整個資本市場幾乎都在押注AI,不論是標普500,還是私募股權,全球資本都指向了單一方向。所以,會不會出現這樣的情形:當所有人都認為一件事會發生的時候,這件事就不會發生,或者不會按照預期的模樣發生?這或許是可能的。最近矽谷的一個新趨勢,就是投資那些由頂尖科學家組成“Neolabs ”(新生代實驗室),背後的邏輯便是對OpenAI、Anthropic 等高度成熟的大公司們的懷疑——5000億估值的企業已經過於龐大,在技術路徑上是否已經陷入了某種慣性?那麼在主流之外又有沒有新的可能?所以,競爭尚未落定。至少到目前為止,沒有那個模型能主導一切。特別是在中國開源模型的衝擊下,應用端公司和個人仍然有很多選擇。最近中美模型的下載量資料被刷屏了:2023年11月,美國模型在全球下載量中佔比超過60%,中國模型僅有25%。到2025年9月,中國模型新增下載量佔比已上升至約65%,而美國模型份額下降至30%左右。截至2025年10月,中國開源模型累計下載量達到約5.5億次,而美國模型為4.75億次。下載量上升說明中國模型可用性提升,這削弱了美國模型的先發優勢,增加了未來估值收斂的可能性。另一個在矽谷流傳但沒有核實的資料是,80%的AI創業公司都在用中國開源模型。這些資料都意味著,中國模型的可用性正在被海外市場驗證,這為後續更深層競爭打開了空間。所以,回到中美AI企業估值差距這一話題。OpenAI 的估值並不只來自模型能力,而來自其被視為主導下一代互動範式、工作方式和軟體形態的可能性。而中國AI範式也在競爭之中,如果它能持續從中國向外溢出,讓海外市場開始認為中國模式也能“制定標準”。那麼估值差收斂可能來得比想像中更快。這會發生在什麼時候?如今矽谷的AI泡沫的形成已經成為共識。人們開始質疑美國企業過於高估了。也許更清晰的未來,在這一輪泡沫消化(或破滅)之後就能看到。 (超越 J Curve)
高盛:當前更像1997而非1999,AI尚未演變為泡沫
一、1990 年代科技泡沫的五大宏觀特徵歷史上的“宏觀泡沫” 不僅是資產估值虛高,更伴隨全經濟層面的顯著失衡,1990 年代科技泡沫的五大核心特徵的如下:投資支出爆發式增長:科技裝置與軟體投資佔GDP 比重從 1995 年初的 3% 升至 2000 年初的 4.5%,非住宅投資佔 GDP 比重從 11% 升至 15%;1995-2000 年,企業投資對 GDP 年均貢獻 1.3 個百分點,過半來自科技相關支出。電信行業投資同步飆升,資訊 sector 投資佔 GDP 比重在 2000 年突破 2%。盈利能力提前見頂:企業利潤率在1997 年末達到峰值後持續回落,即便科技類股也不例外。儘管生產率保持增長,但 1997 年中後勞動力市場趨緊推升工資增速,單位勞動力成本上升侵蝕盈利空間。槓桿率攀升與儲蓄率下滑:企業部門從儲蓄盈餘轉為赤字,企業債務佔利潤比重大幅上升;電信行業依賴債務融資擴張,同時企業回購股票進一步加槓桿。家庭權益資產增值推動儲蓄率持續下降。外部資本大量流入:1997 年亞洲金融危機、1998 年俄羅斯債務違約後,資本大規模湧入美國市場,美國經常帳戶赤字急劇惡化;聯準會為對衝風險降息 75bp,進一步助推股市上漲。信用利差擴大與波動率上升:1998 年中後,信用利差顯著走闊,納斯達克隱含波動率(VXN)大幅上升,即便股市仍在上漲,其他資產已發出風險預警。二、當前AI 繁榮 vs 1990 年代科技泡沫:更像 1997 而非 1999當前AI 相關市場行情雖火熱,但尚未出現 1990 年代後期的全面宏觀失衡,核心對比資料與結論如下:投資規模與持續性不足:自2022 年末 ChatGPT 推出以來,AI 超大規模企業(AMZN、GOOGL、MSFT 等)資本開支翻倍,但科技投資佔 GDP 比重雖接近 2000 年峰值,增長幅度遠小於 1990 年代;AI 相關投資佔 GDP 比重仍低於當年電信投資峰值,且尚未形成持續多年的投資熱潮。盈利能力仍具韌性:企業利潤率保持穩定,財報盈利增長紮實;非金融企業生產率增長回升,同時工資增速放緩,單位勞動力成本下降,未出現盈利侵蝕壓力。企業財務狀況穩健:企業部門仍處於儲蓄盈餘狀態(近20 年來首次接近赤字),頭部科技企業多通過自由現金流而非債務融資支援 AI 投資;企業債務佔利潤比重雖有上升,但起點遠低於 1990 年代泡沫期。家庭儲蓄率保持穩定,未因權益資產增值而下滑。外部資本與政策環境不同:聯準會雖啟動“保險性降息”,但未出現 1997-1998 年那樣的大規模外部資本流入,美國經常帳戶赤字雖大但保持穩定。當前經濟需求增速(低於 5%)弱於 1990 年代後期,勞動力市場壓力更小。信用與波動率未發出預警:信用利差仍維持在歷史低位,權益市場隱含波動率雖有階段性飆升,但未出現1998 年以來的持續上升態勢,科技類股波動率也未顯著分化。三、當前AI 繁榮的潛在風險拐點訊號儘管尚未形成泡沫,但部分趨勢已顯現1990 年代泡沫初期的特徵,需警惕失衡加劇:投資擴張計畫激進:AI 超大規模企業與 OpenAI 等私有公司均計畫持續擴大 AI 相關投資,若落地將推動投資規模向 1990 年代泡沫期靠攏。企業財務狀況邊際惡化:企業部門財務盈餘持續縮小,即將轉為赤字;頭部科技企業現金資產佔比下降,債務發行增加,資產負債表優勢減弱。債務融資佔比上升:資料中心投資越來越依賴債務融資,AI 領域湧現複雜的供應商融資安排,與當年電信行業債務擴張模式相似。外部資本流入潛力:中東、日本等國已宣佈合計超4 兆美元的投資承諾,若落地可能重現 1990 年代外部資本大量流入的場景。四、投資策略:把握上行空間,避險潛在風險當前AI 行情仍有延續空間,但需防範未來 1-2 年可能出現的失衡風險,核心策略如下:利用期權工具最佳化持倉:當前信用利差窄、波動率低,相較於1998-2000 年,更適合通過期權工具鎖定上行收益、對衝下行風險,或用長期看漲結構參與行情。佈局信用利差走闊與長期波動率上升:即便AI 繁榮持續,債務融資增加也可能推升信用利差,長期來看權益波動率有上升空間,可提前佈局相關交易。警惕利率市場不確定性:若企業融資需求進一步上升,可能與美國財政赤字形成資本競爭,推升長期實際收益率;但AI 帶來的生產率提升或勞動力替代可能抑制通膨,若 AI 繁榮退潮,利率可能大幅下行。核心結論:當前AI 繁榮更接近 1997 年的科技行情,而非 1999 年的泡沫末期,仍有上行空間,但需密切關注投資強度、利潤率、槓桿率等關鍵指標的邊際變化。五、總結:AI 繁榮仍有空間,警惕泡沫化拐點當前AI 市場的核心邏輯是 “繁榮未達泡沫,警惕失衡加劇”:與1990 年代科技泡沫相比,當前 AI 繁榮在投資規模、盈利能力、槓桿水平、市場訊號等方面均未出現全面失衡,更接近 1997 年的階段,仍有持續空間;但企業財務狀況邊際惡化、債務融資增加、投資計畫激進等訊號需警惕,若這些趨勢持續,未來1-2 年可能向泡沫化演進。 (資訊量有點大)
“互聯網女王” 發佈340頁AI趨勢報告
當地時間5月30日,瑪麗·米克爾(Mary Meeker)發佈了長達340頁的“AI趨勢報告”。報告顯示,AI的發展速度前所未見,使用者增長、使用量和資本支出均呈現出爆炸式增長,其影響力可能遠超技術本身。瑪麗·米克爾是美國風險投資家,曾就職於摩根士丹利和凱鵬華盈(Kleiner Perkins),於2018年創立了自己的風投公司邦德資本(BOND)。她主要專注於網際網路與新技術領域投資,被譽為“互聯網女王”。AI發展速度前所未有報告顯示,在消費者、開發者、企業和政府部門中,AI的使用正在前所未有地激增。與網際網路1.0革命的技術起步於美國,然後穩步向全球擴散不同的是,ChatGPT一下子登上了世界舞台,並在全球大部分地區同時增長。具體來看,作為衡量算力的基本計量單位,浮點運算次數在2010年以後開始增速顯著增加,年增長率達到360%。值得注意的是,ChatGPT年搜尋量達到3650億的時間為兩年,而Google用了11年,ChatGPT的增速是Google的5.5倍。如果以美國計算相關專利授權數量為例,可以發現,第一次加速是在1995年,標誌著網際網路時代的開始。2004年起,其增速放緩,標誌著網際網路時代的發展也開始變慢。在2022年ChatGPT發佈之後,專利數量又一次開始爆發式增長,而且比1995年那次更快。AI使用者的增速同樣前所未有,ChatGPT的使用者數量曾在17個月內翻了8倍。中國正在引領開源競賽為何說AI爆炸式發展的影響力可能遠超技術本身?瑪麗·米克爾在報告中直言,在開源模型領域,中國正在引領開源競賽。在瑪麗·米克爾看來,OpenAI的GPT-4或Anthropic的Claude等閉源模型通常性能更強、更易於使用,因此也受到企業、消費者和政府青睞。但閉源模型往往需要數月的計算時間和數百萬美元的支出,並且還是一個不透明的“黑箱”。隨著大語言模型的成熟和競爭的加劇,開源模式因其較低的成本、不斷迭代的功能以及對開發人員和企業更廣泛的可及性而興起。此類模式可供任何人免費使用、修改和建構,因此普遍受到初創企業、研究人員/學者和獨立開發人員的青睞。再看國內各AI公司,開源模型已成為主要發力方向之一。5月29日,DeepSeek宣佈,DeepSeekR1模型已完成小版本升級,當前版本為DeepSeek-R1-0528。據介紹,DeepSeek-R1-0528仍然使用2024年12月所發佈的DeepSeek V3 Base模型作為基座,但在後訓練過程中投入了更多算力,顯著提升了模型的思維深度與推理能力。更新後的R1模型在數學、程式設計與通用邏輯等多個基準測評中取得了當前國內所有模型中首屈一指的優異成績,並且在整體表現上已接近其他國際頂尖模型。而與舊版本的DeepSeek-R1保持一致,此次團隊的開源倉庫(包括模型權重)仍然統一採用MIT License,並允許使用者利用模型輸出、通過模型蒸餾等方式訓練其他模型。5月14日晚,阿里正式開源通義萬相Wan2.1-VACE,單一模型可同時支援文生視訊、圖像參考視訊生成、視訊重繪、視訊局部編輯、視訊背景延展以及視訊時長延展等全系列生成和編輯能力。此前,阿里亦於4月開源新一代混合推理模型Qwen 3(千問3)。截至4月底,阿里通義已開源200余個模型,全球下載量超3億次,千問衍生模型數超10萬個,成為全球最大的開源模型族群。智譜華章也在4月14日集中開源GLM-Z1-Air等模型,包括9B與32B尺寸,涵蓋基座模型、推理模型和沉思模型。以上開源模型可免費用於商業用途、自由分發,為開發者提供了最大的使用和開發自由度。據悉,此次模型開源後,智譜華章的GLM-4開源倉庫已經在GitHub上斬獲超過6000顆星星。最新模型上線智譜開放平台bigmodel後,當天有超過6000家企業和開發者接入,呼叫tokens日增幅超100%。 (上海證券報)