Ted Oakley對美股牛市終結的警示：2026年市場估值與結構性轉變分析Ted Oakley作為資深財富管理專家和Oxbow Advisors管理合夥人，長期以保守價值投資風格著稱。他在2026年1月的最新市場評論中重申了一個核心判斷：持續16年的美股超級牛市已進入尾聲，S&P 500指數可能在7000-7500區間觸及本輪周期高點，隨後在未來2-3年內步入“世代性熊市”。這一觀點並非單純悲觀預測，而是基於多維度客觀指標的綜合評估，包括極端估值、利率中樞上移、人口結構變遷以及資產配置的結構性機會。一、當前市場估值已處歷史極端區間估值是Oakley反覆強調的首要風險訊號。截至2026年1月9日，S&P 500指數收於約6966-6999點區間，較2025年初大幅上漲，已逼近他預測的7000-7500峰值區間。更關鍵的是周期調整市盈率（Shiller CAPE Ratio），該指標使用過去10年經通膨調整的實際盈利作為分母。截至2026年1月初，CAPE比率徘徊在39.5-40.8之間，處於歷史第三高位，僅次於2000年網際網路泡沫峰值（約44.2）和1929年大蕭條前夕。這一水平比過去150年均值（約17）高出約135%，比近20年均值高出約48%。高估值並非孤立現象，其他指標同樣顯示泡沫跡象：價格/銷售比、價格/帳面比均顯著高於歷史中位數。歷史經驗表明，當CAPE超過35時，後續10年實際年化回報率平均接近零甚至負值。Oakley認為，市場當前“兩倍標準差以上偏離均值”，雖可能繼續“瘋狂”一段時間，但均值回歸是必然規律。二、利率中樞結構性上移削弱股市吸引力過去15年零利率和量化寬鬆環境是牛市最大燃料，而Oakley判斷未來10年利率將維持更高中樞。他預計平均利率水平將從疫情前約2%上升至3.5%-4%，聯邦儲備系統難以大幅逆轉這一趨勢。2026年1月資料顯示，10年期美國國債收益率穩定在4.15%-4.21%區間，較2020-2022年的超低水平顯著抬升。這一變化對股市產生雙重擠壓：一是提高折現率，壓縮成長股估值（尤其是科技巨頭）；二是增加固定收益資產吸引力，使股票的風險溢價下降。Oakley特別警示，投資者繼續追逐長債（20-30年期）可能是錯誤策略，因為高利率環境可能持續，債券價格面臨下行風險。三、嬰兒潮世代退休浪潮構成潛在供給壓力美國嬰兒潮一代（1946-1964年出生）約7600萬人，目前平均年齡已超70歲，最年長者已達80歲。Oakley指出，這一代人是過去牛市的最大增量買方，隨著退休和傳承需求，他們將成為最大賣方。退休資金需求、遺產規劃、長期護理支出等因素將推動系統性減持股票。部分研究認為這一過程漸進，對市場衝擊有限；但Oakley強調，疊加高估值，一旦信心逆轉，拋售可能引發連鎖反應，形成“沒人接盤”的流動性枯竭局面。他預計這一轉折可能發生在2026-2028年間，S&P 500或在此前完成最後沖頂。四、資產配置建議：防禦性與實物資產優先面對潛在熊市風險，Oakley的投資框架強調現金流、實物資產和低相關性配置。黃金與貴金屬黃金作為終極避險資產，在不確定性上升期表現突出。截至2026年1月10日，金價已突破4500-4523美元/盎司，創歷史新高。儘管短期可能出現獲利回吐，但Oakley認為未來2-3年仍有上行空間，尤其在實際利率回落或地緣衝突加劇時。他偏好優質金礦企業（如Agnico Eagle）、皇室金礦公司（如Franco-Nevada、Royal Gold）和銀礦龍頭（如Hecla Mining），這些公司兼具槓桿效應和現金流穩定性。1. 能源與硬商品能源類股在S&P 500中權重僅約3-4%，遠低於上世紀80年代的30%，但Oakley認為這是最被低估的領域。油價目前徘徊在58-59美元/桶，處於歷史低位區間，但地緣風險和供給約束可能推動反彈。銅價則已飆升至5.7-6美元/磅以上，甚至LME現貨突破13000美元/噸，反映新能源轉型和基礎設施需求強勁。Oakley看好硬商品（銅、鐵礦、肥料等），而非軟商品，認為全球工業化和供給短缺將支撐長期牛市。2. 現金與短期國債Oakley強烈建議配置短期國債（90天-6個月期），尤其是65歲以上投資者應持有35-40%流動性資產。這不僅是防禦工具，還能享受當前約4%以上的無風險收益，避免被迫低位賣股。3. 對加密貨幣的明確迴避他認為比特幣等加密資產缺乏內在現金流支撐，一旦電力或網際網路中斷即歸零，且高度依賴“更大傻瓜理論”。他警告，加密領域已發生並將繼續發生巨額欺詐，未來可能釀成系統性災難。五、不同年齡段的投資啟示Oakley特別針對年齡給出差異化建議：20-30歲年輕人：應優先儲蓄而非高槓桿投機，避免期權、日內交易和加密貨幣；逐步建立對優質公司的長期持股意識。65歲以上投資者：流動性是“保險單”，高現金配置有助於理性決策，避免恐慌拋售。全年齡段共識：投資而非賭博，關注資產負債表、現金流和分紅，而非追逐熱點。六、結論：從“人人皆買”到“無人接盤”的周期轉折2026年初，美股站在歷史性十字路口。極端估值、利率正常化、人口結構拐點三重壓力交織，Oakley的警示並非危言聳聽，而是基於長期周期規律的理性判斷。市場可能仍有最後衝刺空間，但風險收益比已嚴重失衡。投資者應從追逐指數轉向精選現金流資產、實物商品和防禦配置。歷史證明，牛市末期最危險的不是下跌本身，而是“這次不一樣”的集體幻覺。真正穿越周期的，往往是那些在狂歡中保持清醒，並在恐慌中逆向佈局的人。 (周子衡)

在這場 2026 年的主題演講中，輝達首席執行長黃仁勳揭示了計算領域的重大變革，指出行業正同時經歷向 AI 應用和加速計算的架構轉型。他重點介紹了輝達如何通過開源模型和代理式 AI（Agentic AI）賦能各行各業，使開發者能夠建構具備推理能力的智能助手。演講中首次公佈了 Vera Rubin 平台，這一包含六種自研晶片的超大規模系統，旨在解決 AI 模型對算力呈指數級增長的需求。此外，他還展示了物理 AI 在自動駕駛和機器人領域的突破，例如與梅賽德斯-奔馳合作的 Alpamo 駕駛系統。通過與西門子等巨頭的深度整合，輝達正致力將數字孿生與模擬技術引入現代工業。總而言之，輝達已不僅是晶片供應商，而是建構了從基礎設施到大模型的完整全端 AI 生態系統。超越Vera Rubin：黃仁勳揭示的四大AI結構性轉變NVIDIA CEO黃仁勳的每一次主題演講，都會在科技界掀起波瀾。但這一次，除了發佈令人驚嘆的新一代Vera Rubin平台外，其演講更深層次地揭示了幾個正在重塑未來的根本性行業轉變。這些觀點不僅關乎NVIDIA的產品路線圖，更預示著整個AI產業的演進方向。本文將為你梳理並剖析其中最具顛覆性的四個核心觀點，幫助你清晰地洞察AI的未來圖景。1. 核心觀點一：AI不僅是應用，更是未來一切應用的基礎黃仁勳在演講中提出了一個關鍵概念：“雙重平台轉變”（two simultaneous platform shifts）。這預示著計算行業正經歷一場徹底的重構。第一個轉變是，未來的應用程式將不再是獨立的軟體，而是直接建構在AI之上。AI從過去被視為一種應用，轉變為建構新一代應用的基礎設施和核心。第二個更深刻的轉變在於軟體開發和運行方式的顛覆。我們正在從傳統的“程式設計”模式轉向“訓練”模式。開發者不再是編寫固定的指令，而是通過資料訓練模型來獲得所需功能。正如黃仁勳所強調的：You no longer program the software you train the software. You don't run it on CPUs you run it on GPUs.這一觀點的重大意義在於，它宣告了整個軟體行業的範式轉移。這不僅是一次技術迭代，更是一場巨大的經濟變革。黃仁勳指出，過去十年價值約10兆美元的計算產業正在被現代化，而全球價值百兆美元的龐大產業研發預算，也正全面轉向人工智慧。從開發工具、底層硬體到從業人員所需的技能組合，都將發生徹底的變革。2. 核心觀點二：AI的未來不是一個“全能大神”，而是一個“專家團隊”未來的AI系統將走向“代理式AI”（Agentic AI）架構，它不再是一個試圖無所不知的單一巨型模型。相反，它更像一個聰明的“管理者”，能夠推理、規劃並呼叫工具來解決從未被明確訓練過的問題。這是AI從模式識別到真正問題解決的關鍵一躍。這種架構的特點是多模型（multi-model）、多模態（multi-modal）、多雲（multi-cloud）和混合雲（hybrid cloud）。一個代理可以根據任務需求，呼叫全球最優秀的、專門化的AI模型（無論是閉源的前沿模型還是開放原始碼的專業模型）來協同解決複雜問題。黃仁勳特別提到開源模型的飛速發展，指出它們與前沿模型的差距已穩定在“僅僅六個月”（solidly is six months behind the frontier models），這為代理式AI提供了豐富的“專家”選擇。這種架構的出現，極大地推動了AI的民主化。它打破了少數巨頭憑藉單一超級模型壟斷市場的敘事，使得初創公司和各行各業的開發者能夠利用開源工具和多個專業模型，建構出高度定製化且功能強大的AI解決方案，從而在一個更加開放和多元的生態中進行創新。3. 核心觀點三：用算力“憑空創造”資料，解決物理世界AI的訓練難題“物理AI”（Physical AI），即那些能與物理世界互動的AI（如機器人、自動駕駛汽車），面臨一個核心挑戰：如何讓AI學習物理世界的常識？真實世界的訓練資料不僅採集成本高昂、速度緩慢，而且永遠無法覆蓋所有可能發生的邊緣情況。對此，黃仁勳給出了一個反直覺的解決方案：用計算生成資料。通過世界基礎模型（如Cosmos），可以生成海量的、物理上可信的“合成資料”來訓練AI。例如，Cosmos能夠根據3D場景描述生成逼真的視訊，根據駕駛遙測資料生成符合物理規律的運動，或從規劃模擬器中生成環繞視訊。至關重要的是，它能夠“將邊緣案例帶入生活”（bring edge cases to life），精確模擬各種在現實世界中無法安全復現的極端或危險場景。這個核心思想被精煉為：Cosmos turns compute into data.這是一個AI訓練範式的重大轉變。它意味著，只要有足夠的算力，我們就能“憑空創造”出AI學習所需的、近乎無限的高品質資料。這一突破將極大地降低物理AI的訓練門檻和成本，以前所未有的速度加速機器人、自動駕駛、工業自動化等領域的發展。4. 核心觀點四：摩爾定律放緩？用“極限協同設計”暴力延續指數級增長當前科技行業面臨一個尖銳的矛盾：AI對算力的需求正以每年數倍的速度爆炸式增長，而作為半導體行業黃金法則的摩爾定律卻已明顯放緩。我們無法再單純依靠增加單個晶片的電晶體數量來滿足需求。NVIDIA的答案是“極限協同設計”（extreme co-design）。為了打造新一代Vera Rubin平台，他們打破了常規，同時重新設計了六款關鍵晶片，包括Vera CPU、Reuben GPU、網路晶片等，讓它們作為一個整體協同工作。這種系統級的創新帶來了驚人的性能飛躍。一個震撼的資料點是：新一代的Reuben GPU僅用了1.6倍於上一代的電晶體數量，就實現了高達5倍的浮點性能。而正是這種協同效應，使得整個Vera Rubin系統能夠延續指數級的性能增長。這標誌著技術創新的重心已經從單個晶片的微觀進步，轉向了整個計算堆疊（從晶片、互聯到系統、軟體）的宏觀協同創新。這正是NVIDIA對摩爾定律放緩的強力回應，也解釋了為何在物理極限日益臨近的今天，AI算力依然能夠延續指數級增長。結語黃仁勳的演講清晰地描繪了AI產業的未來圖景。從“程式設計”到“訓練”的軟體革命，從“單一模型”到“專家團隊”的架構演進，從“真實資料”到“合成資料”的範式轉變，以及從“晶片創新”到“系統級協同設計”的性能突破——這四個核心轉變共同構成了驅動下一輪AI浪潮的引擎。它們不僅解釋了NVIDIA的戰略佈局，也為所有投身於AI領域的企業和個人指明了方向。當計算的物理極限被一次次打破，智能的邊界又將在那裡？ (行業報告研究院)