#網路泡沫
美股泡沫已經超過1929年大蕭條,僅次於2001年網際網路泡沫
最近在知乎刷到好幾次關於納指的問題,還是有很多人在說“納指永遠漲”,“即使跌下去了也會再創新高”,次次都這樣,難道這次不一樣?不好意思,所謂的“次次都一樣”只是一個大周期裡面的幾個小周期罷了,師爺講一個大周期下的“次次都一樣”:這張圖是美股的席勒市盈率,從1880年到現在有一百多年了,走過好幾次大周期了,其中有兩個典型的周期,一個是1929年大蕭條,另一個是2001年網際網路泡沫。1929年大蕭條的頂點是1929年9月的32.56倍,然後就是10月24日著名的“黑色星期四”,美股在一天之內下跌12.8%,大蕭條由此開始。10月28日又出現了“黑色星期一”,股指更是狂瀉13%,10月29日“黑色星期二”,股市崩潰達到極點,再跌22%。短短兩個星期內,共有300億美元的財富消失,相當於美國在第一次世界大戰中的總開支。之後美股持續下跌,一直持續到1932年7月,歷經34個月,道瓊斯工業指數下跌了87.4%,直到1954年才回到了1929年的最高水平,花了25年。2001年的網際網路泡沫是另一個典型,頂點是2001年2月的42.19倍,之後的3月10日納指到達5048.62的最高點,然後泡沫就破了。美股下跌一直持續到2002年10月,歷經31個月,標普500跌了50%,納指跌了差不多80%。之後標普在2008年金融危機之前才漲回來,用了8年,但馬上又因為金融危機跌回去了,真正漲回來得等到2013年了。納指因為跌太多了,2008年金融危機前沒漲回來,到2016年才重新漲回來,用了16年。現在標普的席勒市盈率是37.65倍,已經高於1929年大蕭條了,處於歷史第三高的水平,僅次於2001年網際網路泡沫和2022年。2022年那波的頂點是2021年11月的38.58倍,隨後因為俄烏衝突和聯準會加息,也跌了有小一年,跌幅超過30%,到2024年年初才漲回來,用了差不多兩年。……從大周期來看,每次漲到這麼高的位置都很危險,都有可能出現暴跌,這才是真正的“次次都一樣”。別拿小周期的“次次都一樣”來說事,就像猴子在如來面前拿一個觔斗十萬八千里來說事一樣。當年如來出手鎮壓猴子,猴子說自己一個觔斗十萬八千里,比那玉帝厲害多了,如何坐不得天位?如來就笑了,說玉帝苦歷過1750劫,每劫都有十二萬九千六百年,“方能享受此無極大道”。天地每過129600年就會經歷一劫,世界毀滅,然後盤古重新開天闢地,女媧重新捏土造人,玉帝就經歷了1750劫,看著盤古劈了1750次天,看著女媧捏了1750次人。這種天地萬物從誕生到消亡的完整循環就是一元,由子、丑、寅、卯等12個會組成,一會有10800年,由30運(每運360年)、12世(每世30年)組成。猴子壽命342歲,連一運都不到,全部人生經驗都侷限在這一元裡,能知道一元一會的劫難?能知道一元之後就有一劫,連天地都會毀滅嗎?猴子想學的長生不老天地同壽也過不去這劫,但玉帝過了1750次。所以如來笑了嘛,雞同鴨講,根本不在一個維度上,抬手就給猴子壓在了五指山下。每年都有人嘲笑巴菲特老了,2022年之前的木頭姐被稱為“女版巴菲特”,火了好久,但2022年之後呢,有多久沒在新聞上看到她了?巴菲特就像那個過了1750劫的玉帝,經歷了大大小小各種周期,現在手上握著大量現金,正在準備渡劫,你呢? (財經湯師爺)
AI 泡沫要破了?這篇哈佛研究員的分析值得一看
一、AI泡沫風險:與網際網路泡沫的對比1. 股票市場集中度過高當前 AI 相關市場“七大科技巨頭”(Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla) 的股票佔比超過三分之一,且市場敘事高度依賴 “AI 故事”,導致投資者對這種集中化感到不安。網際網路泡沫峰值(2000 年):當時頂尖科技股(Cisco、Dell、Intel、Lucent、Microsoft)僅佔指數的15% 。文章明確指出,當前更高的集中度顯著提升了市場風險。2. 基礎設施投資規模失衡網際網路泡沫時期:電信基礎設施(如光纖網路)過度建設,因短期需求未達預期,最終引發大量企業破產。當前 AI 領域:頭部 AI 企業正投入數百億美元建設新資料中心,相關總資本支出討論規模達兆美元等級(該數值此前僅與大國 GDP 相當),引發 “需求能否匹配投資” 的擔憂,即歷史是否會重演並導致近期崩潰。二、AI技術的應用現狀:高滲透與低回報的矛盾1. AI 技術的高滲透率與普及潛力消費者端:OpenAI 的 ChatGPT 在 2025 年 7 月單月網站存取量超過50 億次,顯示消費者對 AI 的關注度極高。整體與企業端(基於權威研究資料):資料來源:美國國家經濟研究局(NBER)對生成式 AI 應用的調查(始於約一年前,截至 2024 年底)。關鍵資料:美國約40% 的人口報告使用過生成式 AI;約23% 的人口在調查前一周內至少一次將生成式 AI 用於工作;研究結論:從產品初始發佈後的 應用速度來看,工作場景中的生成式 AI 普及速度超過了個人電腦(PC)和網際網路,這表明 AI 具備經濟學家所說的 “通用技術” 屬性 —— 可能對經濟產生深遠且廣泛的影響。2. 低投資回報:95% 項目陷困境,5% 項目的成功關鍵儘管 AI 技術的應用滲透率較高,企業對 AI 的探索意願也十分強烈(90% 的企業正認真考慮購買 AI 解決方案),但 AI 投資的回報情況卻不容樂觀。2025 年 1-6 月,MIT 研究人員對 300 多個公開披露的 AI 項目、50 多家企業及數百名高管展開調查,結果顯示 95% 的 AI 項目未能獲得任何投資回報。研究同時發現,僅有的 5% 成功 AI 項目具備三個共同特徵:一是 “外購而非自建”,選擇成熟的 AI 解決方案以降低研發成本與技術風險;二是 “在業務單元內執行”,將 AI 應用落地於具體業務部門,而非依賴脫離實際需求的中央實驗室;三是 “工具整合現有工作流”,選用與企業現有業務流程、系統相容的 AI 工具,減少技術落地阻力。三、AI技術發展的爭議與市場警示1.技術發展路徑的爭議當前 AI 技術的進步,很大程度上依賴於大型語言模型,而這類模型的核心邏輯是 “規模驅動”—— 即更多的計算能力與更多的資料投入,能夠帶來更優的模型效果。然而,這一發展路徑正面臨權威人士的質疑與批評。AI 先驅 Richard Sutton 在 2019 年提出 “痛苦教訓”(The Bitter Lesson),認為依賴計算能力的通用方法優於依賴人類智慧和複雜啟髮式演算法的方法。但近期他對行業過度聚焦 “規模化” 的趨勢提出批評,呼籲行業轉向研發 “能夠持續學習的智能體”。另一位 AI 領域的知名批評者 Gary Marcus,則針對 OpenAI 最新發佈的 ChatGPT-5 所獲的 “混合評價” 發表觀點,重申其數十年來的立場:以 “規模驅動” 為核心的發展模式並非 AI 技術的未來方向。值得注意的是,儘管兩位學者對當前技術路徑提出質疑,但他們均認可 AI 的長期發展潛力,且認為行業需要探索替代技術路徑,這可能意味著未來需要投入更多(而非更少)的研發資源。2. 市場過熱的警示訊號除技術層面的爭議外,市場層面也出現了關於 AI 領域過熱的警示。OpenAI CEO Sam Altman 作為本輪 AI 熱潮的重要推動者之一,近期也公開表示市場可能存在過度加熱的情況。他與其他投資者共同指出當前市場存在三大風險:一是 AI 相關企業的估值過高,脫離實際業務表現;二是過多資金湧入 AI 領域,追逐未經過市場驗證的商業模式;三是 AI 基礎設施建設速度超過市場需求增長速度,可能導致資源浪費。這些警示並非否定 AI 的長期價值,而是擔憂短期內過高的市場預期可能引發劇烈的市場調整 —— 當投資者意識到部分 AI 項目無法實現預期回報時,可能出現集中撤資等行為,對 AI 市場的短期穩定造成衝擊。 (稻香湖下午茶)