我们正处在世界历史上一个非同寻常的时刻。一项具有变革性的技术正在崛起，它的支持者声称它将永远改变世界。要把它建起来，需要公司投入一笔在当代人记忆中前所未有的巨额资金。新闻报道充斥着广泛的担忧：美国最大的公司正在托起一个泡沫，而这个泡沫很快就会破裂。

上个月我去亚洲和中东拜访客户时，经常被问到围绕人工智能是否存在泡沫的可能性，而这些讨论促成了这份备忘录。照例，我先声明几点：我不参与股市；我只是把它当作投资者心理的最佳晴雨表来观察。我也不是技术派，对 AI 的了解并不比大多数通才型投资者多多少。但我会尽力而为。

泡沫最有趣的一点，是它的规律性——不是指时间点，而是指它遵循的推进路径。某个新东西出现了，看起来像是革命性的，它会钻进人们的脑海里。它抓住想象力，兴奋感压倒一切。早期参与者获得巨额收益。旁观者则感到难以置信的嫉妒与懊悔——在继续错过的恐惧驱使下——也一拥而上。他们这样做时，既不了解未来会如何发展，也不关心自己付出的价格是否可能带来在可接受风险水平下的合理回报。对投资者而言，结果在短到中期几乎必然是痛苦的；虽然在足够多年之后，也有可能最终仍然赚到钱。

我亲历过几次泡沫，也读过其他泡沫的历史，它们都与上述描述高度一致。人们可能会以为，以往泡沫破裂造成的损失会阻止下一次泡沫形成。但迄今为止并没有发生这种事，我也确信永远不会发生。记忆太短，而谨慎与天生的风险厌恶，根本敌不过“靠一项革命性技术发财”的梦想——尤其是在“人人都知道”这项技术将改变世界的氛围里。我在开头引用的那段话，出自德里克·汤普森11 月 4 日的通讯《AI 可能是 21 世纪的铁路。做好准备》（“AI Could Be the Railroad of the 21st Century. Brace Yourself”），它讨论了当下 AI 的发展与 1860 年代铁路热潮之间的相似之处。那段话逐字逐句都能同时适用于两者，这清楚地说明了那句广泛被归于马克·吐温的话的含义：“历史押韵（history rhymes）。”

在切入主题之前——而我也为此读了大量资料做准备——我想先澄清一点。人人都在问：“AI 有泡沫吗？”但我认为这个问题本身就存在歧义。我得出的结论是，需要考虑两种不同但相互关联的泡沫可能性：一种是行业内部公司行为层面的泡沫，另一种是投资者对该行业的行为层面的泡沫。我完全没有能力判断 AI 公司激进的行为是否合理，所以我会尽量主要聚焦于：金融世界里围绕 AI 是否存在泡沫。

市场泡沫并非由技术或金融发展直接造成。相反，它们源自把过度乐观投射到这些发展之上。正如我在 1 月的备忘录《泡沫观察》（On Bubble Watch）里写过的，泡沫是暂时性的狂热：技术或金融领域的进展成为了前美联储主席艾伦·格林斯潘所称的“非理性繁荣（irrational exuberance）”的对象。 

泡沫往往围绕新的金融发展（例如 1700 年代早期的南海公司，或 2005–06 年的次级住宅抵押贷款支持证券或技术进步。“新（newness）”在其中占据巨大角色。因为缺乏历史约束想象力，新事物的未来看起来可以是无限的。而一旦未来被认为是无限的，就足以为远超历史常态的估值辩护——从而导致资产价格无法用可预测的盈利能力来支撑。 

“新”的作用，在一段我最喜欢的文字中被描述得极为精彩——它来自对我影响很大的约翰·肯尼斯·加尔布雷思的《金融狂喜简史》（A Short History of Financial Euphoria）。加尔布雷思谈到他所谓“金融记忆的极端短暂”，并指出在金融市场中，“过去的经验——如果它还算得上记忆的一部分——也会被当作原始的避难所而遭到摒弃，那是那些没有洞见去欣赏当下不可思议奇迹的人才会躲进去的地方。”换言之，历史能为当下的惊叹与对未来的想象施加边界；而在缺乏历史的情况下，一切都显得皆有可能。 

这里需要记住的关键是：新事物理所当然会激发巨大的热情，但当热情膨胀到非理性的规模时，泡沫就发生了。谁能识别理性的边界？谁能断言一个乐观的市场何时变成了泡沫？这终究只是判断问题。 上个月我想到一件事：我两次最好的“判断”都发生在 2000 年——我警告科技与互联网股票市场正在发生的事——以及 2005–07 年——我指出全球金融危机前世界中风险厌恶的匮乏以及由此带来的“疯狂交易”之易。 

第一，在这两次里，我都不具备任何关于后来成为泡沫标的之事物的专业知识：互联网，以及次级抵押贷款支持证券。我所做的，只是对身边正在发生的行为作出观察。

第二，我判断的价值主要在于描述这种行为的荒谬，而不在于坚持它已经构成了泡沫。 纠结要不要贴上“泡沫”的标签，可能让你陷入泥沼并妨碍正确判断；而我们只要评估周遭正在发生什么，并据此推断什么样的行为才恰当，就能完成很多工作。

在继续讨论 AI 以及它当下是否处于泡沫之前，我想花一点时间谈一个从投资者角度看似有些学院派的话题：泡沫的正面作用。你可能会觉得我在这个话题上投入的注意力过多，但我这么做是因为我觉得它非常迷人。

11 月 5 日的 Stratechery 通讯标题是《泡沫的益处》（“The Benefits of Bubbles”）。在其中，本·汤普森引用了一本书《繁荣：泡沫与停滞的终结》。这本书由伯恩·霍巴特与托比亚斯·胡伯合著，他们提出泡沫有两类：

……“拐点泡沫（Inflection Bubbles）”——好的泡沫；相对的是破坏性更强的“均值回归泡沫（Mean-reversion Bubbles）”，例如 2000 年代的次级抵押贷款泡沫。

我觉得这是个有用的二分法。我读过或亲历的金融风潮——南海公司、组合保险、次级抵押贷款支持证券——它们靠“无风险赚收益”的承诺来激发想象，但没人期待它们会代表人类整体进步。例如，次级抵押贷款运动从未被认为会“革命性地改变住房”，只是一种“支持新买家能赚钱”的感觉。霍巴特与胡伯把这些称为“均值回归泡沫”，大概是因为没人期待其底层发展能推动世界向前。风潮只是起落而已。

相反，霍巴特与胡伯把以技术进步为基础的泡沫——例如铁路与互联网——称为“拐点泡沫”。在一个由拐点驱动的泡沫之后，世界不会回到先前的状态。在这类泡沫里，“投资者相信未来将会与过去显著不同，并据此交易。”正如汤普森告诉我们的：关于泡沫的权威著作，长期以来一直是卡洛塔·佩雷斯的《技术革命与金融资本》。

在佩雷斯出版这本书的时候，人们——也包括当时的主流观点——认为泡沫是负面的、应当避免的。那一年是 2002 年，世界大部分地区正处于互联网泡沫破裂后的衰退之中。佩雷斯并未否认痛苦：事实上，她指出，类似的崩盘标记了以往的革命，包括工业革命、铁路、电力与汽车。在每一种情况下，泡沫并非可惜，而是必要：投机狂热促成了佩雷斯所谓的“安装期”，在这一阶段，必要但未必财务上明智的投资，为“部署期”打下基础。标志着转向部署期的是泡沫破裂；而使部署期成为可能的，是那些亏钱的投资。

这种区分对霍巴特与胡伯意义重大，我也赞同。他们说：“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。”

但我会这样重述：“均值回归泡沫”——市场因某种新的金融奇迹而暴涨、继而崩塌——会摧毁财富。另一方面，基于革命性发展的“拐点泡沫”会加速技术进步，奠定更繁荣未来的基础，同时也会摧毁财富。关键在于：别成为那个在推进进步的过程中财富被摧毁的投资者。

霍巴特与胡伯进一步更深入地描述了泡沫如何为新技术所需基础设施的建造提供资金，从而加速采用：大多数新技术并不是凭空出现——不是一进入世界就完全成形、一次性到位。相反，它建立在此前的误入歧途、失败、迭代与历史路径依赖之上。泡沫创造了机会，使资本得以部署，去资助并加速这类大规模实验——其中包括大量并行的试错——从而提升潜在颠覆性技术与突破出现的速度。

通过制造热情与投资的正反馈循环，泡沫在净效应上可能是有益的。乐观可以自我实现。投机提供了为高风险、探索性项目融资所需的巨额资金；短期看来似乎是过度热情或糟糕投资的东西，最终却可能对“启动”社会与技术创新至关重要……泡沫可以是一种集体幻觉，但也可以是一种集体愿景的表达。这个愿景成为人和资本协调行动的“聚点”，让创新得以并行推进。于是，进步不再是随时间缓慢发生，而是以爆发的方式同时在不同领域发生。随着热情不断累积……风险承受能力上升，网络效应增强。错失恐惧吸引更多参与者、创业者与投机者，进一步强化这条正反馈回路。像泡沫一样，FOMO 名声并不好，但它有时是一种健康的本能。毕竟，没有人想错过一次“此生仅有”的机会去建造未来。

换言之，基于技术进步的泡沫之所以“好”，是因为它能点燃投资者，让他们把钱砸进去——其中相当一部分会被浪费——对一片新机会进行“地毯式轰炸”，从而快速启动开发。

关键的洞见似乎是：如果人们一直保持耐心、谨慎、分析式思维与对价值的坚持，新技术的铺设可能需要很多年甚至几十年。相反，泡沫的歇斯底里把这一过程压缩到极短时间里——部分资金投向赢家，成为改变命运的投资；但更多资金会被烧成灰烬。

泡沫既有技术面也有金融面，但上述引文来自那些渴望技术进步的人：他们完全乐于看到投资者为此亏钱。我们则希望看到技术进步，但并不想为了促成进步而把钱扔进火里。本·汤普森在这一讨论末尾说：“这就是为什么我很兴奋去谈论新技术——其前景我并不知道。”我喜欢他既为未来可能性而兴奋，同时也承认未来形状未知这一点（在我们的语境里，我们可能会说“风险极高”）。

现在我们来谈谈我们以前会称之为“硬核要点（brass tacks）”的东西。我们知道什么？首先，我还没遇到任何一个人不相信 AI 有潜力成为史上最重要的技术发展之一，重塑日常生活与全球经济。

我们也知道，近年来经济与市场越来越依赖 AI：

-   AI 占公司总资本开支（capital expenditures）的很大一部分。

-   用于 AI 能力的资本开支，占美国 GDP 增长的一大部分。

-   AI 股票贡献了标普 500绝大多数涨幅。

正如《财富》在 10 月 7 日的一条标题所写：75% 的涨幅、80% 的利润、90% 的资本开支——AI 对标普的掌控是全方位的，摩根士丹利的顶级分析师“非常担忧”。

此外，我认为很重要的一点是：即便 AI 相关股票的涨幅占全部股票总涨幅的比例极不成比例，AI 注入市场的兴奋感也很可能显著推高了非 AI 股票的涨幅。AI 相关股票的表现堪称天文数字，其中由英伟达领跑——它是 AI 计算芯片的主要开发者。英伟达 1993 年成立，1999 年上市，当时估计市值为 6.26 亿美元；它一度短暂成为全球首家市值达到 5 万亿美元的公司。也就是说，约 26 年多里增长了大约 8000 倍，年化大致约 40%。难怪想象力被点燃。

我认为可以公允地说：尽管我们知道 AI 会带来巨大的变化，但我们大多数人并不知道它究竟能做什么、会如何商业化应用、以及时间节奏会怎样。

一旦某项新技术被认为会改变世界，人们就几乎必然假设：掌握该技术的领先公司将极具价值。但这种假设最终会有多准确？正如沃伦·巴菲特在 1999 年指出的：“汽车可能是 20 世纪上半叶最重要的发明……如果你在第一批汽车出现时就能预见这个国家将如何围绕汽车发展，你会说，‘我必须参与其中。’但在那 2000 家公司里，到几年之前为止，只剩下三家汽车公司存活。所以汽车对美国的影响巨大，但对投资者而言却是相反的方向。”

在 AI 领域，目前存在一些非常强势的领跑者，其中包括世界上最强、最富的公司。但新技术以“颠覆”著称。今天的领跑者会胜出，还是会被新兴者取代？这场军备竞赛要花多少钱，谁会赢？

同样，一家新兴挑战者的股份值多少钱？与市值数万亿的领跑者不同，有些潜在挑战者的企业价值可能只是数十亿甚至——我敢说？——数百万。2024 年 6 月 25 日，CNBC 报道如下：

一个由大学辍学生创立的团队，从以 Primary Venture Partners 领投的投资者那里融资 1.2 亿美元，准备打造一款新的 AI 芯片来挑战英伟达。Etched 的 CEO 加文·乌伯蒂表示，这家初创公司押注：随着 AI 发展，这项技术中最耗电的计算需求将主要由定制化、硬连线的 ASIC 芯片来承载。“如果 Transformer 架构消失，我们就死定了，”乌伯蒂对 CNBC 说。“但如果它们继续存在，我们就是史上最大的公司。”

即便先不谈 Etched 会不会成为“史上最大的公司”，如果成功能让它的估值达到英伟达峰值的五分之一——也就是“仅仅”1 万亿美元——那么，为了证明对 1.2 亿美元投资的合理性，需要多大的成功概率？为简化起见，假设这 1.2 亿美元买下了 100% 股权，那么你只需要相信：实现万亿美元价值的概率有千分之一，期望回报就超过 8 倍。谁能断言 Etched 没有这种机会？如果它确实有，那又为什么会有人不去买这张彩票？上述思路就是我所谓的“彩票式思维”：对巨大回报的梦想足以——不，是会迫使你——参与一个失败概率压倒性的赌局。

用这种方式计算期望值并没有错。顶尖风险投资人每天都这样做，并且效果卓著。但关于可能回报及其概率的假设必须合理。一旦你开始盯着“万亿美元回报”，任何计算里的合理性都会被压倒。

我们几乎一无所知的两件事是：AI 会为供应商带来怎样的利润，以及它对非 AI 公司——主要是使用它的公司——会产生怎样的影响。

AI 会形成垄断或双寡头吗？由一两家领先公司以高价出售能力？还是会成为高度竞争的混战，多家公司在价格上争夺用户对 AI 服务的支出，使之商品化？或者——可能性最大——是一种混合格局：既有领先巨头，也有专门玩家；有人在价格上竞争，有人靠专有优势竞争。据说，目前回答 AI 查询的服务（如 ChatGPT与 Gemini）每处理一次查询都在亏钱（当然，新行业参与者短期提供“亏本引流（loss leaders）”并不罕见）。领先科技公司——习惯于赢家通吃市场——会愿意在 AI 业务上连续多年亏损以换取份额吗？数千亿美元正被投入争夺 AI 领导地位的竞赛。谁会赢，结局会怎样？

同样，AI 对使用它的公司会有什么影响？显然，AI 将是提升生产力的强大工具，其中包括用计算机提供的劳动与智能替代员工。但这种降本能力会提高使用它的公司的利润率吗？还是只会让这些公司为了争夺客户而陷入价格战？那样一来，节省下来的成本可能被让渡给客户，而不是被公司攫取。换句话说：AI 是否可能提高企业效率，却不提高企业盈利能力？

在 1990 年代末的电信繁荣中，光纤被过度建设，拥有光纤的公司彼此进行交易，从而可以报告利润。如果两家公司都拥有光纤，那只是账面资产。但如果它们互相购买对方的容量，就都能报告利润……于是它们就这么做了。还有一些情况是：制造商借钱给网络运营商让其购买设备，而当时运营商还没有足以证明建设合理性的客户。这些都导致了“虚幻的利润”。

如今，一些交易被宣布出来，看上去像是在 AI 玩家之间“资金回流”。相信存在 AI 泡沫的人很容易对这些交易产生怀疑：其目的是真实的商业目标，还是为了夸大进展？

雪上加霜的是，批评者说，OpenAI与芯片制造商、云计算公司等达成的一些交易，循环性异常。OpenAI 将从科技公司获得数十亿美元，但也会把数十亿美元付回给同一批公司，用来购买算力与其他服务……

英伟达也宣布了一些引发疑问的交易，令人怀疑公司是否在“给自己付款”。它宣布将向 OpenAI 投资 1000 亿美元。初创公司获得这笔钱后，会购买或租赁英伟达的芯片……高盛估计，英伟达明年的销售额中有 15% 将来自批评者同样称为循环交易的安排。（《纽约时报》，11 月 20 日）

值得注意的是，OpenAI 已对行业对手方作出总计 1.4 万亿美元的投资承诺，尽管它尚未实现盈利。公司明确表示，这些投资将由从同一批对手方获得的收入来支付，而且它也有退出这些承诺的方式。但这一切仍然提出了一个问题：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——它们质疑人们理解“万亿”这个词的能力——我觉得这个观点一针见血。100 万美元是每秒 1 美元、持续 11.6 天。10 亿美元是每秒 1 美元、持续 31.7 年。我们能理解。但 1 万亿美元是每秒 1 美元、持续 31,700 年。谁能真正把 31,700 年的意义装进脑子里？）

我们不得不怀疑，在 AI 世界里，“淘汰”这个问题是否被正确处理。AI 芯片能用多久？给 AI 相关股票赋予市盈率时，应当假设未来多少年的盈利增长？芯片与 AI 基础设施的其他部分能否持续高效到足以偿还为购买它们而承担的债务？能否实现通用人工智能 —— 一台机器能做任何人脑能做的事？那会是进步的终点吗，还是会有进一步的革命？哪些公司会赢？技术会不会进入稳定期，从而企业得以提取经济价值？还是新技术会不断威胁取代旧技术，成为成功的新路径？

在这方面，《金融时报》一份通讯的一期里简短提到两项发展，显示竞争格局的流动性：

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%。这一比例超过了来自美国开发者（如 Google、Meta与 OpenAI）的 15.8%——这是中国团队首次超过美国同行……

由于担心 Google 在人工智能方面取得进展，英伟达股价昨日大幅下跌，AI 芯片制造商市值蒸发 1150 亿美元。（FirstFT Americas，11 月 26 日）

动态变化创造了令人惊叹的新技术机会，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：他们所支付的价格中所隐含的“持续成功”假设，是否完全站得住脚。

作为一个极端例子，我会引用当下的趋势：风险投资对初创公司进行 10 亿美元“种子轮（seed rounds）”投资。这里有一段小故事：由前 OpenAI 高管米拉·穆拉蒂领导的 AI 初创公司 Thinking Machines刚刚完成了史上最大的种子轮：以 100 亿美元估值融资 20 亿美元。公司尚未发布产品，也拒绝告诉投资者他们到底想做什么。“那是我见过最荒诞的路演会议，”一位与 Murati 见过面的投资者说。“她就像在说，‘我们在做一家拥有最好 AI 人才的 AI 公司，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……才两个月前。这里是更新：据彭博新闻周四报道，由前 OpenAI 高管米拉·穆拉蒂创立的人工智能初创公司 Thinking Machines Lab正就新一轮融资进行初步谈判，估值约 500 亿美元。该公司在 7 月完成约 20 亿美元融资后，估值为 120 亿美元。（路透社，11 月 13 日）

而 Thinking Machines Lab 并非孤例： 在 AI 军备竞赛中最大胆的押注之一：由前 OpenAI 首席科学家伊利亚·苏茨克维尔创立的隐身初创公司 Safe Superintelligence（SSI）在一轮融资中筹得 20 亿美元，估值 320 亿美元——尽管它没有公开发布任何产品或服务。（CTech by Calcalist，4 月 13 日）

AI 的问题之一，是这次“新东西”的性质极不寻常。这不像一家设计并销售产品的企业：只要售价高于投入成本就能赚钱。相反，这些公司是在飞机飞行途中造飞机——等飞机造完，他们才会知道它能做什么，以及是否有人愿意为它的服务付费。

许多公司为自己的支出辩护，因为他们不只是造一个产品，他们是在创造一件将改变世界的东西：通用人工智能（A.G.I.）……关键在于：他们没有任何一方真正知道该怎么做。但弗吉尼亚大学的经济学家安东·科里内克表示，如果硅谷达成目标，那所有支出都合理。他乐观地认为可以做到。“这是押注 A.G.I，否则就一败涂地，”Korinek 博士说。这个尚未定型的行业正在被建造出来，其“不确定性”最贴切的表达，来自对 OpenAI CEO 山姆·奥特曼发言的转述，大意如下：“我们先造出某种一般智能系统，然后再让它自己想办法为此产生投资回报。”

对于那些迄今为止一直完全理解自己所投资企业性质的人，这句话应当令人停下来想一想。显然，一项等同或超越人脑的技术，其价值应该非常大，但它是不是大到已经无法计算？

迄今为止，AI 及其支撑基础设施的大部分投资来自股权资本与经营现金流。但现在，各家公司承诺的金额已经大到必须依赖债务融资；对其中一些公司而言，这些投资与杠杆只能被称为激进。

AI 数据中心热潮从来不可能只靠现金来融资。这个项目太大了，不可能自掏腰包完成。摩根大通的分析师用餐巾纸——或者可能是桌布——算了算，估计基础设施建设的账单将达到 5 万亿美元（不含小费）。谁知道准不准，但我们有充分理由预计明年支出将接近 5000 亿美元。与此同时，最大的支出者（微软、Alphabet、亚马逊、Meta与甲骨文）在第三季度末合计账上只有大约 3500 亿美元。

上述公司从其强大的非 AI 业务中获得健康现金流。但这场“赢家通吃”的 AI 军备竞赛需要一些公司加杠杆。事实上，可以合理地认为：它们之所以投入巨额资金，其中一个原因就是让较小公司更难跟上。

甲骨文、Meta 与 Alphabet 发行了 30 年期债券为 AI 投资融资。后两者的债券收益率较同期限国债的利差不到 100 个基点。为了获得略高于无风险债务的收益，就要承受 30 年的技术不确定性，这审慎吗？而那些用债务融资购买的投资——芯片与数据中心——能否维持足够长的生产力，来偿还 30 年期义务？

11 月 14 日，亚历克斯·坎特罗维茨的《大科技（Big Technology）播客》邀请了 D.A. Davidson 金融服务公司的科技研究负责人吉尔·卢里亚对话，主要讨论 AI 行业债务使用。卢里亚的一些观点如下：健康行为存在于“……像微软、亚马逊、谷歌这样理性、深思熟虑的商业领袖，他们在扩充交付 AI 的能力方面做出了稳健投资。之所以能稳健，是因为他们拥有所有客户……当他们投资时，用的是资产负债表上的现金；他们有巨大的现金流支撑；他们理解这是一项高风险投资；他们会平衡它。”

不健康行为——他描述的是“……一家初创公司借钱为另一家初创公司建数据中心。两家都在烧掉大量现金，但它们居然还能筹到债务资本来资助建设——同样既没有客户，也没有这些投资能回本的可见性。所以在健康与不健康之间存在一整条行为光谱，我们必须把它理清，避免重蹈过去的覆辙。”

“有些东西我们用股权融资——用所有权；有些东西我们用债务融资——用随时间偿付利息的义务。作为一个社会，长期以来我们把这两块放在各自该在的位置。债务适用于我拥有可预测现金流和/或能为贷款提供支撑的资产，然后我用未来现金流换取今天的资本才有意义……股权适用于更投机的东西，适用于我们想增长、想拥有增长，但不确定现金流的时候。这才是正常经济的运作方式。当你把两者搞混，你就会给自己惹麻烦。”

他提出的一些潜在令人担忧因素包括：

-   “一种投机资产……我们不知道两到五年后我们到底还需要多少。”

-   放贷人员的激励是放出更多贷款，但他们不承担长期后果
-   AI 产能供给赶上或超过需求的可能性

-   下一代 AI 芯片更强，从而使现有芯片过时或降低其作为债务抵押品的价值

-   强势竞争者为抢份额而压低租金、持续亏损运营

以下是阿齐姆·阿扎尔10 月 18 日《指数视野（Exponential View）》中的几段重要文字：AI 的繁荣何时会倾向泡沫？[投资者与工程师] 保罗·凯德罗斯基指出“明斯基时刻（Minsky moment）”——当信贷扩张耗尽优质项目，开始追逐坏项目，使用供应商融资与可疑的覆盖率来资助边际交易的拐点。对 AI 基础设施而言，这种转变可能已经在进行；迹象包括超大规模云厂商的资本开支增长超过收入动能，以及放贷方为了维持派对而不断“甜化条款”。

保罗提出了一个很有说服力的论证。我们已经进入投机性融资（speculative finance）领域——可以说已经越过试探阶段——而最近的交易将设立危险先例。正如保罗警告的，这种融资将“为未来类似交易提供模板”，推动超大规模云厂商为不惜一切代价争夺主导地位而迅速扩张垃圾债发行与 SPV（special-purpose vehicle，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仍通过杠杆维持资本开支速度。我们看见两面：真实的基础设施扩张，以及让人想起 2000 年电信崩盘的融资体操。繁荣也许仍会富有成效，但前提是收入在信贷收紧前追上来。健康的拉伸何时会变成系统性风险？这就是我们必须在市场替我们回答之前回答的问题。

阿扎尔提到通过特殊目的载体（SPV）的表外融资，这正是安然（Enron）脆弱性与最终崩溃的重要推手之一。公司与合作方为特定目的设立 SPV 并提供股权资本。母公司可能拥有经营控制权，但因为不具备多数所有权，就不把 SPV 并表进自己的财务报表。SPV 举债，但这笔债不出现在母公司的账上。母公司也许是投资级借款人，但这笔债既不是母公司的义务，也不由母公司担保。今天的债务可能由数据中心租户承诺的租金支持——租户有时本身也是股权合作方——但这笔债也不一定是该股权合作方的直接义务。SPV 本质上是一种让公司看起来“没在做 SPV 正在做的事、也没有 SPV 拥有的债”的方式。（私募股权基金与私募信贷基金极有可能出现在这些实体的合伙方与放贷方之中。）

正如我前面引用的，按照佩雷斯（她写作时正值互联网泡沫之后），“使部署期成为可能的是亏钱的投资。”早期投资会在“明斯基时刻”里被吞噬：延长上行周期中做出的不明智承诺，在修正中遭遇价值毁灭。关于债务的使用，我们确定知道三件事：

-   如果有损失，债务会放大损失（正如它会放大希望中的收益）

-   如果遭遇困难时刻，它会提高项目失败的概率

-   即便债务下方有股权缓冲，只要困难足够严重，它仍会让放贷人的资本面临风险

一个关键风险是：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，一些业主可能破产。那时，新一代业主或许能从止赎放贷人手中以“几分钱一美元”的价格买下这些中心，并在行业稳定后获利。这就是“创造性破坏”如何把市场拉回均衡、把成本降到未来业务可盈利水平的一种过程。

债务本身既非好也非坏。同样，AI 行业的杠杆既不应被赞美，也不应被恐惧。一切取决于：资本结构中债务比例；你所借贷对应的资产或现金流质量；借款人用于偿付的替代流动性来源；以及放贷人获得的安全边际是否足够。我们将看到哪些放贷人在今天这种令人眩晕的环境中仍能保持纪律。

值得一提的是，橡树资本确实做过一些数据中心投资，而我们的母公司布鲁克菲尔德正在募集一只 100 亿美元基金，投资 AI 基础设施。布鲁克菲尔德会投入自有资金，并获得主权财富基金与英伟达的股权承诺，再叠加“审慎”的债务。其投资看起来会主要投向数据中心不那么饱和的地区，以及为数据中心所需巨量电力提供支持的基础设施。当然，我们之所以做这些，是基于我们认为审慎的决策。

我知道自己对 AI 了解不足，不足以评论。但我确实懂一点债务，我的观点是：-   给结果不确定的项目提供债务融资可以。-   但当结果纯属臆测时，不可以。-   能理解这两者差别的人，仍然必须做出正确区分。

《未对冲》引用摩根大通 CMBS 研究首席分析师辛冲的话说：“……在我们与投资级 ABS 和 CMBS 投资者的交流中，一个经常被提及的担忧是：他们是否愿意在债券到期时承担数据中心的剩余价值风险。”我很高兴潜在放贷人正在问他们应当问的问题。

以下是橡树资本联席 CEO、机会基金联席投资经理鲍勃·奥利里（Bob O’Leary）对“债务与 AI 交叉点”的看法：“大多数技术进步最终会演变为赢家通吃或赢家通吃大部分的竞争。“正确”的参与方式是股权，而不是债务。只要你能分散你的股权暴露，从而覆盖最终赢家，赢家的巨大收益足以弥补输家资本受损——这就是风险投资界经久不衰的成功公式。对多元化债务组合而言，恰恰相反。赢家的债务你也只是赚到票息，而这远不足以抵消你在输家债务上遭遇的减记。当然，如果你连赢家会从哪些公司中产生都识别不了，那么债务与股权的差别也无关紧要——无论哪种你都等于零。我提这个，是因为这正发生在搜索与社交媒体领域：早期领跑者惨败给后来出现的公司。”

毫无疑问，当下的行为是“投机性的（speculative）”，即基于对未来的推测。同样毫无疑问的是，没有人知道未来会怎样，但投资者正在把巨额资金押注在那个未来上。在这个背景下，我想谈一点 AI 的独特性。AI 革命与此前的技术革命不同，这种不同既令人惊叹，也令人担忧。在我看来，一个精灵已经从瓶子里放出来，而它不会再回去：

AI 可能不只是人类的工具，更像是某种替代品。它可能接管认知——迄今为止人类一直垄断的东西。正因为如此，它很可能在性质上就不同于以往发展，而不仅仅是程度不同。（关于这一点，我会在附言里多说。）AI 技术进展快得惊人，可能让人类几乎没有时间调整。我举两个例子：

编程——我们在 60 年前称之为“计算机编程”——在 AI 影响上像煤矿里的金丝雀。在许多先进的软件团队里，开发者不再写代码；他们输入自己想要的东西，AI 系统为他们生成代码。AI 的编码已经达到世界级水平，而一年前还不是这样。根据我的一位向导的说法：“在人类是否会被替代这一垂直领域，没有任何投机性可言。”

数字广告领域，当用户登录一个应用，AI 会做“广告匹配（ad matching）”，根据用户此前的浏览偏好向其展示定制广告。做这份工作的人类将不再被需要。

也许最重要的是，对 AI 的需求增长似乎完全不可预测。我的一位更年轻的顾问解释说：“改进的速度与规模意味着极难预测 AI 需求。今天的采用程度可能与明天毫无关系，因为一两年后，AI 可能能做到今天的 10 倍或 100 倍。那样的话，谁还能说需要多少数据中心？即便是成功的公司，又怎么知道该签下多少算力合同？”

在这种差异之下，谁还能正确判断 AI 对未来意味着什么？此时困扰许多观察者——包括我——的一件事，是寻找与以往泡沫的类比。以下来自《连线》（Wired）一篇近期文章的历史视角：

AI 在这里最接近的历史类比，可能不是电灯，而是广播。RCA（RCA）在 1919 年开始广播时，人们立刻意识到这是一项强大的信息技术。但它如何转化为商业模式，却不那么清晰。“广播会成为百货公司的亏本营销手段？成为传播周日布道的公共服务？成为以广告支持的娱乐媒介？”[马里兰大学的 Brent Goldfarb 与 David A. Kirsch] 写道。“一切皆有可能。一切都处在技术叙事之中。”于是，广播变成史上最大的泡沫之一——1929 年见顶后，在崩盘中损失了 97% 的价值。这不是边缘行业；RCA 与福特汽车公司一起，是市场上交易最活跃的股票。正如《纽约客》近期写的，它是“当时的英伟达”……

1927 年，查尔斯·林德伯格完成从纽约到巴黎的首次单人不间断跨大西洋飞行……那是当时最大的技术演示，也成为一个巨大的、类似 ChatGPT 发布级别的协调事件——向投资者发出信号：把钱涌入这个行业。

Goldfarb 与 Kirsch 写道，“专业投资者正确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。市场高估了行业在技术可行性与盈利性上实现突破的速度。”结果，泡沫在 1929 年破裂——从 5 月高点起，航空股票到 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叙事所鼓吹。两者都被“纯粹玩家（pure play）”公司用来趁势套利，也都向当时的散户投资者开放。两者共同把泡沫吹到巨大，以至于当它在 1929 年破裂时，留下了大萧条。

提供我开头引文的 Derek Thompson 在通讯末尾给出了一段精彩的历史视角：铁路是泡沫，但它改变了美国。电力是泡沫，但它改变了美国。1990 年代末的宽带建设是泡沫，但它改变了美国。我并不希望出现泡沫，恰恰相反，我希望美国经济在未来很多年都不要经历衰退。但考虑到现在流入 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变革性又不被过度建设、且不经历一段短暂而痛苦修正的技术。（《AI 可能是 21 世纪的铁路。做好准备。》11 月 4 日）

怀疑者很容易列举当下与互联网泡沫的相似之处：

-   改变世界的技术

-   兴奋、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

支持者则有理由认为这种类比不恰当：

-   已有在规模上存在且需求强劲的产品

-   已经有 10 亿用户（远超泡沫顶峰时的互联网用户数）

-   主要玩家成熟、已有收入、利润与现金流

-   没有 IPO 狂潮与“一天翻倍”的定价

-   成熟参与者的市盈率合理

我先展开第一个“不可比因素”。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，收入也在快速增长。例如，Anthropic（——两大领跑者之一，专注于 AI 编码模型——据称过去两年每年收入都“10 倍增长”。Anthropic 今年早些时候推出的 Claude Code，据说其收入年化已达 10 亿美元。另一位领跑者 Cursor在 2023 年收入为 100 万美元、2024 年为 1 亿美元，也预计今年达到 10 亿美元。

至于最后一条要点，请看下表——它来自高盛，经由 Derek Thompson 转述。你会注意到，在 1998–2000 年互联网泡沫期间，微软、思科与甲骨文的市盈率远高于今天最大的 AI 玩家——英伟达、微软、Alphabet、亚马逊与 Meta（OpenAI 没有盈利）。事实上，相比 26 年前的市盈率，微软现在简直是在“半价促销”！在我亲历的第一个泡沫——1969–72 年的“漂亮50”——领军公司的市盈率甚至比 1998–2000 年还高。

我的主题是 AI 通过失业与失去目标感对社会的影响。你不必读它——这就是它为何是附言——但它对我很重要，而我一直在寻找一个地方说几句。

11 月 18 日，巴克莱的一份研究简报称，美联储理事克里斯托弗·沃勒“强调近期围绕 AI 的股市热情尚未转化为就业创造。”这让我感到矛盾，因为在我看来，AI 的主要影响之一将是提高生产力，从而消灭工作岗位。这正是我担忧的来源。

我主要把 AI 视为一种令人难以置信的省劳动力装置。先锋领航（Vanguard）全球首席经济学家、投资策略组全球负责人乔·戴维斯说：“对大多数工作——很可能五分之四——AI 的影响将是创新与自动化的混合，并可能节省人们目前工作任务时间的约 43%。”（《指数视野》，9 月 3 日）

我觉得这对就业的前景令人恐惧。我非常担心那些因 AI 而变得不再需要的人的命运，或者那些因此找不到工作的人。乐观者会说：“过去每一次技术进步之后，总会出现新工作。”我希望这在 AI 时代也成立，但希望并不是可靠的依靠，而且我很难想象这些工作会从哪里来。当然，我并非未来学家，也不是金融乐观主义者——这就是为什么我在 1978 年从股票转向债券。

乐观者还说：“AI 对生产力的有利影响将使 GDP 增长大幅加速。”对此我有一些具体疑问：

GDP 的变化可以理解为“工作小时数的变化”乘以“每小时产出的变化”（也就是“生产力”）。AI 提高生产力意味着生产我们需要的商品所需的工作小时会更少——也就是更少的工人。或者反过来看，也许生产力繁荣意味着用同样的劳动就能生产更多商品。但如果大量工作因 AI 而消失，人们又如何负担得起 AI 使之成为可能的额外商品？

我很难想象一个 AI 与今天所有就业人口并肩工作的世界。就业怎么可能不下降？AI 很可能取代大量入门级员工、那些处理纸面事务却不需要判断的人、以及翻阅法条寻找判例的初级律师。甚至可能包括制作电子表格、汇编演示材料的初级投资分析师。有人说 AI 读 MRI 比一般医生更准。驾驶是美国人数最多的职业之一，而无人驾驶车辆已在到来；那些目前开出租车、豪华轿车、公交车与卡车的人，要去哪里找工作？

我猜政府的应对会是所谓“全民基本收入（universal basic income）”。政府会给数百万没有工作的人寄支票。但我这个“忧虑者”仍然看到问题：

这些支票的钱从哪里来？我所预见的失业意味着所得税收入下降、福利支出增加。这会进一步加重仍在工作的那一小部分人口的负担，并意味着更大的赤字。在这个新世界里，政府还能为不断扩大的赤字买单吗？

更重要的是，人们从工作中获得的远不止薪水。工作给人起床的理由，为一天提供结构，让人在社会中拥有生产性角色与自尊，并提供挑战；克服挑战会带来满足感。这些要如何被替代？我担心大量人领着最低生计支票、整天无所事事。我担心近几十年采矿与制造业工作流失，与阿片类药物成瘾和寿命缩短之间的相关性。

顺便说，如果我们淘汰大量初级律师、分析师与医生，那么那些靠几十年磨炼而获得判断力与模式识别能力、能解决严肃问题的资深专家将从哪里来？

哪些工作不会被消灭？我们的子孙应当为哪些职业做准备？想想机器做不了的工作。我的清单从水管工、电工与按摩师开始——体力型任务。也许护士会比医生赚得更多，因为他们提供的是动手的照护。那最优秀的艺术家、运动员、医生、律师——以及我希望的投资者——靠什么脱颖而出？我认为是所谓“天赋=”或“洞见=”，AI 可能能复制，也可能不能。但各行业顶端又需要多少人？曾有一位总统候选人说要给每个因外包失业的人发一台笔记本电脑。我们到底需要多少“笔记本操作员”？

最后，我担心：住在沿海地区、受过高等教育的少数亿万富翁，会被视为创造了让数百万人失业的技术。这会带来比现在更严重的社会与政治撕裂，使世界更容易被民粹煽动者利用。

我一生亲历了不可思议的进步，但在很多方面，我怀念我成长时那个更简单的世界。我担心这又会是一个“大事件”。我写下这些并不开心。乐观者能否解释一下：为什么我错了？

有趣的是，先锋领航的乔·戴维斯指出：2025 年美国满 65 岁的人数超过以往任何一年，约有 1600 万婴儿潮一代将在现在到 2035 年之间退休。AI 会不会只是用来填补这个缺口？这倒是一个乐观的解读。