# Vol.236 宏观漫谈111｜中美元首会谈、AI发展边界与全球资金的“蓄水池”逻辑 高能量 · 2026-10-01 · 81 min · https://www.xiaoyuzhoufm.com/episode/6abdb921e742e36efcbd55a8?utm_source=rss ## 逐字稿 李翔 这次是我和李丰接着进行我们的宏观漫谈。其实这段时间发生的最重要的事情，我觉得肯定就是我们的国家主席去访问美国元首。 ### 中美会谈为何不对称 我也看了很多报道。大家讨论比较多的，肯定是我们没有带企业家过去，而对方可能在宴会桌上安排了很多美国非常重要的企业家，无论是芯片、人工智能，还是马斯克这样的企业家都在里面。你觉得为什么会出现这样的不对称现象？ 李丰 从新闻上看，这个消息我们确认得很晚。之前其实还有一些铺垫，包括中美贸易谈判、之前的中美人工智能对话等。我的理解是，之前要先对讨论内容和讨论方向做一些定性铺垫，等这些定性铺垫对双方来说都进入一个框架之后，中国才最后确认成行。 虽然按照一个月以前外媒的报道，行程好像已经比较确定了，当时说的是9月24日，但中国一直到很晚才确认这条消息，甚至临出发之前才确认。所以，在此之前应该有一些框架性的沟通。 从最后的结果来看，这次对话大概都是一些定性的内容。唯一的定量内容，就是把原来去年吉隆坡达成的、关于暂缓各种竞争手段加码的中美贸易安排，原本延迟到2026年11月的期限再往后延。 你记得我们当时做特朗普访华那一期时，还讲过我们是不是可以确认访美，取决于这件事能不能有一个结论。这次希望确实发出了一个信号，定量内容唯一就是这件事。当然，我也不知道这个延期两个月具体是怎么安排的，为什么会这么安排。 但如果只看时间节点，第一个最重要的问题，是对中国今年的外贸企业来说，能够做完今年美国的购物季。最重要的就是从“黑色星期五”一直到元旦，而现在递延到了1月10日，刚好跨过了整个购物季，所以这对外贸企业肯定是件好事。 它们虽然不像我们这样，在电商购物上有明显的季度划分，比如一季度、二季度大概是“1、2、2、4”，或者“1、2、2、5”，但它们也有季节性，只是没有这么夸张。你可以认为大概是“2、2、4”，差不多是这样。 ### 人工智能芯片没有上桌 我原本还预期这次一定会谈人工智能芯片相关的问题。因为从美国自身利益来看，它肯定希望，比如英伟达的H100、H200，美国希望卡着华为昇腾的性能来放人工智能芯片。这样既能增加自己的商业规模，又可以适当抑制中国自己的GPU和人工智能相关芯片的发展。 但中国肯定不会同意这件事。所以我本来以为这次会在这里有一些具体的计较，后来想了一下，这可能太具体了，所以没有在这次谈话当中体现出来。 回到你刚才的问题，我猜这次没有谈特别具体和细节的问题。所有出席的场合，从媒体曝光来看，最重要的两个，一个是小范围会谈，一个是茶叙。这两个场合基本上都只有4个人或者6个人在场，所以比较重要的意见交换，我猜就是关于那些敏感事件的意见交换。 比如地区冲突，或者和中国周边有关的一些情况。如果你留意新闻，就会发现，在我们访问美国前一两天，日本首相还突击访问了一下美国，紧急要求约见特朗普，时间非常短。但你看最后的公开声明，肯定和这件事没什么关系。 所以，如果讨论了这些相关话题，应该就是在小范围会谈里。我猜这次大部分主要内容，集中在小范围会谈中对一些关键问题的定性意见交换上；定量内容应该没什么具体安排，后面还是通过当时制定的机制继续磋商，比如中美贸易会谈、中美人工智能磋商等，在具体事件中再落实。 因为中国也许还要看一看。今天做出的定量安排或者具体细节，马上就会碰上美国的中期选举。如果两院的构成还有变化，今天说的事情之后会变成什么样，还不能完全确定。 所以，各种原因叠加起来，这次大概就是非常顶层地围绕特定时间点上的关键问题，进行意见交换和相互理解。简单说，就是我知道你大概想要什么，你也知道我大概想要什么，大家在这个框架之内有多大的交集和偏差。我觉得这大概就是它起的主要作用。 当然，这个时候访问美国，对特朗普的中期选举肯定也有帮助。多少展现了他在这个时候具有的外交能力和外交实力。 包括赶在这个时间点上达成了和丹麦关于格陵兰岛的协议。这些事情，都是为了巩固和增强他在中期选举中所强调的美国影响力。 李翔 ### 模型蒸馏引爆安全争议 在访问美国之前，大家讨论非常多的，首先就是Anthropic跳出来，说中国的一些大模型公司对他们的模型进行蒸馏，甚至套壳。我记得当时特朗普也发了推文来讲这个事情。 你觉得这个事情，是不是美国政府在访问之前试图拿到一些筹码，用来施压？还是说，这只是两个国家在人工智能领域的一种正常竞争行为？ 李丰 我宁可相信个别人的评价，包括Michael Berry对这件事的评价。他认为，人工智能行业的增长有一定挑战，或者说增长面临比较大的压力，开始变得平缓了，所以才提出了一些“要控制人工智能发展”之类的话题。 我猜这个时候把所谓的模型蒸馏，或者数据蒸馏这件事重新翻出来，多少也是出于这个原因，至少部分是。 你提到人工智能，我觉得还有一个有意思的话题，就是主席在晚餐前的演讲，也就是你说的参加人数比较多的那场活动。他在提到人工智能时，其实我挺同意他的观点。 他说，中美双方在人工智能上，除了应该合作发展、不能互相限制等问题之外，人工智能本身也应该在人类的管控之下，为人类进步和发展作出贡献。 这两句话也符合我对技术进展的理解。从这句话里能听到的言下之意是，人工智能除了要拓展能力边界，也可能需要在安全边界上继续探索和发展，也就是如何界定它的上限、下限和边界范围。 这对人工智能本身的发展，至少对中国在人工智能发展上的政策方向和态度，应该是有意义的。因为我们投了很多人工智能相关的事情，也投了很多模型在不同方向上的进展。 你知道，过去一年，人工智能，或者说AI大模型，造出了无数新词。比如Agent，当然也包括“龙虾”、Harness，又是RSI，又是GEV。大概每隔两三个月，就会创造一批新名词。 这些新名词，本质上代表的还是这项技术，只不过是模型能力在某一个方向，或者某一个角度上的延伸。中间还夹杂着和机器人有关的世界模型、物理模型等问题，那里边又有一堆名词。 从这个意义上看，它们其实都是模型能力在某个方向上的探索，也就是我刚才讲的，人工智能在发展过程中对能力边界和能力上限的探索。 但回到刚才的问题，除了尝试触及能力上限之外，它可能也需要知道能力的边界究竟在哪里。这大概就是最后的安全问题。 从资本市场来看，在资本市场的上行周期，或者有泡沫的周期里，大家探讨的都是能力问题。等发展到一定程度，真的开始有一部分应用普及之后，在资本市场的下行周期，大家就要探索边界问题，或者说安全问题。 这和自动驾驶经历的事情是一样的。比如2014年到2017年第一波自动驾驶最高潮的泡沫期，大家探索的都是谁的技术更厉害、谁的路线更好、谁的演示更好。 等人工智能真正开始有一点应用和普及，更多问题和事故暴露出来，又碰上资本市场的下行周期，大家就开始讨论究竟什么才是安全问题，于是才出现了各种各样的安全规定。 李翔 我听他们讨论，包括美国人的讨论，感觉里面充满了各种分歧和噪音。 最开始肯定是Anthropic的一个前员工出去爆料，随后主流媒体迅速报道。之后又有一批美国投资人和企业家跳出来说，这件事本身可能就是一个巨大的、打引号的营销策划行为，安全问题被大家夸大了。 黄仁勋肯定是站在反面的。他不太会认为安全问题可以成为限制甚至减缓模型进展的理由。 这里面充满了各种噪音，包括你刚才提到的不断创造新名词。无论是在媒体上进行大规模宣传，还是拿去和投资人讲，甚至创始人自己做营销，有时我都很困惑：这些信息里，到底是真的在传递一些非常重要的内容，还是因为所有人都处在不确定阶段，大家都很焦虑，所以其中充满了投机、营销和各种噪声？ 李丰 我想肯定都有。 从一种新技术出现，到人类历史上经历过的很多类似事情，早期大概都经历过这样的阶段。近一点的比如自动驾驶，远一点的甚至包括蒸汽机，发展早期都经历过类似过程。 大家会对这项技术到底能做到什么程度、能力能发展到什么程度，产生一个或大或小的想象力。然后有一部分钱、有一部分企业，或者有一部分技术，去追逐这个或大或小的想象力上限。 它们通常会通过小范围的能力测试来证明：你看，我又往上突破了一小格。这就使得我们刚才讲的能力上限不断变化。 拿自动驾驶来类比也可以。核心问题是，当它真的开始应用时，会出现非常多类型的情况。自动驾驶习惯把它叫作corner case，但本质上就是：在你不清楚能力边界，也不清楚安全边界的情况下，它一定会出现越界行为。 这些越界行为最后会被越来越多地关注到。到了这个时候，大家才开始知道，这项技术的边界到底应该怎么画。 这和我们内部投资时讨论的事情也是一样的。以前大家更多关注能力上限，也许在这个阶段，也应该关注一下能力边界。 ### 黑盒模型进入物理世界 今天大模型做的更多是数据驱动的黑盒模型。数据输入之后，通过端到端训练来解决能力问题。但因为它是黑盒，所以很难调教，会出现很多跷跷板效应。 你以为自己进行了某种类型的调教，结果可能导致另外一些问题出现。所以我经常说，人工智能在不同领域的应用中，需要加入越来越多的白盒，也就是越来越多的物理规律、数学规律和约束。 这样至少有一部分能力是可理解、可解释、可调教的，才能在具体应用中真正发挥作用。 在数字世界里，大家对这个问题的关注稍微少一些。举一个很简单的例子，比如今天生成游戏图片或者视频画面，因为你在各种社交媒体上已经能刷到这些东西了，它肯定会有穿模问题。 比如手指，出现六根手指。最开始我还一直以为是模型公司故意这么做的，用来提示这是人工智能生成的，后来发现只是能力达不到。 它会出现穿模，或者出现其他越界问题。这是在数字世界里。当然，数字世界也不是完全不介意，比如由于编程能力提升而导致的各种攻击，或者突破测试环境等问题。 但如果到了物理世界，就像自动驾驶一样，如果你是在模拟器里进行自动驾驶仿真，用各种场景进行模拟，出了问题也就出了问题，因为那是在虚拟环境里。 可是在现实世界中出了问题，就可能是人命关天的问题。这样的事情发生多了之后，就会越来越受到关注。 特斯拉的FSD在美国有一段时间频繁暴露这类问题。中国的自动驾驶在特定时间段，也有一些特定品牌的事件被曝光或者放大，之后才出现了关于L2、L3等相关的约束和规定。 这是一模一样的事情。回到你刚才的问题，如果进入物理世界，一旦出了问题，被关注到的程度就会很高，因为在物理世界里不能随便穿模。 我经常打比方说，你不能让我的手直接从桌面穿到桌子下面。这样的事情发生在数字世界里，大家知道这是AI生成的就可以了，但在真实世界里，第一是做不到，第二是如果做到了，就会产生其他破坏性结果。 这种现象被关注之后，大家就希望它能够解决；而希望它解决，就要求它可控制，或者至少知道它的能力边界。 将来人工智能如果不只用在编程、图片生成和视频生成上，而是用在机器人、工业控制，以及更多和具体物理事物、和我们生活的世界有关的事情上，这些能力和适用性就会被提出来。 越是进入物理世界，就越要求它是物理的、白盒的。 李翔 这确实和使用场景有关。有些场景对错误发生概率的容忍度非常低，尤其是自动驾驶，因为一旦发生问题，可能就会带来非常严重的后果。 我的疑问是，2022年底ChatGPT出来，应该开启了这一轮生成式人工智能的大浪。今年已经是2026年，已经过去了三四年，而且变化速度这么快。即使如此，我们还是在讨论它的应用。 ### AI仍未找到全民应用 一方面，我们确实能感觉到它的革命性变化速度非常快；另一方面，我也有一个疑问：自从ChatGPT开启聊天机器人之后，好像再也没有出现另一个非常大的应用，能够让大多数人真正使用和理解人工智能带来的巨大效率提升。 今天它还是停留在一些办公场景，比如制作PPT之类的事情。有时我会觉得困惑：一方面，我确实认为它变化很快，能感受到模型能力在提升，也能看到各种新词不断出现；另一方面，好像自从ChatGPT出来之后，再也没有一个应用能够突破早期使用者阶层。 李丰 这件事从我们的投资角度看，可能分成几个问题。 第一个问题，除了探索能力上限和能力延长线之外，现在也开始需要确定和探索能力边界，也就是安全性、可控性问题，或者换成黑盒和白盒也可以。 这句话的前提，是当它从数字世界来到物理世界时，会受到物理规律的约束。说白了，这也是为什么今天机器人领域会出现世界模型和物理模型。 你刚才讲的问题，可以从几个角度来考虑。第一个是，大家认为这是一场超过互联网的技术革命，最终结果也许确实会是这样。但它和互联网有一个巨大差别：互联网上大多数商业模式，不管是哪一种，哪怕是相对最耗技术的搜索引擎，都可以认为边际成本接近于零，或者说非常低。 当它有1万人使用、100万人使用和1亿人使用时，除了需要提供更多并发服务器之外，从1万人到100万人再到1亿人，增加一个用户的成本非常小，所以它的扩张效应非常好。 但人工智能不是这样。至少今天遇到的最大问题是，它的边际成本并没有显著递减，也不能像互联网商业模式那样接近于零。 它其实更像物理世界，不像数字世界。数字世界的边际成本会不断降低；在物理世界里，我卖一辆车，成本一直都在。 人工智能也是这样，它本质上是每一个人的服务成本。服务一个人和服务1万人，并不是差不多的成本，而是每一个人都有一个单独的成本。 这个单独成本里，包含了为你生成Token，也就是词元的成本，包括模型对你说的话的理解，以及重新计算、输出和理解答案的成本。 如果你是个话痨，就一个问题来来回回地说，它还要把前后的内容全部重新记一遍、算一遍，这就更麻烦，成本也更高。 包括前两天Meta发布的Muse，这个个人助理一度变得特别火，但接下来出现了很多问题，比如宕机、服务不能持续等。这也暴露了同一个问题：它不能像互联网模式一样，具有接近于零的边际成本和扩张效应。 在应用普及的第一个阶段，不管是对话、编程，还是执行一些任务，因为它的成本不低，而且不容易递减，如果大家都使用云端模型，商业模式可能很难支撑普通人的大规模需求。 我经常这样解释：对于普通价值的需求，比如把它当搜索引擎使用，或者让它简单帮你生成一篇没什么太大用的文稿、做个总结，如果工作本身的附加值不高，而模型公司又被要求赚钱，就要想办法解决这个问题。 要不然，就让其他高级用途的人花更多的钱。比如今天相对高附加值的用途，真正拿它来编程，这算中高附加值的用途。难道要让这些中高附加值的用户付更多钱吗？ 除非是这样，但中高附加值的人做的本来就是中等附加值以上的工作，所以产生的价值更大。这个商业模式听起来不应该是这样的。 另一种方式，是像搜索引擎一样给每个人插广告。但因为每个人的边际成本比较高，而且不容易迅速递减，所以广告价格必须比互联网搜索引擎贵得多，至少要贵一个量级。 这意味着它要想其他办法，让广告价值能够兑现，让每个用户产生的价值足够高，比如达到搜索引擎的10倍、几十倍，才能覆盖资源成本。 所以我的结论是，在第一个普及阶段，它只能先出现在用户付费意愿高、或者中高价值的场景中。比如真正意义上的编程，当然某些游戏也可能是高付费意愿的场景。 如果真的开始普遍收费，大部分日常的、非高价值场景的使用习惯，就要转移到免费的端侧模型上。说白了，就是在手机、电脑或者其他设备上，有一个小模型解决你99%、89%甚至79%的需求。 而且它在端上运行，不需要把所有内容上传到云端，也能解决一部分隐私问题。当然，端上的东西最后是否上传，还是要具体看。 第二个更广泛的问题，和我们投资的下一阶段有关。今天大家还在探索一个不太确定的问题。 非常技术派的人相信，大语言模型派生出来的基座模型，也就是人工智能基础模型，最后是不是所有不同类型人工智能和模型发展的基础。 简单地说，我们能不能把今天大语言模型的基座模型，在它的基础上加一些东西，就变成世界模型或者物理模型？还是说，做世界模型、物理模型，或者将来更复杂的模型时，需要探索不同的结构、技术路线和方向？ 这是一个更大、更宽泛的问题。你问我，我觉得至少应该是两者之间的情况，不一定只是在大语言模型，或者今天几种模型的基础上不断向上累加，也不一定通过线性变化就能实现。 我猜至少有一半，需要解决其他技术路线、技术能力、学科能力，以及物理、数学和架构问题。它至少要跨出去半条路，而不是沿着原来可见的方向继续延长。 我至少不认为，今天由大语言模型基座形成的AI基础模型，就应该是未来各种人工智能的基础模型。 李翔 实际情况是怎样的？因为大家都能看到，很多具身智能公司要训练自己的具身大脑，包括一些市场上的大模型公司，可能为了撑住估值，或者出于技术探索，也开始号称自己要做具身模型。 李丰 现在还太早，完全看不清。 ### 具身模型开始脱离语言 如果从语言模型往上跨一步，做机器人模型，大家最常见、也最常听到的就是VLA、VLM、VLTA等具身模型。这些模型的名称里，V后面带一个L，基本上就是从视觉到语言标注的过程。 说白了，中间只要经过一个L，就意味着它又经过了一次语言理解，或者一次语言标注。今天不管出现什么新名词，比如世界模型刚开始的时候，它有时会直接跳过L，变成VM，或者在里面加入一些物理规律、物理定律的计算方法。 李翔 具身智能领域里，世界模型之后又有新的名词覆盖世界模型吗？ 李丰 直接答案是没有。但世界模型中间经历过几次不同的定义，到今天也没有特别清楚。 李翔 本质上，它还是一个理解世界的过程。 李丰 回到刚才的问题，现在已经出现了一些共识。至少从今年二季度开始，投资行业里已经有一点点共识，大家开始从带L的系列，往没有L的系列发展，也就是往物理和数学方向偏一点。 在今年二季度之前，大家讨论机器人大脑或者模型时，基本上都是通过L。不管是VLA、VLM还是其他类型的路线，都是这样。 当我们把L拿掉一部分，不通过语言标注的过程来规划和执行任务时，到了物理世界，就会加入更多物理规律和数学规则，加入各种可解释、可定义的过程、计算或者公式。 这在一定程度上是为了让模型更可调教，或者更偏向白盒。进入物理世界之后，我觉得大概就是从最近这段时间开始，行业里出现了一些共识。 今年一季度刚开始这个事情变热时，还非常模糊。那时候大家还在讨论，到底是用纯视觉和经过语言标注的方式来理解、合作和规划任务，还是需要更加偏向不经过语言的路线。现在已经稍微偏过来一些了，我觉得再往后看，会越来越偏向这一边。 从人类的进化过程来看，语言能力肯定极大地帮助了我们进行知识传承、理解抽象概念、组织团体，以及组织多人协作和协同。 但如果拿一个不太严谨的例子来说，在没有语言的各种动物群体里，语言能力并不影响它们在一定程度上逃避捕食、运动、判断、捕捉，甚至进行部分群体协作。 语言能力对人类是巨大的帮助，但在不具备这种能力的动物身上，它们对物理世界的控制和决策也能做到一定程度。所以这两者最终肯定有关系，但不一定是完全相同的发展路线，也不一定是同一种基座模型。 李翔 而且语言本身有模糊性。语言本身其实是降维的，因为降了维，所以在真正意义上的完整表达，或者说把你脑子里想的东西全部表达出来时，总是会有信息缺失，也总是会有一些偏差。 这其实非常有意思。回到2022年底、2023年，当时一级市场的风险投资机构内部，其实也有一个分歧。最直接的问题就是：我要不要投资做大语言模型的公司？ 比如金沙江，当时他们的声音比较大，不太愿意投做大语言模型的公司。但市场上也有一些年轻VC非常激进，想要押注大语言模型。 如果今天回头看，你觉得当时到底应该怎么做这个选择？还是说即使到今天，可能也仍然看不出来这个选择是否正确？ ### 大模型投资分歧消失 李丰 这要看你看短期还是中期。如果看短期，毫无疑问应该投。 我给你讲一个我们这个行业里非常有意思的现象。我们之前几期宏观漫谈里解释过，中国正好在一个特定时间点发生了融资结构的巨大转变。 最近能看到的现象是，大部分著名财务投资人没有在大模型身上赚到太多钱。主要是国资在最先上市的两个大模型公司上赚到了最多的钱，所以财务投资人心里肯定有遗憾。 MiniMax应该还是有很多财务投资人在早期投到了大概20多亿，但后面就没有继续投。因为它后面融资的金额和规模比较大，前面的稀释也比较多。可能只有阿里是例外，因为那时候他们把这些公司大概都投了一遍。 但阿里也不算纯财务投资人，更像是业务投资人或者战略投资人。 回到刚才那个话题，因为大部分财务投资人没有投到最先上市的两个大模型公司，所以从去年开始，剩下的一个还没上市的就是Kimi。于是，各路财务投资人都开始进入。 你认为大家这是在亡羊补牢，这就是短期现象。至少从PE投资人来看，大家已经用实际行动回答了你的问题：显然认为应该投，因为别人已经赚到钱，而自己还没赚到，所以就要拼命亡羊补牢。 至于是不是为时未晚，我觉得要分短期和中期。 李翔 你的意思是，现在这个分歧已经不存在了？大家都认为要投市场上还存在的大模型标的吗？ 李丰 是的，分歧已经不存在了。短期肯定是这样。即使给你机会，抛开其他所有限制和约束条件，你也会去投。 当然，这还要看持有多长时间。其中个别公司可能有特殊性，因为它采取的路线和产业位置有一些特殊，但这个我们先不着急评价。 从很短期的美国资本市场表现来看，你应该能看到，做云的公司，也就是做了两层以上的公司——除了算力中心，至少还做了一部分大模型或者基础模型——表现都不错。 比如Google，部分也包括亚马逊，以及有一点类似情况的微软。它们做了几层业务，比如微软的Copilot。国内也可以举阿里、字节和腾讯的例子。 这些做了几层业务的公司，不管从能力获取、利用率，还是云本身的增长来看，大概都超过了市场预期。 你可以认为，基础模型的能力也许最终会云化。这是中期问题，时间大概看3到5年。我们很早以前年初做的几期重要宏观漫谈里也讲过，最终基础模型的能力可能会云化。 如果它会云化，就像2015年前后云的发展过程一样，做一层可能不一定够。做模型的人不一定能做成云，但做云的人，如果基础模型的迭代速度慢下来，就很容易把前端的服务和用户量、后端的数据量，以及建设大型计算中心的能力结合起来，把基座模型能力变成一种统一服务。 当然，中国的竞争可能会更激烈。最近大家都推出了一些人工智能办公软件解决方案，就已经有一点类似的趋势。 前两天我让二级市场同事单独看了一下，当年那些垂直云公司——无论是国内上市的几家小云公司，还是在中国香港上市的个别云公司——它们在2015年到2017年都非常热。 当时云刚出现，大家认为IaaS，也就是基础设施云，是一个非常巨大的新事物。这个判断是正确的，到今天为止也证明它确实是件大事。 但最后证明，IaaS，也就是基础设施云，真正普及之后，考验的是全链条能力。它很难通过垂直方式很好地生存和发展，最终一定会走向寡头化。 因为中国最后是巨头把几层都做了。除了基础设施云，还做了MaaS，也就是中间的模型层，还做了上面的服务层，也就是从IaaS到MaaS再到SaaS，几层都做了，尤其是大型SaaS也做了。 今天的模型已经有一点这个样子了。现在很多公司在云上竞争，甚至还把下面的芯片层也做了。国内外加起来，至少已经有4家大型公司在做这样的事情。 这就等于比原来又多了一层：在我的AIDC，也就是算力中心里，连成本占比最高的硬件我也做了。 如果你认为基础模型最终会扩展到应用层，大家普遍使用它的方法会像使用云一样调用它，那最后就要回到成本结构的竞争。 一旦回到成本结构问题，就很可能和十几年前的云一样，最终变成基础设施。它会是一个很大的生意，但需要通过规模效应和纵向产业能力链条共同实现。 横向要规模，纵向要服务层数。从具体的服务产品，到基础模型能力，再到AIDC，也就是算力中心能力，甚至包括自己生产算力中心所需硬件的能力。通过这些能力摊薄用户服务成本，或者控制自己的毛利率。 这最终会变成一个低毛利生意，因为一旦成为基础设施，就是低毛利生意，纯粹靠规模，关键看谁能把效率控制得更高。 回到你刚才的问题，还是取决于你看多少年。如果按照今天的上行状态持有两年，也许可以赚到钱；如果持有5年，参考2015年、2017年到2023年间的垂直云公司，它们最终应该都和当年大家预期能赚的钱差得非常远。 李翔 即使是短期来看，一级市场上还没有上市的两个大模型标的，它们的一级市场估值都已经超过了已经上市、目前市值最高的智谱。 ### 加息重排全球资金 另外，宏观上还有一个比较重要的事件，就是美国加了一次息，引起了一大堆变化。美国加息之后的第二天，日本也加了一次，大家都是25个基点，所以符合预期。 但如果你看此后美国联储持续保持鹰派，所谓鹰派，就是好像要持续加息，使得市场定价认为美国今年之内还会再加一次。但资本市场先跌了一段时间之后，美国市场又变得不那么跌了，甚至还涨了一些，期间有很多跌宕起伏。 与此同时还有一个小新闻，也引起了一些波动，不过主要还是个股层面的。刚才我们讲到云和算力中心，Oracle，也就是甲骨文，有一个比较大的、通过发债建设数据中心的项目，出现了两个问题。 第一个，它发布了所谓不可抗力声明，称这个数据中心不能如期交付。第二个，与此对应的小几百亿的债——不到两百亿的这个债——在债券二级市场上以低于票面9折的价格交易。 换句话说，这对债券来说是比较大的折价，因为债券本身的收益率并没有那么高。 李丰 这些事情，我们在108到110期宏观漫谈中花了很多时间来讲，包括AI、资本周期，以及加息和降息之间的关系。 上一期我们讲到一个重要问题：货币脱离黄金约束之后，全世界都变成信用货币。在此后的数次金融危机中，各国央行，尤其是美国央行，越来越快地使用放水或者量化宽松的方式，试图用更短时间解决金融危机，或者缓解危机问题。 这带来的结果，就是一次又一次跌宕起伏的金融周期。与此同时，全世界的货币总量和债务总规模大幅增长，而且大家下手越来越狠、越来越快。 这也造成了贫富差距。只要金融或者货币规模迅速增加，也就是我们所说的放水，最后的结果就是实体经济增长速度赶不上货币增长速度，钱就会流入各种金融资产中进行博弈和投资，并以相互交叉的方式推高金融资产价格，从而在金融市场获得收益。 但用钱获得金融收益，不可避免地会导致有钱的人在一个周期里赚更多的钱。所以毫无悬念，这会在所有类似的地方扩大贫富分化，进而积累更多社会矛盾。 这些社会矛盾会以各种形式演变出来，不管是政治上的，甚至是冲突上的，这就是我们上一期讲的内容。 提到升息和降息时，我前两天正好翻了一本书。我还认识这本书的作者，《货币战争》的作者宋鸿兵。我还跟他聊过天，因为有他在，我还去参加过一些平时很不愿意参加的小范围社交活动。 当时其实没看过这本书，只是听说过，知道大概讲什么。前两天翻了一遍之后，我觉得今天大家再看这本书，可能会有更大的收获。 回到刚才的货币问题，我试着把它说明白。全世界大概有几个池子。 有一个最大、最深、最平静的池子，我们可以理解为大家的存款，尤其是老百姓为主的各种存款。这可能是一个蓄水池，也可能是一个堰塞湖，总之是一个巨大的存水地方。 还有一个或大或小、能够疏通水流的池子。老百姓放在存款里的钱，基本认为是最安全、最保险的；比存款再不保险一点的，大概就是债券，但大家认为债券也还偏安全，或者属于固收类理财。 不过，债券已经算是水泄出来一部分了，因为它已经被拿去做投资。债券下面是各种各样的资金运用。 再激进一点，就是各种风险资产。房地产肯定是风险资产，股票也是，还有比这些更激进的小池子，比如数字货币，那就是更小的池子。 李翔 房地产一直都是风险资产，对吧？ 李丰 房地产一直都是风险资产。 另外还有一个和债券不太相关、和现金存款有关但不完全相关的资产，就是我们上次讨论过的黄金。它是从最安静的蓄水池流出来的另一个蓄水池。 金融资产价格上涨时，除了基本面推动之外，金融资产的中短期波动——我们说的中短期大概是1到3年的周期——更多是由资金推动的。 李翔 也就是流动性？ 李丰 确实是由资金推动的，尤其是大公司和超大型公司。通常你会认为，它们不会在很短时间内发生巨大变化，所以价格变动更多由预期和资金驱动，当然也可能伴随着基本面变化，比如这一次的技术变化。 讲完这几个逻辑，你大概可以理解为两个问题。 第一个问题，全世界的水总量有没有增加，也就是刚才几个池子的水加起来有没有增加。这取决于天上是不是下雨，以及是不是下大雨。 这件事和全世界的央行，或者某些超级大国、较大经济体是不是一起印钱有关。如果大家一起印钱，就是下雨；如果印得特别多，就是下暴雨。这样每个池子的水都会变得非常多。 所以第一个问题，是钱的总量有没有增加。如果钱的总量没有显著增加，天气正常，偶尔下点小雨，偶尔晴天蒸发一些，那么我们再看钱会在这些池子里怎么运动，或者说会被怎么调动。 广义上有一种调动方式，是从最安静的池子流向最激烈的池子，这叫风险偏好增加。也就是从存款流到固收、债券，甚至股票和数字货币。房地产也是风险资产，因为它的价格会波动。 反过来，就叫风险偏好降低。 以中国为例，2024年至2025年上半年，存款显著增加。这意味着水从最激烈、变动最大的地方，流向了最安静的地方。 回到这里稍微讲两句。7月和8月的中国金融数据中，我们看到了存款少增，也就是相比2025年同期，存款增加得更少。虽然居民端存款仍然在增加，但增量减少了。 同时，存款少增的部分，对应着非银金融机构存款的增长。这也是我们在108到110期节目中讲到的，因为定期存款利率差异，以及期限到期集中在今年和明年的原因，存款正在缓慢搬家。 但增加比较多的，仍然是固收和债券类产品。这对应的是从第一个池子搬到第二个池子。 中国目前的现象是，大家的风险偏好都比较低，所以更多是从存款转移到债券对应的理财产品，或者说理财端的蓄水池。 什么时候它们会继续转移到风险更高的资产，不管是股市、基金，还是房地产，就要看风险偏好什么时候提升。 我们上一期刚做完关于中国融资结构改变的节目，潘功胜正好回应了8月金融数据。他的结论和我们上一期录制时讲的完全一致，只是他的表述更偏结构调整。 我们当时说，中国正在经历一个非常大的变化，就是金融结构转向直接融资。直接融资里也包含债券，比如政府专项债，甚至现在的城投债。 中国经济结构正在向直接融资转换。原本我估计大概是“五三”，最后也许过渡到“五四”或者“五五”。但从央行统计数据来看，中国今年前8个月，直接融资和间接融资大概已经是五比五。 换句话说，大家在金融结构上的调整已经各占一半。 刚才我们讲到，在老百姓的资金或者三个蓄水池之间转换时，中国今天因为大家的风险偏好较低，所以更多是从存款转向债券和理财产品。什么时候会转移到更偏风险的池子，还要看风险偏好是否提升。 回过头来讲美国。短期来看，大家通常会说，当国债利率提升，也就是加息时，无风险收益率提高，大家对风险收益的要求也会更高。 从老百姓角度，可以这样理解：成长型股票本来就需要较长时间烧钱，或者较长时间不赚钱，但伴随着高增长；等过了营收平衡点之后，才会开始规模性赚钱。 因为成长型公司需要较长的成长周期，也就是需要资金的时间比较长，所以当资金变贵之后，理论上对它是不利的。 金融上可能会说折现率要求发生了变化，但先不管这些，你大概理解其中的简单关系就可以。 在三个蓄水池中，债券池的收益率变高，而风险并没有同步提高，钱当然会往那里流，也会从最跌宕起伏的风险资产池里吸水。 这就是加息的作用。降息则相反，会影响这几个池子的水如何分配。 中国的利率比较低，两个方面都比较低，所以资金从利率最低的池子流出了一部分，进入刚才讲的第二个池子。但因为大家情绪比较保守，所以暂时没有很多资金流向第三个最跌宕起伏的池子。 当然，钱还有另外一种流动方式，这件事也非常重要。 除了天上下大雨，导致三个池子的水都增加；或者在雨量正常时，水根据大家的风险偏好，在三个池子之间流动；还有一种情况，是某个池子因为特定原因泄出水，流向其他一个或两个池子，这就是利率调节的作用。 从20世纪80年代开始，美联储的升降息周期还会起到另外一个作用，就是抽取其他国家三个池子里的水。 因为美元是储备货币和交易货币，也是流动性最好、需求量最大、使用范围最广的货币，所以大家持有美元的意愿可能最强。 这导致几乎只有美国能够主要利用这个周期，从其他国家的三个池子里抽水。这就是全球流动性的分布和动态调整。 在这个过程中，每个地区至少都被折腾过两三次。比如亚洲金融危机，以及今年一、二季度新兴国家货币迅速贬值，甚至包括日元。 欧洲也有类似情况。1999年到2001年，科索沃战争以及新发行的欧元导致欧元贬值；2011年到2013年的欧债危机，也大概是被抽水。 中国差一点。2021年，正好有一大堆特殊的宏观政策，和房地产、教育等有关；2022年又发生了俄乌战争。这些事情导致中国差点被抽走很多水，当时是比较危险的时候。 所以今年一季度到二季度，中国也做了很多外汇管制。美国从全世界抽水的过程，是两个因素共同造成的。 第一个是恐慌因素。不管是美以伊战争、俄乌战争，还是以色列和加沙的冲突，区域性冲突都会提升恐慌。 恐慌提升之后，大家会想去最安静的地方。最安静的地方又希望具备避险功能，所以每次出现风险因素，比如金融危机、欧债危机、科索沃战争等，资金都会流向美国。 第二个是美联储加息。刨除地区性恐慌因素后，加息会提高美元和美元债券的无风险收益率，这会抽取全球资金。 加息通常还隐含一个意义，就是经济比较热，所以需要通过加息来控制水在几个池子之间的流速和流量，也就是控制转移速度和转移规模。它的前提是，我认为经济比较热。 因为这些原因，全球资金就会流向美国。 我刚才讲长期和短期，最后还有一个最重要的因素。如果大家预期加息会持续一段时间，比如一年或一年半，全球资金就会开始源源不断地流向美国的三个池子。 美国三个池子之间如何分配，又取决于风险偏好处于低、中还是高的阶段。所以美国一加息，全球就需要开始跟着加息，不管是提前预防，还是像日本一样第二天跟随加息25个基点，或者香港同日加息25个基点。 这还取决于全球三个池子各自有多少水。如果某个池子的水已经很多，就会被抽走很多，尤其是在这是一个持续周期、并且市场形成持续预期的情况下。 如果全球各地主要蓄水池和大经济体的三个池子本身水不多，或者坝筑得很高，就不容易抽到水。 如果这是一个大家预期的短周期，比如今年4、5月，因为更换联储主席，加上美以伊战争可能变长、影响油价并造成恐慌，那么它只是一个相对短期的因素。 如果我只抽两个月的水，而大家不认为这些事情会持续很久，就不会源源不断地抽水。 如果各个国家的水已经不够抽，或者能够抽的已经被抽得差不多了，大家也没有规模性放水，那么能抽的水就不多。 这就是两个因素：一个是能抽出多少水，另一个是在持续抽水之前，全球是否先经历过一轮放水。简单来说，就是之前是不是下过一场大雨，把各个蓄水池都装满了。 如果之前下过一轮大雨，大家的池子都满，那么抽水的效果就比较好，尤其当大家预期这是一个长期过程时，就会持续被抽。 如果大家本来的水就不多，又修了一些坝，同时预期这是个短期过程，那么就只会被抽一下，大概就是这个差别。 把这些听起来非常啰嗦的过程，用蓄水池的例子说完之后，今天真正要看的问题是：这一次加息，各个国家管理自己水池的人，认为它是什么过程？ 是短期过程，还是持续一年半以上的加息过程？这是第一个最大的变量。 第二个变量是，大家筑的坝以及剩下的水够不够被抽。之前有没有经历过宽松周期？ 第二个问题很好回答。全球现在能够不跟着美国加息、保持低息的大经济体只有两个：一个是中国，一个是日本。 我们已经看到，日本汇率被打得非常低，所以无论如何，日本都要跟着加息，哪怕是在第二天加息。 但即使如此，日元汇率仍然处于低位，比如156、155、158，甚至还有可能继续破位。如果大家对日本持续加息没有预期，就会认为日元可能还会继续下跌。 另一个保持低息的大经济体是中国。中国还有一些水，因为中国有巨大的储蓄，我们之前讲过。但中国存在资本管制，所以这些钱不太容易被抽走。 加上中国今年年内为了应对这些变化和挑战，对离岸、在岸以及资金出境做了一些管理，这当然也和税务有关。 剩下的就是抽取全球的水。我们刚才讲过，很多国家此前并没有经历典型的宽松周期，所以理论上能够抽到的水也许不多。 再看全球预期，大家会判断这一次加息，究竟是因为经济偏热，还是为了调节美国长短期国债利率，是一次或两次的短期行为。 如果大家认为是短期行为，就会出现短期波动，资金来来去去；如果大家认为是长期行为，就会形成单向、持续不断的资金流。 你问我，我认为它至少偏短期。为什么？因为从经济上看，已经出现了一些小挑战。 如果大家看蓝筹股，大家说中国蓝筹很惨，但美国蓝筹也很惨。美国蓝筹也被抽走了很多内部的水，也就是资金从股票这个蓄水池里的某一类资产，流向了另一类资产。 比如广泛来看，耐克被踢出了标普100，股价下跌了很多。刚刚公布财报的麦当劳，被视为刚需消费的代表，也下跌了30%，因为二季度增长只有0.8%，三季度还预期同比下降。 耐克和Lululemon的问题，也许还可以把部分增长挑战归因于中国市场的增长挑战；但麦当劳没有这个问题，因为麦当劳已经把中国业务卖掉了。 所以麦当劳的增长，确实代表麦当劳本身，也代表以美国为主体的市场。当然，不是所有餐饮都差。麦当劳的一些竞争对手，比如Taco Bell、汉堡王，因为提供10美元以下的套餐，仍然保持了一些增长。 我讲这些蓝筹股，不仅是因为它们在受到青睐的程度上，和中国的蓝筹一样，被视为“老登”、不时髦而被抛弃，更因为它们本身的业绩表现也显示出某种意义上的增长乏力。 背后肯定还有通胀和成本上升。耐克和麦当劳这样的公司，大概就相当于我们的刚需，也就是国内平价快餐和平价纺织服装的代表。 再看美国就业。过去表现出经济韧性、就业增加最快的行业，原来有两三个并行。最近两个季度，政府相关和医疗保健相关岗位增加最快，之前建筑相关、教育相关岗位也增加得比较快。 但建筑首先退出去了，因为这次加息之前，美国房贷利率已经到了7%多，商业贷款年化利率也到了7%多。 按照房地产最基础的预期，房价年涨幅加上租金收益预期，至少要达到8%或9%以上，大家才会愿意用7%多的房贷利率买房。所以美国房地产已经受到了相当大的影响，在加息之前就是这样。 如果维持就业的临时性岗位继续增加，医疗保健和教育岗位继续增加，就意味着政府要发行更多债券、借更多钱，为这些保障性行业进行再投入并扩大投入。 从通胀带来的结果看，刚才讲的这些刚需消费，包括吃、喝、用，都受到了影响。 那为什么还会说美国经济有韧性？因为科技和高科技投资，投资带动了居民资产的账面增值，同时金融行业又带动了其他服务行业的增长。 金融在美国变得特别大。今天美国资本市场规模大概是美国GDP的2.5倍，也就是75万亿美元和30万亿美元。这大概就是美国经济增长的样子。 我们啰啰嗦嗦讲完这些事情，可以得到一个大概结论：这一次加息带来的是短期无风险收益率的变化，但无风险收益率已经很高，而且最终还没有压下来。 美联储最希望看到的10年期，或者短期两三年期国债收益率迅速下降，但现在还没有实现，收益率仍然在比较高的位置交易。这说明市场目前并不那么喜欢这类资产。 当然，有一部分资金会卖掉原来的债券，准备购买新发行的债券，因为新发行债券的收益率至少增加了25个基点。这大概是内部的资金变化。 假定全球把这次加息看成是短期行为，它还是抽走了一部分水。香港市场的变化就体现了这一点。 和A股相比，香港市场最大的不同，是它能够及时反映国际资金在中国离岸资产上的流动性变化。从短期来看，这对港股有压力，尤其是在市场还预期年内不止加息一次的基础上。 但成长期股票为什么没有受到同样的影响？因为在宣布加息25个基点之前的半个月，大家已经把加息预期打进价格里，市场先跌了一小下。 公布之后，结果只是符合预期的25个基点，并没有更激进，于是风险被释放了。随后美联储又通过预期管理表示，未来可能不止一次加息，或者可能加息更多，这又提高了大家对风险的预警，所以市场重新开始波动。 我讲完这些，想说的结论是，在这个时间点，最难判断、也最有意思的问题，是这件事最终会怎样影响成长型公司。 ### 人工智能资本开支承压 我们知道，现在几乎所有数据中心都靠借贷建设，而且借贷规模非常高。 换几个角度思考。假设你是美国政府的决策层，现在有几件事需要平衡。 第一个，无论如何要把美债发行出去。债肯定发得出去，只是发行利率高低的问题。如果最后发行得比较困难，或者利率比较高，未来利息成本就会非常高，赤字滚动的幅度也会越来越大。 第一个问题叫保美债。第二个问题叫保美股。第三个问题，是不能让大家认为长期美元和美债的信用出现损失。 在不断滚大赤字的过程中，这几个平衡点比较难找。我觉得最难的是美债和美股。 美股中的科技持续繁荣，是美国吸引全球资金、利用科技驱动金融，再由金融驱动服务业，从而让经济至少在一定范围内保持增长和活跃的方法。 虽然刚才讲到的、由通胀影响的基础消费和必需品已经受到了一些影响，但科技和金融仍然支撑着另一部分增长。 如果不保美债，结果就是债券发行会变得困难，偿债利息成本也会变得非常高。 在这两个基础上，还需要保持美元强势，因为要从其他地方抽水。但其他国家也经历了刚才讲的所有过程，也需要防止被大规模抽水。 虽然有时没有办法，比如最近一个多星期，新兴市场汇率和新兴市场资本市场都受到了一些影响。这大概就是全球今天博弈的样子。 如果联储提高利率，所有成长型公司，也就是做算力中心和大规模人工智能投资的公司，发行利率也必须上升。 因为它们的融资利率，是在美国基准利率上加风险溢价形成的。 这时出现了一个小小的不利消息，就是刚才讲的Oracle债券以9折在二级市场交易。 我们上一期讲过，今天最大的风险之一，是美国在二季度开始，所有公司都害怕错失人工智能机会，于是制定了最激进的人工智能投资计划。 但结果是，各地人工智能算力中心的建设速度、硬件到位速度、配套电力资源到位速度、资金筹措成本和到位速度，都影响了原定计划的执行。 Oracle发生的事情，至少集中兑现了这四个问题中的三个。 与此同时，上游包括存储在内的原材料成本，也会逐步传导到算力中心建设中。发电设施涨价之后，也会继续传导进去，使算力中心的建造成本可能整体高于过去。 这时再叠加发债成本上升，以及联储调节导致的融资成本变化；如果发债不及预期，偿债时间和开始获得收入的时间也会出现不确定性。 Oracle出现的问题，大概意味着这些事情开始形成递进的不利循环，或者说负向循环。这就是今天我们看到的市场状况。 李丰 我不知道听完这一大串非常难解释的相互之间制约的现象之后，翔总有什么结论？ 李翔 不就是马上就要金融危机了吗？ 李丰 有可能。问题是，这件事到底什么时候会出现挑战。 ### 加息周期逼近金融危机 历史上肯定不会完全一样，但今天的情况有一点像互联网周期。 美国经历过两轮加息。第一次是1994年到1996年，这轮加息最终造成了亚洲金融危机。 在此之前，美国有“信息高速公路”以及克林顿提出的大规模基础设施投资。1994年到1996年这次加息，抽了一次全球的血，之后1997年开始发生亚洲金融危机，资金从新兴经济体撤出，涌向美元资产。 第二次加息比较短，从1999年到2000年，最后刺破了互联网泡沫。 这两次加息叠加起来，一次比较长，造成了一次全球危机；一次比较短，造成了互联网泡沫破裂。 1999年那次加息还有另一个动向。我们之前讲过，那一次也抽走了欧洲的水，因为当时发生了科索沃战争，新发行的欧元迅速贬值，欧洲的避险资金流向美国。 所以那次加息既支撑了美国，也支撑了互联网泡沫最后最疯狂的一轮。 这一轮加息，按照现在至少短期的预期，可能只有两次，最长三次。上一次加息好歹持续了一年多、一年多一点，这一次不知道能持续多久。 历史上，最近一次激烈加息是2022年。那次抽水最狠，因为在此前全世界经历了一轮历史上最大的放水，也就是疫情期间的放水。所以那次抽到的钱最多。 到2025年，水已经被抽到差不多了，后来又加上关税、各种地区性冲突等问题。 如果你看美国历史上的升降息趋势图，很少有在剧烈金融周期里进行两次抽水。但这一次有很多地方和以前完全不同。 第一，美债收益率压不下来。第二，这一次所有科技公司也都靠借钱，借钱也要面对利率问题。 第三，这一次全球很难被大规模抽水，因为没有哪个大的地区、国家或经济体出现明显溃败，并且资金可以大规模自由进出。可能唯一的例外是日本，但日本现在也到了被迫解决汇率问题的时候。 大概这就是今天的情况。 李翔 所以大家都能清楚地看到，如果进入加息周期，后果会非常严重。无论对公司还是对美债，都会带来成本的急剧上升，也可能伴随二级市场剧烈的泡沫破裂和波动。 我其实有点好奇。特朗普反对美联储加息，他给出的理由是什么？如果不加息，结果又会怎么样？ 李丰 他可能有一个辩护逻辑。 中国上一次压力比较大的时候，是2015年到2016年，那正好是美国上一个加息周期。全世界放完水之后，美国从全世界抽水的周期，本来是2015年到2018年。 但这个加息周期后来被特朗普施压叫停了。加息幅度并不算特别激烈，但他不断施加压力，所以那是一次只抽了一半，或者一半多一点的水的过程。 大家通常认为，加息会刺破成长股估值。因为利率成本提高之后，从广义上说，资金会从股市流向债市，尤其影响成长股。 降息则相反，会促进资金流动，促进资金冒险和投资。 但后来我才发现，如果你看美国历史，事情并不完全是这样。我大概是在2024年之后才确切意识到，如果全世界先经历一个放水周期，美国进入加息周期，尤其形成持续加息预期，首先会影响成长股估值。 接下来，因为美国抽进来的水超过了美国内部从股票倒入债券的水，数量会非常大。因为从全世界抽来的水量很大，尤其是在全世界先经历过放水周期之后，这会使美国的三个池子，尤其是第二和第三个池子，迅速上涨。 这就是2022年加息到2024年底之间的情况。 如果降息，隐含的却是经济面临一定挑战，同时无风险收益率下降，所以希望通过降息刺激经济。 但如果主要是美国在降息，或者美国降得更快，由于此前经历过一次从全球蓄水池抽水的过程，资金大量流入美国第二和第三个池子，那么降息时虽然短期看美股成长股受益，但中期可能从美国流出的资金，超过美国内部从第二个池子流向第三个池子的资金。 这时，持续降息反而可能导致美国资本市场整体下降。 这里面有一个悖论。 加息看起来会让资金更多流向债券，但如果保持持续加息和美元强势的预期，全世界资金反而会继续流向美元。这样，美国从风险资产里抽走的水，会被全球流入的资金以更大的规模补回来，结果可能是先跌后持续上涨。 如果降息，可能正好相反。大家预期美元持续降息，虽然看起来利好风险资产，但隐含的是美元计价资产疲软，或者美国经济疲软，需要刺激。 这样，原来从全球抽进美国第三个池子的水，反而可能流向世界其他地区。美国内部从第一、第二个池子流向第三个池子的资金，就不如从第三个池子流向全球其他池子的资金多。 于是就可能出现短期先涨、之后持续下降。 我讲的第三个池子，就是风险资产池。 但这些判断都有一个前提，取决于这是不是一个持续性的预期，也就是中期持续一年以上，而不是短期预期；同时还要看升降息之前，美国三个池子，尤其第二和第三个池子是什么状态。 如果美国已经从全世界抽过一次水，池子已经蓄满，情况就不一样。 放到今天，如果是短期加息预期，和之后可能触发持续降息预期，那么短期加息会带来一些全球资金波动。 如果形成持续降息预期，由于风险资产池已经蓄满了全世界的水，虽然听起来对美股风险资产是好事，但资金可能持续从美国流向世界其他地区，而不是仅仅在美国自己的三个池子之间来回倒。 最大的差别就在这里。 看美国历史，在降息时，如果第三个池子已经蓄满，资金就会流向世界其他地方；在加息时，如果全世界第二、第三个池子都蓄满了，资金就会流向美国的第二、第三个池子。 而且这必须是持续预期。短期预期会造成短期资金波动，但不一定形成持续的资金流动趋势。 李翔 我的意思是举个例子。如果美联储持续加息，进入加息周期，那全球主要经济体肯定都会跟着加息。 李丰 对，这是为了避免蓄水池被抽得太厉害，相当于全球经济进入加息周期。 李翔 它对每个国家都会产生同样的问题：资本市场可能暴跌，或者泡沫破裂；借贷成本上升，投资减少，最后进入一个萧条周期。 我的意思是，如果它不加息，会怎么样？假如今年8月左右，全世界都不加息呢？ 李丰 如果全世界都不加息，大概就是大家的池子保持相对平衡，资金在各个国家的池子之间来回流动，主要取决于一些短期动量。 比如石油危机是不是要缓解，石油危机好像又不能缓解，或者石油危机好像又要缓解。没有升降息预期时，资金就主要取决于这些短期动量。 当然，也包括哪个国家出现了什么问题。比如日本因为低息，在今年成为被抽水比较厉害的国家，就出现了单边套利，也就是套息交易。 如果日本加息加得太狠，但它又受到美国影响太大，就可能面临非常严重的问题。 有一本书写得很有意思，叫《日本式衰退》。这本书讲得比较极端，你可以把它看作中国悲观主义者能够看到的所有中国悲观情形的极限。 但如果理性看待，就要理解中国和日本所谓“衰退30年”之间到底有什么差别。 《日本式衰退》大概讲的是，从日本刺激经济、安倍经济学开始，日本央行已经持有了最大规模的风险资产和债券。 如果日本加息，不管哪一边出现问题，财政部发行的债券都可能需要由央行买单。无论哪一个泡沫破裂，对日本来说都是不能承受的，所以日本也是一个很难平衡的三边跷跷板。 李翔 所以对美联储来说，我的理解是，它愿意加息，肯定是因为通胀挑战比较大。 李丰 其实不完全是。更直接的原因，是美国国债收益率太高。 国债收益率太高，隐含了很多意义。第一个，市场定价要求美国用更高的成本进行债务融资。第二个，也可能意味着市场对美元信用的中期前景存在一定不确定性。 当然，这里面也隐含了通胀控制不利。所有这些因素，大概都包含在美债收益率已经达到金融危机前历史最高水平这个事实里。 美国维持强势美元，除了让全球资金回流、便于发行美债之外，加息和强势美元还有一个目的，就是压制或者适当压低中短长期美债收益率，从而降低发债成本。 但这件事看起来只在加息那几天起了作用，之后一周又回到了加息前、甚至更高的水平，所以这个目的并没有很好实现。 李翔 而且如果利率上调，理论上借贷成本一定会上升。 李丰 对。所以我刚才还讲，对成长型股票来说，这不只是现金流折现问题，也不只是需要长期便宜资金支持发展的问题。 今天科技公司的几乎所有发展，都基于人工智能资本开支，也就是AI CapEx。大部分大型公司的自由现金流现在都是负的，所以AI资本开支也都靠发债。 除了这些公司会和美债争夺资金之外，它们的债券收益率也必须随着债务利率中枢上升而继续提高。 比如今天房贷利率已经到了7%多。如果你不是Google这样最优秀的公司，而是一个中大型互联网公司，哪怕是Oracle这样的公司，可能也要发到8%到十几的年化利率，才能获得债务支持。 而且你还在和美国国债争夺发行资金。 这就是今天美债长、中、短期收益率都没有压下来的原因。 美联储加息之后保持强势美元，我们看美元指数就行了，它从99升到了101。 保持强势美元的本来目的，是让全球资金流向美国，同时适当压低美债长、中、短期收益率，从而让美国发债时的认购率和最终竞标利率得到合理控制。 这样，无论发行长债还是短债，未来偿还时的利息成本都不会过高。 但看起来这些措施没有起到预期作用。不管是因为全球资金已经不够抽，还是因为科技公司抢走了过多的发债额度，大家更愿意认购科技公司的债，而不愿意认购其他债券，总之结果是科技公司债券的年化收益率也显著提高了。 回到我们最早的问题，如果基础模型最终云化，一旦基础设施化，虽然假设它会成为像云一样巨大的生意，但基础设施化的事情并不容易获得很高的年化收益。 假设你的成本是10，要产生收益，年化收益率至少要达到15%以上。对于基础设施类生意来说，要达到15%到20%的年化收益非常困难。 所以，这些事情是一整套相互关联的。 这里面还有一个最大的例外，我们下次再讲。最近讨论最多的一件事，从我的角度看是这样的： 我刚才讲过，全世界大概只有中国和日本，和美元收益率之间存在最大的息差，也就是低利率的大经济体。 日元汇率已经跌得很厉害了。但在过去两个季度，美元指数有波动、甚至有所上升，大部分新兴国家汇率都贬值比较多的情况下，人民币汇率却保持稳定，没有贬值。 大家比较容易把它归因于中国有资本管制和外汇控制，但我猜这只能贡献一小部分原因，最大的原因未必来自我们刚才讨论的这些因素。 这背后应该有很多特殊原因。下一期我们可以继续讲，除了外汇管制之外，可能更重要的是全球贸易结算、贸易结构和贸易结算方式，这些因素可能贡献了更大的比例。 当然，还要讨论这件事会不会在未来几年持续发生，人民币会不会继续保持这个趋势。 李翔 好，这期宏观漫谈就到这里。 李丰 好，就这样。