[BidClub_]
苔藓之火 · · 77 min

紧急加更:当科创50跌成科创25,全球AI泡沫到底破没破?- 慧客堂 X 苔藓之火

董艺婷Raymond

EquitiesVC/PEAI & SoftwareInvestingMacro
Podcast ↗
TL;DR
  • AI产业的真实繁荣与科技股的大幅回撤,可以同时成立。 Raymond看到美国付费需求牵引模型公司、应用和供应商共同增长,董艺婷面对的却是纳指仍创新高、科创指数已跌约50%的市场。两人的共同起点是:中美的一、二级市场处在“四个不同的时空”,不能拿产业前景直接推导持仓收益。
  • 美国AI内部已有明显分化,融资泡沫的裂缝与算力短缺并存。 Raymond以Thinking Machines Lab首轮120亿美元、第二轮估值喊到500亿美元时融资已很困难为例,说明“下一个OpenAI”并非都有人接盘;与此同时,云厂商仍因掌握算力而受到追捧。今天的供不应求,并不排除明后年过剩,也不妨碍二级市场提前交易违约风险。
  • 万亿美元资本开支的争议,最终是未来收入能否承接折旧的争议。 Raymond粗算,若每年投入约1万亿美元、四五年摊销,累计起来可能需要每年几万亿美元收入支撑;收入不及预期,供过于求便可能沿产业链传导。但他保留另一种可能:技术突破会扩大需求,“我们不应该用旧有文明的体量去估计新文明会是什么样子”。
  • 跨市场联动有真实机制,却不能直接变成逃顶或换仓的时钟。 董艺婷区分产业投资与盈利关联、共同流动性、短线情绪外推三条链条;后者尤其容易让人把先开盘市场当作答案。Raymond担心,亏损后从A股追到美股,再遇反向行情,两边最关键的上涨日可能都不在场。
  • 看见拥挤、看对泡沫,与真正做对交易是三件事。 董艺婷认为,这轮A股下跌主要由资金和风险偏好决定,不能直接解释成技术前景被证伪;Raymond则强调,不能因为预测困难就放弃研究入场位置。讨论最后收敛到行动准备:“你可以用任何一次下跌来证明自己对泡沫的预言是对的,但是不等于你能做对。”
  • 资产配置的价值,是让科技仓位的错误不至于摧毁家庭财富。 董艺婷以六七成资产集中科技、指数下跌50%便可能损失约三成财富为例,解释分散与再平衡如何保护持有能力。它不能精准逃顶,却可能让人“走得更远”;她对杠杆的反对贯穿整场讨论。
  • 能否赚到科技浪潮的钱,首先取决于资本期限、仓位和生活约束。 产业参与者可能同时拥有“产业杠杆叠加人力杠杆”,普通投资者则需要能承受波动的资金结构。对于已有亏损、准备入场或想集中进攻的人,两人反复追问的不是下一次突破何时出现,而是亏损能否承受、规则能否执行,以及自己是否真的“睡得着觉”。
Digest · the substance, structured for research

1. 美国一级市场的繁荣有付费需求牵引

  • Raymond在美国停留近一个月,主要接触科技创业者和投资人。他强调,公开信息未必有差别,但与当地人聊天能看到K线和财报之外的状态;他感受到“人的状态是不太一样的”。
  • 在他的观察里,Anthropic、OpenAI等链主收入增长,带动算力、数据和各类服务需求;中国虽然豆包、DeepSeek使用广泛,真正付费的人却没那么多,能够养活的配套生态也就不同。
  • 他以Cognition说明美国市场对第二、第三名仍有容忍度:产品存在差异,付费市场又足够大,排名靠后也能实现很快的收入增长。大家会觉得:“虽然你是第二名,那又怎么样?”

2. New Labs已有裂缝,机器人仍处不同周期

  • Raymond认为,美国一级市场较明显的泡沫集中在New Labs:大厂研究员带着新算法想法创业,资本曾给予很高宽容度。他举Thinking Machines Lab首轮120亿美元、第二轮估值喊到500亿美元时融资已很困难为例,判断这里已有“很大的裂缝”。
  • 机器人呈现另一种时差:他感觉中国已经走过融资、头部上市、股价下跌再上涨的一轮,美国许多机器人、数据及场景实验室却是最近12个月才起来。
  • 他甚至推测,美国可能还会出现百亿美元、产品尚未成形的机器人New Labs;但按他的观察,目前机器人领域的这种泡沫还不强烈。同一市场内部,也有刚起步和老股已无人问津的赛道。

3. 算力争抢与二级市场的违约担忧同时存在

  • Raymond提到CoreWeave和Nebius:算力生意好到饭局上都会受到额外礼遇,别人希望“算力分我一点”。至于借分配算力谋取参股等利益,他明确说属于道听途说。
  • 连谷歌内部的DeepMind也存在资源分配争议。他转述,一些研究员认为没有5,000或1万张卡就无法验证想法,不愿耗掉研究生涯的黄金时间,因此有人跳槽或另起New Lab。
  • 但二级市场已通过CoreWeave的CDS讨论违约风险。他并未据此下结论:明后年算力可能过剩,今天看到的却仍是争抢。这也是他所谓中美一、二级市场四个“平行宇宙”的具体体现。

4. 长期看好,并没有消除买贵和集中持仓的风险

  • 董艺婷回顾2024年9月的判断:史无前例的科技浪潮,与她当时认为中国股市“跌无可跌”的状态重合,构成向上的机会;她也曾提醒,等怀疑者都转而赞誉这个判断时,就非常危险。
  • 她观察到,今年6月一些原本坚持红利或杠铃配置的人转向全部投资科技,随后经历7月至今的下跌。一位听友形容,自己看着“科创50慢慢变成科创40、科创30,现在已经是科创25了”。
  • 从长期产业派到风险监测派、杠杆进攻派,听友的共同难题其实相同:长期看好已经成为共识,但面对“高机会、高风险、高波动”的资产,怎样安排自己的钱?

5. 能从头赚到尾的人,先要满足资本条件

  • 董艺婷先区分产业参与者:能够以自身能力争取OpenAI等公司的资源,这类人身上已带着产业杠杆和未来估值,可能同时获得“产业杠杆叠加人力杠杆”的收益。
  • 不参与产业却想长期持有,就需要足够资本,而且没有财务支出、杠杆、亏损及时间压力;较早参与、上涨后已拿回本金的人,也可能凭借剩余仓位获得不错结果。
  • 她对晚入场后再追逐其他市场的人更谨慎,对杠杆则明确反对。能否坚持或退出,“不完全取决于你的认知”,前提仍是资本规模与投资模式。

6. 真实技术突破,不意味着估值没有泡沫

  • 董艺婷把问题倒过来:“因为科技行业有前景,所以它必然存在泡沫。”Raymond则认为,今天确有底层技术变化,不能直接类比主要由天量放水推动、缺少明显技术突破的2021年。
  • 若给2021年的情绪和绝对泡沫估值水平打10分,Raymond的主观体感是今天约七八分。董艺婷补充,A股6月或许七八分,现在可能已回到5.5分,甚至更低;纳指则是另一种状态,创新高也不代表走势流畅。
  • 美国投资人的乐观还来自快速兑现:Raymond举例,投资的公司可能18个月后就被英伟达收购,基金很快获得DPI、再募下一期。“假钱”很快变成“真钱”,正反馈又推动下一轮投资。

7. 估值背后的钱,决定投资人能相信什么

  • 董艺婷认为,中国科研与资本的联系、天使到退出各轮次的接力,都没有美国那么紧密。资金风险偏好低、短期考核严格,投资人就很难承担长期不确定性:“胆是谁给的?是背后的资本给的。”
  • 因此,机器人公司与OpenAI、英伟达横向比较50倍、60倍或80倍PE,并不能解释估值。除了增长预期,还要看买方资金能等多久、能承担什么风险。
  • 她进一步提出一个带主观色彩的判断:定价“60%以上”的因素来自背后的钱。连创业者也无法完整预测技术终局,资本并非先看清未来再出价,而常按资金约束寻找契合的信息。

8. 并购退出能形成正循环,融资断层则催促上市

  • 按Raymond列举的数字,过去12个月美国AI创业公司收购总值为1,590亿美元,其中Cursor占600亿美元。他说a16z同期原拟按约500亿美元估值领投;融资额究竟50亿还是100亿美元,他明确表示记不清。
  • 他的对照是,中国一些公司把早期美元基金、国资、产业资本都找遍后,便只能冲上市;在美国可能由一个基金完成的C轮,在中国变成公众融资。美国不少公司则在上市前已被收购。
  • 他认为差别也来自买方:创一代老板更容易相信自己能做,职业经理人更看重“Time to Market”;上市公司股价低迷,又使发行股票收购变得不划算,进一步削弱退出渠道。
  • 但他反对因此妄自菲薄:模型一度令人担心越落越远,三个月后“K3出来了”,又追上来。他赞叹一些中国企业用美国同行1%、甚至千分之一的资源做出类似成果,并以“愿天下处处是泡沫”表达对更多资本支持的期待。

9. 跨市场股价跟随,至少有三条不同传导链

  • 董艺婷先解释美国、韩国、中国台湾半导体公司的实际联系:算力、芯片和晶圆需求推动相互投资,现金流与利润进一步关联,盈利改善又催生下一轮资本投入。
  • 第二条来自共同流动性。大资金管理组合时,会从上涨的头寸中拿出一部分配置其他资产,总盘子扩大,也会带来跨市场的同步表现。
  • 短线跟随则可能更多来自“一人一票”:投资者缺乏自己的基本面和资金面判断,便根据更早开盘的市场线性外推。长期盈利关联与隔夜情绪传递,不能混成一个信号。

10. 万亿开支的风险,要沿折旧和收入往后推

  • Raymond认为,资本开支首先反映真实繁荣:美国数据中心连建设工人都难招,移民限制又加剧劳动力不足,需求旺盛不只是财报里的数字。
  • 他的粗略算术是:若每年花约1万亿美元,按四五年摊销,每年可能增加约2,000亿美元折旧;持续投入后,每年折旧可能累积到1万亿美元,需要几万亿美元收入承接。
  • 投资人的担忧因此有根据:倘若收入达不到,数据中心建得过多,供过于求可能使价格迅速下跌,再沿链主向供应商传导。但这讨论的是未来,不能拿来否认今天的短缺。
  • 他也保留技术突破的反面情景:过去三年,第三季度后常转悲观,次年1月却又出现奇迹;他举2025年的DeepSeek、2026年的Claude Code为例,提醒不能用旧有文明的体量去估计新文明会是什么样子。

11. 少数人All in,不等于整个资本体系风险偏好高

  • 董艺婷把讨论放回宏观背景:美国通胀和国债收益率较高,中国则处于低通胀、低收益率环境。她认为,后者对应的是全社会资本风险偏好偏低,不能因身边有人集中买科技就否认。
  • 杠杆投机甚至可能反向压低风险偏好:高风险偏好者爆仓后退出,旁观者也被吓住。她的观察条件是,除非看到中美国债收益率分别出现反转,否则局部All in不能代表资本体系发生转向。
  • 对纳指与比特币,她的判断很明确:极端环境下会受到共同流动性和风险偏好冲击。“现在看起来相关性没那么高,到时候相关性会变得非常高。”

12. 拥挤度能够观察,却不能直接证明泡沫

  • 董艺婷给出的定义是,估值远超一定周期内的利润增长预期,或基本面出现重大问题、使利润无法按当前预期实现;困难在于,AI技术不断刷新,外部投资者很难分清真正的预期差与信息不足。
  • 她因此认为泡沫“很难被识别,几乎不能被识别”,尤其对处在产业外围的人。拥挤度反映投资者结构与交易集中,并不直接衡量估值和基本面预期之间的距离。
  • 她对这轮A股下跌的定性是资金与风险偏好收缩,而非技术前景被证伪。要识别产业变化,需要理解技术路线和生态;二级市场已非常滞后,普通人未必值得把预测泡沫当作日常课题。

13. 预测正确与交易正确之间,还隔着行动准备

  • Raymond举《大空头》原型Michael Burry:按他的转述,基金规模只有1亿多美元,Substack有30多万受众、年收入快接近1亿美元;他也提到Burry去年或前年曾公开做空英伟达和Palantir,但记不清具体时间。“悲观者正确,乐观者挣钱。”
  • 董艺婷补充谢国忠的例子:2004年开始看空中国房市,若把最终拐点设在2022年,就提前了将近20年。预言可以被后来的下跌证明,却不等于当时能够做对。
  • Raymond仍主张结合仓位研究位置:已有仓位、觉得贵,可以减;零仓位想参与,就要研究在哪里接。他甚至认为,硬要猜顶底也应该猜一猜,否则恐慌真正来临也不知道怎么应对。
  • 董艺婷把这收束为行动准备:预先设想不同情景下如何保护资金、取得想要的收益,比执着预测日期可行。两人的侧重点仍有差别——她更依赖再平衡,他更强调研究与仓位结合。

14. 资产配置保护的是承受能力,无法承诺精准逃顶

  • 董艺婷认为,分散首先保护家庭财富,使高度不确定资产上的错误不至于牵连全部生活;其次,组合仍安全,投资者才有能力继续持有科技资产。
  • 她比较两种情景:六七成财富集中科技,指数跌50%就可能损失约三成;若起初30%科技、70%保本,上涨翻倍后再平衡,按她的简化示意,随后损失可能仅占初始财富百分之十几。
  • 在这样的保护下,人反而能“走得更远”。资产配置不能精准逃顶,杠铃也不是与之冲突的另一套原则,而是分散和保护思路中的一个分支。

15. 研究可以带来心安,储蓄充足却未必消除损失厌恶

  • Raymond自己管理科技基金,认为多了解公司业务、财务和管理层,能让持仓更舒服;若充分理解英伟达,突然跌20%时,甚至可能觉得是机会,而不是立即恐慌。
  • 对“现金流稳定,是否可以把其余资产全部投入高风险资产”,董艺婷的条件是:储蓄与收入足以支撑家庭,投入部分即便失去,也不影响生活和心态。
  • Raymond对此保留怀疑:“没有人能把钱投进去之后就不看。”他见过很有钱的人仍计较亏损,因为钱也是记分牌,像考试被扣两分一样影响情绪。
  • 董艺婷再指出另一面:20年后回头看,今天40%到50%的波动可能只是小沟坎,人又会后悔没坚持。董艺婷把这称作“不是理财课,是冥想课”;两人最终仍回到选择与自身契合的方法。

16. 已亏损、准备入场与想换市场,需要不同规则

  • 对已有亏损仓位,董艺婷给出有条件的再平衡例子:原来占20%,跌去一半后只剩约10%,可以考虑补回20%;前提是其余资产稳定,整体配置结构足够安全。
  • 对从未参与、准备入场的人,她建议分批并设上限。问题不只是新手缺经验,老手也无法始终保持准确判断,规则要替人承担一部分决策压力。
  • 对割掉A股换美股ETF,Raymond反问:若换过去后A股从3,000突然涨到6,000,会不会再换回来?他援引比特币一年可能只有约10个大涨日的说法,担心反复换市场,反而两边关键上涨日都错过。

17. 知道买了什么,与获得可执行的超额收益不同

  • 董艺婷区分产品结构与企业基本面:公开ETF、挂钩产品可以通过披露、合同、客户经理或AI查底层资产;真正理解上市公司业务,却需要投入更多时间。非公开、不披露持仓的产品还可能需要专业归因工具。
  • 她认为资产配置保护家庭,纪律实现“模糊择时”,选股则要看行业是否有个股超额收益的土壤;不能脱离阶段,简单评出哪一种最重要。
  • Raymond提醒,信息到价格充分反映可能只有“一秒钟”,“很多所谓的Alpha也都是假的”。关税、战争、油价和美债变化,也不断超出已有经验。
  • 连“科技股”的研究边界都变了:从熟悉的腾讯、微信、阿里、小红书,转向光模块、PCB、半导体细分和能源。他没想到研究AI最后要研究燃气轮机,但这已是需要学习的新常态。

18. 算力租价能提供线索,但领先研究的门槛极高

  • Raymond建议关注H100、甚至A100租赁价格:他尤其看重“8年前的芯片”仍有人用、仍有人愿意付差不多的价格,这本身就是需求信号。
  • 若新增算力过剩,用户会优先选择B300等新芯片,旧芯片租价理论上应明显下调。内存现货价格也值得观察;但等库存链条开始踩踏出货,看见时可能已经晚了。
  • 他举Citrini的研究团队为例:针对5,000亿美元“星际之门”项目,用无人机辨认施工设备与液冷品牌,再用热成像判断机器是否真的运行。
  • 董艺婷联想到CTA机构用无人机、卫星和遥感研究农作物。她的结论是,有资源的机构若已观测到领先变化,价格可能早已反映;深入产业可以满足研究兴趣,却仍不能自动解决家庭财富管理。
Full transcript
董艺婷

今天是我们紧急加更的一期。大家都知道,我们正常是在星期四凌晨更新。上一周的行情实在太特别了,所以我们紧急录制、加更了这一期。

上周整个科技股的行情,可以说是地狱级别的。当然地狱也分很多层:重仓 A 股科技股的朋友,可能发现自己掉到了地狱 8 层;白天在 A 股含泪止损科技股,晚上去美股接着亏的,可能在 10 层;融资加杠杆投资 A 股科技股的,可能在 15 层;融资亏完 A 股还不服,晚上再去美股继续亏的,可能在 18 层。开个玩笑。事实上,短期行情并不代表未来走势,将来肯定还会有波动和变化。

我找到了《苔藓之火》的主播 Raymond。他刚从美国回来,写了一篇非常棒的公众号文章,讲美国目前科技生态里一些很有趣的现象。我看完之后就想找他一起聊聊科技股,没想到行情演绎成了这个样子。我们和 15 群的群友一起,讨论了这个当下受到很多关注、也可能让很多人困惑的话题。

今天的节目有点长。我们会努力从自己的认知出发,回答以下 6 个问题:中美科技产业当前处于怎样不同的时空?科技产业有前景,为什么科技股仍然可能有泡沫?股价为什么会跨市场联动?泡沫能不能被识别和预测?资产配置究竟有什么意义?什么样的人能够真正赚到科技浪潮的钱?

我尤其希望大家关注节目的后半部分。我们最后讨论的已经不仅仅是科技股投资,而是一个更普遍的问题:当我们无法预测未来,也无法准确判断市场的顶部和底部时,究竟要依靠什么来保护自己的财富?

我们上次串台的时候聊的是指数增强,对吧?感觉我们这几个月没见,市场发生了很多事情,尤其是这两周,密度很大。今天也是 15 群第一次群团建,聊的话题估计是当下所有人最关注的话题之一:目前的科技股泡沫是不是已经破灭,以及未来我们怎么看待科技股行情。

我们录这个节目是一个非常特别的时点。前两周市场一直在跌,但我感觉大家的情绪还在不断发酵、积累,没有达到阶段性的极值。今天就非常明显了。我们几乎所有的群都很活跃,好多人在说话,我也看不过来。从早上开始到傍晚,我接到了很多电话和问询,电话没有断过。

所以我想,现在的市场情绪可能到了大家都濒临崩溃的状态。我不知道这个词合不合适,或者说有一些人准备要动手了。总之,这是一个相对比较聚焦的时点。今天来聊这个话题特别有意思。大家投稿的问题和话题非常多,所以前面的部分我们可能就不念稿了,我和 Raymond 围绕大家的话题来讨论;后面还会有朋友上线,讲一下他们投稿的内容。

讨论这么巨大、前沿的现象,如果单纯从资本市场、从行情软件上去想象,是非常匮乏的。你并不知道整件事情的链条是什么,也不知道产业链上下游的所有人现在处于什么状态。有一个人刚刚去实地看过,会给我们带来很多新信息。

第一部分,请 Raymond 来讲一下现在中美科技行业的状态。从你的观察来看,你觉得有什么不一样的地方?

1. 美国科技生态

Raymond

只能说一些我非常个人的感受。我自己也有挺长时间没去美国了,大概一两年没去。这次刚好借着国庆节,在美国待了快一个月,见了很多人,主要是科技圈的人,创业者、投资人,还有一些生态伙伴。

我觉得这是件很有意思的事。平时我们看 K 线或者财报,公开市场的信息差其实不存在,大家都能上 Twitter、YouTube,什么都看得到。但跟当地的人聊天时,你感受到的人的状态是不太一样的。不管是当地的华人还是白人,不同类型的人,感受都很不一样。这让我有了更全面的理解和体会。回来之后我就写了那篇文章,具体写了什么,回头可以再讲。

让我更惊讶的其实是文章得到的反馈。我原来觉得这不就是一篇游记嘛,没想到它得到了很不成比例的赞誉和喜爱。主要有两个原因:第一,很多人没有太多机会去硅谷,也不一定有第一手和人交流的体验;第二,大家确实处在非常焦虑的状态。每个人都想上车,又想下车;觉得是泡沫,又觉得泡沫已经破了,处在非常纠结的状态里,拿不准自己在这个时间点到底该怎么做。

所以我觉得,很多人在目前的生态位,或者特定的股市周期里,找不到自己的位置。讲泡沫这件事,我相信群里的很多听众都是专业投资人,我就不班门弄斧了。但我个人的感受是,观察美国经济、美国市场,或者中国市场的不同侧面,看到的温度完全不一样。

比如先看美国。我这次看一级市场比较多,觉得一级市场非常欣欣向荣,而且很多时候这种欣欣向荣是有理由的。美国现在整体生态很好。像 Anthropic,虽然还没有上市,但公开材料里能看到不少具体细节。Anthropic、OpenAI 这些大厂的销售额增长非常好,对算力、数据和很多不同类型服务的需求都很强。它们作为链主企业,在硅谷签了很多大大小小的公司为它们服务,所以会发现每家公司的业务都很好。

反过来看中国,大家都用豆包、用 DeepSeek,但真正为此付费的人并没有那么多。在付费带来的整体收入量级比较小的情况下,后面的公司能够牵引的生态体量就不一样。美国的 1,000 亿美元收入能养非常多的公司,中国的这部分收入可能养不了那么多公司,所以生态繁荣程度看起来不一样。

2. 新实验室泡沫

你说这是不是泡沫?也有泡沫。比如美国一级生态,我觉得最重要的泡沫在 New Labs,也就是新的实验室。有人原来在 OpenAI、Anthropic 做研究,后来有了新的算法想法,觉得自己也能做一个新的 OpenAI,于是出去融资。资本市场当时给了他们比较高的宽容度。

比如 Thinking Machines Lab 第一轮融资时估值 120 亿美元,这很夸张,怎么有人可以以 120 亿美元的估值融第一轮?这个金额都可以买下中国的科技巨头了。后来 Thinking Machines Lab 融第二轮时,估值喊到 500 亿美元,就已经非常困难了。所以在 New Labs,也就是“下一个 OpenAI、下一个 Anthropic”这个赛道上,不能说泡沫破灭了,但我觉得此前泡沫吹得很大,很多一级投资人已经不愿意接盘了。这个地方确实有很大的裂缝。当然里面也有一些不同的机会,但整体看起来有一定问题。

反过来说,美国也有很多估值疯狂上涨的好公司。比如 Cognition 最近又宣布可能要做一轮新的融资。Cognition 在美国算是第二、第三名的 coding agent 公司,第一名肯定是 Cursor。Cursor 之前被 SpaceX 以 600 亿美元收购了。Cognition 的业务也涨得很好。它的产品肯定有差异性,同时收入也很高。我们提到的很多公司,收入都是百亿美元级别,增长速度非常快。

美国市场的付费意愿足够强,所以很多第二、第三、第四名的 coding agent,公司收入增速都不错。大家会觉得,虽然你是第二名,那又怎么样?这个业务还是有足够的容忍度,大家也愿意继续把估值往上推。我觉得这是一个很大的差别。

3. 机器人与算力

还有一件我觉得很有意思的事,是机器人。我觉得中国的机器人已经走过一整圈了,整个周期都快走完了。头部公司已经上市,有的跌了又涨,变化已经很大。美国好像还没开始走这个周期,整体比中国晚很多。之前也有一些机器人公司做得很好,但包括机器人、数据和一些不同场景的 Labs,都是最近 12 个月慢慢起来的。

你能感觉到,按照美国的标准,投资人在这件事情上还不够。所以我们可能很快也会看到那种“百亿美元估值、什么都没有”的机器人 New Labs 出现。百亿美元估值、什么都没有,才是美国标准的一级泡沫。目前机器人领域还没那么强烈。

所以很多人往机器人方向涌。你看同一个市场,有些地方非常热,有些地方已经走完周期了,有些地方老股没人要了,有些地方才刚刚开始,情况很不一样。

但有一个地方跟二级市场有交集,就是 Neocloud。这个事情我自己还没有搞清楚,只能跟大家分享观察,不一定有结论。你能非常明显地看到,美国理论上是算力充足的地方,但现在算力还是不够,所以所有人都在疯狂抢算力。像 CoreWeave 和 Nebius 的生意都很好。怎么定义生意好?你去饭局上说自己是 Neocloud 的人,别人就会对你比较客气,觉得你说不定能分一点算力给他们,或者有什么新的计划。初创公司不好拿算力,Anthropic、OpenAI 这些公司的算力需求更大,就更不用说了。

整体对算力的需求非常强烈、非常明显。我甚至知道有些 Neocloud 公司仗着能提供算力,会谋取很多私利。比如有人会说:“你要用我的算力,对不对?那你让我投一点,或者我帮你介绍个人,然后别人参个股。”里面有很多连带交易。这些都是我道听途说,大家听了当个笑话就好。但我确实看到了很多这种痕迹,因为大家确实缺算力。

还有一个例子:DeepMind 缺算力,这件事就很好笑,因为谷歌本来就是卖算力的公司。这是公司内部的纠纷或者争议。最近中国不是又把前段时间田科宇的事翻出来讲了吗?两年前字节实习生因为算力不够,发生了公司内部纠纷。美国公司内部也会发生这种情况。

DeepMind 有很出名的研究员,内部得不到算力。他们觉得自己有很多想法,可以改变世界,想做实验、做研究,但如果你不给我 5,000 张、1 万张卡,我就做不了。那就等于我把研究生涯最黄金的时间浪费在 DeepMind 了。所以我要么去 Anthropic,要么去 OpenAI,要么自己出去拉个大旗,重新做一个 New Lab。很多员工离职,也是因为觉得自己得不到应有的算力。

但“应有的算力”到底是什么?比如你是一个业务线下面专门负责资源配置的人,董老师说:“董老师,我觉得这个策略很好,想多加 5 个亿。”董老师就会问:“你凭什么要 5 个亿?张三没有 5 个亿,李四没有 5 个亿,凭什么你有 5 个亿?”资源有限的情况下,大厂内部还是在争抢。

这是硅谷的情况。今天大家抢资源,明年、后年算力继续蓬勃发展,会不会突然有一天变得过剩?有可能。但今天看到的确实是一、二级市场之间很大的差距:一级市场还在抢算力,二级市场上 CoreWeave 的 CDS 已经在计算它什么时候会违约。这个一、二级市场的差别非常大。

如果把市场分成象限,可能中国一级、中国二级、美国一级、美国二级,分别都处在四个不同的时空里,像平行宇宙一样。

董艺婷

非常有意思。Raymond 刚才讲的这些细节,我也是听得津津有味。我觉得听这些细节和看资本市场,是两种完全不同的感觉。

看资本市场时,你可能每天看纳斯达克指数、七大科技股的股价,再看上下游股价、韩国、中国台湾,接着看国内。我们之前一直在说,如果美国科技股或者 AI 泡沫破灭,会对中国科技股带来多大影响。这个问题上半年我被问过无数次。结果大家发现,纳斯达克还在创新高,我们的科创指数已经跌了 50%。这就是 Raymond 刚才说的,大家处于不同的时空、不同的象限里。

后面我们会贯穿整个节目,让大家体会为什么二级市场这么复杂。它并不是说我等到某个信号,或者发现某个现象,就认为泡沫会破灭。这永远是个伪命题,不存在这样的事情。

4. 六类投资者

这一期有好多听友投稿。单单 15 群的投稿,我们就分成了 6 个派别。当然,有些朋友可能横跨两三个派别。

第一派叫产业长期派。他们长期看好科技发展,认为科技肯定会继续发展。这应该是共识率非常高的前提,没人会认为 AI 不发展,或者还在怀疑它。两年前也许还有人怀疑,到现在我觉得基本没有了。但他们担心股票过度透支未来,也就是认为股票价格和科技行业的长期发展之间有矛盾。

第二派叫风险监测派。他们认为泡沫指标可能有一些领先指标,可以用来识别风险,再决定如何配置。这其实也是一个挺大的伪命题,等一下我会具体解释。

第三派叫跨市场轮动派。他们认为费城半导体指数或者韩国股市相对领先,可以根据它们的表现调整自己在中国科技股上的仓位。如果这一轮你这么做,不知道会是什么结果。

第四派叫策略实战派。他们相信系统化投资,但真正遭遇回撤时,很难维持纪律。今天情绪聚焦,真的有无数人来找我。不管是平时很淡定、准备继续投资的人,还是平时比较胆小、有点恐惧的人,感觉大家都到了接近临界点的状态。这时候谈纪律,你会发现大多数人已经完全忘了自己的纪律从哪里来、还要不要继续执行,已经被当下的市场裹挟了。

第五派叫激进杠铃派。他们认为市场不可预测,与其温和分散,不如留下一定的安全仓位,其他的集中进攻,让利润飞起来,让杠杆飞起来。这样的人也挺多。当然,大家都知道我一向极度反对使用杠杆,无论什么投资都反对,尤其是 A 股投资。如果最近你不但集中投资科技股,而且还带杠杆,现在的损失应该非常大。

最后一派叫现实持仓派。不管基本面讲得多精彩,不管这个世界正在发生什么,反正我已经亏了,我只关心现在亏掉的东西怎么办,剩下的不用跟我讲。还有人会说,既然 A 股跌了那么多,美股还在创新高,我是不是要从 A 股转到美股?这也是一个让我听起来很害怕的结论。

今天所有的投稿,大概分成这 6 种,大家可以对号入座。不过我觉得它们其实都是同一个核心问题:科技行业长期看好,已经没有什么分歧,这是共识。但面对长期看好、短期却无法预测的市场,我们该怎么办?真是千古难题,太难回答了。

如果大家听过我们 2024 年 9 月做的节目,应该还记得我们当时怎么描述科技行情。第一,它是史无前例的大浪潮,重要性远远超过过去的每一轮小型科技创新,甚至超过互联网那一轮。它跟互联网不是一个级别。我相信到目前为止大家应该承认这一点,因为它已经渗透到所有产业的方方面面。科技领域也是如此,包括前段时间大家看到的 OpenAI 大会上对数学家、人类智慧结晶的关注,这样一群人也已经被 AI 渗透到一定程度。在这样的情况下,我认为它的级别远远超过我们经历过的任何一轮工业革命。

第二,我们当时认为中国股市处于一个跌无可跌的状态。当这两个极端现象重合在一起时,只有一个选择,就是向上。这是我们 2024 年 9 月讲的结论。但我们当时也说了,这个结论抛出来,一定会有大量的人怀疑。当这些人都不怀疑了,开始赞誉我,说我在 2024 年 9 月多么有前瞻性、多么高瞻远瞩、看到了这一轮行情,那就非常危险了。

事实上,今年上半年,尤其是 6 月,很多原来坚持红利投资,或者坚持一头红利、一头科技的杠铃投资的人,转向了全部投科技,这是一个非常危险的状态。后来从 7 月到现在,有一位群友说,他大概在 6 月、7 月买了科创 50,看着它慢慢变成科创 40、科创 30,现在已经是科创 25。这几个月发生的事情就是这样。

5. 谁能赚到波动的钱

现在怎么办?这个终极问题得留到最后回答。刚才 Raymond 讲了很多现实情况,我们回到做投资的初衷,为后面的问题定一个基调:这是一个高机会、高风险、高波动的市场。即便在美国,我相信也没有人会怀疑未来科技行情的波动率很高,即便它有很大空间,也可能出现高波动率。

什么样的人能够赚到高波动率的钱?什么样的人能从头赚到尾,甚至放大收益?什么样的人只能赚到一部分,什么样的人赚不到?还有什么样的人可能在这一轮大浪潮走完后,资本上甚至是亏损的?

首先要看每个人自己的前提条件。比如刚才讲到的,如果我跳槽,可以要求 OpenAI 给我资源,我的重要性足够大,那我自己身上就带有产业杠杆和未来估值。我相信这类人是用产业杠杆叠加人力杠杆,来赚这一轮行情的钱。

第二类人不参与产业,但想从头赚到尾,那你必须有非常庞大的资本,而且其中一部分能放在这个高波动资产里坚持下去。你要相信,无论行情走到世界的尽头,那个尽头在哪一天,你的钱都足以支持你坚持下去。这个前提非常重要:没有财务支出压力,没有杠杆压力,没有亏损压力,也没有时间压力,才有可能从头到尾赚到这笔钱。

第三种人可以部分赚到这笔钱。比如我很早就参与了,上涨过程中已经有所积累,于是把本金拿出来。也就是说,哪怕现在投的高科技产业归零,对我的生活也没影响,我的财富仍然和两年前一样。如果你是这样的人,我觉得也能拿到不错的结果。

但还有更多的人参与得很晚,今年 5 月、6 月才买中国科技股。现在又想把中国科技股割掉,去投已经创新高的纳斯达克指数,甚至投韩国,不知道会发生什么。我认为这些人的投资体验会比较差,盈亏现在也预测不了。

最后一种就是放杠杆的人,我极力反对在任何市场放杠杆。大家先对照自己的财务状况和投资模式,再探讨能不能赚到这个钱,或者能不能从泡沫里跑掉。能不能跑掉,不完全取决于你的认知、收到的信息和建议靠不靠谱,前提还是你自己的资本和投资模式。大家可以先从这个角度对号入座。

6. 科技前景与估值泡沫

接下来聊具体话题。第一个话题非常扎心:科技产业有前景,为什么科技股仍然可能存在泡沫?我觉得这应该是因果关系。因为科技行业有前景,所以它必然存在泡沫。Raymond,你在美国有没有接触到那些实际拿钱投资的人?他们现在是什么情绪?

Raymond

整体情绪还是非常乐观的。第一,刚才董老师说的,股票指数本身表现不错,所以大家整体的绝对贝塔水平相对较高。第二,他们过去几年,不管一级还是二级,都赚了一些钱。尤其是一级,如果过去几年成立了新基金,融了新基金,很快就有 DPI,很快能交差,又能融下一期基金,LP 也愿意给钱,正反馈来得非常快。

比如投一个公司,可能 18 个月之后就被英伟达收掉了,瞬间就从“假钱”变成“真钱”,因为英伟达的股票就是真钱。这些反馈很快,让大家更积极地去投。有个朋友的基金做得挺好,收购的钱马上退回来,投资期还没结束,他就马上继续投。整个状态和国内不太一样,尤其是在一级市场。

具体到泡沫,我觉得董老师刚才说得很对:大家觉得科技行业有泡沫,是因为很多时候估值比较高。但跟我们历史上见过的泡沫相比,我不觉得现在的泡沫特别大。

我经常拿 2021 年的泡沫作比较。当时很多股票的估值倍数都很高,而且 2021 年没有明显的技术突破。2020、2021 年股市涨得很高,是天量放水带来的结果,不是底层技术发生了改变。但今天的市场完全不一样。我们很确定有很多技术发生了底层的本质改变。这些改变可能还不能带来特别大的回报,但肯定比之前更有希望,技术增量也更有希望。

如果给 2021 年的情绪或绝对泡沫估值水平打 10 分,那我觉得今天大概是 7 到 8 分。董老师,你的体感怎么样?

董艺婷

A 股的话,如果 6 月份可能是 7、8 分,现在应该又回到 5.5 分了,甚至更低。纳斯达克可能是另外一种状态。虽然它在创新高,但拿它今年的走势和过去几年表现最好的时候比,其实今年走得不算特别好,也不算特别流畅。这可能也体现了一部分二级市场投资人的担忧,尤其是同期韩国股市已经走成这个样子的情况下。资本之间还是会有一定的估值和流动性关联。

7. 资本生态与产业接力

这一轮中美科技股的估值问题究竟有什么不一样?产业链的发展有什么异同?股价为什么经常跟随?这两个问题得分开讲。

先说中美科技股的估值。刚才 Raymond 其实讲了一部分。另外还有一部分要回到生态。Raymond 描述的是美国现在科技行业完整的生态,上下游之间互相辅助、互相带动。但这个现象在国内并没有那么明显,尤其是科研界和资本界之间的联系,没有美国那么紧密。即使 AI 已经是完全不可逆的浪潮,很多高校项目和科学家手里的资金也没有那么充裕。在中国,他们和资本市场之间的距离相对较远。

第二,不同轮次资金之间的生态,在美国非常完整。从很早期的天使轮到最后的二级市场,甚至退出,每个轮次都有大量机构和资金。但在国内,2021 年到 2024 年的各种原因,让很多人在 2024 年说过一句话,叫“一级已死”。市面上已经很难看到活跃的大型一级投资者。可能还有一些,但从今天来看,他们的决定并没有表现出这个行业应有的前瞻性和格局。

有句很粗野的话叫“酒壮怂人胆”。对于我们这些投资人来说,胆是谁给的?是背后的资本给的。如果背后的资本本身风险偏好很低,短期考核非常严格,对年度收益、短期胜率有很高要求,那么这种钱是不可能有胆量的。所有波动和未来长期回报之间一定有正向关系。在这种情况下,如果这几年市场都处于低风险偏好、低息的环境,高风险偏好资金本身就很少,资金少又让高风险偏好资金出现的边际变小。

如果一级市场从天使轮到各种轮次,整个生态链条没有滚起来,就意味着当下已经在投或者已经投入的人,退出路线很有限。刚才 Raymond 说机器人已经走完一个轮次,大家都上市、拿到回报,又跌下来了。为什么他们要跑那么快?就是因为接力棒的人少,整个生态太单薄。除了赶紧上市退出、从股市拿走收益,他们没有别的退出路线。

在这种情况下,估值的层次拉不开,不同成熟程度、不同技术流派的创业者也就拉不开层次。这样你怎么能指望二级市场有持续、持久的行情?整个接力生态不够。所以我认为中美科技股的估值问题,没办法直接比较数据。一个机器人公司的估值,和 OpenAI 或英伟达这样的公司的估值,无法横向比较。你可能想听到的是,他们 50 倍市盈率合不合理,我们 60 倍、80 倍合不合理,但不是这么回事。

估值有两个重要因素:一方面来自基本面和增长预期,另一方面来自资本愿意用什么价格买。大家会直线思维地认为,定价来自资本对基本面的认可,那就大错特错了。事实上,60% 以上的因素来自资本背后的钱是怎么想的。

别说我们这些外围中的外围了,哪怕是已经在这个生态里真实创业的人,也没办法预估行业未来会走到哪里,自己会处在什么位置,能拿到什么结果。不要以为他们的认知是完整的,没有人能完整预测。我们现在像站在珠穆朗玛峰下面,想象不出来上面是什么样子。

很多人寄希望于资本给他们定价,是因为资本看清了技术,也评估清楚了技术空间。不是这样。60% 以上的因素,取决于资本背后的钱能撑多久、能承担什么风险,这决定投资人会在浩如烟海的信息里寻找什么。听起来很可怕:你们什么都不懂,怎么拿着别人的钱乱投?但事实就是这样。

第二个问题可能比较适合 Raymond:产业链发展在这个阶段有什么差异?股价为什么经常跟随?等会儿我可以解释股价跟随。

Raymond

我觉得产业链发展在某种程度上也可以理解为资本市场的发展。这里的资本市场是广义的,从天使轮到上市、并购都算在内。整个资本市场的发展息息相关。

刚才董老师说的,中国的问题现在不是泡沫太多,而是泡沫不够大。我之前那篇文章的标题就是《愿天下处处是泡沫》。举一些数据来看,今年过去 12 个月里,美国 AI 创业公司被收购的总额是 1,590 亿美元。最大的一笔当然是 Cursor,600 亿美元。以 Cursor 为例,当时是埃隆·马斯克给出这个价格。同期,A16Z 本来要领投一轮,估值大约 500 亿美元,计划融 50 亿或者 100 亿美元左右。

你想,中国哪里能找到 50 亿、100 亿美元投给一家公司?太可怕了。对方只是一家公司,而且不是特别大的公司。这说明整体资金不够,无法支撑公司一直往前走。走到一定程度,早期美元基金投完了,国资来了一圈,产业资本也来了一圈,大家都已经上桌了,没有新的钱了。这时候公司只能冲上市。

所以你会发现,中国很多时候的上市,在美国相当于 C 轮,一个单一基金就能领投的阶段,在中国却变成了面向公众的上市行为。美国现在上市反而非常少,IPO 市场不活跃。很有意思的是,按交易数量来说,纳斯达克每天敲钟的次数不多,因为很多公司达到上市标准之前就已经被收购了。

美国有很多收购案,比如 Cursor、Groq,还有李飞飞的 World Labs 被 AMD 以 82 亿美元收购。中国过去 12 个月或两年,唯一大家熟悉的案子也就是 Manus。这个案子我们就不多说了。整体来看,中国的收购环境相对比较差。

为什么中国的收购环境差?背后有两个原因。第一,中国的老板们很多是创一代,很多时候还是想自己做,不太有运用资本的思维。他们觉得这东西很简单,自己有程序员,自己会写,马上就能抄一个出来。但在美国,很多时候是职业经理人,他们更追求能不能马上把股票印出来,能不能做到 Time to Market,尽快把公司买下来,放进产品的分发渠道。比如 Meta 可能会想,如果把 Manus 收进来,Muse 就能提早做出来,马上对股价有帮助。他们会觉得这笔收购很自然。

第二,二级市场公司的股价是不是得到了公允估值。中国最近几年也出现了很多资本市场上的奇怪现象。比如很多科技公司因为外卖大战,股价跌到新低。股票在新低时,公司当然不想花钱。比如王兴见到 Manus,觉得公司真好,想收购,再一看自己的股价只剩 100 块、80 块,就会想还是不收了吧。怎么舍得花 20 亿美元的美团股票去收购 Manus?这只是举个例子。中国科技公司或多或少都面临类似情况,所以会形成负向循环。

产业发展很多时候跟资本市场息息相关。但同时我觉得我们也不能妄自菲薄。过去两年,我们也取得了很多夸张的成就。如果你问一年前的情况,比如我博客里有一期叫“大模型季报”的节目,我觉得那是中国模型发展的一个历史记录。

很有意思的是,有一期节目我们还在说:“完了,赶不上了,差距越来越大了,怎么办?”作为中国人,看到我们的模型比别人落后会很焦虑。3 个月之后,K3 出来了,又追上了。哪怕面临很多问题,总有企业家用极少的资源,美国人可能 1%,甚至千分之一的资源,做出类似的事情。我觉得中国人极其了不起。今天肯定会遇到困难,我们就期待奇迹经常出现。

董艺婷

说得特别好。接下来讲一下股价为什么经常跟随。它其实有传导链。

第一条传导链,我们先不说中国,先讲美国、韩国和中国台湾这三个市场的半导体股价跟随,再把后面会有人问到的比特币也并进来。这三个市场之间有很大一部分关联,来自实际公司的相互投资。

刚才 Raymond 解释了产业链条。你应该能理解什么叫相互投资:当我缺算力、有新需求、设计出芯片,需要使用晶圆时,公司之间就会产生相互投资。相互投资带来的现金流和利润,会进一步扩大产业链公司之间的资本关联。下一步是盈利的相互关联:利润开始外溢,或者边际利润仍然上升,投资就会进一步上涨,进一步上涨又催生下一轮正反馈。这是股价跟随的根源,来自基本面和盈利增长预期。

第二部分来自共同的流动性。非常大的资金会长期做组合管理和再平衡。当其中一部分头寸大涨时,资金仍然会拿出一部分投向其他资产。这样平行地往上走,整个盘子变大,股价相互跟随也是很自然的事。

如果你关心短期跟随,比如今天晚上美国和韩国股价跌了,明天早上韩国开盘会不会跌,中国会不会跟着跌?这种短线波动的跟随,有更多力量来自“一人一票”。也就是说,市场上的投资者没有自己对基本面和资金面的判断,就根据更早发生的事情线性外推,觉得自己的市场接下来也会发生同样的事。

所以我们讲的跟随,有长期问题、波动问题、短期问题,也有基本面上的联系,很难一言以蔽之。

8. AI开支与风险偏好

接下来快速进入下一个问题:美国 AI 资本开支巨大,是产业繁荣的证据还是风险?Raymond 刚才已经讲了很多,目前来看,繁荣的成分还是居多。

Raymond

我觉得过去几年花了很多钱,每年从几千亿涨到上万亿,肯定是产业繁荣的标志。美国极其缺工人,很多数据中心建设需要的工人根本找不到。再加上现在美国各种反移民浪潮,很多地方没有足够的外来人口,工人招不到,数据中心就建不起来。很多问题都存在。我觉得这肯定说明需求很旺盛。

但我理解听友担心的是什么。大家可能还是往前看几年:如果今年花 1 万亿,明年也花 1 万亿,差不多每年都是 1 万亿的开支,按 4、5 年摊销,每年可能就有 2,000 亿折旧堆上去。4、5 年后,每年就要有 1 万亿折旧。1 万亿折旧肯定要对应几万亿收入。我们不细究,算个大数,可能对应几万亿收入。

这时候很多投资人和普通人会问:哪里来这么多钱?这个数字大到只能用宏观去思考。我们讨论的不是 M2 会不会更多,也不是会不会有多个公司使用 API,而是很宏观的数据。白领市场有多大?所有人的工资加起来是多少?美国 GDP 是多少?大家会用这些宏观数据来建立框架,想一想这个饼是不是太大了,是否已经超出地球了。

在这样的框架下,大家会想,如果收入涨不到几万亿,接下来是不是会出现数据中心建设过多的情况?大家都知道,一旦供过于求,价格就会瞬间崩塌,链主不行,下面的公司都会有问题。这也是过去一段时间很多指数下跌所反映的预期。所以这个担忧比较客观,也有一些根据。

反面是什么?反面是我们能不能赚到几万亿。上次我跟另一个朋友聊天,他说发现过去 3 年,每一年都是第三季度之后大家变得非常悲观,因为今年的 AI 浪潮过去了,大家不知道要去哪。但不知道为什么,明年 1 月又会出现一个大奇迹。

比如 2026 年的奇迹可能是 Claude Code。它不是横空出世,而是把 Cursor 放大了,但全世界都看到了它的 coding 能力。往前推到 2025 年,可能是 DeepSeek。每一年都会有一些大奇迹出现,让大家觉得又有机会了。技术突破确实让更多人用上了更多 Token,整个社会的智力水平充分往上抬,是文明级别的台阶。下一个台阶可能是完全无法想象的,所以我们不应该用旧有文明的体量去估计新文明会是什么样子。

董艺婷

说得太好了。刚才讲到泡沫,我还想请大家理解一下,因为这跟下一个话题有关,就是估值差异和市场风险偏好。

大家都知道,美国现在属于高通胀,国债收益率也很高。中国是什么情况?目前的国债收益率,应该在我见过的很长一段时间里处于非常低的位置。我不知道是不是最低,但也差不多是最低了。十年期国债收益率已经非常接近天花板,我认为很难再下降,也就是说债券很难在现有价格基础上继续大幅上涨。尤其是现在 CPI 也很低。

在这种情况下,资本市场表现出来的后果是,几乎所有资本的风险偏好都非常低。你可能会说:“不低啊,我看很多人 All in 科技股,很多机构也 All in,我身边的人也 All in。”我们说的风险偏好,是全社会对科技浪潮的估值,以及长期投入这种资本的意愿。所有 All in 和集中投资,带来的都是短期波动,反过来会让短期风险偏好急剧收缩,财富也会毁灭。

比如你带了杠杆,现在爆仓了,那你的高风险偏好就被灭掉了。过度的高风险偏好会因为短期杠杆消失,也会吓住后面的人,让后面的人很难进来。相反,如果是缓慢、持久的上涨,反而会吸引更多人进入市场。

所以我们还是回到风险偏好。不能孤立地看科技或科技资产,得放在整个宏观背景和货币、财务背景下,看风险偏好有没有扭转的可能。我想跟大家说,除非你看到中美的国债收益率分别出现反转,否则不管你观察到多少人在 All in,都不是资本体系真实的风险偏好。

9. 泡沫能否识别

接下来进入下一个话题:什么样才算泡沫?泡沫究竟能不能被识别?如果泡沫破裂的时间很难预测,普通投资者是否还要花精力?

前面两个问题我来讲一下。什么样才算泡沫?教科书式的回答是,资本市场给它的估值远远超过企业在一定周期内的利润增长预期,或者基本面出现重大问题,证伪了利润不可能按照当前预期实现。包括前一段时间大家看到谁的现金流转负,忘了是谁,然后就非常恐慌。类似这样的信息,不会被认为是泡沫破裂,事实上都不是。

如果我们不能甄别短期预期差,正如 Raymond 刚才说的,现在预期被翻新的速度也变得非常快。假设我们不能甄别当下的预期差,到底是信息不对称导致你以为有预期差,还是确实存在预期差,那就无从谈起什么是泡沫。每一次让我们震惊的量级都太大了。我们觉得“已经到头了,迭代到这儿已经到头了,智商已经这么高了,还能怎么样”,每次这么想,它就拿出一个更吓人的东西。

在这种情况下,我们很难断言现在资本和基本面之间到底有没有泡沫。如果不能识别,我个人倾向于认为它很难被识别,几乎不能被识别。尤其是现在所有人都站在漩涡外围讨论,我认为我们识别不了。比如在美国,一级和二级市场没有那么同步;我觉得在中国也没有那么同步。一级市场的人现在在哪里,我不知道,但他们几乎处于对资本生态没有影响力的状态。在这种情况下,没有链条、没有证据链、没有传导,就主观认为泡沫会破裂,确实有点过于想象、过于主观。

下一个问题是,泡沫破裂时间很难预测,普通投资者是否还要花精力?我觉得就算把中美最厉害的经济学家、最厉害的风险投资家和马斯克叫到一起,让他们预测泡沫什么时候破裂,他们也很难达成一致,更别说普通投资者了。真心不建议你在日常工作和生活已经非常辛苦的情况下,去研究这么大的课题。除非你有极强的好奇心、很强的研究能力、大量数据和自己的工具,那当然可以研究。但我认为我们去预测,有点不自量力。

如果要监测 AI 泡沫,可以从哪些维度观察国内资本市场?到 6 月的时候,大家一直说科技股拥挤度很高。拥挤度高是不是等于现实中存在泡沫?我认为这是两个概念。所有人都看得到拥挤度很高,但这体现的是局部投资者结构和交易集中度,并不体现市场估值与基本面预期之间的差距。

我认为现在资本市场对这个行业没有独立观点,也没有客观预期。整个下半年的下跌,是由资金和风险偏好决定的,并不是因为我们在证伪或者戳破一个泡沫。我对这一轮下跌的定性是这样,所以也很难说要从哪个维度观察。如果一定要找一个维度,我认为必须深入产业,认真理解基本面和技术路线。你理解了它的生态,才能观察得到。二级市场非常滞后,观察不到这些。

如果不预测、只应对,究竟该怎么执行?太简单了,就是再平衡。我已经讲过无数次:不要贪,不要想着从头赚到尾,老老实实再平衡。你现在其实亏不了多少,就这么简单。

Raymond

泡沫怎么识别,是个永恒的话题,我觉得很有意思。给大家举个例子:你们知不知道 Michael Burry?他是美国一个超级大空头,有一部好莱坞电影叫《大空头》,就是以他为原型拍的。他在 2008 年金融危机中成功预测泡沫,做空很多东西,买了很多 CDS,最后发财致富。

但 Michael Burry 是美国最出名的空头,经常预测泡沫、喜欢预测泡沫。他现在管理的基金规模只有 1 亿多美元。这个规模可能董老师都不一定看得上,对吧?但他确实是在 Twitter 和各个地方预测泡沫、积极想做空的人。他现在有 Substack,写英文订阅信,有 30 多万受众,靠写 Substack 一年收的钱快接近 1 亿美元。也就是说,这个基金经理靠自媒体写信赚的钱,跟基金规模差不多。这是件很讽刺的事。

他去年还是前年,具体时间我不记得了,反正公开做空过英伟达和 Palantir,认为它们是泡沫,要破裂。华尔街有句话叫“悲观者正确,乐观者挣钱”。我们挑刺时总能挑到刺,总能说:“你下一个 coding 是什么?如果下一个 coding 不出现,我就不投。”我们总能说很多事情。如果你觉得有泡沫,所以不投,那当然也可以。但有没有可能接下来 6 个月发生很大变化,你就完全错过了?到时候你再做决定,要不要上车?

我经常换个框架来看泡沫。先不讲什么是泡沫,先问你现在是不是觉得指数高了,或者仓位高了。你有两种情况:有仓位,或者没有仓位。如果你有仓位,觉得有泡沫,就砍掉一点,或者全部砍掉都行。如果你没有仓位,就要想自己要不要进去。如果不进去,你应该花很多时间研究,在什么位置进场比较合适。

单纯说泡沫要不要破、什么时候破,是一种很简单的想法,因为现实社会非常复杂。泡沫破掉的那一瞬间,股市可能也同时到底了。你不太可能在人群最恐慌的时候,一把全部抄完。现实不是这样。所以最后还是要大家努力学习,尽量掌握顶部和底部可能在哪里。就算硬要猜,也要猜一猜。要不然泡沫真的来了,或者泡沫破裂了,你也不知道怎么应对。

我更倾向于从实操方式思考这个问题,结合自己的仓位来想。

董艺婷

我理解 Raymond 的意思是,行动上的准备比一直想预测这件事重要得多。不管我现在是什么情况,都给自己设置好行动方式,保护好自己的钱,或者得到自己想要的东西,让得失匹配。也就是面对每种情景和它发生的概率,找到一点对自己有利的倾向。能做好这样的准备,比非要预测事情什么时候发生可行得多。

我再提一个美国的例子,大家可能觉得有点远。我讲一个已经消失在记忆里的名字:谢国忠。这可能有点暴露年龄了。他从 2004 年开始看空中国房市。如果我们把国内房价最终的拐点设在 2022 年,他基本上提前了将近 20 年开始看空中国房市。但最近几年有谁记得他?还有谁提起他?你可以用任何一次下跌来证明自己对泡沫的预言是对的,但不等于你能做对。所以我们可能要先在行动上做一些准备。

10. 资产配置与财富保护

接下来的问题和上一个也高度相关:资产配置能不能应对黑天鹅?它到底起什么作用,或者起不到什么作用?是降低日常波动,还是帮助投资者避免无法承受的损失?

事实上都有。资产配置最大的意义是保护高度不确定性的资产。不管你对它是什么心态,很爱它还是很怕它,它都必须存在于你的组合里。如果它在组合里,你又担心自己搞不懂基本面、预测不了顶和底、不知道泡沫什么时候发生,可能会犯很大的错误,资产配置就能先通过分散投资,让家庭整体财富不受这些很难的决定影响。

它首先是一种保护。第二,在这样的保护下,当你看自己的整体组合还相对安全时,就可以比别人走得更远。如果一个人把全部身家性命的 60% 到 70% 投到科技股里,现在一定绷不住。比如科创指数跌 50%,折射到他的资产上,即便不考虑个股跌得更多,整体市场已经损失了 3 成。在这样的损失下,很少有人能保持淡定。

但如果一开始科技股只占 30%,剩下的 70% 到现在仍然保本,而科技股最多时涨到 60%,翻了一倍,他做了一次再平衡,把比例降下来。哪怕没有降回 30% 的原点,降下来之后,他当下的损失相对于最初的财富可能也只有 10% 出头。这样的损失,大部分投资二级市场的人可以接受。它把大波动可能带来的损失,控制在你能接受的范围里,反而能保护你走得更远。现在你就可以淡定地等下去,无论发生什么事情都可以等。资产配置的意义就在这里。它不能承诺精准地帮你逃顶,这是做不到的。

杠铃策略和常见的资产配置理念有冲突吗?冲突在哪里?可以结合的地方,我认为本质上是一样的,都是分散。只不过分散和保护的措施,资产配置是更大的概念,杠铃应该是其中一个分支,并没有冲突。

Raymond,你自己的情况是什么样?上次你找我聊的时候,是来聊指增的。你现在还在投资科技股吗?

Raymond

我自己当然在,我本来就是管科技基金的。刚才董老师说得很有道理。可能这甚至不只是投资意见,更是人生规划的意见。我们当然喜欢赚钱,但赚钱的前提是要睡得着觉。每个人睡得着觉的感受不一样。比如我拿着很多科技股,还是挺睡得着的,也不是说我一定要买在 7,709 点的顶上。正常情况下也不会那么难受。

如果你花更多时间研究,有这个能力,假设大家不是专业做投资,但有闲情逸致分析公司,那会让你更心安。比如你看了更多关于英伟达的事情,知道它做什么,对它的财务数据和未来预测有更好的了解,大概知道它的股价上下波动是什么情况,也了解管理层风格。你知道得越多,就越舒服、越能拿得住。哪怕今天英伟达突然跌了 20%,你会觉得这是个抄底机会,反而不会恐慌、不会割肉。

我觉得这是心态上的感受,大家多学习总是有帮助的。第二,我觉得还是尽量做一些不太共识的事情。所有人都要买的时候,你要卖,这在人性上很难,但尽量往这个方向靠。不要等大家都买之后再加杠杆。

尤其在 A 股,或者我认为所有亚洲市场都一样,包括 A 股、韩国、中国台湾、中国香港。它们的股票相比美国市场都相对小,波动性会更大。波动一大,就有可能追涨杀跌。很多人管不住手,那一瞬间就觉得:“不行,我一定要上这辆车。这是千古第一车,一定要上,不上的话我这辈子就没法阶级跃升了。”不是的,你一上去,可能就阶级下降了。所以管住自己的手也很重要。

董艺婷

说得对。我觉得这其实是个人心态修炼的过程,不是理财课,是冥想课。

接下来有朋友问了一个非常务实的理财问题:如果生活现金流稳定、储蓄充足,我是不是可以把其他资产全部清掉,只投资自己看好的高风险资产?这是不是合理的选择?

这还是看比例。你说“其他都清掉”,是什么意思?是不投那部分钱,还是把那部分钱也投到高科技?原则很简单:假设你不能像 Raymond 这样成为行业专家,也不能像我一样对资产配置非常熟练,完全知道什么样的财务状况和自己的生活自洽,那你把所有可投资资金都投到高风险资产里,就要评估它会不会影响你的生活和心态。

如果你觉得储蓄和现金流完全能支撑家庭过很好的生活,没有任何影响,现在拿出来的这部分钱可以当成扔掉不要,那你尽管做自己想做的事,我觉得没有问题。

Raymond

我想补充一下。刚才那位朋友说的听起来只是说说而已。我见过非常多的人,没有人能把钱投进去之后就不看,这是不可能的。我见过足够多有钱人,越有钱的人可能越计较,会觉得“这边怎么又亏了 3 毛,那边又亏了 5 毛”。这绝对会影响心态,因为最后就是一个记分牌。感觉像考试被扣了 2 分,又被扣了 2 分,你就是不高兴。损失厌恶的情绪对人的心理影响非常强。所以我不太相信有人能真正忘掉这些钱,做到那个程度很难。

董艺婷

我明白你的意思。但另一种常见的心态是,过了 20 年再回头看这轮科技行情,发现当时的 40% 到 50% 波动,在未来那条大曲线面前什么都不是,只是一个小沟坎,于是又懊恼为什么没能从当时坚持到现在。这也是一种非常常见的心态。所以我经常说,在投资上很多时候是选择问题,选择一种和自己契合的投资方式,没有绝对的对错,很难有绝对对错。

接下来讲纳指和比特币的关系:在极端风险环境下,它们会不会受到相同的流动性和风险偏好冲击?一定会。因为它们背后都是流动性支持。我们前面讲了半天风险偏好。虽然现在美国的投资链条很立体,风险偏好也比较充沛,大家的风险偏好还比较高,因为通胀率高、机会成本高,各种正反馈都在发生,所以现在应该是风险偏好较高、比较乐观的状态。

未来会不会出现风险偏好掉头,进入另一种货币环境?我甚至认为,这比科技会不会继续发展还难预测。金钱什么时候会发生极度的风险偏好反转,非常难预测。极端反转时,它们会不会受到相同的流动性和风险偏好冲击?一定会。而且现在看起来相关性没那么高,到时候相关性会变得非常高。

接下来进入下一部分:已经亏损的科技基金和准备入场的人,分别应该怎样处理?

已经亏损的部分,还是回到纪律。如果这部分在整体资产组合里占比不高,比如原来占 20%,跌了一半之后只剩 10% 左右,我甚至觉得可以做些再平衡,再补回 20%。前提是资产配置结构足够稳定,大部分资产安定,没有问题。

准备入场的人,如果到现在都没碰过科技股,应该是个新手。新手很难在复杂行情里始终淡定、准确地判断。不,这也不是新手的问题,老手也做不到。所以我建议分批进入,而且一定要设一个上限。这问题很简单。

从 A 股换到美股能不能降低风险?Raymond,你觉得行吗?刚才讲到卖掉 A 股去换纳斯达克的时候,我看你就在笑。你觉得换过去能降低风险吗?

Raymond

我其实不太了解这个人的情况。他本来就有境外资产要在美国配置,还是买 ETF 这种绑定的产品?

董艺婷

显然他说的是买 ETF。

Raymond

买 ETF,明白。我不知道,我觉得美国市场跟中国市场还是很不一样的。如果他做了这个决定,我接下来想问的是:如果换过去了,结果 A 股突然大涨,比如从 3,000 点涨到 6,000 点,他会换回来吗?这样两边不就都打脸了?

我以前看到一个新闻,一个评论家讲得挺有意思。他说比特币一年 365 天里,可能只有 10 天会大涨。如果那 10 天你缺席一天,表现就会非常糟糕。A 股也是这样。所以你怎么知道那 10 天是哪 10 天?我们说长期看好什么东西,其实表达的是:反正我拿着,那 10 天我一定都在。

如果换来换去,很多时候会变成这边的 10 天不在,那边的 10 天也不在,结果就不太好。我觉得这可能是投资上一个比较大的问题,还是要建立一个整体框架。

董艺婷

普通人怎样知道自己到底买了什么?我觉得现在买任何东西,你应该都能知道自己买了什么。比如买了机器人指数、机器人 ETF,不知道里面的成分股和这些公司是做什么的,随便找一个 AI 应该都能告诉你。

除非你买的是非公开发行的产品,或者产品不披露底层持仓,没办法知道。对于我们专业的机构投资者来说,我们会用各种归因工具去猜它现在持有什么资产。那就要寻求专业意见。如果是公开产品,比如 ETF 或者结构性挂钩产品,一定能找到底层资产。你可以问 AI,也可以问客户经理,请他帮你找信息,或者仔细看合同。

如果你想问的是,我买了一家上市公司的股票,却不知道这家公司做什么,那确实是个非常值得聊的话题。你要花很多时间精力去了解。

我记得两年前行情刚起来的时候,我们聊科技话题,很多人在评论区或者直播里质疑说,A 股根本没有科技股,上市公司里根本没有做 AI、做机器人的,没有这些高科技公司。我当时告诉他们,不用着急,很快就会有,而且会有很多,大家都不相信。现在你看这两年里多出来多少相关概念和指数?两年前说这些上市公司不存在的人,可以想想当时为什么这么认为。

你要想知道自己买了什么,得先弄清你问的是品种,还是基本面。这两个问题差别很大。到今天,AI 已经发展到这个程度,从任何角度做功课都应该能做得通。

择时、选股、资产配置哪个更重要?每个阶段不一样。这三样的功能也不一样。我不能光吃肉不吃菜、不吃饭,也不能只吃蔬菜,不吃脂肪和碳水,这都不现实。

资产配置是保护家庭、保命的。择时是我认为很难做对的事。我们的建议更多是通过纪律来达到模糊择时。前面有一期节目,我和老钱专门聊过择时,可以回去再听一下。

选股这件事,在个股能贡献超额收益的行业里会非常重要。它不是任何时候、任何行业都重要,得看土壤。比如当下科技行业,像 Raymond 刚才形容的美国情况,贝塔和整个行业的估值预期非常重要,因为不同公司都得到很高估值。这时候研究单个公司和股票,更多带来的是长期成长性差异。

但如果你买的是 A 股某个行业,可能会发现个股在二级市场的差异非常大,这时候选股就很重要。不过也得能做对,选股很难。我不知道 Raymond 有没有什么要补充的,或者你自己投资时,会感受到现在科技股之间单个公司的估值差异大到什么程度?

Raymond

我觉得不一定要讲具体公司,但可以聊一下整体行业情况。过去两年美股市场还是比较帮忙的,但操作难度也很大,因为波动性比之前大很多。外部因素很多,比如关税、战争、石油价格,还有美债的问题。美债已经高到超出我的认知了,很夸张,结果好像也还没事。

它确实出现了很多超出我们平时教科书认知和过去经验的事。第二,社交媒体传播速度更快,很多时候一个信息出现到价格充分反应,真的就是一秒钟。你没有多少时间反应,很多所谓的 Alpha 也都是假的。所以操作难度比之前更大。

但同时我觉得大家可以多用 AI 工具。每天如果你不了解一家公司,哪怕问豆包两句,也会学到一些新东西。一步步积累,时间久了就会对整个市场、很多行业和公司更了解。尤其过去两年,全世界科技股都发生了很大变化。

以前我们讲科技股,过去 10 年可能指腾讯、微信、阿里巴巴、小红书这些公司。这些都是我们平时在用、知道是什么的公司。现在不一样了,动不动就是光模块、PCB。12 个月之前,大部分群友可能还不会拼 PCB 这三个字,现在被迫成了 PCB 专家。这是件很离谱的事。

在美国,有很多半导体细分板块都是 AI 公司,还有能源,这些都很复杂。前两天我还发了一篇博客,讲美国燃气轮机的事。两年前我绝对不敢想象,研究 AI、研究科技股,最后还要研究燃气轮机。但今天我们的生活确实变了,这就是新的常态,大家得多学新本事。

11. 追踪产业链信号

董艺婷

产业链上游板块率先调整,和整个产业的景气周期出现拐点有没有直接联系?我倒觉得这个问题很有价值。Raymond 能不能讲一下,你现在看到的美国和国内 AI 产业链里,所谓的上游源头从哪里开始?谁是真正的下游?产业链条的递推关系是什么样的?这个问题非常有价值。

Raymond

我觉得这个问题很复杂,涉及很多不同公司和股票。我说一些比较简单、容易执行的观察方式。

我们经常会拿 H100,甚至 A100 的租赁价格做基准,因为这反映了市场现在为算力支付的价格。比如 B300 肯定比较贵,但 8 年前的芯片现在还有人在用,也有人愿意付差不多的价格。这本身就是个重大信号。

如果今天大家突然发现算力过剩了,过剩的肯定是新生产出来的算力,因为大家会一窝蜂去用新的 B300。B300 用完之后,才会用更老的芯片。理论上早期芯片的价格应该大幅打折。如果价格大幅下降,说明算力可能过剩。所以关注芯片租赁价格,或者内存现货价格,都是很重要的指标。

你想,这有点像牛鞭效应,是一层层堆货。一旦尾部现货价格发生变化,就说明整个传导链条已经开始动了,产业链每个人可能都意识到“我再不出货就来不及了”,于是踩踏出货。那时候可能已经晚了,但这确实也是你能观察到的比较早的信号。想看更早的信号,就得更深入产业链,那就更复杂、更难执行。所以对普通人来说,这些都值得追踪。

比如美国有个很出名的基金研究机构 Citrini。他们做过一件很有意思的事。前两年 OpenAI 不是做了一个叫“星际之门”的计划吗?这是一个投资 5,000 亿美元的大型 AI 数据中心项目。当时在美国找了块大空地准备建起来,很多人觉得会变成烂尾楼,因为缺电、缺卡、缺液冷,什么都缺。

后来 Citrini 的研究团队找了家公司,用无人机拍摄当地的施工情况,拍得非常细。大家可以在 YouTube 上看到 Citrini 拍的星际之门施工工地视频。他们能让你看到 OpenAI 建数据中心时,哪些公司被采购了。他们能看出来外面厂房接的设备是什么、设备上的 Logo 是什么,还给你标好。液冷设备的牌子在外面也看得很清楚,施工环节也看得见。还有一个让我印象很深的地方:他们用的设备像战斗无人机一样,可以做热成像,感应机器是真的在运行还是冷的,因为机器开起来就会变红。

你看,专业投资人要往前多走一步,就得派无人机去监控,像打仗一样。对听友来说,这个负担可能有点重,所以看看 A100 的价格就行了。很多公众号会定期公布最新价格,挺方便的。

董艺婷

确实,因为你刚才讲的东西,在我们看来不陌生。你讲的是去看厂房和机器有没有运转。早年的一些 CTA 公司研究农产品价格时,也会遇到类似情况。天气发生任何变化,或者到了某个节点,小麦的发芽率、开花率、结穗率没有达到一定水平,当年的产量预期就会下降,价格就会上涨。

你没法跑到田间地头,在几万亩里做草根调研,这也可以用无人机、卫星数据或者遥感数据去观察天气、气候和各种影响因素。

越来越多的证据告诉我们,对于这样的投资领域,你想找到领先指标、在根源上深刻理解,难度极大。如果真有这样的东西,物力、财力和研究能力更强的机构一定已经做了。如果他们已经做了,观测到的信息就已经体现在资本价格里,你看到的已经是非常滞后的结果。

所以我真心不建议大家试图在二级市场找二级市场的领先指标,不管哪个国家都一样。到了二级市场,信息传导已经是最后的最后了。它是市场想要呈现的,或者市场也控制不了的结果。千万不要把这个当成指导自己投资的东西。

如果你真的好奇心很强,可以做深入的基本面研究,但那不足以支撑你做好自己的财富管理,中间还有很多环节。

今天非常感谢 Raymond,也给我带来了很多新的信息和角度,我自己也学到很多。希望我们后面还有更多机会来聊这个话题。我觉得未来两年它会一直是一个非常热门的主流话题,变化会不断发生,大家也会不断推翻之前的观点。每次推翻观点时,又不记得自己上次是怎么想的,重新开始激动,或者重新开始悲观。

我们也希望通过持续关注这个话题,做一个记录。大家可以回头听听当时是什么心态、怎么看问题,以及哪些东西放到今天仍然有参考意义。