市场失序中的“否认”阶段

2025至2026年的经济规律似乎正在失效，市场参与者普遍感到迷失方向。尽管存在关于数据中心资本支出和大型超大规模企业债务的焦虑，但AI投资列车仍在运行中。在2024年10月28日录制本期节目时，美联储FOMC决议、Anthropic的S-1文件以及Oracle发布的额外指引相继出炉，其中Oracle股价上涨12%的消息比美联储决议更具市场影响力。这反映出投资者更关注AI基础设施的资本开支前景，而非短期的利率决策。

“共识观点是：这列火车仍在运行。我们不会让这列火车停下来。”

目前的市场情绪处于泡沫周期的“否认”阶段。尽管有评论声称AI泡沫已破裂，但全球范围内的投资者——无论来自美国、欧洲还是亚洲——在面临“是否继续看多AI”的抉择时，仍给出压倒性的肯定回答。这种极度的乐观情绪掩盖了潜在的风险，使得市场在表面繁荣下缺乏对结构性问题的警惕。

半导体估值的悖论与周期逻辑

以韩国存储芯片股（如海力士）为例，当前市场呈现出一种看似矛盾的估值现象。这些股票的交易市盈率仅为3倍。在彭博终端上查询这一数据无需任何复杂工作，它揭示了市场对周期性行业的传统认知：当盈利处于顶峰时，不应给予高估值。投资者认为存储芯片行业具有高度周期性，因此在 earnings（每股收益）表现最好时，反而压低股价预期。

这种低市盈率反映了市场不期望存储公司在短期内实现指数级增长。尽管AI需求火热，但投资者仍遵循“不要在周期性公司盈利峰值时买入”的老生常谈。这种保守的估值逻辑与AI整体的高热度形成鲜明对比，表明资金在核心硬件领域仍保持谨慎，担心周期性回落会侵蚀当前的高利润。

数据中心REITs与次贷危机的类比

为了理解AI交易中的风险结构，需要将Neocloud（新型数据中心）、外围设备和超大规模企业（如Google和Amazon）区分开来。Neocloud公司本质上是受命建设计算基础设施并出售给特定客户的企业，许多此类企业目前几乎没有运营现金流。它们代表了AI融资光谱中风险较高的部分。

“问题并非始于雷曼兄弟，而是始于12、18或24个月前的次级抵押贷款。”

作者将Neocloud的风险与全球金融危机（GFC）进行类比。危机并非始于大型银行，而是源于更早出现的次级贷款风险积累。同样，Neocloud作为AI生态中的“尖端”部分，其高风险性质不容忽视。与拥有庞大现金流的超大规模企业不同，Neocloud缺乏自我造血能力，其生存高度依赖外部融资。这种结构性的脆弱性暗示了当前AI投资中可能存在的隐性风险，尽管市场共识仍保持极度乐观。

边缘信号引发的连锁反应：Cipher事件揭示融资裂痕

近期AI板块的波动并非源于核心巨头的直接利空，而是由边缘“新云”（Neo Cloud）企业的融资困境引发的连锁反应。以Cipher为例，这是一家从比特币挖矿转型进入AI领域的公司。当它试图通过发行债券直接获取融资时，由于市场对其信用状况的担忧，其自身股价遭受重创。这一事件成为了市场的转折点：投资者迅速将Cipher的问题与其他类似公司联系起来，导致恐慌情绪蔓延。正如对话所指出的，“投资者迅速将两件事联系在一起（Cipher的融资失败与行业风险），随后引发了溢出效应”。

值得注意的是，数据中心债券市场的恶化并非突发。早在Cipher事件发生前的几个月里，投资级（IG）超大规模数据中心债券的利差就已经开始扩大。这表明市场资金面早在核心巨头股价波动前就已出现裂痕。Cipher作为从加密货币转向AI的典型代表，其融资失败暴露了非核心资产在信贷紧缩环境下的脆弱性。这种从边缘向中心传导的融资压力，揭示了当前AI热潮下隐藏的结构性风险：即使是最前沿的技术领域，也无法完全免疫于资本市场的信用收紧。

投资者的认知滞后：否认现实的“60%”悖论

尽管市场已经出现了明显的融资紧张信号，但华尔街主流投资者的反应却表现出一种对现实的否认。Odd Lots团队近期进行的一项调查显示，当被问及“融资是否会在可预见的未来成为问题”时，仅有约60%的受访者表示同意。这一数据令人震惊，因为按照逻辑推导，鉴于过去几周发生的Cipher等事件，认同融资存在问题的比例理应接近100%。然而，结果却是“刚过半数”的人认为没有问题，“不到一半”的人承认存在融资障碍。

这种认知滞后反映了市场参与者的心理防御机制。尽管像CoreWeave这样的公司开始抛售资产，部分原因源于其高管（如Brandon McBe）在采访中提及的“无限借贷”预期与现实之间的落差，但许多投资者仍坚持认为AI需求强劲，资本不应犹豫。然而，市场数据正在纠正这种乐观情绪。对话中指出，“这几乎是对已经存在的现实的否认”。投资者似乎不愿承认，那个看似拥有“无限资金”、企业可以随意在投资级或贷款市场融资的时代已经结束，取而代之的是一个更加选择性、资金有限且竞争激烈的新周期。这种认知与现实的错位，是当前市场波动的重要心理根源。

历史数据的断裂：高利率下的异常发债潮与资本竞争

为了更宏观地理解当前的融资环境，团队回顾了自1995年以来企业债券、国债和股票市场的净发行量数据。传统经济学规律表明，利率下降时整体发债量上升，反之亦然。这一相关性在历史上一直非常稳固。然而，2026年的数据彻底打破了这一历史常态。图表显示，在两年期收益率上升的背景下，AI相关债务的发行量却创下了历史新高。这种“圣经般”（biblical）的发债规模，与过去互联网泡沫时期截然不同：当时虽然股权融资活跃，但利率高企且美国政府处于财政盈余状态；而今天则是在利率高位环境下，AI企业与其他行业激烈争夺有限资本。

这种竞争是真实存在的。2026年，投资级和高收益债券的净发行量预计达到1.1万亿美元。尽管这是一个巨大的数字，但资本市场的容量并非无限。AI企业并非在真空中发债，它们必须与其他需要融资的行业垂直领域竞争。对话强调，“资本是有限的（finite amount）”。这种稀缺性导致了融资条件的分化：不再是所有人都能以前所未有的宽松条件获得资金，而是只有最优质的资产才能获得青睐。这种从“无限供应”到“选择性供给”的转变，是理解当前AI板块估值调整的关键宏观背景。

牛市逻辑的脆弱性：从“建好即来”到关注先行指标

面对融资紧张，牛市观点依然坚挺：只要AI需求存在，GPU等硬件就有价值，“建好他们，他们会来的（build it and they will come）”。投资者认为，即使公司暂时无法融资，其购买的GPU和电力基础设施最终也会产生回报，不会归零。然而，这种逻辑忽略了早期预警信号的重要性。对话指出，“当你看到裂缝或煤矿里的金丝雀时，你应该引起注意”。

当前的市场波动正是这种“金丝雀”效应的体现。CoreWeave、Iron AI和Cipher等处于AI产业链尖端（tip of the spear）的公司，其股价波动并非因为长期需求消失，而是因为资本市场的信心在早期阶段出现了动摇。牛市逻辑假设资金会无条件支持所有AI基础设施，但现实是融资约束正在发挥作用（financing does constrain）。对于投资者而言，关注这些边缘企业的融资成本变化和市场反应，比单纯相信长期需求更为紧迫。这种从“盲目乐观”到关注资本可得性的转变，标志着AI投资逻辑进入了一个更成熟、也更残酷的阶段。

市场规模的荒谬对比与收入来源质疑

讨论首先聚焦于对AI市场总潜在规模（TAM）的过度乐观预期。此前有观点将太空探索等宏大叙事的总潜在市场估算为约 30万亿美元，这一数字甚至超过了美国的GDP。然而，这种万亿级别的支出预期缺乏现实支撑。为了验证这一观点的合理性，演讲者引用了 Cameron Crease 的数据进行历史对比：自1990年以来，现代历史上最成功的两家科技公司——微软和苹果——的累计总收入（经通胀调整）甚至 不到10万亿美元。这意味着，当前对AI市场的估值预期是历史最成功科技巨头总和的 3倍 以上，这种巨大的落差引发了对资金实际来源的根本性质疑。

"Looking at the cumulative revenue of the two most successful tech companies in modern history... it was inflation adjusted, not even $10 trillion since 1990."

进一步从宏观财务数据来看，标普500指数成分股的总营收约为 17万亿美元，而其支出总额约为 11至12万亿美元。这意味着标普500的净利润大约在 5万亿至5.5万亿美元 之间。在如此有限的净利润池面前，要求所有公司同时投入巨额资金用于AI支出是不现实的。尽管市场热衷于谈论万亿级的资本配置，但现实中的现金流约束使得这种大规模支出难以持续。

实际使用数据与Anthropic的财务表现

尽管宏观支出存在疑点，但微观层面的具体公司数据提供了不同的视角。目前市场上流传的 Ramp 数据和 OpenRouter 数据显示，Token支出（即AI使用成本）在短期内已经开始趋于平稳。OpenRouter的数据主要捕捉的是寻找廉价中国模型的用户群体，这可能导致对整体市场需求的误判。相比之下，Anthropic作为前沿AI公司之一，其提交给SEC的S-1文件显示，其 顶层收入（Top-line）数据表现极佳。

"Anthropic numbers on the top line look great... That number is going straight up."

虽然Anthropic的营收呈现上升趋势，但其估值高达万亿美元级别，而目前的盈利规模仅为数十亿美元量级。这种 巨大的营收与估值之间的差距 引发了市场的担忧：如果前沿实验室无法证明其高昂成本能转化为相应的利润，它们是否面临困境？然而，从SEC披露的官方财务数据来看，至少Anthropic的收入曲线是明确向上的，这与部分基于OpenRouter等特定渠道数据的悲观预测形成了鲜明对比。

开源模型与前沿模型的竞争格局

关于AI技术的核心争论在于“开源权重”（Open Weight）模型与前沿闭源模型的竞争。市场普遍担忧开源模型正在迅速追赶，尽管在基准测试中仍略逊一筹，但其 运营成本仅为前沿模型的极小部分。数据显示，开源模型的市场份额已从20%飙升至高达 80%。与此同时，Token成本每年都在经历通缩，其速度之快甚至超过了2021年的NFT泡沫时期。然而，与之形成矛盾的是，GPU租赁价格却在持续上涨。这种成本结构的分化表明AI叙事并非单一方向的线性增长，而是存在复杂的差异化竞争。

边缘计算革命与创造力的价值重估

辩论的焦点正从单纯的模型权重开放转向 本地运行开源模型的效率曲线。演讲者通过iPhone 2007年的类比指出，未来人们可能不需要将数据发送到俄亥俄州的数据中心进行复杂计算。随着Nvidia的Neiva、Tron或Meta推出的数十亿参数模型能够在本地笔记本电脑上运行，个人设备将演变为超级计算机。这种技术趋势意味着我们要么“做多”人类创造力，要么“做空”它。如果AI代理能够直接在用户设备上处理邮件或撰写回复，那么对云端大规模算力的依赖将重新定义。前沿模型可能不会直接发现新的生物技术药物，但 本地化的高效AI代理 将深刻改变人机交互的方式和收入分配逻辑。

东西海岸视角差异与“前沿陷阱”

在旧金山的近期交流中，一种被称为“前沿陷阱”的概念引发了对AI技术实际需求的深刻反思。这一概念旨在探讨哪些行业真正需要博士级别及以上的高阶智能。尽管生物医学、半导体设计以及量化交易等领域看似对极致智力有刚性需求，但对话者指出，对于大多数行业而言，存在一个智能阈值，超过该阈值后边际效用递减。这种观点挑战了市场普遍存在的“AI越强越好”的线性思维，暗示当前对前沿技术的狂热可能掩盖了更广泛、更低门槛的应用潜力。

消费层应用：AI商业化的关键转折点

回顾2007-2008年iPhone发布初期的“啤酒应用”等噱头功能，当时人们为这些看似 whimsical（异想天开）的功能感到兴奋。如今的市场情绪与之相似，但对话者强调我们尚不清楚AI未来的真正形态。虽然企业级收入（Enterprise Revenues）是重要组成部分，但仅靠B端市场难以在短期内填补市场对投资回报率（ROI）的期望缺口。真正的突破点在于消费层应用（Consumer Layer），因为只有当消费者真正找到“杀手级”应用场景时，经济引擎才能被完全点燃。目前的市场共识是消费者暂时不需要“前沿”级别的智能来处理日常事务。> “When we figure out that killer consumer application layer... it's the economy.”

现有技术的重新应用与日常案例验证

对话者提出一个核心论点：历史上最伟大的技术变革往往不是新技术的出现，而是对现有技术的重新应用。预测在未来12到18个月内，基于当前“100 IQ”水平的AI工作流将变得无处不在。一个生动的案例是，当妻子出差、独自照顾孩子时，利用ChatGPT规划接下来一小时的行程（如生日派对安排），极大地缓解了时间管理压力。这种“虚拟管家”式的体验证明了低阶智能在解决具体、琐碎生活问题上的巨大价值。> “It's very possible that we take the 100 IQ... genetic workflow and it still kind of becomes almost ubiquitous within the next 12 to 18 months.”

华尔街的担忧：资本支出（CapEx）与东西岸回声室效应

回到投资视角，对话者指出“新云”（Neo Clouds）概念可能是牛市的先锋，但也处于否认期的早期。对于投资者而言，最可能引发市场恐慌（Spook investors）的信号是超大规模云服务商（Hyperscalers）开始削减资本支出（CapEx）。这与东西海岸的认知差异有关：越靠近技术中心的西海岸，企业和投资者越陷入“回声室效应”（Echo Chamber），对叙事深信不疑。相比之下，东部海岸或远离中心的市场可能更早察觉到基本面的变化。因此，未来的风险不在于技术本身失效，而在于资本扩张速度的放缓与市场预期之间的错位。> “It would be some level of CapEx being reined in by one of the hyperscalers.”

资本扩张与AI叙事的周期性共振

当前市场对人工智能（AI）基础设施投资的狂热正处于一个微妙的转折点。尽管部分投资者预期可能需要等到新年才能更清晰地评估这种热情的持续性，但谷歌（Google）近期在资本支出（CapEx）方面的表态再次点燃了市场的兴奋点。谷歌明确表示其未来的资本支出将“显著更高”，这一信号重新激发了机构投资者的热情，并导致资金大规模涌入相关领域。 这种由巨头引领的资本支出预期上升，被视为新一轮AI建设浪潮的核心驱动力。

然而，这种乐观情绪也伴随着对融资可持续性的审视。Oracle在投资者日上宣布将其额外筹资限制为200亿美元，这一举动被市场解读为一个积极的信号。只要企业能够以合理的规模筹集资金，基础设施的建设就可以继续推进，这表明市场目前更关注融资的“合理性”而非绝对的无限扩张。这种对资本支出的谨慎乐观，反映了华尔街在经历前期狂热后，开始寻求更稳健的增长叙事。

量化拥挤与“电话亭里的刀战”

从更宏观的市场结构来看，当前的股市表现呈现出一种看似矛盾的现象：指数层面（如标普500）波动率极低，但特定板块内部却充满了剧烈的震荡和焦虑。这种现象被形容为“电话亭里的刀战”，形象地描述了在有限的流动性空间中，大量资金进行多空博弈的激烈程度。对于必须运行多头/空头组合基金的投资者而言，这种环境堪称噩梦，因为标普指数往往“无所作为”，而实际上资金在超大型科技股（Hyperscalers）和内存芯片等上下游产业链之间进行着剧烈的轮动。

造成这种结构性拥挤的根本原因在于资产管理模式的演变。2020年，多管理人基金（multi-manager funds）部署的资产规模约为3,000亿美元，而今天这一数字已超过1万亿美元。在利率较高的环境下，这种多头/空头策略极具吸引力，因为基金经理可以利用杠杆放大收益：“我实际上是在部署风险单位……我可以将大量资本投入到高息工具中，并试图在该总投入资本上产生阿尔法收益。” 这种商业模式虽然高效，但也导致了资产规模的激增与可交易证券数量相对稳定甚至萎缩之间的矛盾。由于所有基金都在努力中和诸如Baron、Acoma等风格因子（如规模、成长、价值），这反而创造了不同类型的拥挤效应，使得整体指数波动率被掩盖，但内部因子轮动却异常剧烈。

AI因子的不可预测性与财报冲击

量化策略面临的最大技术难题在于“AI因子”本身的不稳定性。与传统可量化的风格因子不同，AI对股价的影响是动态变化的。年初时，市场普遍做空软件股以对冲AI风险；而如今，软件股的交易价格已接近12个月高点。这种叙事和Beta值的快速转换，使得基金难以有效对冲AI风险。归根结底，你要么做多AI，要么做空AI，而在过去三年中，做空AI并非一项有利可图的交易。

这种不确定性在最新的财报季中得到了充分体现。Alphabet和微软（Microsoft）作为两大巨头，其股价反应截然相反：Alphabet下跌7.9%，因收入未达预期；而微软上涨6.4%，因其云业务超出估计。对于指数投资者而言，这些剧烈波动在净效应上相互抵消。微软Q1 Azure收入（扣除内部使用部分）同比增长48%，远超彭博社汇总的官方估计值44.8%。谷歌的云收入达到300亿美元，同样显示出惊人的增长势头。这些数字令人难以置信，表明尽管市场情绪焦虑且内部拥挤度极高，但核心AI基础设施提供商的财务表现依然强劲，支撑着整个交易逻辑的核心基本面。

AI资本支出规模的历史性荒谬与增长悖论

当前美国科技巨头在AI基础设施上的资本支出（CapEx）规模已演变为历史上前所未有的经济实验。据估算，若按共识数据计算，这笔支出约占美国GDP的 12%。这一数字相当于两个荷兰国家的经济总量总和，其规模之巨令主持人感到震惊，甚至试图在人类历史中寻找类似案例（如金字塔或长城），但发现那些工程耗时数百年，而AI基建的投入速度之快在历史上绝无仅有。这种 非线性的巨额资本投入 引发了对可持续性和合理性的深刻质疑。

与此同时，支撑这一庞大支出的底层业务增长数据同样令人咋舌。以Google Cloud为例，其收入增长率达到了惊人的 103%。这种爆发式增长使得市场参与者难以用常规逻辑去理解当前的估值体系。数字的疯狂 不仅体现在支出端，更体现在收入端的指数级扩张上。然而，这种高增长是否足以覆盖如此庞大的资本开支，仍是市场争论的焦点。

"It's like two Netherlands... I had to start getting, like really creative."

S&P 500的极端集中与“AI因子”的主导地位

随着科技巨头在AI领域的垄断性投入，标普500指数（S&P 500）的结构发生了根本性的变化。市场呈现出极度的 集中度风险，指数表现几乎完全由少数几家科技巨头驱动。数据显示，明年标普500指数的盈利增长中，约有 三分之二（2/3） 将直接来源于半导体行业。如果算上更广泛的AI生态系统，这一比例将达到 75%。

这意味着标普500指数在实质上已经异化为一个 “AI因子”基金。主持人形象地将其比作“Cosby”，暗示其单一性和缺乏多样性。这种 ** bifurcation（分化） 现象表明，市场不再是一个广泛分散的投资组合，而是高度押注于AI产业链的上游硬件和基础设施。对于投资者而言，过去一年的收益几乎都与 AI因子暴露（Factor Levered Long）** 相关，任何脱离这一因子的策略都难以获得超额收益。

"Next year 75% of your earnings growth in the S&P is going to come from memory... it's about two thirds from semiconductors."

利率敏感性的幻觉与盈利转化的滞后

尽管市场普遍存在一种观点，认为AI行业的高增长率（如 44% 的年增长）使得利率变化变得无关紧要，但主持人指出这是一种 危险的幻觉。对于高杠杆的云计算公司或依赖资本支出的企业而言，利率依然至关重要。市场正在为一种尚未完全实现的预期定价：即其他公司购买AI服务后，能显著提升自身生产力并转化为利润。

然而，目前的财报数据显示，这种 盈利转化（Earnings Power） 尚未在更广泛的企业端大规模实现。科技巨头的收入增长主要源于自身的基础设施投入，而非下游客户的生产力红利释放。因此，整个指数的上涨建立在 最终AI应用将爆发 的预期之上，而非当前的基本面支撑。这种预期与现实的错位，使得市场在利率上升或增长放缓时极为脆弱。

"That is a lie that investors tell themselves... At least for some of these leveraged companies like the NIO clouds or whatever. For one thing, it looks like, rates matter."

华尔街认知偏差与散户的盲目乐观

在AI热潮中，不同群体的认知存在巨大鸿沟。华尔街专业人士虽然意识到GPU可能过剩的风险，但许多散户甚至部分金融从业者仍沉浸在 “AI万能论” 中。例如，一名斯坦福计算机系学生曾质疑华尔街对GPU过剩的担忧，认为只要看股票上涨就能证明AI的成功。这种 认知偏差 导致市场参与者忽视了底层逻辑，仅凭表面现象进行投资。

主持人指出，这种盲目乐观类似于过去对某些技术革命的误判。当市场参与者认为 “利率不再重要” 或 “AI不会出错” 时，往往意味着风险正在累积。真正的挑战在于，当资本支出高峰过去后，如果下游应用未能如期带来巨额回报，当前的估值体系将面临严峻考验。目前的市场状态是 高度杠杆化 且 缺乏多样性，任何预期的落空都可能引发剧烈波动。

"If you're even having a discussion about the possibility of overabundance, GPUs, you just don't get it."

结论

当前AI投资处于“否认”阶段，市场在极度乐观中掩盖了结构性风险。尽管Anthropic营收强劲、微软Azure增长超预期，证明核心基础设施需求真实存在且基本面依然稳健，但融资环境已发生根本性逆转。边缘企业如Cipher的失败及Neocloud的高风险，揭示了资本从“无限供应”转向“选择性供给”，高利率下AI债务发行创历史新高却缺乏可持续支撑。

市场呈现极端集中，标普500盈利增长高度依赖半导体与AI因子。然而，“建好即来”的牛市逻辑脆弱，Token成本通缩与GPU租赁涨价并存，且消费层杀手级应用尚未出现。投资者需警惕资本支出放缓与预期错配引发的波动，当前繁荣建立在未完全实现的盈利转化预期之上，而非广泛的实体经济红利。