社区

长期看好AI，投资进入供需与回报验证阶段 我们对AI的长期需求保持坚定信心。AI正在把理解、分析、设计和执行等能力，变成可以低成本、规模化调用的服务，应用空间远超今天已经成熟的问答和编程。未来的增长，既来自更多人开始使用，也来自已有用户把更多、更复杂的工作交给AI。 与此同时，AI基础设施投资已经走过依靠预算不断上修、整个产业链普遍受益的早期阶段。投入规模扩大后，资金、电力、建设能力和投资回报开始共同约束扩张速度。 我们的判断：资本开支增速将明显放缓，但绝对规模仍将维持高位，而非断崖式收缩。在这一环境下，部分公司的当前价格，已经过度反映了盈利下滑和供给过剩的风险。投资机会不再主要依赖行业投入持续加速，而在于找到那些在较保守的投入情景下，仍能持续创造利润和现金回报的企业。 “房子建得快，关键看人口能否跟上” 可以用一座不断吸引人口的城市来理解这场争论。假设城里目前有100户居民，住房只有50套，供给紧张。开发商计划今年新增200套、明年再新增200套；与此同时，城外还有1,000户潜在居民，未来可能陆续迁入。 只看眼前的100户，每年修200套房，建设规模显得很大；放眼城外的1,000户潜在居民，两年的建设又远远不够。真正决定房子是否过剩的，是人口流入能否跟上住房交付，以及居民支付的租金能否支撑建设成本。 我们认为，AI模型能力提高、使用门槛下降，正在让更多企业和个人把实际工作交给AI；深度使用又会不断产生新的任务和需求。 我们自身的实践也强化了这一判断：AI进入工作流之后，需求很快从让单个智能体完成任务，扩展到让多个智能体像团队一样分工协作：相互沟通、请求帮助、交叉核验，并分享新的发现。随后，我们又希望不同成员的智能体团队能够进一步协同。每实现一层自动化，又会产生更多可以交给AI的工作。 即使Token单价持续下降，希望完成的任务仍在增加，总体预算并没有因此自然下降。一旦体

我们对AI的长期需求保持较强信心。个人智能助理的发展，正让AI深入个人生活和企业经营的路径更加清晰，也为应用创新和基础设施需求打开更广阔的空间。 当前，市场的阶段性分化也在加剧。AI对传统商业模式的影响、产业链内部需求和盈利兑现的差异，以及高利率下的估值约束，正在共同拉大不同行业和公司之间的表现差距。 长期看好AI，投资上更要重视基本面的兑现和定价。我们关注的是，哪些公司能够将长期需求转化为持续盈利和现金回报，以及当前价格是否提供了有吸引力的预期回报。 一、市场分化加剧：长期价值与尾部风险重新定价 9月市场分化进一步加剧。一方面，高利率和政策托底预期减弱推高了风险溢价；另一方面，AI正在重塑部分行业的竞争格局、商业模式和价值分配，使市场更难判断这些行业的长期现金流和终局价值。 具体来看，标普500指数下跌0.5%，纳斯达克指数上涨1.9%，但标普500等权ETF（RSP）和罗素2000指数分别下跌5.2%和5.4%，金融、可选消费及房地产等板块普遍承压。 与此同时，半导体ETF（SOXX）上涨11.3%，科技板块ETF（XLK）上涨5.0%，软件ETF（IGV）下跌3.2%，市场收益明显集中于少数科技和AI相关方向。 AI板块内部同样明显分化。CPU、定制芯片和光通信等基础设施方向表现领先，存储板块亦明显上涨；软件整体偏弱，但AI安全相对强势。市场收益集中在少数AI基础设施和AI安全方向，而非整个AI板块普遍上涨。 AI带来的不确定性不只是流量入口变化，也可能动摇部分传统护城河的基础。品牌心智、软件工作流黏性和平台分发优势，很大程度上建立在人的注意力与决策带宽有限之上。 如果AI智能体逐步代替用户完成筛选、比较、决策乃至交易，用户与品牌、软件和平台之间的交互方式可能被重构，流量和价值分配也会随之变化。这并不意味着传统护城河必然消失，但会增加其持续性、长期现金流和合理估值的不

这期，我们和 Trader 韭从一趟日本调研聊起：企业开始更积极地投资，年轻人的选择也在变化。这些信号，意味着日本正在走出过去的惯性吗？ 话题随后转向国内与 AI。当熟悉的增长路径变得拥挤，新的机会会在哪里出现？AI 带来的是更多自由，还是更多需要处理的任务？未来的公司，又会如何组织人和智能？ 最后，我们从美网聊到技术优势、热爱与现实回报：如果暂时赢不了，你还愿意留在自己的赛场上吗？ 这是一场带着各自经历和分歧的聊天。我们也在迷茫中，希望通过交流，多找到一些理解当下的角度。 本期时间轴01:45 日本调研见闻：企业、年轻人和正在发生的变化05:26 “动物精神”回来了吗？人为什么重新愿意冒险09:17 害怕犯错的文化，能抓住 AI 带来的机会吗20:59 日本的变化，是政策起效，还是新产业带来了需求24:29 利率、日债与增长：同一组变化，为什么会有不同解读33:17 国内整体承压时，机会还能从哪里长出来37:50 AI 与出海：熟悉的路变难走了，新路怎么试45:47 AI 会让我们更自由，还是更忙50:43 未来的公司，靠组织更多人，还是用好更多 AI53:58 华尔街与硅谷：眼前的回报与更远的未来57:37 从美网聊开：旧的技术优势，还能维持多久01:03:55 即使赢不了，还愿意继续打吗？热爱与现实回报的分歧 欢迎在评论区分享你的经历，也告诉我们下一期想听什么话题。 以上为市场研究与观点交流，不构成投资建议或收益承诺。相关判断和估算可能随信息变化而调整。

市场正在重新衡量风险的价格。我们的判断是，美联储对资产价格的隐性保护可能逐步收缩，投资者需要承担更多波动，也需要对企业的现金流、融资需求和估值提出更高要求。 AI方面，我们仍看好能力进步带来的长期机会。随着模型从提供工具走向交付结果，甚至直接开展业务，需求和变现空间可能超出今天的产品边界，市场对现有收入的静态外推可能低估下一阶段的增长。但能力提升、商业化与产能投放未必同步，方向正确也不保证每一轮投入都能获得回报。我们会更重视长期机会与当前定价之间的差异，同时跟踪收入兑现和资本效率。 我们仍然看好有竞争力的企业，但会更重视增长的质量、承受波动的能力，以及买入价格。 01｜沃什新范式：Fed Put收缩与风险重定价 自2008年金融危机以来，美联储在市场动荡中反复介入，“市场大幅下跌时联储最终会托底”的Fed Put不断得到强化。近二十年下来，投资者、金融机构和企业已经围绕这一旧范式安排资产定价、杠杆和风险承担。 因此，沃什建立新范式的难点，不是提出新的政策主张，而是建立可信度，让市场相信他能够改变运行近二十年的旧规则。正如沃什所说，可信度的真正检验不是说了什么，而是最终反复做成了什么。 他的新范式目标相当清楚：美联储聚焦通胀、就业和金融系统功能，不再为普通市场波动和资产价格下跌提供隐性担保，把非系统性尾部风险从联储重新交还市场。 但美国正面临一个“两个锅盖盖不过来”的困境：一边是联邦政府高杠杆、财政支出刚性和不断上升的债务展期压力，需要较低的融资成本；另一边是维护支撑美元霸权的美元信用，需要财政和货币纪律。 如果通过降息、扩表、金融压抑或容忍更高通胀缓解债务压力，问题只是从财政负担转化为对美元信用的透支，最终削弱全球持有美元资产的意愿，动摇美元霸权。反过来，如果突然释放过于强烈的“不救市”信号，市场可能迅速形成一致性的单向交易，国债利率和风险溢价上升，并通过杠杆与期限错配放大

硅谷和华尔街，谁看错了 AI？ 华尔街越来越相信 AI 有泡沫：资本开支太大，编程之外没有第二个大应用，市场已经把芯片和存储公司的盈利当成周期顶部来定价。产业链却在同一时间签下几十 GW、用自己的信用兜底、继续上调资本开支。两边看到的是同一组数字，分歧出在怎么往前推。华尔街的眼光也许过于静态了，它在 Chat 时代低估过一次，很可能在 Agent 时代再低估一次。打个比方，热兵器刚出现时，一家顶级兵工厂有三种变现：把枪卖给冷兵器军队，扶持一支新军队分战利品，或者自己带兵去拿城池。市场今天只给第一种定价。当然，硅谷也可能错在路径上，2000 年的互联网目的地全对，需求却晚到了五年。 2026 年 9 月 5 日 · BEDROCK AI memo 最近看 OpenAI、Anthropic 和整个 AI 产业链的投入，我们越来越想问一个问题：硅谷和华尔街，到底谁可能看错了？ 一边在追问，今天这些收入怎么支撑如此庞大的算力投入；另一边却在不断签长期合同、开发新芯片、建设数据中心，生怕几年后算力不够。两边当然都不是铁板一块，但两种思路之间的距离值得琢磨：一边从眼前的收入判断投入，另一边在为一种还没有充分出现的生意做准备。 一、华尔街的怀疑很有道理，但产业界都看错了？ 先站在质疑者这边想一想。 过去两个月，"AI 有泡沫"越来越接近共识，理由并不玄：资本开支太大；除了编程没有第二个同等量级的应用；收入增速在放缓。市场已经用价格投了票：6 月底开始的下跌，七个交易日抹掉半导体板块约 1.5 万亿美元市值，存储股一度跌进技术性熊市，Micron 至今仍比高点低约两成。到 9 月 4 日收盘，按我们模型的盈利预测，Nvidia 对应 2027、2028 年的市盈率只有 14 倍和 10 倍，是它过去十年从没有到过的水平；Broadcom 18 倍和 14 倍，2024 年以来因为 AI 给

市场最近一直在吵一件事：AI 最后能长多大？ 不过，市场讨论 AI 时，最容易把两个问题混在一起：有多少公司已经开始付钱，以及这些公司究竟把 AI 用到了多深。前者决定渗透率，后者才决定收入天花板和算力需求。 从公开数据看，企业买 AI 已经不是少数现象，但大部分支出仍停留在聊天、写作和局部辅助。只有很少一批用户把模型接进了日常流程，让它连续完成原来需要人来回接手的工作。今天真正值得研究的，不是 AI 有没有铺开，而是这种深度使用能否从少数人扩散出去。 如果能，需求会出现第二次加速；如果不能，企业开通率仍会提高，但应用收入未必追得上已经发生的基础设施投入，而陷入跨越鸿沟的难题。 先把“广度”和“深度”分开 Ramp 的企业客户中，55.7% 已经出现 AI 相关支出；美国普查口径的估计是 21.6%。两个样本不能直接对比：Ramp 客户更偏数字化企业，普查覆盖面更广。但它们指向同一件事——AI 付费已经越过了极少数科技公司的试验阶段。 图：Ramp 客户中，付钱使用 AI 的企业占 55.7%；美国普查口径估计为 21.6%。来源：Ramp AI Index，2026 年 7 月。Ramp 记录的是美国公司卡上的实际支出，其客户结构更偏数字化，因此不能把 55.7% 外推为全美渗透率。 但把支出摊到员工头上，差距立刻拉开。Ramp 样本的月度中位数只有 11.95 美元，前 10% 约为 650 美元，花得最多的 1% 达到 7400 美元。12 美元接近一份聊天订阅；7400 美元一年约 8.9 万美元，已经接近一份初级岗位的成本。 图：每名员工每月 AI 支出。花得最多的 1% 从 2025 年下半年开始明显抬升，前 10% 温和上行，中位数仍贴近横轴。来源：Ramp AI Index。 过去十二个月，最深的 1% 从约 1900 美元升到 7400 美元，接近四倍；中

从撒切尔、特拉斯到中国政府，新范式为什么必须为持续行动创造条件 “And we can be held accountable for delivering on our remit—the only true test of our credibility.” — Kevin Warsh, Jackson Hole, August 28, 2026 可信度不是靠说了什么建立的，而是靠最终做成了什么。 沃什要建立的新范式其实很清楚：收缩Fed Put。普通市场波动、资产价格调整和非系统性损失重新交给市场；只有交易、融资和支付等核心功能失灵时，美联储才介入。真正困难的不是宣布这条边界，而是让市场在一次次波动中相信它。 这里存在一个悖论。新范式必须通过对非系统性市场波动持续“不托底”来建立可信度；但如果信号过强、节奏过快，市场形成一致性押注，杠杆平仓和被迫抛售就可能把普通波动推成系统危机。一旦美联储被迫全面救市，市场得到的结论反而是：旧的Fed Put依然存在。因此，沃什需要允许政策路径更不确定、资产价格更大幅度波动，却不能让波动跨过系统失灵的边界。 新范式的成功状态，不是消灭市场波动，也不是靠一场大危机砸碎旧预期；而是让市场承担价格损失和尾部风险，同时保持核心系统稳定，再用持续行动证明Fed Put的边界已经收窄。 从沃什迄今的表现看，他的目标清楚，但没有把具体路径、节奏和幅度说死，也在避免用过强信号制造一场不得不救的危机。这是一条更稳健、也更可能成功的转换路径。由此得到的投资判断同样是两面的：不把大危机作为基准情景；但正因为新范式可能成功，从现在起就应按照“尾部风险将从联储转移给市场”重新定价。 当前瞻指引减少、Fed Put收缩，期限溢价、信用利差以及对流动性和杠杆的风险补偿都应上升；越依赖低波动、廉价融资和央行托底的资产，受到的影响越大。 撒切尔、特拉斯和中国

我想弄清楚的，不是他为什么成功过，而是他为什么能连续成功。 《奥德赛》火了。最初，我只是很好奇：它究竟火到什么程度？一看数据，全球票房约15.53亿美元，不仅成为诺兰职业生涯票房最高的作品，也进入全球影史前15。 更让我意外的是，这是一部接近三小时的R级古典史诗片。它最终超过漫威大IP《死侍与金刚狼》的13.38亿美元，成为全球影史票房最高的R级电影。再往前追，《奥本海默》用约1亿美元制作成本拿到约9.76亿美元票房。诺兰13部导演长片，累计票房已经接近78亿美元。 真正让我震撼的，不是又多了一部爆款。更难的是，他能跨越原创科幻、超级英雄、战争、传记和古典史诗，也能从华纳走到环球，一次又一次把高难度项目做成全球事件。 诺兰最难复制的并不是某一种叙事技巧，也不是IMAX摄影机，而是他把个人判断、清晰表达、团队学习、制片能力和外部伙伴，连成了一套可以持续升级的系统。 令我着迷的不是新电影又大卖了，而是他为什么能连续成功，又怎样把一次成功换成下一次更难项目的能力。 先看结果：这不是一部片的好运气 如果只看《奥德赛》，很容易把成功解释成档期、明星阵容或者史诗题材。但把诺兰的作品按时间排开，事情就不一样了。 从1998年的《追随》到2026年的《奥德赛》，13部导演长片公开制作成本合计约16.40亿美元，累计全球票房约77.95亿美元，票房相当于制作成本的4.75倍。按统一的影院回款与宣发假设估算，规模化作品合计影院ROI约39%。 这条曲线并不完美。《蝙蝠侠：侠影之谜》当期回报普通，却为后续两部十亿美元级电影搭好了平台；《信条》遇上疫情，成为最清楚的负面样本。也正因为存在失败和前置投入，后来的成功才更像一套系统，而不是只挑赢家讲故事。 《奥本海默》是最有说服力的一次验证。它是一部三小时、R级、对白密集的历史传记片，没有系列IP，却用约1亿美元成本拿到约9.76亿美元票房。按同一口径

过去一个月，AI产业基本面继续得到验证，相关资产的定价却经历了剧烈波动。 两者并不矛盾。AI相关公司的估值通常具有较长久期。近期预期的调整一旦被投射至中长期增长路径，就会通过现金流折现对当前定价产生放大影响；远期价值占比越高的资产，对这类预期变化越敏感。 这轮调整既受到交易拥挤和去杠杆的放大，也反映出市场对AI远期前景的认知在短期内快速变化。价格一度走在基本面证据之前，并出现阶段性超调。与其说产业趋势发生了逆转，不如说市场正在快速重估预期与估值。 真正的问题，不是AI会不会继续发展，而是需求增长能否以足够快、又可持续的速度，承接万亿美元级别的资本投入。 01价格为何先于证据调整 过去一段时间，市场主要交易“AI前景广阔、基础设施供给不足”。在这一框架下，只要需求持续扩张，上游算力、存储、网络和数据中心等环节的供给约束就具有较高确定性。 如今，定价关注点开始转向另一组问题：AI需求会不会过快放缓？大规模资本投入能否持续？投入最终能否形成合理回报？ 这种变化未必需要产业数据明显恶化。对于远期价值占比较高的资产，市场只要小幅下调长期增长假设，估值就可能显著收缩；当交易结构又较为拥挤时，调整会被进一步放大。因此，近期价格变化的速度和幅度，明显大于同期基本面证据的变化。 这也意味着，在远期预期仍高的阶段，市场对近期偏差的容忍度会很低。单季度收入、订单或指引略低于预期，都可能被外推为长期增长路径的变化。价值实现越依赖远期，对短期信息就越敏感。 02真正的变量：需求放缓的斜率 根据公开信息和市场估算，几家头部AI模型公司的合计年化收入，可能从去年底约400亿美元增长至今年底超过2,000亿美元。这一口径并非审计数据，但足以说明需求扩张的速度。 如此高的增速逐步放缓，本身并不意外。关键不在于“是否减速”，而在于减速是否超出合理区间。 AI产业的资本开支已经进入万亿美元量级，上游不少环节也面

"从数学的角度，投资本质上就是解一个数学题。如果你的机会成本或者说IRR要超过15，基本上你必须要投复利型的资产。" 说这句话的人叫谭先生。 在我们的调研清单上，有这样一类管理人：业绩惊人，却几乎从不在公开场合露面，不写公众号，不发朋友圈，行业论坛都很少参加。谭先生就是其中之一。 过去近五年，他的旗舰产品累计收益率超过235%，同期沪深300几乎原地踏步。今年上半年很多老牌价值派私募公司录得负收益，他的私募产品上半年业绩翻倍。令我好奇的是——他用的明明是深度价值的分析框架，却做出了成长派才有的收益。 我认识谭先生多年，不仅习惯了他像运动员的有型体格，更习惯了他一开口那种绝对的理工男气质：不绕弯子，不煽情，每个观点背后都有严密的逻辑推导。说话务实本真，有什么说什么，不故弄玄虚，骨子里透着理性乐观派的底色。当然，也许是常年研究海外市场的原因，谭先生说话中带着大量英文，这让我想起他长期坚持用英文写的读书笔记。 带着"你到底是价值派还是成长派？"的好奇，探普FOF团队再次走访了他。 业绩反差：价值派的框架，成长派的业绩 谭先生是BS资本的创始人，有约15年投资经验。最早在某头部机构的资产管理板块做投资，大约五年前出来创业，创立了B资本，主要做全球性投资。 在FOF圈子里，BS资本并不是那种名声在外的"网红"私募。但在看过他业绩的同行中，评价高度一致：方法论极其纯粹，业绩极其不纯粹——好得不像价值派做出来的。 他的旗舰产品成立于2021年11月，统计区间截至2026年7月，累计收益率超过235%，在沪深300四年多几乎零增长的背景下，他跑出了将近30%的年化，超额收益超过230个百分点。 有意思的是，如果你只看他的方法论——深度价值、竞争壁垒、成本曲线、供需格局——你会以为这是一个格雷厄姆式的价值投资者。但他产出的收益，却是典型的成长派数字。 "价值派的方法论，成长派的收益。"探普F