社区

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

一、投资回顾 2026 年 6 月，全球市场在 4 月和 5 月的快速修复后进入更明显的震荡和分化阶段。美国市场没有改变 AI 基础设施主线，但高估值、利率预期反复以及部分科技龙头资本开支压力，使指数从前期强势上涨转入消化。 其他区域市场分化进一步加剧：日本继续受益于弱日元、企业治理改革和半导体设备链条景气延续；韩国在存储等 AI 半导体预期带动下仍保持强势，但月内波动明显放大；A 股整体相对稳定，而香港市场受互联网与消费板块调整和资金结构影响继续承压。 更重要的变化在于：进入 6 月后，市场对 AI 硬件的定价框架开始发生结构性切换，从“需求是否成立”逐步转向“供给与兑现能力是否匹配”。 二、市场回顾与展望 AI 的投资进入更复杂的阶段：供给上修与需求兑现节奏之间的不确定性有所上升 AI 投资从主要看商业化跑通和需求扩张的阶段，进入供给上修与需求验证并行的新阶段。近期包括韩国存储扩产计划上调、以及 Meta 将部分算力潜在外部化（Neocloud 化）等变化，使得远期供给扩张的可见性显著提升，并对当前已较为拥挤的交易结构形成阶段性扰动。 与此同时，需求侧虽然整体仍在既定扩张路径中，并未出现趋势性变化，整体仍处于“on track”状态，但市场开始重新审视 AI 商业化的终局形态：未来数年 AI 应用能否形成万亿级收入规模，并在更长期扩展至几万亿级别，从而匹配当前及未来持续前置的资本开支节奏。 从结构上看，AI 需求的核心变化在于两点： • 一方面，科技行业内部的 AI 使用仍保持高强度渗透，但已开始出现边际效率约束（如个别公司出现 token 使用限制等现象）； • 另一方面，占全球经济绝大部分的传统行业仍处于早期渗透阶段，AI 主要停留在工具层应用，尚未深度嵌入核心工作流。 因此，未来一段时间的关键不确定性在于： • “快世界”（科技行业）AI 使用增速是否自

弱节点堆出了文明；而现在第一次，组成它的节点和连线都可能换代 BEDROCK 投研 · 2026 年 6 月 当个段子看，它在笑那些听不进、记不住、张口就来的人；可它说中了更大的一件事。 前阵子有张图在技术圈出圈："我发现很多人其实是本地小模型"——参数小、上下文短、不会联网、没有思维链，输出不是幻觉就是过拟合。当个段子，它在笑那些听不进、记不住、张口就来的人。 但这个比喻往大了想，会逼出一个不那么好笑的判断。如果单个人就是一台又小又弱的本地模型，那人类社会，本质上就是一大堆本地小模型联在一起跑出来的系统。BEDROCK 真正在意的是后面这半句：文明的力量从来不在某个节点有多强，而在把弱节点连起来的那套架构；现在第一次，AI 要去动的，正是这套架构的底层。 顺着往下，有两件事值得想清楚。一堆这么弱的节点，凭什么堆出了数学、芯片和现代文明；以及 AI 这种新节点，到底能把这台机器变强多少，又把方向指向哪儿。 智能不在节点里，在架构里 我们习惯把文明的伟大，记在几个聪明脑袋的账上：牛顿、爱因斯坦。可单个大脑再强，也是一台二十瓦、一次记不住几句话的本地小模型。真正扛着智能的，从来不是节点，是把节点连起来的那套架构。 真正扛着智能的不是节点，是把弱节点连起来的三层架构：协议、外挂记忆、对齐。 这套架构，靠三样东西撑着。 先是语言和文字，一套统一的通信协议，让跨人、跨代的计算第一次成立。 再是外挂的记忆，图书馆和互联网。人脑存不下，就把知识甩给环境，自己只管建索引、做实时推理，这其实就是人类版的 RAG。 最后是那张筛子，法律、市场、同行评议、科学范式，把个体张口就来的幻觉一点点证伪、滤掉，剩下的才叫常识和技术。 想到这里，文明其实是一台分布式计算机：单点极弱，可架构让它跨越时空地攒。伟大不是哪个节点算得多准，而是这台机器能把每个节点那点微弱、还老出错的产出，一代代攒下来。 可这台机