社区

前段时间听了云脊资产创始人梁力的一场线下交流，主题绕不开当下最热也最危险的话题之一：AI的繁荣与泡沫。

而前天（12月9日）橡树资本联合创始人的霍华德·马克斯最新备忘录《2025年12月：AI泡沫？》（点击阅读），用了1.7万字的雄文来讨论这个命题。

分析洋洋洒洒，而且马克斯是有结论的，他在文末写道：“没有人能断言这是否为泡沫，因此我建议任何人都不应孤注一掷，必须认识到若事态恶化，将面临破产风险。但同样地，也不应完全置身事外，以免错失这一史上重大技术进步所带来的机遇。

适度的仓位，辅以甄选和谨慎，似乎是最佳之道。”

在读完备忘录、回想那天和梁力的对话之后，会有一种很强烈的感觉：两个人站在完全不同的坐标系里，却看到了很多类似的风险轮廓与机会逻辑。

他们最重要的共识有三点。

第一，AI有望成为有史以来最具变革性的技术之一。

第二，真正危险的地方不在技术，而在围绕技术展开过度投资与资本循环。

马克斯反复提醒，历史上的每一轮大技术革命，几乎都伴随着“超前且过度”的资本开支和杠杆使用，泡沫往往产生在资产价格和融资结构上，而不是在技术本身上。

梁力则从产业链内部切入，看到的是算力中心、上游硬件和大厂资本开支在短时间里被推到一个巨大量级，而与之匹配的现金流回报、商业模式验证仍在早期……这本身就是泡沫的温床。

第三，两人都不主张简单的“逃离”或“梭哈”，而是有理性地下注、有预案地防守。

相对于马克斯更深度宏大且兼具市场心理的视角，梁力站在中国本土投资管理人的位置，更关心的是：在这场全球AI军备竞赛下，不同赛道和不同公司所处的周期位置各不相同，中国市场自己的节奏、产业政策和估值出发点，也决定了我们看到的泡沫形态会和美国不完全一样。

因此，他更愿意把当下阶段类比为“互联网1997–1999年”，这点跟马克斯贴出的1999年与当前，美国标普及权重股龙头预期市盈率情况的对比图，有比较大的呼应：确实还远没到泡沫的顶点。

梁力在分享的最后，把话题落到了最实际的问题上：如果承认AI既有巨大的长期空间、又隐含着不小的阶段性泡沫，那投资上到底应该怎么做？

他谈到目前组合构建的几个方向：一是拥有生态和用户的AI超级平台；二是消费行业中依旧保持盈利增长的企业；三是制造业的龙头和细分领域的行业冠军；四是一些周期性的行业，有大额净现金，分红率高且估值比较低。

梁力具有超12年的基金管理经验，早期在兴业资管做投资经理。2014年至2024年期间，在业内富有口碑的宽远资产担任研究总监、基金经理，过去10年所管产品扣除管理费以后。2024年，创立云脊资产。

最后，将梁力这场小范围交流的内容整理分享给大家。

同时严重推荐大家去看霍华德·马克斯的最新备忘录，点击阅读《2025年12月：AI泡沫？》

延伸阅读：《互联网红利还未结束！云脊资产梁力最新分享：供给端受限的四类投资机会……》

AI目前最直接的商业化场景

过去几年，我们也花了很多时间在研究 AI，无论是它的技术突破、商业化进程，还是我们自己在投研工作中对AI的大量尝试，积累了一些实际感受和反思。

从整体来看，AI正在引领第四次工业革命，它最终带来的影响可能会超过前三次，也会超过上一轮的互联网革命。

在2000年互联网那场泡沫中，我们看到大量公司的市值实现了巨大增长，也涌现出了很多新的行业巨头。

站在当下这个时间点，现在的投资人其实有机会享受到AI带来的红利，从这一点来说，是非常幸运的。

不同机构对AI能带来多少生产力提升有不同的估计，目前行业内普遍认可的是，到2030年，AI 可能会为全球GDP带来超过15%的增长。

全球GDP大概是100万亿美元的规模，大概会带来15万亿到20万亿美元的经济增长，这无疑是一个巨大的机会。

目前我们看到，AI最直接的商业化落地场景，第一个可能来自互联网广告。

从Meta 、谷歌、腾讯、Reddit的广告收入数据能明显看到：自从这些公司陆续把AI大模型整合到广告系统之后，近七八个季度的广告收入都出现了明显增长，增速达到甚至超过了20%。

我们曾和腾讯管理层交流过，他们提到，这部分增长中大概有10个点——差不多一半的增量来自AI带来的广告效率提升。

原理其实是这样的：原来的广告推荐也是通过机器学习实现的，但过去的机器学习模型只能基于较少的数据做推断，比如用户的年龄、所在地、性别、职业这些基础信息，来推荐合适的广告。

而AI大模型可以整合用户更长时间的行为记录，不只是过去一两个月，甚至是过去一年、几年内在互联网上的点击行为、感兴趣的内容、点击过的内容、购买过的商品等。

这些数据整合之后，大大提升了广告推荐的精准度，最终推高了广告价格。

同时，AI不仅提升了广告的精准匹配度，也提升了内容的精准度，这其实延长了用户观看短视频等内容的时长，进而带动了广告收入的明显增长。

全球在线广告市场大概有七八千亿美元的规模，10%的增长率就相当于七八百亿美元的增量。这是目前我们看到的AI带来的最直接的商业化战略价值提升。

第二个商业化场景是在成本端。

GitHub Copilot是目前全球最大的AI编程软件，它的年化收入在今年年初只有1亿美元，过去两个月已经达到年化5亿美元，现在可能已经超过10亿美元。

哪怕完全不懂编程的人，也能通过AI实现编程需求，它最直接的作用就是带来了成本的下降。

再看美国“科技七巨头”的招聘人数增长情况：2011年到2021年10年间，这些巨头的收入持续增长，员工数量也保持着每年20%以上的同步增长；但AI出现之后，尤其是AI在编程领域的效率提升，这些公司的员工数量和收入增长出现了非常明显的不匹配。

过去三年，这些巨头在收入持续增长的情况下，员工数量基本没有变化。这正是AI带来的效率提升所致，让这些互联网巨头在收入增长的同时，成本没有同步增加，最终实现了非常快速的利润增长。

我们估计，这个效应每年能为行业节省一两百亿美金甚至更多的成本，体量相当可观。

再说说我们自己是怎么用AI的。

首先，我们会用AI工具做一些初步的公司研究，比如针对一些美国公司，我们通过AI快速了解CoreWeave的商业模式是怎样的，估值情况如何……它能很快给出整理结果。这让我们能够快速对很多美国公司，尤其是一些不熟悉的细分领域公司，完成初步研究。

另外，我们还会使用一个专业的AI系统，这个系统整合了市场上所有的研究报告和公司交易纪要，能帮助我们在海量内容中快速提取所需信息，这在图文处理上给我们带来了很大帮助。

不过目前来看，AI更像是一个实习生，它存在“幻觉” ，需要人工的复核，复杂的模型还是无法处理。

第二个问题是，AI很难完成多轮验证。如果一项工作需要20轮的流程衔接，它最终的结果会非常差。

所以我们只能把工作拆分成两三轮一个周期，确认每一轮结果正确后，再进行下一轮。

所以基本上，我觉得这是很多AI模型在应用端的一些困难：AI每一轮的准确率可能只有50%多，如果一项自动化工作需要多个环节衔接，最终的结果质量会大打折扣。

技术从出现到转化成生产力有三个阶段

刚才聊的是AI当前的一些应用，我们也坚信它最终会带来生产力的巨大变革。

但回顾历史会发现，每一次技术进步从出现到真正转化为生产力，往往需要一个漫长的过程，因为各个行业、各个产业对技术的吸收和适配都需要时间。

我们梳理了一下，这个过程大概会经历这几个阶段：

首先，技术发明之后，还需要配套技术和相关能力的同步提升，单靠一项核心技术是不够的；

其次，要让技术真正转化为生产力，往往需要进行流程再造和组织改革；

最后，新商业模式的形成，通常也需要相当长的时间。

以第二次工业革命为例，电的发明带来的影响无疑是革命性的，但实际上，这一技术落地并产生实效的周期非常漫长。

这些历史周期对今天看待AI的进步具有重要参考意义。

比如，电动机在19世纪80年代被发明出来，但直到20年后，才有工厂开始局部进行电气化改造；再过20年（即发明40年后），才完成全面的电气化改造，此时才真正带来了劳动生产率的大幅提升。

在1899–1914年，美国制造业劳动生产率提升非常有限，年均仅 1.1%；而在1914–1929年，电气化改造全面完成、流水线生产模式真正成熟后，生产率增速才提升至5%。

所以，整个社会或生产系统对新技术的吸收，往往要经历一个漫长的过程。

再看看更近的互联网革命。

互联网革命始于上世纪90年代，亚马逊的第一个网站早在1994年就已上线，但当时的亚马逊仅仅是一个网上购书平台，你可以在网站上找到想要的书，但整体效率其实很低。

一个网站并不等同于高效的电商业务，当时亚马逊仍需要大量人工进行商品分拣，物流也依赖外部合作，因此整体运营效率并未得到实质性提升。

贝佐斯还公开承认过，互联网技术的进步当时并未转化为财务层面的效率提升；直到2000年之后，亚马逊开始布局自动化分拣系统，并着手搭建自建物流体系；又过了10年，亚马逊的竞争力才真正凸显，在电商领域的市场份额从10%提升至40%。

这个例子也能说明，从互联网技术诞生、电商模式出现，到真正形成成熟的竞争力体系，同样花了15到20年的时间。

这对当下看待AI技术很有参考意义：一项新技术从出现，到被社会和各个产业吸收、最终转化为实际生产力，往往需要一个比较长的过程。

而今天我们面临的问题是，AI 带来的生产力提升，这种商业价值创造还处在非常早期的阶段，这一点从OpenAI 的数据中就能看出来。

但整个行业的资本开支已经极为庞大，目前一年的资本开支可能已经超过 1 万亿美元。这种 “投入与产出” 的巨大落差，其实会带来一些风险。

目前行业如此激进投入的核心驱动力，其实是担心会错过。

扎克伯格就说过，对于Meta这样的公司，要是在AI领域错误投入几千亿美元、亏损几千亿美元，当然是很糟糕的事情，但如果完全不参与，风险可能会更大。

互联网泡沫时期的一个典型案例

互联网泡沫时期就有一个非常典型的例子——环球电讯（Global Crossing），这是一家做网络通信系统的公司。它当时的目标是搭建一个连接全球的光纤主干网络，涵盖各大洲之间以及大陆内部的光纤通道。

互联网泡沫时期，大家都看到网络流量增长极为迅猛，大概每90天就会翻一番。因此，所有人都认为流量需求是无限的，带宽需求也是无限的，这类宽带网络管道企业会成为金矿，是 “新时代的石油”。

诚然，20年后的今天，这类网络需求确实非常巨大，但在当时，作为行业头部企业的 Global Crossing，市场对它的期望极高，认为它会成为下一个行业巨头，甚至能挑战当时的巨头 AT&T。

因此，这家公司在泡沫时期募集了大量资金，投入超过137亿美元建设光纤网络，但它从未实现过盈利。尽管收入增长很快，网络带宽的利用率却一直很低。

而在泡沫高峰期，它的市值一度达到490亿美元（约2000年前后），这在当时是相当高的市值。要知道，同期苹果的市值只有50亿美元。

由于市场需求并未持续增长，前期的巨额投资导致了严重的产能过剩，这家公司最终在2002年破产。

当时投入的130多亿美元，对投资人来说几乎全部损失，最终这家公司仅以2.5亿美元的价格被收购。

这是互联网泡沫时期的一个典型案例，而在今天的 AI 行业，我们似乎看到了历史的重现。

OpenAI如今可以说是 AI 领域最核心的公司之一，看下它的直观数据：今年上半年收入仅50 亿美元，当前年化收入约130亿美元；但单季度亏损就高达120亿美元，仍处于严重亏损状态。它历史上累计融资约 600 亿美元，却计划在未来7年投入1.4万亿美元建设算力中心，这中间的资金缺口极为巨大。

不过需要说明的是，这1.4万亿美元的算力中心并非由 OpenAI 自己直接建设，而是通过租赁合同的方式，由其他公司负责建设，OpenAI 再进行租赁使用。

这种巨大的投入与收入落差，让人不禁怀疑：这会不会是一个庞氏骗局？毕竟它最终可能无法支撑如此庞大的租赁成本，付不起那么多钱。

最近OpenAI先后公开表示，希望政府能为其融资提供背书，这一言论引发了不小的争议。

当然，真正的风险可能不在 OpenAI 本身，而在于那些因为 OpenAI 承诺租赁而大量建设算力中心的公司，比如微软、甲骨文这类企业，它们都可能因为过早、过度的资本开支而面临巨大风险。

弥补AI资金缺口的方式隐含巨大风险

我们其实看到，当前AI行业的收入规模还很小，但资本开支却极为庞大，这中间的资金缺口是由什么来弥补的呢？

目前来看，传统上有两个资金来源：

一个是VC/PE（风险投资/私募股权），它们在AI领域已经投入了约1900亿美元，这大概是互联网泡沫时期相关投入的10倍以上。但由于AI行业的资本开支规模实在太大，这些资金量其实是远远不够的。

另一个最主要的资金支撑来自科技大厂客户。

上图是微软、亚马逊、谷歌、Meta、甲骨文5家头部科技大厂的资本开支投入情况：2018年到2023年，投入增长相对有限，但从2024年开始，资本开支出现了大幅提升，规模达到几千亿美元级别。

这带来的结果是，即便这些大厂盈利持续增长、现金流不断增加，但现金储备却在持续下降。

即便是这些科技大厂，如此高强度的资本开支也是一笔巨大的负担。这些资本开支会吞噬它们的自由现金流，导致它们无法进一步增加股东回购和分红。

而大厂的资金投入是支撑AI行业资本开支的核心，但它们的现金储备在资本开支中消耗得太快了。

因此，我们看到了一些泡沫的征兆：一些特殊的融资结构开始出现。

第一个是供应商融资：比如英伟达向 OpenAI 投资1000亿美元，OpenAI 再将这笔钱交给甲骨文，由甲骨文负责建设算力中心，而甲骨文又会向英伟达采购芯片，形成一个资金循环。

当然，这些数据只是示例，实际过程中资金规模还在不断放大：比如英伟达给OpenAI 1000亿美元，OpenAI可能会向甲骨文承诺3000亿美元的算力租赁协议，而甲骨文又会向英伟达采购 5000 亿美元的芯片，形成一个不断放大的资金循环。

这种供应商融资是一种非常特殊的结构，本质上是因为企业自身已经无法承担如此庞大的资金投入，这无疑是一个风险征兆。

第二个征兆是，一些私募债务公司开始快速进入这个领域。

我们做了一个示意图来简化说明：

比如像 Meta 这样的公司，要建设一个300亿美元的算力中心，但不想自己全额出资，可能只出5亿美元（相当于项目总投资的约1.7%，或前期资本金的20%），然后成立一个SPV（特殊目的实体），由 SPV 向私募债务公司借钱，最终完成这个大型算力中心的建设。

这个过程本质上是一种表外融资，就像过去中国房地产行业常见的操作，通过大量表外融资，降低公司表内负债，让Meta这类公司的资产负债表没那么难看，把负债都转移到表外。

这种特殊的融资结构，我们认为也是一个危险的信号。

AI正处于互联网的1997-1999年阶段

今天大家都能看到 AI 的进步非常快，但它的收入增长其实非常缓慢，而资本开支却极为庞大。从各项指标来看，如果以上一轮互联网泡沫为参考，我们认为当前的 AI 行业可能正处于1997年的繁荣到1999年泡沫之间的阶段。

可以通过一些指标来看。

席勒市盈率（即美国市场剔除周期波动后的长期市盈率）目前的估值虽然还没有达到2000年泡沫破裂时的峰值，但已经非常接近；科技行业支出占整个GDP的比例，目前也已非常接近 2000 年的高点。

总体而言，我们认为AI 泡沫可能还没有到 1999 年那种即将破裂的程度，但确实已经处在比较高风险的区域。

站在当下，我们不得不考虑：如果泡沫破裂，可能会带来多大的影响？

首先来看这个泡沫对美股和美国经济的影响。

我们自己做了一个估算，今年美股的上涨，有80%以上来自 AI 相关产业链公司的股价推动。

再往前追溯，自ChatGPT 发布以来，标普500的涨幅中，有四分之三来自AI产业的贡献，这意味着美股已经越来越依赖 AI 相关的资本开支和股价上涨。

其次，美国经济如今的大部分增长，其实与AI的关联度很大。我们主要参考了哈佛大学经济学家杰森・弗曼（Jason Furman）的观点，他表示：美国今年4个点的GDP增长中，有92%与AI相关；如果剔除AI相关投资，GDP增长可能仅有0.1%左右。

也就是说，对美国经济而言，AI目前已是核心驱动力。这使得 AI 泡沫当前与美股、美国经济深度捆绑。

虽然尚未到破裂之时，但我们认为有必要提前做好预警和预案，为未来一两年可能出现的泡沫破裂，以及其对经济和市场的冲击做好准备。

最终我们认为AI泡沫是一个 “产业型泡沫”，就像我们刚才提到的环球电讯那样，即便泡沫破裂、公司倒下，其留下的资产依然具有价值，这些资产对行业未来的增长至关重要。

只是早期的投资者可能会面临亏损，但资产本身的长期价值并未消失。

泡沫破裂后的投资机会比今天更好

那么，面对这样一个长期远景巨大、但短期存在泡沫的领域，我们的思考是如何参与其中：

第一，保持耐心和关注，等待泡沫破裂后的投资机会。这个窗口期其实很长，我们可以看看互联网泡沫破裂后的几个案例，就能发现泡沫破裂后，有足够长的周期去布局。

第二，AI 的发展路径和过去的互联网很像，会先从硬件开始，再到软件，最后到应用。

当前的市场趋势也印证了这一点。第一阶段是硬件，比如英伟达的供应链、云计算相关的硬件领域；往后看，应用会真正崛起，所以应用端的机会是我们重点关注的。

第三是，我们觉得应该配置一部分与AI不相关、且不会被AI颠覆的行业。万一未来泡沫破裂，这些行业能给我们提供很好的缓冲。

我们逐个来看应对的策略。

互联网泡沫破裂后，有三个典型的赢家：亚马逊、苹果和微软。虽然它们的股价当时出现了大幅下跌，但最终都成长为伟大的企业，成为今天美股的核心支柱。

当然，这个过程中，100 家公司里可能有99家都消失了，当年互联网泡沫中的大部分企业都已倒闭，这些是幸存下来的佼佼者。

但即便是真正的赢家，投资周期也非常长。

以亚马逊为例：互联网泡沫顶点时，它的股价（经拆股调整后）约为1300多美元，泡沫破裂后最低跌到66美元，跌幅超过95%；直到2008-2009年，股价才重新回到泡沫时期的高点。

而到今天，经拆股调整后的股价已超过6万美元，长期回报率极高，只是泡沫破裂后的跌幅极大，且花了接近10年才重回高点。

微软和苹果的情况类似，股价当时跌了七八成，之后花了几年甚至十几年才回到泡沫时期的高点。

所以对我们来说，等待泡沫破裂后的机会更合适。

首先，此时估值足够低；

其次，投资周期很长，我们有足够多的时间布局。泡沫破裂后的5年里，竞争格局会变得清晰，质量差的公司已经破产退市，真正的赢家数量减少，我们挑选优质标的的风险会小很多，也能更清楚地识别赢家，此时的投资机会更好；

第三，第一轮上涨通常由对未来的远景预期驱动，没有收入和利润支撑，只是基于 “未来行业会很大、企业会很强” 的判断，所以市值增长存在局限；而泡沫破裂后到行业成熟的阶段，市值增长是由盈利增长推动的，最终的回报幅度会比单纯依赖预期的第一轮大得多。

所以我们的第一个观察思考是，泡沫破裂后的投资机会比今天更好。

领先的互联网平台依然是很好的选择

第二个应对策略是，AI 会复制互联网的发展路径，从硬件到软件再到应用，这可以通过上一轮互联网泡沫前后的行业表现对比看出来。

我们可以把思科看作硬件（互联网发展的重要载体），微软看作软件，苹果看作应用（此处为简化分类）。

在第一轮互联网泡沫期（泡沫破裂前），硬件的涨幅最大：思科涨了100多倍，微软涨了20多倍，苹果涨幅不到1倍。硬件涨幅远高于软件，软件又高于应用，这是第一轮的机会。

但从2001年往后（泡沫破裂后的第二轮），情况发生了变化：硬件涨幅仅为两倍多，软件涨幅达到37倍，而苹果作为互联网时代最终的应用和生态巨头，涨幅最大，达到1200多倍。

这个路径非常清晰，从硬件率先启动，最终走向应用，我们觉得AI大概率也会复制这样的过程。

过去市场的热点主要聚焦在硬件领域，但未来，应用可能会慢慢成为投资主流，最终诞生一批真正的大市值公司。

在所有应用中，我们认为领先的互联网平台依然是很好的选择：因为到今天，中国很多互联网平台的估值里，AI 相关的溢价非常少。除了阿里巴巴等少数公司，市场会给其AI业务单独赋予估值，而很多其他互联网平台的估值仅反映传统业务，并未充分体现AI的价值。

为什么这些平台有吸引力？

首先，它们不太容易被颠覆。我们不认为 AI 领域会出现新的应用来颠覆腾讯这类传统互联网巨头，核心原因是模型的差距正在缩小。从我们整理的数据来看，各家大模型的能力正在收敛，此时真正的竞争会转向用户生态的价值。

超级互联网平台已经建立了成熟的用户生态，而AI创业公司恰恰缺乏这一点。这会成为下一轮竞争的关键差异：模型性能的差距不再是核心，真正的核心是是否拥有足够的用户、足够的应用和足够完善的生态。

上图是基于不同维度，对行业内领先大模型的评分：黑色代表闭源模型（不对外公开参数，仅通过API 授权使用），蓝色代表开源模型（公开参数，可直接下载部署，无需向模型公司付费分成）。

我们能看到，如今开源模型的竞争力已大幅提升，虽然整体水平参差不齐，但像Kimi K2的表现已仅次于GPT-5。

开源模型的快速追赶，使得传统互联网平台被颠覆的风险大幅下降。如果 AI 创业公司的模型能力远超传统平台，或许还有颠覆的可能，但现在模型能力已经趋同，传统平台的用户生态优势就成了不可替代的壁垒。

值得一提的是，当前开源模型主要由中国企业主导，大部分主流开源模型都来自中国企业。如果观察北美市场的模型应用情况，除了前4名的美国 AI 巨头，后面有4 家都是中国企业的产品，包括Minimax、Deepseek、千问、智谱。

中国企业开发的开源模型在北美市场的应用越来越广泛，这也说明，在这一波AI浪潮中，中国基本上没有被落下太多。

刚才提到，应用可能是我们重点关注的优质领域，同时我们觉得，不可或缺的一部分是投资那些不会被AI 颠覆的领域。

为什么？因为无论 AI 如何发展，它都难以颠覆某些特定类型的企业：比如类似高客单价、重体验的极致零售商。这类业务需要大量线下运营支撑，仅靠 AI 技术无法替代；也不会颠覆像可口可乐、茅台、爱马仕这样的品牌企业，它们的品牌价值并非AI所能替代。

这类公司的好处是，它们不在AI 热点赛道，大家都关注AI，所以很多公司的估值其实很合理，且拥有稳固的竞争优势。

长期来看，它们还能受益于AI带来的降本增效，我们已经看到一些积极变化。AI 对全社会生产力的提升所带来的红利，最终会溢出到这些公司，让它们分享到 AI 驱动的生产力增长成果。同时它们不会被AI 颠覆，且估值具备吸引力。

若未来AI 泡沫破裂，这类投资能提供很好的安全垫和缓冲作用，对我们来说是不错的布局领域。

组合构建的四个方向

现在我们的组合构建，大致是这么几个方向：

第一个是这种AI的超级平台，我们认为首先被颠覆的风险消失了，然后如果AI从硬件到软件到应用，其应用会慢慢在未来两三年成为AI真正发挥作用的主流。

同时我们认为下游的竞争是基于生态和用户的竞争，所以拥有最完善生态的公司，它的参与者越多，它的用户越多，它最有可能在 AI 中取得很好的结果。

真正的AI应用也会出现在这种已有的操作平台，尤其是像微信里面的那种生态，它集合了所有的互联网应用，在小程序可以调出几乎所有的应用。

比如说未来当你说 “我要买一张从广州到北京的机票，订一个北京的酒店”，它可以调用各种小程序来帮你完成这个计划，它会带来很多新增的价值。

这是我们所关注的一个核心的点。

第二个是消费行业，我们看到的是，可能大家都能感受到消费还很疲软，消费很低迷，大家还是不愿意花钱，但是实际上很多具备供给端整合优势的消费公司，它的业绩、它的盈利是在创历史新高的，直到今年三季度它的利润都在创新高。

为什么？因为即使需求不好，很多消费领域已经完成了供给端的整合了。

比如说啤酒企业，很多区域的啤酒市场已经是只有两三家垄断一个区域的市场，所以需求再差，企业也不会降价，企业还是会推动更贵一点的产品。当然价格敏感度没有那么高，所以最终即使需求量在下降，企业盈利是在增长。

我们看到其实这样的公司还是很多的。

很多消费公司目前的盈利能力在需求很低迷的时候依然很高，现金流很多，分红率也很高，我们认为最终它会受到消费重新恢复的推动，它的盈利会在下一轮当通胀出现的时候，出现一个很好的增长。

过去几年消费低迷一个很重要的原因就是，大家感觉资产价格一直在跌，股票也在跌，房价也在跌，所以居民会增加储蓄来增加安全感。

但储蓄增加到一定的限度以后，我们不会无限增加；房价跌到一定维度以后也不会无限往下跌，这个趋势最终会得到改变。

我们从 “十五五” 规划其实也可以看到，未来5年消费是真正的内需，是真正推动经济增长的主流，它会比出口承担更多的增长要求。

第三个是制造业的龙头和细分领域的行业冠军。这是我们过去，包括目前投的比较多的一个领域。

在很多细分领域，其实我们看到这里面的差异是很大的，有很多大家可能没有听过的很小的行业，存在一些非常强的龙头。龙头可能规模也不大，但是这个行业可能只有一家在挣钱，第二名、第三名、第四名就是要亏损的。

这些行业可能很难变得更差了，因为第二名都已经开始亏损。

在这种情况下，第一名还有很强的盈利，它的估值也很便宜，有充沛的现金流。

我们还看到部分行业在逐步落地“反内卷”，预计也会有盈利修复的机会。

此外，还有一些周期性的行业，有大额净现金，分红率高且估值比较低。同时在宏观慢慢恢复的情况下，它也会带来不错的盈利增长和回报。

总结一下

1、AI是一场工业革命，其影响将超过历史上的三次工业革命；

2、社会和各行各业对技术吸收需要漫长的时间，从技术发明、到配套产品和能力形成、流程再造和组织变革，新的商业模式形成；

3、AI商业模式远远没有形成，无法产生内生现金流，但是资本开支巨大的支出带来了风险；

4、环球电讯就是典型的例子，在互联网真正繁荣之前就破裂的泡沫，是我们需要极力避免的；

5、今天AI周期可能介于1997年的繁荣和1999年泡沫之间。泡沫的破裂可能对美股和美国经济带来冲击；

6、保持关注和耐心，等待泡沫破裂的机会。最后的赢家也会经历大幅的下跌，有充足的时间窗口去投资。你不需要在100家公司里面找到那个最终的赢家，那时竞争格局已经足够清晰，而且在盈利的长期增长的推动下，这些赢家最终的涨幅远远超过第一轮泡沫的涨幅；

7、我们认为AI会复制当年互联网的发展路径，先从硬件开始，逐步到软件，最后到应用。超级平台是我们最为关注的，开源模型的发展大大降低了颠覆风险，生态和用户成为下一轮竞赛的决定性因素；

8、我们投资于不受到AI颠覆的公司。这些公司稳固的竞争优势，将长期受益于AI带来的降本增效，以及潜在的AI对全社会生产能力提升的红利。

—— / Cong Ming Tou Zi Zhe / ——

排版：唐唐

责编：艾暄