付鹏与林超警告AI投资真空期风险

付鹏与林超警告AI投资真空期风险 AI超级周期的最大风险在于投资者忽视产业周期与流动性杠杆，在等待下一个ChatGPT时刻的“真空期”中盲目乐观导致资金折损。 本期节目深入剖析了AI对金融、经济学及日常内容创作带来的颠覆性重塑。三位嘉宾结合自身作为金融从业者与内容创作者的双重身份，分享了对OpenAI、Claude等AI工具的深度使用体验。他们重点指出，在AI超级周期中，投资者需高度警惕忽略产业周期、流动性与杠杆带来的“真空”风险，并探讨了AI投资下半场的行业趋势与普通人的红利机会。 付鹏、所长林超与投研部杨摸鱼在播客中对谈，从金融从业者与内容创作者的双重身份出发，探讨AI对日常研究与宏观周期的深远重塑。 所长林超透露其年均仅交易两至三次，日常深度使用OpenAI、Claude与Gemini等大模型工具辅助跨界啃透芯片架构和存储等产业基本面。 嘉宾指出AI发展正冲击美联储的传统决策框架，在金融与AI结合的浪潮下，算力期货与24小时交易机制未来或成现实。 针对AI超级周期投资，嘉宾警示即使选对风口也需防范产业周期、流动性与杠杆带来的“真空”风险，而当前整个市场正处于等待下一个“ChatGPT时刻”的关键阶段。

本期节目聚焦AI对金融与内容创作的实际影响，所长林超结合其极低频的长期投资策略，介绍了借助通用大模型辅助芯片、物理等硬科技深度投研的实践经验。 从业者背景与AI重塑日常 主持人杨摸鱼介绍了对话嘉宾宏观经济学家付鹏与B站UP主所长林超。杨摸鱼指出，三人的共同特征是兼具金融从业者与内容创作者的双重身份，而探讨的核心在于AI技术如何作为宏观变量重塑他们的日常工作与分析流程。 低频深度投研与大模型辅助 所长林超透露自己每年的交易次数仅有两三次，属于极低频的长期投资风格，因此必须跨界深入研究物理学、芯片结构及存储技术等底层产业基本面。在工具层面上，他日常深度依赖OpenAI、Claude和Gemini“御三家”通用大模型来支撑其研究需求。 由于提供的信息文本在此处截断，林超对各家大模型的具体差异评估以及付鹏等其他嘉宾的宏观视角尚未展开。

AI如何重塑经济学和金融业——美联储决策框架受挑战？算力期货、24小时交易或成现实 找对风口也可能赚不到钱——AI超级周期的最大风险是忽略产业周期、流动性和杠杆带来的“真空” AI投资下半场，存储和光到顶了吗——“所有人在等一个ChatGPT时刻” 普通人如何寻找自己的AI红利？——“艺高”还要“人胆大”

[0:00] 新任的美联储主席凯文沃时上任了沃时有个观点以后随着AI生产力的大爆炸整个社会它是供过于求的或多钱少那么这一步这一步会通缩这个不对的那个是自媒体的老外星讲美联储通胀和就业帮螺旋的角色方向其实是有一点点合适前天不是正好格林斯坊走吗神经病你可以理解一个时代就是一个时代的结束纯属这个东西的到底现在有没有泡沫了它是不是已经走到底了在最确定性下最大的问题永远不是产业的转折点永远是杠杆的转折点而三星海力士的大问题其实非常简单加杠杆加的杠杆太高了早下一两个月再上去那个波动会很大网上很多的实际上是在跟你说人工智能时代来了但实际上是有点焦虑的因为大部分人其实是做不到的尽量的把自己变成用工具去创造的人第一批吃螃蟹的人别去做最后大家都用我也用的那个人那个到时候机会其实就不多了各位bilibili的小伙伴大家好欢迎来到B站知识区范财经视频播客人生beta版我是up主投研部杨博鱼坐在我身边的是大伙的老熟人了up主所长林超老师坐在我对面的是宏观经济学家傅鹏老师我自己是傅鹏老师很多年的粉丝了同时所长您的账号我也是非常早期的一批关注者了我们今天聊的主题是啥呢是当下这个时间节点几乎所有人都没有办法绕开的一个话题那就是AI作为普通人和投资者我们要如何去理解面对这一轮AI的技术浪潮其实我发现两位老师和我我们三个都有一个共同点我们既是金融从业者同时我们也是内容创作者不知道两位老师平时使用AI的情况怎么样有没有感受到AI对自己的工作甚至对行业产生了一些影响我理解你可能想问一问我现在在做投资的时候怎么用AI比如说我的投资其实是属于比较偏向于长期持有每年的交易次数可能就是两三次所以这个情况下我就要做很多的基本面产业基本面研究甚至是物理学的一些研究比如说芯片结构啊比如说存储啊就这些首先玉三家就比方说OpenAI Cloud还有那个Gemini这三家其实是都不错的都可以都各有千秋的所以说第一个是说我确实是会用一些公用的通常大家用的引擎第二个就是AlphaSense等于说它也是所有的研报包括专家访谈对吧都有我对基本面研究来讲Alpha Sense我觉得足够了但是它其实也不便宜对普通人来讲其实也还有点贵但是它是非常好用的你直接用QA的方式自然语言对话的方式你就把所有的公司基本面的这些东西就基本上全部都能够去聊完因为其实金融圈的一个最大的挑战还是数据本身就是你roll data是很麻烦的你直接问GPT他们有的时候都换绝它没有那个数据查不到所以你经常得问他的时候你得告诉他说如果你没有找到真实数据请告诉我你没找到你要是不说这个他就给你杜撰我这其实准确说我谈不上叫内容创作者本质上都是孩子们在创业我就纯粹属于牛马在打配套从我的角度来讲还是聊聊关于金融行业在70年代80年代那上一场技术革命也就是以计算机为主的那个时代大家开始使用个人PC的环境下我们的金融行业发生的我认为是二战后最重要的一次算是质变因为随着计算机的这种普及实际上金融衍生化才能真正一场的出来就像我们很多大学里的教科书里边你去算一个期权好的家伙你如果用笔纸去算等你算完了那边基准价格可能就已经变了这根本不适合用于我们说金融市场去报价定价交易更不也提风险管理了所以说你如果没有计算机的大规模普及其实本质上来讲就不会将课本中的金融衍生它真正一上变成一种我们说金融市场在计算机早期你就是程序化你在后头叫量化 你再往后实际上可能就是AI确定已经直接介入了最多5年10年的左右的时间这个叫以AI为代表的会在金融的各个层面上去进行所谓的叫颠覆式创新实际上你看现在包括有些交易所已经在发生变化了CME已经在推所谓的叫算力期货 因为他也意识到了将来 [5:00] 可能最重要的生产资料不再是这些大宗商品了很有可能变成算力了比如说证券交易所纽交所等等他也发现了以前我中间可能还要休息一下我以后可能直接去做对24小时7天这种交易了所以实际上都在变其实我自己就做一个研究员我今年的体感是国内的AI跟以往真的区别很大前几年我让AI帮我写研报几乎不可能它只能给你生成一个粗略的大纲然后简单的给你一些观点数据可能就是有很多数据幻觉但是今年有个什么区别就连aging都出来了然后我最近头位蒸留了一个我自己的分身出来我是怎么去蒸留它的我把我过去两三年写的一些言报就集中发给它然后我让它做两件事情第一个首先你分析我这个人的思维模式以及特征第二个你把我整个研究的过程把它分布着写成很多个工作流然后由此形成一套可复制的方法论下一次我想研究一个行业的时候它就会按照我的思路一层一层的就是我要去怎么查我要去怎么复盘产业周期然后去构建一个分析框架更关键是它不光是可以做到这些而是它可以不停的迭代和升级如果你找到数据像国家统计局它是没有图表的不够直观那你就一定要把这些数据把它变成可视化的图表你发现它们是可以不停的迭代的就你花七八个小时你发现几乎可以替代到一个研究员甚至是一年以内的就是这样经业的行业的人刚好就前段时间我一个做投资的朋友他问我他说摸语院我最近想组建一个研究团队然后呢你现在知不知道整个行业就招个研究员大概多少钱我说你先别着急你先agent你用过没有这一刻我真的确实感受到可能行业会被受到冲击的就是就业的情况但还好不用担心这个事我倒跟你讲不用那么的焦虑因为将来我来跟你讲就是技术的发展后边一定是监管的跟上因为AI和人最大的区别翻译成人话就是AI不担责人要担责所以最后是会变成这样的就是每个人去做自己的学习库去做自己的研究没有任何问题但是你如果想生成报告去进行发布对不起一定要去AI化这个没办法的因为有人说是个效率的问题其实不是效率其实是责任的问题第一咱不说AI有幻觉你哪怕是蒸留了自己你出来的东西如果直接的去投放到市场上如果产生了问题这个东西谁去担责如果老百百姓自己分享那无所谓了我自己做做research做做学习库我去分享分享这个没有任何问题但是你如果是作为金融机构将来去发布信息换句话说这一定会要求你合规实际上将来机构里的研究员最大的价值实际上就是他从业资格这里边的行业实际上会保留就可能没那么多人了你比如说以前像券商金融机构可能一个研究员利用点叫实义生对吧然后去做现在可能实习生的岗位会没了那你就变成我可能用AI去做但他一定要合他的逻辑他的数据他要一步合那其实除了在金融行业以外我之前看到所长最新的视频里面提出了一个AI原生公司的概念今年年初有很多公司就让他员工离职了但我把这个员工的工作流还有他之前工作的资料我全部上传出去我征流出一个scale来后面这些scale就顶替他们工作了以后有没有可能整个公司就一个员工都没有我们连办公场地都省了租金都不用给了整个公司就是一个机房数字游民就提供电费和token的费用以后有没有这样一种商业模式OPC这个词其实是现在过热了其实OPC是很难形成一个可持续的一个商业形态的因为一个人他其实太懒了他有的时候想起来就起来想不起来就起不起来但我觉得有可能微型公司会出现比如说几个人我是三四个人他有一个commitment公司有很多agentagent集群在帮他们做事情但说句实在话现在这个事情还离落地还是有一点距离它都不是一个技术问题它是一个商业生态问题你到真实物理世界要替代人还是差得有点远的AI又不能替你去跟客户喝酒是的所以说这个其实还是有一个蛮漫长的过程的就是你在信息时代的游戏游戏规则进步得很快但是你会遇到工业时代农业时代的很多游戏规则第二个就是说我现在发现AI Native的公司一个很重要的特征是飞轮从数据到算法到使用者的使用我们在人工智能里面叫强化学习这三者之间它产生的飞轮上一个互联网时代比方说Google在搜索引擎时代它就已经是个飞轮了对吧然后像头条今日头条还有抖音他们也是一个数据飞轮的形态如果你讲到AI native的公司的话它是把这种这种数据飞轮的形态泛化到了很多小实体里面去未来可能很多很多公司 [10:00] 就是它会出现越来越多的小飞轮就是它的销售可能是一个飞轮它的研发可能是一个飞轮它的物流供应链体系可能是一个飞轮可能是这样的所以说最重要的最重要的AI Native的公司的特征是它会形成越来越多的小飞轮那么这个飞轮确实会使得它越来越不依赖于就增加人筹去规模化但不表示说它的公司的这个业务形态需要的人筹就是几个人因为它有的时候它的闭环很多它的链条很长他可能就需要几十个人但只不过说他一旦这几十个人把商业模式跑下来了他可能说我要增长一百倍的规模或者十倍的规模我不需要再增加十倍的人手了是的他是本身上是一个是效率提高了第二个是迭代变得非常快了单位劳动力的产出增加实际上是个效率问题然后剩下的是个流程的问题就是只有那种本身流程就很短的他才会进入到这种所谓的小规模企业化或者是个体一人公司化这种模型只有流程非常短的链才会这么做长链条的几乎不可能的但它会在局部创造避坏对的我们刚刚说就单位生产力提高了最近的新任的美联储主席凯文沃时上任了沃时有个观点我觉得很有意思他觉得以后随着AI生产力的大爆炸整个社会它是供过于求的或多钱少那么这意味着就会通缩这就为他降息提供了支持反正我不怕通胀我就降息这个不对的这是老百姓的理解首先第一点他还提到了要对我们说通胀的影响要素要重新的去定义和架构刚才讲到的效率的提高就是生产力然后带来的这种效率的提高带来产出的增加就是刚才你讲的逻辑商品再变多是不是东西会变得便宜东西变得便宜不等于通胀因为通胀的定义中间我们说商品是占一部分比重但同时服务也占一层比重也就是人的价值也占一层比重就是整个流程在同购的过程中每个人的单位价值是不是提高了也就代表每个人的收入在增加只要不卷这个里边一定不能卷因为卷就会出现非常麻烦的就是你的劳动成果是通缩的我给你举个短流程的就AI的例子其实现在已经有了漫句你是不是看到中文在线现在做的数据统计中国现在55%的token使用到底去了哪不是去软件扣定软件扣定大概只有15%还是2%大头是AI慢剧55战斗了当然你现在比如说你跑到什么平台上去看你会发现那个迭代速度现在非常的快效率也极高原来可能100级的剧可能以前要做几个月现在我跟你讲就一两周就更新了但大问题马上就来了效率提高了生产出这么多的巨怎么挣钱同质化也严重所以你会发现这个链条就出问题了在整个宏观经济中间以前叫人和资本劳动力加资本这两个核心要素将来会出现一个变量就是劳动力这个变量是不是还是最重要的生产要素这个会是人工智能时代重点的一个颠覆它一旦颠覆掉劳动力就会出现 如果劳动力本身就是紧的 就人少 效率高 人的价值会提高的美国你现在其实能看到就那种情况 就是硅谷的活下来的马农们将来收入很高但同时你放心 你如果想请一个人给你去清理你家草皮依旧会很贵你如果能够效率大幅度提高的时候它的服务价格一定15美金变成150美金所以它那个服务价格的上涨会成为通胀因素变量中最核心的而不是商品所以凯文卧史讲的两头其实并不冲突的他这头讲的是关于商品就AI带来的商品的效率的提升才能的增加但另外一头它带来的是人的变量你把它组合在一起才是真正以上的通胀不是单一的说商品便宜了就通胀减少了就可以降息了不不不那个是自媒体给老外星讲我觉得凯文卧室肯定是看到了一些美联储原来决策框架上的一些问题的首先第一个美联储之前的通胀和就业这个方螺旋的决策框架其实是大概77年78年的时候出来的所以说其实是有一点点这个框架有点过失了大家衡量的是一个工业时代的以原子为核心的这么一个运作的一个世界但是后来比特出来了他是信息论主导的他是信息他不守恒我们现在去share一个东西傅老师告诉我一个刚才聊了一个东西我觉得我很有收获那我也学到傅老师的知识那我们两个 [15:00] 然后我们交流的过程中普老师也有期吧就共同大家都好啊所以新兴实在它是有一点非稀缺性的所以说经济学的很多的底层假设其实都受到了一些挑战美联储的一些决策的底层的框架经济学的稀缺稀缺它是管着原子世界的那比特世界它不怎么稀缺它是有风域性的就是均衡均衡也是有问题的那美联储的假设是说我放水水就会平均的流到经济的各个地方那也有可能现在放水之后K型分化了就水就集中的流到某些地方然后有些地方就是始终流不到它不均衡了但实际上不均衡是比特世界的特性比特世界就是非常容易产生这个急剧效应赢家通吃秘率分布这是比特世界的特性那不是正态分布其实傅老师刚才讲的服务和商品它有那么一点意思对从他通说就技术的本质它可以是极大生产但是人类的需求一旦你有了可支配资产比较多的时候你的需求其实精神需求有很多啊所以这个里面有很多服务业的创新的功能所以出现一个K型分化所以我觉得我不知道解法是什么但我觉得凯文沃斯肯定一直到这一点了然后反正未来的10年20年一定是美人储重新制定自己的决策框架的一个比较漫长的一个周期吧前天不是正好格林斯坦走吗谁让你可以理解一个时代就是一个时代的结束包括巴菲特退役退休就是一个时代格林斯坦巴菲特是一个时代的就他们推出历史舞台然后新的伯格西拉才会新的一来就买Google对这就是这个其实凯文卧室也代表着一个完整的新时代新的周期整个框架其实都会更一样我们刚刚聊的都是一些宏观层面就是AI对于我们整个社会生产力的一些影响那现在呢我们把事要拉回到产业方面看一下很多投资人关心的一些AI下半场的一些产业趋势那其实我们今年市场上很流行一句话叫做算力的尽头就是电力因为就是现在AI数据中心它其实是一个电老虎嘛一个G瓦级的数据中心它差不多它耗电量相当于做三四线城市了就非常夸张那过去几年就美国在AI上的资本投入是远远大于在电力上面的投入的所以现在拉开了一轮新的电力投资周期但其实除了电力以外我们发现AI它可以带动这产业是非常庞大的黄仁勋他整理了一个五层蛋糕目理论一个是能源第二层是芯片第三层是基础设施第四层模型第五层是应用在我看到所长最新的一些视频里面就是您把框架进一步的细化成了12个层次我说的12层是一个比较长时间的最终可能二三十年内会对整个社会结构发生影响所以我觉得这个12层里面绝大多数的层次在后半段的还不具有投资价值如果我们从投资的角度其实现在能交易的其实还是值在前面的那些层级首先基模我们先说一下基模公司计划公司有几个特点现在第一个就是其实大家可能没有注意到就是计划公司的利润率已经上来了以Entropic为代表它现在推理的基础设施的利用净利润已经去到70%甚至以上了为什么计划公司有个关键词叫命中率我们每个人交互一次他都在算都在计算对吧但实际上你如果是跟他交互的人多了他就会用一个方式叫做以纯代算就是他这个答案他其实是先存在里面然后呢你其实是命中了就是你不是说精确命中它是有一个匹配的原则它根据一些权重参数就是算所以说很多东西它是不用再算了一旦这样子的话它就第一它节省了很多能源它节省了很多算力它就不用把所有钱都只花在英伟达身上它就放在它就放在成组上头部的计谋公司命中率来提升那么使得它的成本其实成本收益现在改善这个第一个第二个就是计谋公司现在是黑洞他是一个蒸馏一切的黑洞他不光吸数据吸skill他还吸人才他把诺奖得主他把一堆的独角兽公司的CTO都吸过去给他当普通员工这很可怕就是红吸黑洞第三个是地规地规就是程序自己写程序整体上就版本不断优化的迭代数这边加快但它人数并没有增加它不是靠工程师人数增加实现的闭环形成了它的编程的研发的闭环都形成了还有一个特点就是基模公司是叫做unfungible的就是叫做非同质化的其实token电力是不一样的因为智力思考问题的方式我举个例子比方说谷歌它就一向来比较擅长多摩泰多摩泰这块做得比较好然后像那个Entropic他本身就是非常专注于CodingArient集群长城计算所以他在强化学习这块他做了很多的东西他完全放弃了视觉那OpenAI相对来说他就多元化一点他大家每个人他都有各自的一些策略他出来的这个模型的taste也不太一样 [20:00] 各自有各自擅长的东西就中国也是一样的中国的质朴啊minimax啊其实大家底层的这个基因还有点不一样它出来的这个答案和擅长的东西还有点差别GPU呢就非常有意思了就是英伟达从一家读大现在变成了其实它是有几个隐忧的第一是所有的它的客户都是超级大厂那超级大厂肯定不愿意自己的被卡被卡在英伟达那里所以大家都在自研自己的芯片推理芯片第二个问题是英伟达实际上在Kuda这个生态上也遇到了一些挑战就是说Kuda现在这个在更上层呢就是说更亲民的这层其实有这个OpenAI推出的叫做Triton以这个Python可以写的程序员跟他友好的一个语言这意味着AND还有一些其他的挑战者他有可能就是说慢慢的发展了直接就让你用Triton就去做他的东西所以说这也是一个潜在的隐忧吧那英伟达的策略是什么呢你会发现英伟达的策略是一个非常暴力的原始的策略就是叫做垄断晶圆跑到下游去跟台积电谈跟海力士跟三清去谈他把晶圆最原始的最大的份额我给你牵走我牵走了别人你要做先进的芯片你可以啊你设计的天花乱坠你算啊你什么都有你IC设计都非常好但是你就是没有足够芯片来生产啊所以你发现他现在是这么个策略他就往下垄断芯片然后往上呢他吃掉那些什么富士康啊那些做组装机的生意他现在越做越大他已经不做芯片了他已经是一个机柜一个机柜的开始卖所以你会发现英伟达的确实股价没有暴涨的原因在这里就这个隐忧在然后再说一下这个存储呢存储现在到底是在三腰还是已经涨到顶了现在是有很大争议的首先我觉得内存和存储是两个争议就是我们三层嘛HBN JAN和这个Nate对吧然后呢其实Nate它就是叫做它其实就是存储就我们所叫的存储但是JAN和HBN它是内存内存是贴近计算的所以内存的未来的发展方向发展方向它是跟计算融合存算一体对 就纯算议题现在他们叫PIMProcess in Memory就是现在是海力士和三星他们在逐渐在推的下一代的计算模式从计算科学的原理来讲就是一个单位的数据你放在计算单元里面计算所消耗的能量跟你从这个存储体把它搬到计算单元上去的消耗的能量就搬运把这个需要计算的数据搬过去的这个能量两者的对比两者对比你猜一下多少倍八倍就是计算一个数据和搬运一个数据相差五百倍五百倍是什么是HBN的倍数如果是DRAM相差三千倍计算是很不好能量的实际上现在这个在整个推理的过程中你会发现主要的东西都好在存储数据搬运上就是那个传输的那个过程那个路上的数据因为它得把这个数据挑出来把搬过去这个东西很好所以这个从最底层的这个科学上来看就是存储它未来扮演的意义内存它本质上它是在扮演的是一个节能器未来的三年更关键的东西叫低延迟低延迟就low latency这个其实更关键所以低延池需要什么?需要封装需要封在一起,把计算和存储封在一起所以你说,存储这个东西它到底现在有没有泡沫呢?现在阶段性的肯定是有人要出货的但是它是不是已经走到顶了呢?还没有这就要说到内存和存储的差别了就是存储现在还是商品还是商品,它是标品来的,它是标准化的但是内存其实已经开始跟计算融合了它就不是标品了这个内存会越来越像非标品越来越需要定制融合跟计算融合然后再说一下光光现在反而是在事梦率的阶段还在平常向阶段就是科技公司走到靠利润增长利润增速非常非常快的那个阶段释放的那个阶段的时候其实就相对来说已经到了比较稳健的阶段了最稳健的就是说利润也高自由现金流也高就科技公司到了这个程度英伟达有一段时间就这样就你很难它就很难跌其实就是标准的佩利斯产业生命周期对一个标准光等于说在早期在早期嘛这个富翁老师也很了解英伟达2021年以前也属于早期2022年沙万估值然后2324进入到最确定的阶段然后英伟达24年7月份闪崩进入老灯就是进入真正的老灯谷然后它进入到老灯了以后因为开发X之初就会沿着机柜往上游去翻所以这个时候无论是内存这些上游的硬件就开始陆陆续启动陆陆续启动了以后现在这些就是 [25:00] 主要过我们单纯从市场因为我不是行业我们不去做行业但是我们会观察产业链傅老师你们在交易框架里面也会把AI资产当成一类半导体会当成一类大量资产我们是完全的按照工业体系去考量的它本质上就是一场工业革命所以它的整个产业链的发展跟工业体系的产业链发展投资方式没有任何差异性我给你举个例子2001年当时林一夫和谢国中当时在中国讨论最多的话题就是是否要做大规模基建那么林一夫的观点是中国有空间可以做大规模的基建开派次投入而谢国中的意思是这个时候如果做可能会看不到车跑那意思是可能会有债务的问题到2002年15大就是两会开完拍板定性中国要搞基建2003年我们的配套资金专项债然后中央划波的资金开始到项目上去那么03年的整个我们说包括公路铁路水利这些投资开始上然后到04年 在A股市场上大家的投资就是海螺水泥 瓦钢股份 中石油 三一重工钱已经划拨到了项目上 你就立刻的要买水泥 买钢筋 买利青那么你立刻的就要去买这些工程机械设备来去铺路那么他们作为基建投资的上游的硬件那么就带来了非常明确的叫确定性所以你看这个周期我告诉你就是AI的周期一模一样在2021年以前你处在早期就15年16年大家是我们知道要有一个科技革命但是我们不知道科技革命是谁或者是哪个当时典型的我估计载入史册的将来应该是木头姐木头姐当时他是从卖方跳出来但是他跳出来的一个合音逻辑他做对的一件事情就是他知道需要一场技术革命了当时我记得他很经典的那页PBT就是未来到底是什么我不知道但是能是什么的可能性我全在那一人批语题他把人类几乎未来可能路径全放在上头了那你把钱给我我来帮你们偷这就是ARKK基金所以当时我看这个社交媒体上大家都管他叫女版巴菲特我心里想到我说他跟巴菲特完全两回事我说他叫女版孙正义可能合适对对对对他是个二级市场的孙正义对他是个二级市场里的孙正义所以他的整个基金表现会在佩里斯产业声明周期的早期也就是大家这个事有梦想有理想有估值的时候他的整个基金回报是最好的这个时间大概是什么时间大概就到21年的年中那个时候英伟达刚刚的占到1万亿左右然后完了以后这个时候英伟达其实也处在一个光模块的情况就是说大家觉得他未来有戏那么现在给了很高的估值所以当时你如果看英卫达其实英卫达第一次占到1万亿以上其实靠的是估值推动P1我记得是200多然后在22年当时的大宏观环境是流动性收紧也就是水其实所有的投资在金融里它其实本账还是跟钱有关产业加钱技术加资本这才是合赚但22年就属于真空期第一标志性的事件出来了吗没有大家的梦想变成现实的事件没出来22年就成了一个技术上的真空第二22年的流动性收紧所以当年你记得英伟达跌了67%对然后木头姐跌了7%就整个市场杀了一波估值下来到2022年底23年初ChattGPT出来那个一出出来大家发现可行了就路径确定了梦不是梦了梦要变成现实了英伟达进入到最确定的2324年就是最确定所以你看那个时候英伟达是消化估值超低波业绩只要一爆马上暴涨160几就直接涨到1000多对那时候就1万亿2万亿3万亿开启了2324是最好的行情这就是佩利斯产业增并周期后半段叫真正的价值阶段它的成长阶段价值阶段然后这个过程中24年的7月份英伟达闪崩我当时是五月份去新加坡做的调研调研的是英伟达的场外期权 [30:00] 我为什么去调研这个因为你知道如果遇到一件确定性的事情的时候人会怎么做贪婪就跟今天一样你会疯狂的加杠杆所以23年24年对英伟达就属于最确定阶段它的核心矛盾不在于行业不在于产业不在于公司它的核心在于有多少人加了多少杠杆所以到24年我当时5月份是听到很多的最终基金华尔街的一些朋友在聊说因为大家可能杠杆过高但是没有人知道具体数据到底是多少所以只能说大家几家去聊一聊跟交易商们去沟通一下猜一下后本的数字我当时24年的年终6月份回到上海我跟各家公募基金交流我就说我跟你们带回来个数字3万亿将近8000亿的场外行业我觉得没有任何问题但是这个8000亿的杠杆会出问题的过了一个半月我们管它叫报金币英伟达闪崩日本股市当时当天跌10%还有印象直接就全是爆菜的那种情况用了大概不到一周的时间把英伟达上面的高杠杆干掉微字形回去市场微字形英伟达微字形但是也就从那开始起你仔细看英伟达的表现对对就是变得稳如老狗了就是老灯谷其实我想讲这段故事现在谁是三星海力士就是因为三星海力士在过去的几年它就变成了当英伟达确定当开派子支出确定当数据中心投入确定那么很简单我上游的所有的硬件都变成了最确定那在最确定性下最大的问题永远不是产业的转折点永远是杠杆的转折点而三星海力士的大问题其实非常简单加了一百多亿太高了这个杠杆太高了所以说换句话它应该会出现24年7月份英伟达的情况行业没问题产业没问题公司没问题但高杠杆会出问题基本上可能砸下来一两个月要上去他如果砸完去完可能几个星期就上去了快的话就甚至是一周但是我跟你讲波动会很大因为现在韩国的散户杠杆大概在5倍平均20%就没了你都不用去想他多大的跌20%他就没了实际上就跟当年英伟达一样差不多在那闪崩了大概百分之十几就结束了因为很简单百分之十几就是约等于当时的最大的那批高纲员的人他们干掉了就结束了所以我估计呢实际上现在的上游大概也是这样因为过去的几年就是上游最确定的事情你把钱其实都划拨到那所以你看我们的市场其实就很极端就是上游非常的这个叫集中资金为什么集中资金因为大家都知道那个地方是最确定的最确定的但是呢它会有个大问题就红锡就是这个市场的钱如果整体流动性是收的您这儿红锡的资本越来越多其他地方就会先缺血对它就分化对没错你管它叫分化其实是红锡千万不能讲分化分化是什么比如说你长你爹对吧至少池子是稳的下跌并不是因为它下跌实际上是被你吸走了你想年初的时候其实已经发生的时候大部分人的反应是凯文卧市上来是降吸不是的凯文卧市上来实际上是带着紧缩的流动性已经在收紧的情况下那么最确定性资产就会不断的红吸所有人就把不停的市场的资金吸过去把边缘性的资产的资金吸过去翻译成现在特别叫流行的一段话就是小灯讲的叫我们要让老灯投降其实就是红吸你希望把老灯的钱吸引过来我跟你讲当老灯真的被吸引过去的时候就到最后市场上他就用这个已经红吸到无所可吸的时候就结束就再也没有承接了5月中下旬其实开始已经出现这个现象非常明显所以说我们作为叫老江湖我只能说这个时间产列链正好其实我个人认为是个真空期今年不知道确不确定我认为的真空期是什么的上游是确定性的没错是因为CAPEX引花出去了自由现金流引花出去了今年的二季度我个人判断是这样判断第一大厂的自由先进去消耗完毕也就简单讲钱袋子的钱没了第二开始发债和IPO也就相当于是我开始靠外部融资来去维持我后续的这种资本支出但是你要想一点比如说上游所有的硬件你们知道当年海螺水泥保钢股份就刚 [35:00] 采水泥在当年是高科技行业你知道吗那估值是很高的那是高科技行业那是稀缺性资产我想说的是你看这情境跟现在上月所有的硬件的情境是不是一模一样一模模一样但是用我话说从大周期的角度来讲最终你会发现卖铲子的你最终还是需要有最后的应用端就是黄仁星讲的你最后末端的这些应用单来去买单的高速公路修完最终是要有车跑的是要有土地财政有房地产可以去做的如果这些不能做那前面的高速公路修就是谢国中说的债务现在正好卡在这个窗口期你们仔细看看今年是不是硬件很火软件和应用迟迟都出不来就是类似于当年ChatGPT那种能够让你一下子觉得说打通了就整个链条打通了那种标志性的东西没有所以导致一个结果现在是左口袋掏右口袋掏完了然后开始发债了开始IPO了然后大家突然间发现如果继续资本支出下去收入怎么办所以这卡了一个环26年正好是这个真空期二季度所以我二季度我就看了一个数据大厂的自由现金流整体加在一起归附所以我认为26年的年终会出现跟22年的情况类似这个真空期里杀一波估值消化一波上游最确定的呢该闪崩的去掉杠杆那要闪崩去掉杠杆大概是这个过程然后我们要等一个堪比当年ChatGPT的那个东西那个东西我其实不知道具体是什么但是我觉得一定要等到那个信号那现在A进的井盆就包括像特斯拉和雨速他们机器人开始量产像L3 L4的自驾街他们可以是未来畅想的就是AI落地的一些畅想是可以的你倒没倒能够让大家相信它是能够挣钱的ChatGPT早期也是畅想对吧你到那个时刻24年的时候那已经是大家发现它可以去应用了那不一样的现在是这样现在就是说确实没有很让我们哇哦一下的应用但是就是说coding现在就在推理测它已经算得过来涨了它利润率在迅速的改善这块已经是一个非常清晰的赛道有些人说觉得编程能有多大市场但实际上现在出现的情况就是说不会编程能在用编程所以Coding它确实有一个市场的外溢但这个到底它覆盖到什么程度这个我说不准然后Coding有一定的放化空间但至于它撑不撑起这盘棋它肯定撑不起的它一个肯定撑不起那如果是要所谓撑得起肯定得有一个更大的比如说自动驾驶其实现在所谓的内容制作的就是影视的应用也是有空间的至少在中国现在是非常非常已经跑出来了而且有可能会放话到全球整体上来讲确实现在存在傅老师讲的那个问题就是中间存在个gap但是它其实不会像它可能不会像2022年那样子2022年是说整个产业周期到了一个大正空其实我们大概十来年是一个大周期就是1981到1993它是一个周期这个是计算机的时代然后93年大概到2007年那是PC互联网的时代然后2007年iPhone出来移动互联网对移动互联网时代1516年的时候云和SARS出来你可以认为这个是叫云端革命到2022年的时候你会发现SARS也没有增长然后用户也没增长奈飞最早出问题就是用户不增长了从技术的角度来讲整个市场是没有看到任何的大红利的技术变革的红利所以现行外推是不太合理的人工智能这一波的这个范式革命的这个Change确实肯定不是说今年就结束了它的这个底子还在它至少到三几年三二年三五年这波才有可能就卷完了对其实这里面讲的不是说人工智能这个产业人工智能分成上中下游其实如果单看人工智能的话实际上二二年实际上是上游的从早期转入到确定性的一个标志性的时间窗口二六年的时候上游已经变成最确定了但是中游层现在是断崖的你看今年大概在年初到现在你会发现中间的软件层实际上是一直在跌的一路在跌的中间软件层正在走佩雷斯的阶段它要进行重构了然后如果按照周期去推大概在30年左右才会进入到最后应用层泡沫也不要泡沫就是它的佩里斯周期的从梦想到未来的转折实际上它不是讲AI的周期会到此结束不是的它是进入到衔接上的窗口期其实每一个环节 [40:00] 历史上任何的产业链的上中下游的衔接中间没有无缝的它中间全都有一个大概两到三个季度的一个真空两到三个季度真空两到三个季度真空然后让上下游能够衔接上一般是这样所以我觉得要给所有的这一波年轻一点的投科技股的朋友们一定要给建议我其实特别怕他们一定不要加杠杆我一定特别怕他们认为很多事是无真空衔接的这个就要了命你可以长期看好你撑得住你不要用生活的钱去买那OK那你可以说我看好某些产业产业长期可以我可以拿五年拿三年我至少拿到这个中心拿满不然中间说一跌我就爆仓那他怎么可能不跌呢而且他科技股的回调都是非常剧烈的其实我都不劝我不劝为什么不劝呢因为劝不动因为人家要的就是20万能不能赚10倍他对20万复利增长巴菲特那套东西他没兴趣所以说你会发现当他遇到这种历史性的机遇的时候他一定加尴尬但是这个用我话说每一代人都必须要经历每一代人在每一轮的周期中间都是一定要经历没有任何的差异性实际上你说现在的小灯也好年轻人也好见过15年的股灾吗见过08年吗见过87年吗都没见过的话那换句话说他很容易犯的错误就非常明显了对吧非常明显因为投资这个事他就是事教人的就是该踩的坑要走的弯路也许每个人都扫不了他不踩他不信的他会说我们这个世代不一样了其实我经常想说的是没啥不一样他只是换了一个词换了一种形式但他底层的逻辑框架这个都是一模一样的没有任何的区别没有任何区那我们现在这个阶段会不会跟90年代末的互联网泡泡的前期不一样不一样完全不一样估计再过个六七年七八年吧才会进入到大周期的末端其实90年就算是大周期末端的那场泡沫崩朗那个特征不一样其实00年的时候是你想想那个时候真的是新树开新花所有的互联网公司都是新的首先他们没有客户没有付费的能够给他们挣到钱的客户客户都在未来先烧一堆钱然后商业模式也搞不清楚就全靠失梦率但现在这波就非常的混合首先是老数开心化很多公司它本来就上市上很久了然后公司非常的成熟就商业的运作所有的团队所有的执行策略沟通对吧非常成熟这第一个第二个就是它的客户其实有在现在的有在未来的所以它是一个非常混合的状况有些产业它是有市盈率的有些产业它是有市盟率的所以说现在这一波它并不是纯粹的空跑就不存在说跌完就95%你看那个时候亚马逊跌半就95%不存在因为那个时候真的就是完全是做梦完全做梦所以这波确实不一样但是跌个百分之六七十有可能都有些市盟率的产业我说靠市盟率刚才我们讲了一些热门甚至是已经相对拥挤的一些赛道了老师们有没有去关注到一些目前市场还没有太多注意的或者未来可期的一些赛道正常来讲我们就要按照产业链逻辑去推当然准确说比如说我们我们其实不会配到那么的细的顶多比如说我从标普500配到标普500信息技术标普500软件等等这种大类上我们不会具体的再往下去挑那些小公司了英伟达等等这都没问题就是你说的它属于老公司开心花那么扎实的基本面也就换句话说这个稳定性对于配置来讲没毛病新公司开心花这种东西你现在是不敢去碰的日本有些公司10个人20个人一个小仓库剩下一个什么你都不知道的什么小电容然后完了又涨20倍这玩意怎么去买怎么去配那你放心对于投资机构来讲我们是看着心仰但不能碰的对而且说实话也没什么行业报告了因为这种公司太小你都不知道当年我记得iPhone的时候就是最后移动互联网时代iPhone时期的时候研究员们怎么做路演拿一iPhone手机到基金公司去然后拿螺丝把iPhone手机就像那个拆机对拆机一样给你拆掉然后告诉你喇叭是谁的震动是谁的电池是谁的屏幕是谁的这个线是谁的但是当真的这么做然后你看上市场从比如电池炒完炒屏幕屏幕炒完炒喇叭喇叭炒完炒什么里边的这一层层炒完之后 [45:00] 炒到最小的时候一般都是泡沫泵的时候这没办法的就炒乌壳炒的时候那就出问题了现在市场就是开始炒原材料了对吧然后其实是从零化音开始的从光模块的零化音开始后面就有什么电容然后就现在又考什么乌什么特种系体其实它确实已经抠到就是说从公司制定上来讲那些公司真的规模非常小然后规模越小的公司他有个最大的问题就是说他的不确定性太多了所以其实从我自己的交易风格来讲我喜欢找确定性的我们叫做十倍级的改进的一个领域就是你知道他量级像这样的行业找龙头他肯定不是收益最好的但是他确定性很高找龙头呢然后掐头去尾的买就他一开始涨一倍的时候千万别买就等他涨两三倍就如果是一个很确定性的大趋势你等他涨到两三倍的时候你再逐渐入手然后你就鱼头也不吃鱼尾也不吃你就吃鱼中间就好了你就吃中间的失败相对于说比较舒服不能说没有风险中间也会回调突然间回调感觉就二三十但是你知道在这个大周期里面它的抗跌性它的整个现金有它的所有的东西对 但其实是很好的公司就你看对 你比如刚才我们讲讲到那个水泥和水泥包括重工它的周期实际上到07年08年达到的第一波就是既给估值又有业绩增长然后市值快速扩张0708年到09年金融危机杀一波然后到09年4万亿房地产开始启动房地产其实是基建的应用你知道汽车行业和房地产行业其实是基建的如果按照老黄的分类的话它实际上属于基建的应用层基建的应用层那是真正的消费端到居民部门的消费端就是以中国的整个投资基建去类比的话我们实际上是从2002年到2020年这长达18年的周期完成了一个完整的配列四周期的其实这个叫水泥重工它依旧是保持着很好的一个汇报直到我们的整个周期结束它才结束所以其实可以总结为是在风口里面找避风港在确定性的趋势里面找确定性高的公司但是它往往来讲你挣的没有那么多但是你挣的是确定性的钱所以这个时候你敢下重注某种程度上来讲人工智能这一波你可以理解为确实如果从地球演化史的角度来讲信息化它确实到了一个孕育了比较长的时间之后信息化开始到了一个确实能够渗透到千万百亿的真正生产力的一个拐点所以这波周期确实是一个super cycle超级周期是存在的一般来讲就是上半场生产力下半场生产关系生产关系然后生产关系之后又生产力就计算机是生产力然后互联网生产关系那关系之后又生产力来了现在是处在中场然后这个生产力就是比计算机的当年生产力要大个很多倍大个几千万倍就是这个逻辑我们刚刚都聊的是一些偏产业或者说偏宏观向的一些叙事我们现在经常听到网上各种铺天盖地的信息就是说现在一定要抓住AI的风口AI的机遇但是落到很多普通人身上就觉得我又不是学IT的我又不是搞互联网的那我普通人如何去寻找到属于自己的机遇呢我这两天就是看到一个比较有趣的案例就是有一个人他是用AI帮别人经修简历就他是一个HR他很知道就是真正的企业就是我看简历我到底需求点在哪所以他就帮人经修简历他每天这样的钱呢也不多100块钱那一个月呢3000块钱一套房子的房租解决了就我觉得这个是一个非常现实的问题就是落到每个人身上就是如何去找到自己的一些优势通过AI给他赋能之后然后呢去找到自己的商业模式就两位老师就是对于普通人如何在AI时代找到自己的机遇有什么样的建议呢你看你刚才讲的给编金周简历的同学他实际上只要再把coding用上再把这个vacoding用上然后自己大一个自己的工作流把自己的skill提取一下复制一下那他其实他就是只要负责获客前端沟通把后面的生产端他其实是可以有scale的就像原来原始世代打猎的时候打不到猎物这个时候一旦有一个很会打猎的猎人打到一头路它一定能够上桌就这个路随便烤一烤大家就有肉吃了很开心但是后面就是说人类已经不愁吃打不到猎物的时候你会发现怎么样才能上桌得烹饪啊得调味啊对吧得有taste啊得色香味俱全啊才能上桌啊就是说你现在不用去打猎物了呗 [50:00] 你这个理解自动打猎很容易就打到猎了一堆的猎物但你得去组合调配你跟说改简历就这样你得有taste但是简历这个事情有点浅那一副你是做一些别的事情你可能更有就是taste发挥的空间但我觉得泛话来讲就是说你你其实今天就是如果说人类是在确实在不同行业在分化的情况下给自己精心去选择一个战场还是很重要的有一些战场大有些战场小普通人因为他大部分作为一个生产力实际上能够对他产生影响他能够感知到这个阶段其实就一定是扩展到生产关系了否则的话他其实感知不到的所以技术的任何技术的早期都是由少部分精英去做驱动的去做推广的去做不到的去做应用的到最后只有广泛的应用涉及到了他的身边的时候这个作为普通人才能够感知网上很多的实际上是在跟你说人工智能时代来了这个你应该怎么去做对吧但实际上是有点焦虑的因为大部分人其实是做不到的普通老百姓我认为不是自己主动抓的大部分是倒逼的但是你能够往前挪一步就尽量的往前挪一步比别人更早一点你其实就有了一个时间差你就有了一个相对红利就行了当然了再说一句就是任何的技术进步一旦到了大部分老百姓去抓的时候其实红利就会很少一定记住这点红利一定很少因为你学了我其实也会学他可复制性太强它本质上现在生产力还是个工具来提高你的效率增加你的产出但它不改变你的生产关系所以我只能送一句话尽量的把自己变成用工具去创造的人第一批吃螃蟹的人别去做最后大家都用我也用的那个人那个到时候机会其实就不多了从林超老师就是找到自己的优势资源比如说你到底掌握了什么样的生产资料或你有什么样的特长那你就可以找到自己的主战场用AI去赋能它然后把你的商业模式扩大然后从傅鹏老师这儿呢我得到的是就是你一定要比别人多卖钱一步因为本身的红利它可复制或者它的壁垒没有那么强那么就是你一定要勇于去试错就如果等到你被市场就倒逼到你需要去接受它的时候呢对那红利就已经没有对对对对对对最好是要易高加上人上人胆大我觉得现在你再去抗拒变革或者是说你觉得你还能闭上眼睛鸵鸟心态那肯定是不行对于很多人来讲他的一个底色是因为在原来的工业时代的读书教育的体系起来之后他其实他的怎么说呢就是他愿意承担风险的这样的意识已经消磨了已经消失了对这个是个意识问题它不是个能力问题风险它是一定存在的你把它拆散了你不断地去承受那种微风险我们叫微风险的痛苦可控风险可控风险那你不要一下子弄个大的对尽可能去承担一些可控风险刚刚都是我作为人类向两位老师提问那接下来呢我们又有几位顶尖头脑的AI朋友想要向老师们提出他们好奇的问题那首先第一个问题呢是来自于ChatGPT对傅鹏老师的提问傅鹏老师市场本质上是在给稀缺性定价过去很多高价值的岗位公司和资产稀缺的是信息分析能力专业知识以及决策速度但是呢AI正在让这些东西变得越来越便宜一个普通人也可以快速获得研究报告代码和策略如果知识和分析变得越来越不稀缺未来的财富真正会奖励什么呢是谁的资本更雄厚谁拥有更大的算力和能源还是组织能力真实场景信任或者其他呢这个话题其实正好答案实际上是经验除非在AI能够完全的实现智能体的基础上否则的话现阶段它仍然是一个工具那么既然是一个工具它替代的环节其实就是中间的所有的流程但是不能够替代的实际上是脑子中间的经验所以这个时候你就会发现我比如说在金融行业我就跟他们说现在很多的初级研究会被替代掉因为很简单这些工作都是重复性的那么你原则上来讲效率的提升工具的使用都可以把你快速的替换掉但是它还没有达到智能体那什么意思呢它的经验还不够它的经验不够它最后仍然需要我们说老医生老法师去做决策和判断在拍板的那一刻所以说这个过程中这块还会维持着一个相对的稀缺直到这么说它真的变成一个智能体它真的是个贾维斯的时候你可能才能够AGI我们说才能够实现当然这个过程 [55:00] 还有一段存活的时间就好比一个医学生他可能是从本科读到博士了他也学了很多知识了但是你真的要上台去操刀那台手术了那还是得老医生来那第二个问题是由Jimmy向林超老师的提问林超老师你好你的很多观点和见解都在教年轻人如何拥抱技术把握时代机遇但我很好奇如果我进化的速度在数学上已经注定要远超人类生物学意义上通过学习来适应的速度人类还会保持这类害怕掉队的进步焦虑吗当追赶变成一件物理上不可能的事你认为未来驱动年轻人每天起床去生活去创造的会是什么呢我比较喜欢从第一性给你来解释这些问题你刚才问的是其实你还是问的是人的能力和机器的能力的边界首先我们看一下人工智能就是这一波的发展它的底层技术是什么是神经网络神经网络最基本的原理是它用函数去模拟我们的神经元人工智能就是模拟了我们大脑里面的一部分的功能把它做到极致把它做到比我们大脑的能力强很多但是它现在即便在模拟大脑这个事情上它还做得不够好呢实际上如果你去了解一些基本的脑科学你会发现大脑里面的神的视觉处理的中枢的神经元远远大于语言处理的神经元我们大脑里面居然还有一个一整块孽叶里面有一整块区域是专门负责认脸的只认脸这很有意思所以说如果你从这个角度去看就是人类还有很多很多的就是说未被建模的一些空间首先今天人工智能它发展的能力因为这个模型和技术发展的边界导致它发展的模拟是其实还是比较偏科的所以我们很多大脑本能的包括你叠一个衣服就这么简单的事情这是小脑和视觉神经和人类的运动系统的协同这些能力其实人工智能现在还远远没有覆盖到更别说人体的细胞和生物体共生出来的各种品味喜好热情执着痛苦这些东西都没有神经元都体现不出来它现在是个刚中大脑一样的他也没有办法去感受这些东西所以体验感受判断品味很多空间之所以说人类在原来的工业体系下培养出来的这种生活习惯会觉得特别不适应其实最主要的原因是你看我们人类从来没有经历过衣食无忧每天十几个小时能让你自由探索然后没有心理压力的这样的生活状态没有这个生活状态在我们这个时代叫做财富自由但也许在未来的某一个时间点这个生活状态是常态因为我是充分相信未来某个时间点人类一定要搞UBI的就是叫做基本收入这个基础收入的支撑就是人工资能发展非常好的话政府要收税然后你的基础生活的这些食物啊这些东西是可以极大满足的现在看起来可能很遥远但是我认为这种东西在我们有生之年是看得到的就是人类的基本生活形态是你有大量的时间你确实可以去探索不一定每个人都能够搞一等于mc平方但是绝道多数人可能会有更有主见和更有自己探索的自己热爱的东西和更有自己特特的创造的东西这个事实我认为是会出现的那非常感谢两位老师非常有启发性的回答在这里呢也祝福我们哔哩哔哩的观众朋友们在这样一个技术高速变化充满不确定性的时代我们仍然可以允许自己有试错的好奇心和勇气有一种人生正在内侧随时接受迭代的玩家心态那这一次我们就先聊到这里