本文来自于 Azeem Azhar 写的一篇文章： Is AI a bubble?。这里也介绍一下 Azeem Azhar，他是《指数时代》畅销书作者、前 BBC 与《经济学人》科技记者，创立了全球知名科技与未来趋势智库 Exponential View。

本文探讨了当前的人工智能（AI）热潮是否构成投资泡沫。作者没有直接给出“是”或“否”的答案，而是建立了一个包含五个关键指标的分析框架，通过与历史上的铁路、电信和互联网（dot-com）泡沫进行比较，来评估当前 genAI 领域的健康状况。

主要观点

作者的核心论点是，尽管 AI 领域的投资规模巨大且增长迅速，但目前它更像一个由强劲需求驱动的“资本密集型繁荣期”，而非一个即将破裂的“泡沫”。当前的繁荣主要由资金实力雄厚的科技巨头（hyperscalers）推动，其估值和收入增长等关键指标尚未达到历史上泡沫破裂前的极端水平。然而，作者也指出了几个潜在的风险点，如果这些风险恶化，繁荣可能会迅速演变成泡沫。

关键细节

作者使用了一个包含五个“仪表盘”的框架来衡量 AI 繁荣的健康度，每个仪表盘都有绿色（健康）、琥珀色（警告）和红色（危险）三个状态。

  1. 经济压力 (Economic Strain) - 状态：绿色

    • 指标：投资额占 GDP 的比重。
    • 现状：预计 2025 年全球投入数据中心的资金约 3700 亿美元，其中美国约占 0.9% 的 GDP。
    • 历史对比：这个比例低于 1872 年铁路泡沫时期的 4%，与 1990 年代末的电信泡沫（约 1%）相当。
    • 特殊风险：与铁路或光纤不同，GPU 等 AI 硬件的折旧速度极快（约 3 年），这要求投资在更短时间内获得回报。

  2. 行业压力 (Industry Strain) - 状态：琥珀色

    • 指标：资本支出（capex）与行业收入的比率。
    • 现状：genAI 领域的资本支出约为收入的 6 倍（3700 亿美元资本支出 vs. 约 600 亿美元收入），这是三个历史案例中最高的。
    • 历史对比：铁路泡沫时期该比率约为 2 倍，电信泡沫时期约为 4 倍。

  3. 收入增长 (Revenue Growth) - 状态：绿色

    • 指标：行业收入的增长速度。
    • 现状：genAI 的收入正在以每年约两倍的速度增长，远超历史泡沫破裂前的水平。企业和消费者的需求依然强劲。
    • 历史对比：铁路泡沫破裂前，收入年增长率为 22%；电信泡沫前仅为 16%。

  4. 估值热度 (Valuation Heat) - 状态：绿色

    • 指标：市盈率（P/E ratio）等估值指标。
    • 现状：当前纳斯达克（Nasdaq）的市盈率约为 32，远低于互联网泡沫顶峰时的 72。市场估值虽高，但尚未完全脱离基本面。
    • 历史对比：互联网泡沫时期，许多公司的估值达到了极端水平，隐含市盈率甚至超过 600。

  5. 资金质量 (Funding Quality) - 状态：绿色（偏琥珀色）

    • 指标：资金来源的稳定性。
    • 现状：目前 AI 的投资主要来自 Microsoft、Amazon 等科技巨头自身强大的现金流，资金质量较高。
    • 潜在风险：未来预计将出现 1.5 万亿美元的资金缺口，这部分可能需要通过债务、资产证券化等风险更高的方式来弥补，这可能会削弱资金的稳定性。

结论：目前五个指标中没有一个进入“红色”区域。作者认为，如果未来有两个或更多的指标进入红色状态，就意味着 AI 领域已进入泡沫区域。就目前而言，AI 引擎虽然在高速运转，但尚未过热。

原文

一个月前，我开始着手回答一个看似简单实则不然的问题：人工智能（AI）是泡沫吗？

自2024年以来，当我在世界各地的活动中演讲时，人们一直在问我这个问题。

尽管华尔街的银行家们大多将此视为一场投资热潮，但在欧洲和美国的会议室与大会堂里，越来越多的人在提出这个问题。

一些人已经下定了决心。Gary Marcus 称之为“泡沫顶峰”。《大西洋月刊》警告说，“我们当前可能正在经历一场AI泡沫，投资者的兴奋情绪已经远远超前于该技术近期的生产力效益。如果这个泡沫破裂，其后果可能让互联网泡沫的崩溃都相形见绌——而且遭受损失的将不仅仅是科技巨头和他们的硅谷支持者。”《经济学人》则表示，“潜在的代价已经高得惊人。”

理解这类问题的最佳方式是创建一个框架，一个可以随着新证据的出现而更新的框架。整理这个框架花费了我数十小时的数据分析、建模以及与投资者和高管们的无数次对话。

本文就是那个框架：用五项指标来衡量生成式AI，并与历史上的泡沫进行对比。

我曾研究并亲身经历过互联网泡沫。作为一名投资者，我切身感受到了它的影响。和你们中的许多人一样，在全球金融危机期间我也很活跃。因此，我投入了大量的思考和分析，构建了一个稳健的框架来理解正在发生什么。今天，我将与你们分享这个框架。

我的思考植根于对Carlota Perez、Bill Janeway等该领域巨擘的研究，以及对各大银行和分析师的金融分析。但我尚未在任何地方看到一个能将这些理论转化为当今AI实用仪表盘的框架：一套你可以阅读、与过往泡沫进行比较并用以指导决策的参数。

我们将在未来几周内向Exponential View的会员提供底层数据和方法论。

我通常只为Exponential View的付费会员提供深度分析。但这个问题太重要了，而公众的讨论又因各种装腔作势而变得模糊不清，所以我不能将其置于付费墙之后。因此，今天的文章对所有人免费开放。如果您想获取本文的PDF版本，可以点击这里下载。

如果您是正在应对这些问题的投资者或高管，我将开放极少数咨询名额，与您直接探讨这些问题。这是一个定制化的机会，您可以用我开发的这套分析框架来压力测试您的战略。您可以在此申请。

泡沫是资本主义最古老的故事之一。它们是关于过度、信念和崩溃的寓言。但泡沫不仅仅是金融现象，它们也是文化产物。它们一次又一次地作为关于贪婪和愚蠢的道德故事回归。郁金香狂热，常被误记为一场让织布工破产、商人沉沦的疯狂，但其灾难性远不及传说中所描述的那样。它仅限于富有的商人，对荷兰经济基本没有造成伤害。但这个神话却流传了下来，而这才是关键：泡沫成为了我们用来告诫自己乐观主义危险性的故事。

小扬·勃鲁盖尔，《郁金香狂热的讽喻》，1640年

有些泡沫是金融性的：18世纪20年代的南海狂潮，1920年代咆哮的股市，1980年代日本的房地产繁荣，以及2008年的房地产崩盘。有些是技术性的。19世纪40年代，铁路被誉为新工业躯体的血脉。它们的确是。但一个躯体只需要那么多血脉，很快铁轨就铺到了商业无法维持的地方。20世纪90年代的电信业承诺了一个有线连接的乌托邦，结果却是7000万英里多余的光纤被埋在地下不见天日。互联网泡沫为我们描绘了新经济的愿景，其中大部分最终确实实现了，但那是在2000年估值蒸发之后。

有趣的是，对于什么是投资泡沫，学术界似乎并没有共识。诺贝尔经济学奖得主尤金·法马甚至表示它们根本不存在。

我想超越“当我们看到泡沫时才知道它是泡沫”这种观念。这里有两个相互关联的系统在起作用。第一个，也是最显而易见的，是当股票市场被荒谬地高估然后崩溃。第二个是，部署的生产性资本（投入资本支出或风险投资）的数量是否崩溃。这两者当然是相关的。股价的暴跌使得投资流动变得更加昂贵。而生产性资本投资的长期下滑可能被股市解读为经济放缓的预兆。

但为了给出一个框架：我们认为泡沫是指股价从峰值下跌50%并持续至少五年。在美国房地产泡沫和互联网泡沫的案例中，那个低谷期大约持续了五年。完全恢复到泡沫前的峰值，美国房地产市场花了10年，而互联网则花了15年。同时，我们预计生产性资本的部署率也会大幅下降，同样是从峰值下降50%。

为了本次分析的目的，我所说的“泡沫”将涵盖这两个相互竞争的维度。最终，它意味着一个以价格和投资迅速升级为标志的阶段，其间估值严重偏离了相关资产的潜在前景和现实盈利能力。泡沫在充裕的资本和诱人的叙事中茁壮成长，并往往以急剧且持续的逆转告终，抹去上涨过程中创造的大部分纸面财富。

相比之下，“繁荣”在早期阶段可能看起来非常相似，估值上升，投资加速。但关键的区别在于，在繁荣中，基本面最终会赶上来。潜在的现金流、生产力提升或真正的需求增长会上升到与乐观情绪相匹配的水平。繁荣仍然可能过度，但它们会巩固成为持久的产业和长期的经济价值。

介于两者之间的是一个灰色地带：在一段狂热时期，你真的很难判断资本是在为新经济奠定基础，还是仅仅在吹大无法持续的价格。这就像身处风暴眼：你能感受到风、雨和压力，但你还不知道它会是让空气变得清新，还是会把房子夷为平地。

这就把我们带到了当前的问题：AI是又一个泡沫吗？让许多观察者不安的是那些数字。自2022年底ChatGPT发布以来，超大规模云服务商们已经将其年度数据中心资本支出增加了一倍以上，大举押注于训练和运行日益庞大模型所需的基础设施。去年，当山姆·奥特曼提出7万亿美元的投资需求时，听起来像是狂妄自大。今天，投资者们不再嘲笑；他们在思考这种支出规模是否可持续。

泡沫是不可能实时诊断的。只有在事后我们才知道当初的狂热是合理的还是妄想。与其做出一个明确的判断——这近乎于无益的猜测——不如将今天的繁荣与历史进行基准比较，以发现类似泡沫的动态可能在何处悄然滋生。

我们把这想象成驾驶飞机。飞行员不依赖单一的仪表。他们监控一组仪表来了解飞行情况。我们在这里将使用五个仪表：

  • 指标1 – 经济压力：目前的投资规模是否大到足以扭曲经济？
  • 指标2 – 行业压力：行业收入是否与部署的资本支出（capex）相称？
  • 指标3 – 收入增长：收入增长/扩张的速度是否足够快以追赶上来？
  • 指标4 – 估值热度：估值有多热？与历史相比，股票是否被过度高估？
  • 指标5 – 资金质量：资金来自何方？是稳健的资产负债表，还是脆弱、易变的资本？

在本文的其余部分，我将审视每个指标，解释它可能是绿色、黄色还是红色，并在最后将它们整合到一个完整的仪表盘视图中。

正在进行的投资是巨大的，摩根士丹利预计到2029年AI基础设施支出将达到3万亿美元。但这尚未达到历史上那些大泡沫的失控极端。使这一维度变得棘手的是依赖性。在美国，超过三分之一的GDP增长可以追溯到数据中心的建设。

这本身并非坏事，但如果势头减弱，可能会很危险。一个如此严重依赖单一行业增长的经济体，可能会发现脚下的土地塌陷得比预期更快。

资本支出（capex）的激增，即投入AI所需物理基础设施的资金，是一种乐观主义的行为。这就是capex的本质。今天花的钱，是相信它明天会成为收入的漏斗。如果今天投资得当，最终将带来生产力的提升和经济的扩张。

如果你想卖呼啦圈给人们以促进他们的健康和快乐，你首先需要购买呼啦圈。而在供应链的某个环节，需要有一家工厂来制造它们。为那家工厂提供资金就是capex。你部署capex来制造一个可以销售的有用东西。Capex投资通常（但非总是）是业务增长的前兆。

AI数据中心具有类似的性质，甚至更多。它们不仅仅是单一产品的工厂；它们是基础设施。微软、OpenAI和美国政府都持这种观点。他们将计算能力视为21世纪的基础性公用事业，其重要性不亚于早期的高速公路、铁路、电网或电信网络。我在我的上一本书中提出了同样的论点，所以你可以猜到我的立场。除美国外，各国政府已承诺到2030年为作为基础设施的AI投入超过1万亿美元。

建设这样的基础设施不可避免地需要历史性的巨额资金，与过去的铁路和电力建设规模相当。麦肯锡预计，到2030年要满足AI驱动的需求，将需要大约156吉瓦（GW）的新增电力容量——相当于西班牙和葡萄牙电网的总和。该公司估计这将需要5万亿至7.9万亿美元的资本支出。作为对比，这大约是阿波罗计划成本的二十倍。这将使AI数据中心成为现代历史上规模最大的基础设施建设之一。

但尽管基础设施很有用，尤其是当私人资本参与其中时，事情也可能与现实脱节。融资结构与技术本身同样重要。美国的铁路主要由私人资助，并遭受了多次投资泡沫。相比之下，电力和道路系统得益于更多的公共投资和协调，较少出现投机过度的情况。当繁荣所需求的资源开始扭曲整个经济时，它就变得危险。工资被吸入一个行业，供应链为之重新定位，资本市场也对其产生依赖。当预期破灭时，反弹将是剧烈的。

衡量经济压力的一种方法是看投资占GDP的比重，即国民产出中投入单一技术前沿的部分。这是一个粗略但有说服力的比率。它显示了经济在多大程度上依赖于一场技术赌注。

就AI基础设施而言，大部分支出以资本支出的形式出现：服务器、冷却系统、网络设备、混凝土和钢结构外壳，以及维持其运行所需的电力基础设施。

按照这个标准，铁路泡沫的负担最重。在美国，铁路支出在1872年达到顶峰，约占GDP的4%，就在第一次大崩盘之前。相比之下，1990年代末的电信泡沫顶峰时接近GDP的1%，这个水平和今天看起来很相似。

AI建设处于这个中间地带。预计2025年全球将有约3700亿美元流入数据中心，其中约70%指定用于美国，或约占美国GDP的0.9%。高盛预计，2026年支出将再增长17%。我自己的预测与此观点一致：到2030年，年资本支出将达到8000亿美元，其中约60%在美国，这将使美国部分的占比达到2025年GDP的1.6%。

经济压力指标有三个区间：1%以下为绿色，1%至2%为黄色，2%以上为红色。所以今天，生成式AI处于绿色区域——但只是勉强。当然，考虑到已公布的承诺，它似乎很快就会进入黄色区域。

但这里有一个历史上的泡沫所没有的转折点：快速折旧。一条铁轨一旦铺设，可以使用几十年。美国在20世纪仍在19世纪的铁轨上运营货运。1990年代铺设的电信光纤35年后仍承载着流量。

相比之下，GPU的更新换代速度极快。它们在前沿应用（如模型训练）中的有效寿命可能只有三年，之后便被降级用于强度较低的任务。大约三分之一的超大规模云服务商的资本支出正投入到这类短寿命资产中。理论上，它们在第五年和第六年仍然可以货币化。其余的资金投入到能持续二三十年的外壳、电力和冷却设施中。考虑到资产寿命，AI的建设看起来要求更高：与铁路或光纤不同，这个系统必须在几年内收回成本，而不是几代人。

这种动态是让财务状况恶化还是改善，还是一个悬而未决的问题。悲观的看法是，一箱熟透的香蕉比同等价值的巴西坚果价值低，因为它必须被迅速消费。但乐观的看法很有趣：更短的折旧周期可能会对新进投资者施加财务纪律。在铁路狂热时期，长达几十年的资产寿命掩盖了许多商业模式的弱点；公司可以在破产前苟延残喘多年。在AI领域，缺陷可能会迅速暴露，迫使公司要么快速适应，要么快速失败。

压力是显著的，但尚未达到无法承受的程度。AI应用层的风险投资虽然喧嚣，但与1990年代的电信狂热相比仍然温和。这表明在周期过热之前可能还有运行空间。投入服务器、冷却系统和电线的数万亿美元可能是必不可少的，但历史表明，持久的利润并不在那里积累。在铁路领域，许多铁路公司破产了，但利用其线路的物流公司和商品大亨却 prospered。在电信领域，获取上行收益的不是光纤建设者，而是使用带宽的平台和服务提供商。同样的逻辑可能也适用于AI：超大规模云服务商承担着资本支出的重担，但持久的价值可能会由那些控制模型、数据和建立于其上的生态系统的人获得。

指标2：行业压力

每一次繁荣都需要证明，投入新设备的资金开始收回成本。在任何增长阶段，收入都不太可能覆盖投资，但它们不应为零。这个指标关注的是资本支出与收入的比率。

我们估计，生成式AI的收入今年有望超过600亿美元，而五年前这个数字约为零。这个数字很可能低估了生成式AI正在创造的价值。例如，Meta曾表示，该技术使其平台上的转化率提高了约3-5%。这样的间接效应可能有助于解释为什么一些分析师，如摩根士丹利，预计2025年的收入远高于我们的估计，达到1530亿美元。

谷歌、微软和亚马逊等大型超大规模云服务商无疑正在进入一个资本支出强度更高的阶段。2021年，在ChatGPT出现之前，这些公司将其运营现金流的约44%用于资本支出。到2024年，这一比例已升至68%。到2025年，还会更高。但是，正如New Street Research的Pierre Ferragu指出的那样，这些公司可以通过平台重构来吸收这种转变，以结构性更高的资本密集度来驱动增长和效率提升。这种动态已经存在了十年：在2015年至2018年间，微软Azure的资本支出占其收入的70%至90%。这是对未来的投资。

这与早期的繁荣周期形成了有趣的对比。铁路的例子尤其贴切。铁路的直接收入贡献与铁路在美国经济中创造的价值相比微不足道。铁路泡沫总是与现金流的现实挂钩。为资助新轨道和机车车辆而发行的债券必须用客运费和货运收入来偿还。每当资本支出超过收益时，压力就会显现。1873年、1883年和1887年的狂热都遵循同样的模式：年收入与资本支出比率急剧下降，在某些情况下，甚至是收入直接收缩。

在美国铁路扩张的高峰期1872年，资本支出约为收入的两倍。在1990年代末的电信泡沫中，资本支出总额接近收入的四倍。相比之下，当今的生成式AI繁荣以约600亿美元的收入对应全球约3700亿美元的数据中心资本支出——资本支出与收入之比为六倍，是三者中最紧张的。

在行业压力指标上，铁路健康地处于绿色区域。生成式AI则处于黄色区域，接近红色。

这还不完全是一个警示信号，尤其是因为人们对AI数据中心的接入趋之若鹜。一份报告表明，企业客户在数据中心建成之前就已经承诺使用其容量。驱动这一现象的是使用量，随之而来的是惊人的收入增长。

指标3：收入增长

铁路和电信繁荣时期的问题本身不在于行业压力，而在于收入失去了增长动力。投资期望回报。1873年铁路泡沫破裂后，收入同比下降了3%。电信业表现稍好，下降了0.5%。

在崩盘之前，收入增长也谈不上爆炸性。1873年的铁路业扩张了22%——足以在三年内翻倍。1990年代末的电信业仅增长了16%，翻倍时间超过四年。

相比之下，生成式AI的收入仍在加速增长。根据我们的估计，今年生成式AI的收入将增长约一倍。这很可能还是一个保守的预测。花旗银行估计，模型制造商的收入在2025年将增长483%。OpenAI预测到2030年的年化增长率约为73%，而像摩根士丹利这样的分析师估计，到2028年这个市场可能高达1万亿美元，相当于在此期间每年约122%的复合增长率。

我们的收入增长指标是一个指数级指标。它以年为单位衡量收入翻倍时间；也就是说，按目前的增长率，行业收入需要多长时间才能翻倍？在这里，生成式AI稳稳地处于绿色区域，每年翻一番。

大部分支出流向了运营基础设施的超大规模云服务商和新型云服务商。这些巨头赚取了大量资金，因此他们有能力进行投资，如果他们认为这能为未来占据有利位置，即使牺牲几个点的收益也在所不惜。甲骨文预计，其云业务到2030年可能会产生约3800亿美元的累计收入。

在我与大公司的交流中，我强烈地感觉到他们现在对这项技术的需求是无止境的。这很可能支撑了强劲的增长率。IBM的CEO调查显示，生成式AI已经在扩大IT预算，62%的受访者表示他们将在2025年增加AI投资。需求如此之高，以至于新数据中心一上线就达到满负荷运行，亚马逊CEO安迪·贾西指出，“我们投入容量的速度有多快，它被消耗的速度就有多快”，而山姆·奥特曼评论说，计算能力的缺乏正在影响模型升级。黄仁勋在2024年初就预计到这种情况会发生，预测对Hopper和Blackwell芯片的需求将在明年很长一段时间内超过供应。

约9%的美国公司已经有一个有用的生成式AI用例。粗略估算表明，这个9%将在五年内变成75%，而用例数量将从一个增加到数百个。

这本身就指向了某种东西的千倍增长。我之所以说某种东西，是因为当前按token计费的模式可能会改变。即使不变，我们也会看到每个token的价格急剧下降，可能达到数量级上的下降。根本的一点是，我们仍处于企业应用的起步阶段。目前，公司几乎无法获得足够的token来满足他们的需求。

消费者方面也讲述了一个类似的故事。美国消费者每年在线消费已达约1.4万亿美元。如果以每年15-17%的速度增长（自2013年以来已年均增长超过14%），到2030年这个数字有望翻倍至3万亿美元。在此背景下，一个生成式AI应用领域在五年内从今天的100亿美元增长到5000亿美元，看起来就不那么牵强了。在中型初创公司和大型模型提供商那里已经可以看到300-500%的指数级增长率（参见上周关于OpenAI估值的文章），这表明即使消费者数字支出的一小部分重新分配，也可能将收入推高至数千亿美元。

总而言之，这些信号指向一个仍在强劲上升的行业，与铁路和电信崩盘前相对微薄的收入增长不同。如果生成式AI的收入增长速度甚至只有去年的一半，那么根据我的保守预测，到2026年它们将达到1000亿美元，覆盖当年资本支出的约25%。

指标4：估值热度

如果经济和行业压力显示了繁荣的重负，收入增长显示了其轨迹，那么估值热度就是市场的气氛。这通常是泡沫最清楚地暴露自己的地方：无论基本面如何，投资者对该行业的定价是多么狂热。正如Carlota Perez几十年来所主张的，在每次技术革命的早期“安装阶段”，金融市场往往会过度反应，投入远远超过近期收入所能支持的资本。这种狂热在当下看起来非理性，但它正是社会铺设新基础设施的机制。挑战在于，这种狂热能否演变为“部署阶段”，即基础设施普及并带来真正的生产力增长。

互联网泡沫就是典型。根本没有利润的公司以三位数的市盈率上市，有些公司在IPO当天筹集的资金比它们有史以来总收入还要多。Boo.com从包括LVMH的伯纳德·阿尔诺在内的投资者那里筹集了1.35亿美元，并将自己定位为“时尚界的亚马逊”。该网站在18个国家推出，提供本地化语言和运输服务，并配有一个提供3D模型购物技巧的虚拟化身“Boo小姐”。

它在发布前花费了2500万美元做广告，员工从40人激增到400人，并在纽约和欧洲各地开设了豪华办公室。那个大量使用JavaScript和Flash的网站在拨号连接上几乎无法使用，与Mac电脑不兼容，并且漏洞百出。四分之一的购买尝试都失败了。尽管极尽奢华——举办奢华派对、乘坐协和飞机、为Boo小姐聘请名人造型师——但民意调查显示，只有13%的互联网用户知道这个品牌的存在。18个月内，钱就花光了。Boo.com于2000年5月倒闭。

如今在生成式AI领域发生的事情与此无法相提并论。这里的关键衡量标准是市盈率（P/E），这是衡量投资者为当前每单位利润实际支付了多少年收益的简写。如果一家公司年收益为1美元，市盈率为20，那么买家为当前每一美元的利润支付了20美元，假设增长将使这笔投资物有所值。高市盈率意味着公司在押注未来的快速增长，但如果过高且持续过久，投资者可能是在购买一个幻想。互联网时代就是如此。在顶峰时期，纳斯达克的市盈率约为72。一项详细研究估计，仅互联网股票就带有一个高达605的隐含市盈率。换句话说，投资者愿意为超过六个世纪的当前收益买单。问题不在于需求消失——亚马逊的收入从2000年的27.6亿美元增长到2001年的31.2亿美元——而在于没有公司能增长得快到足以证明那些天价预期的合理性。基本面改善了，但预期崩溃了。

今天的情况要平静得多。纳斯达克的市盈率约为32，是互联网时代的一半。更广泛的科技市场高于长期平均水平，但远未达到互联网时代的水平。与铁路泡沫时期约20的估算市盈率相比，它是高的。但铁路泡沫的结局很糟，不是因为估值本身极端，而是因为收入增长停滞。相比之下，生成式AI的收入仍在迅速加速。

许多投资者关注的另一个估值过度的指标是所谓的“巴菲特指标”，它衡量股市估值超过GDP的程度。毫无疑问，这个指标正处于峰值，远高于通常预示市场回调的两个标准差的异常水平。但目前我们更为乐观。历史会押韵，但不会重复。巴菲特指标依赖于GDP，而GDP在捕捉技术生产力增益方面是出了名的糟糕。此外，大型科技公司收入的很大一部分来自美国以外，使其收益与国内GDP脱钩。最后，基于AI的生产力可能会影响利润率——在保持产出（和GDP不变）的同时增加公司利润。因此，尽管我们关注巴菲特指标（及其远亲，席勒CAPE比率），但我们觉得一个加速发展的数字经济的不同动态并没有被它们很好地捕捉。

那么这个指标有多热呢？我的判断是绿色。价格尚未像互联网估值那样完全脱离地心引力。

指标5：资金质量

资金质量不是一个标准指标，而是一个综合判断。它探究资金来自何方，其结构如何，以及资本是愿意等待数年回报，还是追逐季度性暴涨。简而言之，低质量资本是短视的、无纪律的和负债累累的；它来得快，去得也快。高质量资本更有耐心，承销更好，并能承受波动。

每个泡沫都有其标志性弱点，并且无一例外地根植于其融资方式。铁路是由背后资本甚少的投机性散户投资者推动的。到1870年代初，美国铁路公司的有息债务平均占总资产的46%；当过度建设遇到信贷紧缩时，融资便蒸发了。1873年的大恐慌使得铁路线路进入破产管理。

一个世纪后，互联网公司稍显坚挺。风险投资在1995年还是一个精品业务，仅部署了53亿美元。到2001年，超过2370亿美元被投入初创公司，通常是由新的、缺乏经验的经理人操作。这股狂热蔓延到公开市场：1999年至2000年间的IPO数量是历史平均水平的六倍。公司在几乎没有收入的情况下上市。我的两个朋友在1998年将theGlobe.com上市，上市当天股价暴涨606%。

1990年代末的电信业依赖于堆积如山的廉价债务。美国和欧洲的运营商在短短几年内将杠杆率翻了一番甚至四番。德国电信和法国电信在1998年至2001年间共增加了780亿美元的净债务。当收入未能跟上时，违约潮在整个行业蔓延。

在每个案例中，助长繁荣的资本都证明是短暂的。但脆弱程度不同。铁路和电信业最易受到信贷紧缩的影响，其债务比率急剧膨胀。互联网公司则受市场情绪的左右，其股权价值蒸发。

在这方面，今天的AI繁荣看起来更坚固。微软、亚马逊、Alphabet、Meta和英伟达正在创造非凡的现金流，足以轻松资助自身的建设。目前是这样。但投资需求正在飞速增长。摩根士丹利估计，2025年至2028年间，全球数据中心总资本支出将达到2.9万亿美元。超大规模云服务商或许能用内部现金覆盖其中的一半。其余的必须来自私人信贷、证券化融资和新的运营商。各国政府也已承诺1.6万亿美元的主权AI投资，海湾资本也在寻求新的机会。

资金质量方法论：按1-3分制评分；权重：资金组合35%，期限匹配30%，中介纪律20%，系统性损失吸收10%。

风险正是在这里悄然滋生。摩根士丹利自己指出，将有一个1.5万亿美元的缺口需要由债务市场和资产支持证券来填补。这个数额是巨大的：8000亿美元来自私人信贷，1500亿美元来自数据中心ABS，还有数千亿美元来自OEM贷款和供应商融资。仅这1500亿美元就将使数据中心证券化市场的规模几乎一夜之间扩大三倍。而且并非每个借款人都像微软那样可靠。

想想CoreWeave，这家由英伟达支持的新贵公司，现在正准备上市，负债80亿美元。它已经因未遵守贷款契约而陷入技术性违约（虽然并未破产），其收入仅依赖于两个客户。它的经济模式建立在租赁每年折旧20-30%的GPU上，这更像是WeWork的租约，而不是超大规模云服务商那样的持久资产负债表。

AI的资本质量目前很稳健，但预计未来只有大约一半的支出能由超大規模雲服務商的現金流覆蓋，其基礎可能會減弱。

换句话说，基础比过去的泡沫更坚固，但上层建筑开始呈现出旧的模式。深奥的债务结构、集中的交易对手以及可能无法保值的硬件正在重现。如果生成式AI的收入增长十倍，债权人将安然无恙。如果不能，他们可能会发现，一个装满过时GPU的仓库是很难作为担保物的。

目前，我的指标是偏绿色的。我们尚未进入泡沫区域，但如果未来一年融资继续朝这个方向发展，而收入增长不像2025年那样强劲，它可能会转为黄色。

基于这些指标，生成式AI仍处于一个由需求驱动、资本密集的繁荣期，而非泡沫。但繁荣可能迅速变质，有几个值得关注的压力点：

如果投资攀升至GDP的2%，这可能意味着经济对AI的权重相对于其生产力回报来说过高；同样地，如果未来三到五年内，一个或多个超大规模云服务商削减资本支出超过五分之一，这将标志着市场情绪的急剧转变，可能引发其他参与者的迅速衰退。

当前企业和消费者支出水平的持续下降将是另一个警告，尤其是如果英伟达的订单积压量缩水预示了这一点。与此同时，经济效益需要改善：每美元资本产生的收入应向0.5-1.0的范围移动。如果这个差距未能缩小，将意味着规模化并未带来预期的效率。

如果估值开始接近50-60的市盈率，那看起来就会有泡沫，因为一个真正的增长阶段应该看到收益追上价格，而不是进一步落后。

如果内部现金覆盖的资本支出低于25%，数据中心投资的稳定性将面临压力。目前，稳定性来自超大规模云服务商强劲的现金流。如果他们不再覆盖大部分资本支出，那么更多的债务和证券化将悄然进入。考虑到GPU的折旧周期，这并非好事。如果内部资金滑落到新增资本支出的四分之一以下，并且依赖转向债务和证券化，那么该行业对短寿命GPU的依赖及其对高利率的敞口可能会迅速变得不稳定。

我目前的经验法则是，如果五个指标中有两个进入红色区域，你就身处泡沫地带了。是时候卖出，购买VIX指数，并深呼吸了。

在1873年大恐慌前一年，铁路的经济压力变为红色，伴随着资金质量的下降。收入增长乏力也无济于事。随着2001年电信业的崩溃，收入增长和资金质量都亮起了红灯。在互联网时代，则是行业投资压力和估值。

生成式AI还没到那一步。它在快速前行，引擎在呼啸，但尚未过热。需要多长时间才会有两个指标进入红色区域？我尝试过各种组合，大多数可怕的情景需要几年时间才会上演。（而且并非所有情景都可怕。）话虽如此，许多宏观因素，从美国的经济衰退，到通胀上升、具有挑战性的利率环境，以及国内或国际政治，都可能抑制市场情绪。虽然我们可能还没有稳稳地进入泡沫之地，但认为AI投资周期能对那些狂热的动态免疫，将是狂妄自大的。

继续前行吧。就目前而言。