{"text":[[{"start":8.65,"text":"标普500指数在2026年6月2日创新高之后，至今经历了接近两个月的震荡调整。6月的调整很大程度是对劳动力市场过热和美联储加息的担忧，此后进入7月，市场的担忧更多转向了AI投资。"}],[{"start":25.85,"text":"为了考察美国的“经济地理”，笔者最近驾车穿越了美国东西海岸（特斯拉的自动驾驶使得这一行程成为可能），沿途在景观单调的时候就会思考一些美国经济和美股的问题。行程结束时，笔者对和AI相关的一些“旧”事实形成了新的理解，这些新理解对于评估美股的风险提供了线索。"}],[{"start":48.08,"text":"AI算力一直供不应求"}],[{"start":50.76,"text":"据估计，在过去四年中美国AI算力增速大约是每年三倍，新增算力一旦投产就是满负荷运行。在长达四年行业爆发的高度乐观期内，AI云服务商保持了产能建设上的审慎性，这个事实需要更多的解读。笔者认为，如果没有特别有说服力的新理由，或者对未来技术趋势和市场需求的预判有较大变化，那么理性的投资者应该继续倾向于相信大型云服务商的产能投资计划是合理的。"}],[{"start":81.75999999999999,"text":"一个例外情况是，如果当前的算力使用者主要是AI模型开发者，而不是终端用户，那么存在的一个风险是：AI模型开发商使用了主要的算力份额，将来可能发现AI模型在现实世界的应用有限，因而既有和未来的大规模投资最终都是“浪费的”。不过，根据目前的AI使用情况，企业和个人是算力的主要使用者，上述风险情形可以被排除。"}],[{"start":108.38999999999999,"text":"算力投资进度可以灵活调整"}],[{"start":111.38999999999999,"text":"一个大型的AI数据中心项目全部完工可能需要5年，包括前期规划、获得许可、电力与建筑等基建，以及后续设备安装——从网络设备到最为核心和最昂贵的AI机柜。一个项目通常是分批完成，在一个阶段的建筑和电力设施完工后，AI机柜的部署规模也可以方便地调整。这种“模块化”的特点为投资商根据需求调整投资节奏提供了灵活性。"}],[{"start":139.57999999999998,"text":"这种灵活性和很多别的行业形成反差，例如铁路和高速公路只有全线贯通后才能准确知道项目是否能盈利，并且一旦开工，修一半就“基本”相当于废弃。1990年代的光纤光缆铺设也是如此。其他如大坝、水利工程、火电站、大型厂房，在不同程度上都是如此。数据中心的投资灵活性更高，这不容易形成大规模产能过剩。"}],[{"start":167.20999999999998,"text":"财经新闻报道中，关于大型数据中心投资取消或放缓的新闻屡见不鲜，这和笔者上述的结论相一致。此外，数据中心行业只有几家巨头，他们可以默契协调新产能投放的节点，避免全行业集中投放产能。"}],[{"start":184.77999999999997,"text":"AI进步的高度可持续性"}],[{"start":187.77999999999997,"text":"很多市场观察家，包括华尔街最著名的一些空头，把目前AI的庞大投资和历史上的一些投资泡沫相比较，并得出悲观的结论。目前大规模AI投资商的发债利率已有显著升高，并且是最近利率高企的一个贡献因素。美联储从金融稳定的角度出发，也开始审视金融机构对AI基础设施的融资情况。"}],[{"start":213.06999999999996,"text":"不过，AI技术的进步可持续性比历史上很多著名的技术创新都要大。互联网技术出现之后，技术进步主要体现为带宽和速度，再后来更主要是基于互联网的商业应用，但互联网技术本身在被发明之后就“比较稳定了”。蒸汽机和飞机在发明之后的进步也较为缓慢，蒸汽机要很多年才慢慢进入各行各业。但AI不同，每半年它的能力、它能做的事就有显著提升。考虑到技术的持续快速进步，并且“能力”能够立即被用起来，较高的投资增速在很大程度上就是合理的，这和历史上的很多技术创新形成反差。"}],[{"start":255.27999999999997,"text":"AI的推理能力"}],[{"start":257.35999999999996,"text":"人类具有高度的思考能力，每天进行大量的推理活动。随着社交媒体的广泛使用，人们会发现人类热爱交流，但很多时候推理的质量并不高。一部分原因是人类思考很难具有系统性，一旦概念变得抽象，需要考量的因素增加（例如从2个增加到3个），人类的理解和推理质量就会变得高度不稳定。一位律师朋友对认知心理学感兴趣，在利用职务之便考察了大量人类推理之后，提出了“草履虫思维”的概念。"}],[{"start":289.92999999999995,"text":"考虑到人类推理的质量并不稳定，目前对一些“整洁的认知任务”的推理和处理，AI已经可以很好地代替。即便对一些混乱的任务（Messy Jobs，该名词由伦敦经济学院知名的AI经济学家Luis Garicano提出），AI的表现也日渐进步。"}],[{"start":308.28999999999996,"text":"如果考虑未来AGI有可能实现，AI的经济潜力则更上台阶。英国《经济学人》杂志列出了当前影响力最大的十位研究AI的经济学家，并且把他们对AI的乐观程度从最高到最低排了序。无论乐观还是悲观，他们中的大多数把AI作为一个生产辅助工具，但作为辅助工具其能够获取的收入就有“天花板”。例如医生使用了AI，会在其收入里分一块给AI（人类给AI发工资），由于这是“二级收入”，其规模就有限。但如果有了通用人工智能（AGI），AI可以达到独立出诊的水平，或者人类医生开始成为AI医生的辅助者（AI医生给人类医生发工资），AI医生的这个收入规模就会更大（另一个可以想象的领域是教育）。AGI的价值如此之大，这大概可以解释为什么领先的AI公司在全力投资，争夺AGI的先机。"}],[{"start":364.71,"text":"综合起来，就目前AI的推理能力（和其成长轨迹），经济价值就已经巨大。而如果AGI有机会实现，其影响之深远是无论如何强调都不为过的。"}],[{"start":378.04999999999995,"text":"半导体股票的风险"}],[{"start":380.22999999999996,"text":"上面是笔者对一些AI“旧”事实产生的新理解，总体来说笔者是乐观的。不过，AI行业的风险也不容小觑，这是为什么当前美股踟蹰不前的原因之一。AI算力是个存量，每年生产的芯片用于算力投资则对应算力的增量。有经验的投资者会知道，这种产业结构下对芯片的需求波动会非常大（国内投资者最熟悉的类似情况应该是“猪周期”）。"}],[{"start":409.91999999999996,"text":"考虑一个简单的计算：假设对AI算力的需求增长是匀速的（例如20%），那么对芯片的需求也会是平稳的20%。假设在某一年对AI算力的需求增速提高到30%，对芯片的需求增速将会翻倍。而如果在随后的一年AI算力增速降低到10%，那么对芯片的需求就会断崖式下跌。这种“加速效应”正是市场对芯片股感到担心的地方，一旦投资高峰过去，芯片行业将不可避免地出现显著的负增长。"}],[{"start":444.14,"text":"在2026年7月，在美国挂牌并和AI投资密切相关的半导体股票总市值大约为10万亿美元（其中仅英伟达就超过5万亿），占美股总市值的比重大约为14%。在过去的几年中，很多芯片股票价格涨幅达到10倍之多，这正是AI需求加速造成的。但也正如上面的计算显示的那样，如果AI算力增速开始放缓，半导体股票业绩和股价将会受到严重打击。这个波动是行业的“物理属性”，其本身几乎是无法避免的。投资者去预测芯片行业的周期也很不容易，因为行业周期拐点这个事就连该行业的顶尖从业者都说不准。退而求其次，一个简单但比较保险的方法是转向“技术分析”，如果观察到半导体行业指数进入了熊市形态，那么就应该警惕该板块会继续“熊下去”的可能场景。考虑到半导体行业庞大的市值，其下行对整体股市的拖累将会很大，美股投资者需要对此风险有充分的了解。"}],[{"start":509.09,"text":"不过，半导体“走熊”也有一些好的方面。一方面，半导体如果进入熊市意味着AI云厂商的大规模投资期将结束，他们的股票估值可能会上升。另外，美国的通胀压力可能会下降，货币政策可能重新趋于宽松，从而让整体股市获得一定支撑。"}],[{"start":529.78,"text":"AI的一些宏观影响"}],[{"start":532.18,"text":"和AI相关的股票市值占美股的接近50%，本文的分析表明这50%的股票是机会大于风险的，尽管风险也不容小觑。至于其余的50%股票市值则需要更宏观的方法来研究。AI带来的供给侧正面冲击可能会减缓通胀，AI对人力的替代担忧可能压制了工资的增长，这也降低了通胀压力。例如在最近几个月的劳工部非农报告中，就业市场较强，但工资增速保持在低位。"}],[{"start":564.5999999999999,"text":"最近美联储的企业调研显示，美国的电工被大量的数据中心建设项目“一抢而空”，这不仅导致工资较前几年几乎翻倍，更导致很多传统行业的投资项目因为抢不到工人而停工。这出现一个有意思的现象：因为对“瓶颈”技术工人的争夺，AI抑制了别的行业的投资，这间接带来抑制通胀的作用。"}],[{"start":587.55,"text":"AI还可能导致GDP被低估。此前在发表于FT中文网的文章中，笔者讲述了在AI帮助下维修房屋的故事。在阅读了文章之后，有两位朋友向笔者分享了他们自己类似的故事，这让笔者相信此类情况不在少数。这些工作原本由企业完成，会被统计在GDP中，而现在AI促成的“自己动手”形成的产出就不会统计在GDP中了。此外，这些节省下来的维修开支可能会用于餐饮和其他娱乐消费活动中，这也可能是美国GDP统计中消费数据较强的一个原因。"}],[{"start":626.79,"text":"AI的宏观影响是丰富而复杂的，据笔者了解，目前美联储研究力量投入最大的领域就是AI。"}],[{"start":634.88,"text":"美股后市展望"}],[{"start":636.89,"text":"投资者对美国AI行业股票的定价日渐挑剔，例如AI的龙头股英伟达经历了多次“财报越好，股价越跌”的情况，最新的例子则是刚刚发布季报的谷歌。市场不但要求收入利润的高增长，还要求“高质量”增长，也就是投资支出和现金流，以及形成的产能运用，相互之间要完美匹配。这种苛刻的标准和1990年代下半期的互联网泡沫时期形成对比。市场的这种挑剔和审慎，可能预示AI股票的泡沫并不大。"}],[{"start":671.12,"text":"纳斯达克100指数的静态市盈率（PE-TTM）目前为33倍，动态市盈率（Forward PE）则为25倍，两个估值都处在过去十年的较高水平（例如2019年和2021年）。标普500指数的两个PE数值分别为25和21。根据笔者的估值测算，考虑到当前业绩的高增长和持续性（例如标普500每股收益增速接近20%），目前的绝对估值水平处于合理区间。"}],[{"start":699.13,"text":"在2025年10月底之后，因为担心AI投资过大，美股有过长达4个月的震荡期，然后是伊朗战争爆发导致的急剧下跌。在4月初伊朗战事出现“转折信号”之后，美股经历了一个长达2个月的显著上涨，然后从6月初开始因为对紧缩货币政策的担心和AI投资的担心再度进入调整，至今已经接近两个月。笔者预期当前这个调整将继续一段时间，在未来的几个月新数据出现后（也包括技术面的调整），美股会选择方向，而向上的概率将是偏大的。"}],[{"start":733.88,"text":"注：本文仅代表作者个人观点，笔者为经济学博士、金融从业者"}],[{"start":739.8,"text":"本文编辑徐瑾 Jin.Xu@FTChinese.com "}]],"url":"https://audio.ftcn.net.cn/album/a_1785893068_2641.mp3"}