论坛背景 - 2026年中国首席经济学家论坛年会于1月10日至11日在上海举行，主题为“棋至中局：承前启后 建设强国” [1][3] 核心观点：对当前主要“泡沫”的评估 - 演讲者认为2026年世界上最坚硬的三个泡沫依次是：黄金、今年震荡较多的黄金、人工智能 [3][5] - 演讲者指出，人工智能不仅是当前，甚至是人类历史至今最大的一次泡沫 [3][5] - 演讲者强调，若将泡沫分等级，科技泡沫是“最不坏”的一种，因为每一次重大的科技与产业创新都由泡沫牵引，例如铁路和互联网 [3][5] - 演讲者认为泡沫并非负面词汇，其意义在于决定社会资源的引导方向 [3][5]

人工智能行业与科技股 - 桥水基金创始人达利欧警告人工智能热潮已步入泡沫初期阶段 此前该热潮推动了华尔街科技股大涨 [1] 全球资产配置趋势 - 投资者更愿意配置非美股资产而非美国股票 同时更青睐非美债券资产而非美国债券与美元现金 [1] 宏观经济与政策环境 - 美联储未来政策走向与生产力增长前景存在巨大不确定性 [1] - 新任美联储主席及联邦公开市场委员会大概率倾向于压低名义利率与实际利率 [1] - 压低利率的举措会对资产价格形成支撑 但也会进一步催生泡沫 [1]

行业观点 - 桥水基金创始人达利欧认为，推动华尔街科技股大涨的人工智能热潮目前已步入泡沫初期阶段 [1] 市场与资产配置 - 投资者更愿意配置非美股资产，而非美国股票 [1] - 投资者更青睐非美债券与美元现金资产，而非美国债券 [1] 宏观经济与政策 - 未来美联储的政策走向与生产力增长前景存在巨大的不确定性 [1] - 新任美联储主席及联邦公开市场委员会大概率会倾向于压低名义利率与实际利率 [1] - 压低利率的举措会对资产价格形成支撑，但也会进一步催生泡沫 [1]

稀土产业 - 稀土成为大国战略竞争焦点 是制造电动汽车电池、电机磁体、风力涡轮机及电子设备的关键金属 [2] - 美国发起大规模公共投资浪潮推动本土稀土供应链建设 将地缘战略与稀土资源直接挂钩 [2] - 欧盟启动资源自主计划 目标是到2030年末使成员国的矿产资源自给率达到10% [2] 监管环境 - 欧盟的“布鲁塞尔效应”在2025年遭遇严峻挑战 其作为全球“规则制定超级力量”的设想显露局限性 [3] - 欧盟在数字市场、数据治理领域继续推进监管议程 但纯粹的“监管权力”需在“硬实力”竞争时代寻找新平衡点 [3] 贸易与关税 - 美国在2025年4月宣布对进口商品加征一系列新关税 达到自20世纪30年代以来的最高水平 [4] - 美国关税政策意图重塑全球贸易规则并推动制造业回流 但事实表明美国制造业岗位反而减少 [4] - 单边关税政策引发高昂的国内补偿成本 包括对受损农业的巨额补贴和对纳税人的通胀补贴 [4] 人工智能投资 - 2025年全球对人工智能领域的投资热情空前高涨 过去一年投资额达到3750亿美元 [5] - 作为对比 考虑通胀后美国“曼哈顿计划”成本相当于300亿美元 “阿波罗计划”耗资2980亿美元 [5] - 大型科技公司如“元”公司和微软以及后起之秀如OpenAI均投入巨资 力图成为AI领域龙头企业 [5] - 美国政府为该行业提供资金和监管支持 不少国家将AI视为核心战略资产并提供宽松的监管支持 [5] - 资本为对冲地缘政治风险进行跨阵营多元化布局 AI投资热潮由大国博弈与风险对冲共同驱动 [6]

对冲基金经理雷伊・达利欧的市场观点 - 核心观点：对冲基金经理雷伊・达利欧认为，曾推动华尔街科技股走高的人工智能热潮目前已进入泡沫初期阶段[1] - 2025年美国股市表现显著落后于非美股市及黄金资产[1] - 投资者更愿意配置非美股票，而非美国股票；同理，他们也更倾向于持有非美债券，而非美国债券与美元现金[1] 对美联储政策及市场影响的判断 - 未来美联储的政策走向以及生产力增速存在巨大的不确定性[1] - 新任美联储主席及联邦公开市场委员会大概率会倾向于压低名义利率与实际利率[1] - 压低利率的举措虽会对资产价格形成支撑，但也会进一步吹大泡沫[1]

文章核心观点 文章总结了《麻省理工科技评论》评出的2025年度十大AI热词，这些概念正在重塑AI行业格局，反映了技术发展、应用模式、资本动态及社会影响等方面的关键趋势 [1] 氛围编程 - 编程方式被重新定义，开发者只需用自然语言向AI表达应用目标、功能需求和整体体验感觉，AI则负责自动生成代码、调整细节并通过反复对话迭代 [2] - 这种方式由OpenAI联合创始人安德烈·卡帕西提出，被称为“氛围编程”，它并非一种新编程语言，而是一种新的人机协作方式 [2] 推理模型 - “推理”成为AI讨论核心词汇，对应的是推理模型的崛起，这类大语言模型通过多步拆解与连续推演处理更复杂问题 [3] - 自OpenAI发布o1和o3系列后，DeepSeek迅速跟进，主流聊天机器人均已引入推理技术，在数学和编程竞赛中达到顶尖人类专家水平 [3] 世界模型 - AI研究正转向构建“世界模型”，旨在让AI理解现实世界的因果关系、物理规律与时间演化，而不仅仅是学习语言，从而判断合理性并预测未来 [4] - 谷歌DeepMind的Genie 3、李飞飞团队的Marble以及杨立昆离开Meta后的新研究，都通过预测视频演化或构建虚拟环境，让AI在模拟中掌握世界规律 [4] 超大规模数据中心 - 为满足激增的AI算力需求，科技巨头正以前所未有的规模建设专用“超级数据中心” [5] - 例如，OpenAI与美国政府合作的“星门”项目计划投入5000亿美元，在全美建设史上最大规模的数据中心网络 [5] 资本与泡沫 - AI成为资本最拥挤的赛道之一，以OpenAI、Anthropic为代表的公司估值持续攀升，但多数仍处于高投入、尚未建立稳定盈利模式的阶段 [6] - 与当年的互联网泡沫相比，如今顶尖AI公司收入增长迅猛，且背后有微软、谷歌等资金雄厚的科技巨头提供稳定支撑 [6] 智能体 - “智能体”是AI圈内热门但定义尚不统一的概念，各家宣传AI能像“智能助手”一样自主完成任务，但行业对真正智能体行为缺乏统一标准 [7] - 尽管AI难以在复杂多变环境中稳定可靠工作，“智能体”已成为产品宣传中最热门的标签之一 [7] 模型蒸馏技术 - DeepSeek在2025年年初发布的R1模型展示了“蒸馏”技术的巧妙之处，该技术让小模型学习大模型的精髓，以极低成本实现接近顶级模型的性能 [8] - 这表明打造强大AI模型未必只能依赖堆砌昂贵算力，高效的算法设计同样能带来新的可能 [8] AI垃圾 - “AI垃圾”特指为博流量而批量产生的劣质AI内容，该词汇已演变为一种后缀，被用来形容各种缺乏实质、空洞乏味的事物，如“工作垃圾”、“社交垃圾” [9] - 这折射出人们对AI时代内容质量与真实性的普遍反思 [9] 物理智能 - AI在现实世界中的行动能力仍是很大短板，虽然机器人在特定任务上学习更快，自动驾驶模拟更逼真，但不少“智能家庭助手”产品仍需人工远程操控 [10] - 为提升此能力，已有机器人公司开始向普通人征集做家务视频，表明让AI真正理解并适应物理世界仍前路漫长 [10] 生成引擎优化 - 传统搜索引擎优化正在让位于“生成引擎优化”，随着AI直接给出答案，信息获取方式发生改变 [11] - 新的竞争规则是：当用户直接问AI问题时，AI答案中是否会提及特定品牌、观点或引用其内容，内容提供者必须学会被AI引用和吸收，否则可能从视野中消失 [11]

美股市场情绪与投资者困境 - 投资者陷入两难境地 既害怕错过AI带来的涨势 又担心这是一个随时可能破裂的泡沫 这种贪婪与恐惧的拉锯战将成为市场主旋律 [2] - 美国银行调查显示 股价上涨的规模已使对泡沫的担忧成为基金经理们的头号心病 但同时担忧典型的“踏空风险” 这可能会惩罚任何过早撤退的人 [2] 市场波动率前景与特征 - 策略师预计 过去18个月大幅抛售和快速反转的特征可能会持续到2026年 AI热潮可能遵循过去技术革命的繁荣与萧条周期 [2] - 策略师预计股票波动率在2026年将主要受到支撑 因为资产泡沫在膨胀时往往会变得更加不稳定 投资者应预料到偶尔会出现超过10%的跌幅 但市场会出现创纪录的快速反弹 [3] - 摩根大通策略师表示 波动率正受到两股力量拉扯 压低波动率的技术和基本面因素 以及支持波动率高于平均水平的宏观因素 他们认为2026年VIX中位数将维持在16到17左右 但在避险时期该指数将大幅飙升 [4] - 法兴银行策略师应用的基本面波动率机制模型指向2026年会出现更高的波动率 [6] AI热潮对市场结构的影响 - 处于AI投资热潮中心的科技公司拥有巨大影响力 科技板块与标普500指数其余部分的分化有助于抑制2025年市场的已实现波动率 因为科技股的上涨抵消了其他领域的下跌 [2] - 瑞银衍生品策略师指出 2025年可能是板块轮动和少数个股领涨的一年 而非广泛的风险偏好开启或关闭 这有助于将隐含相关性水平拉低至历史低点 但这让VIX面临风险 一旦宏观驱动因素再次占据主导 VIX随时可能出现持续的大幅飙升 [2] - 法兴银行策略师认为 美国企业部门正处于一个新的AI驱动的再杠杆化周期的风口浪尖 这应会导致信用利差和股票波动率双双走高 [6] 波动率交易策略与市场动态 - 瑞银策略师认为 AI热潮是持续还是破裂的问题 使得持有纳斯达克100指数波动率上升的合约成为押注这两种情况的关键 买入纳斯达克100指数波动率同时卖出标普500指数波动率被该行视为对明年最有信心的交易 [3] - 热门的离散度交易（押注个股波动率上升而指数波动较小）可能会在年初特别流行 投资者将部署该策略的新版本 但一些基金正采取相反的立场 认为这已成为一个过度拥挤的交易 [4] - 花旗策略师指出 投资流动的不平衡会影响期权定价 在波动率曲线的短端有大量来自散户和机构的供应 在长端有对冲资金流 这将保持长端处于高位 预期会出现陡峭的期限结构 [4] - 瑞士对冲基金Adapt Investment Managers表示 离散度策略已成为众所周知的策略 许多阿尔法已经消失 需要改进策略、选股或交易时机来挤出回报 [5] - 花旗策略师预计 许多离散度组合将在1月份到期 对冲基金将重新加载定制的一篮子离散度交易 这可能会维持个股波动率相对于指数的溢价 [5] 投资者应对与风险准备 - 彭博行业研究首席全球衍生品策略师表示 投资者的错失恐惧症、相互矛盾的AI叙事以及作为波动源的美国政府 正在为交易波动率创造有利的背景 这使得为左侧和右侧尾部风险做好准备成为2026年的关键 [6] - 法兴银行策略师提出的基本面波动率机制模型 在做多和做空波动率交易之间进行动态切换 总体而言 收益率曲线平坦化是买入波动率的信号 而做空波动率交易则由曲线陡峭化触发 该模型避开了2008年和2020年的大幅回撤 [6]

行业融资与估值现状 - 人工智能领域融资热潮中可能存在“泡沫”，尤其集中在以高估值获得融资的早期初创公司身上 [1] - 一些初创企业“基本上还没开始运营”，却在起步阶段就获得了数百亿美元的估值 [3] - 人工智能初创公司的估值正持续攀升，一些年轻的创始人正在为其AI创业项目筹集数百万美元的资金 [4] - 例如，斯坦福大学的一名辍学生Carina Hong为其AI初创企业Axiom Math筹集了6400万美元 [4] 对高估值现象的看法 - 对于初创公司获得数百亿美元估值的现象，质疑其可持续性，认为“总体上不行” [3] - 将此类天价种子轮融资与大型科技公司向AI基础设施投入数十亿美元的做法进行了区分 [3] - 指出大型科技公司的估值背后有“很多实际的商业价值”作为支撑 [3] 对人工智能技术发展的观点 - 认为人工智能技术“在短期内被过度炒作”，但“在中长期内仍未得到充分重视” [3] - 对于人工智能这类重大技术变革而言，出现“矫枉过正”是不可避免的，尤其是在公众态度迅速从怀疑转向痴迷时 [3] - 以DeepMind自身发展历程为例，指出市场认知经历了从无人相信到成为商界核心话题的巨大转变 [3] 公司自身定位与策略 - DeepMind首席执行官个人并不担忧人工智能领域是否存在泡沫，其工作重心是专注于DeepMind自身的研发 [3] - DeepMind负责为谷歌的产品构建AI模型，并领导谷歌的前沿人工智能研究 [3]

文章核心观点 - 生成式AI的产业热度已如基础设施般普及，但实际使用仍停留在“可选工具”阶段，尚未成为“人人离不开”的默认工作方式 [5][6] - 当前AI产业的关键矛盾不在于追求更强的模型能力，而在于缺乏能将AI能力嵌入具体工作流程的“产品形态”以及确保结果可靠的“可验证交付链路” [16][17][37] - 行业正经历从模型狂热到产品定型的迁徙，真正的投资机会和竞争壁垒将出现在那些能把AI能力转化为可销售工作流、控制成本与分发渠道的公司手中 [18][24][37] 真实进度与采用矛盾 - ChatGPT拥有8亿至9亿的周活跃用户，但其中每天使用数小时的高频用户占比较低，约10%至15%的用户每天使用，更多人仅是每周或偶尔使用一次 [6] - AI技术的认知度已达到基础设施级别，但实际应用尚未形成习惯，多数用户“看过、理解、有账号、会用”，却想不出近期必须使用的具体场景 [5][6] 行业叙事与定义模糊 - “AI”一词正变得像“技术”或“自动化”一样，在其普及后将不再被特别强调，而成为产品的默认组成部分 [8] - “AGI”（通用人工智能）的叙事存在矛盾，常被描述为“要么已经以小型软件形式存在，要么永远在5年后到来”，这种定义上的摇摆导致行业预测被叙事拉扯 [8] 平台变革的特殊性与不确定性 - 与过去的平台变革不同，生成式AI的“物理极限”未知，因为缺乏关于“其为何有效”以及“人类智能是什么”的充分理论，导致预测困难 [10] - 这造成了“精神分裂式叙事”：同一家公司可能同时宣称即将拥有“人类级研究员”，又将其描述为新的软件API堆栈，而这两者在逻辑上难以同时成立 [10] 泡沫与资本开支的逻辑 - 像生成式AI这样“非常新、非常大、非常令人兴奋”的技术，几乎必然会导致投资泡沫，关键问题在于判断当前处于泡沫周期的哪个阶段 [12][13] - 驱动当前巨额资本开支的核心逻辑是“不投资的下行风险，超过过度投资的下行风险”，因为AI计算需求难以精确测算，模型效率提升与使用量增长等因素相互交织 [15] 缺失的产品形态与机会 - ChatGPT更像一个“伪装成产品的聊天机器人”或入口，而非定义了新工作方式的划时代产品（如iPhone或Excel） [16][17] - 当前最大的机会在于创建“缺失的产品”，即把AI能力包装成解决特定岗位与流程的解决方案，将空白提示框转化为具有明确“按钮”和选项的专业工作流 [17][18] - 企业购买的是解决方案而非底层技术，这解释了为何他们会选择Everlaw这类垂直应用，而非自行组合AWS的API [17] 验证、错误率与落地挑战 - AI落地的核心挑战不是“能生成”，而是“能交付”，这涉及到验证链路、责任边界以及错误成本 [20] - 在需要特定正确答案的场景中，如果AI输出的错误无法被机械验证，依赖人工核对的成本可能超过自行完成工作的成本，这使得“无限实习生”的设想有时反而增加负担 [20] - OpenAI的Deep Research在营销展示中出现了数据转录和来源选择错误，这凸显了可靠交付的难度 [20] 竞争格局与护城河 - 对于偶尔使用的消费者，AI模型可能趋于同质化，成为“商品”，真正的竞争差异将体现在分发渠道、默认入口和成本基础 [24] - OpenAI虽然拥有8亿至9亿周活的巨大入口优势，但这种优势“很脆弱”，因为它缺乏强大的网络效应、生态系统或功能锁定，同时其成本受制于外部云服务商 [24] - 模型厂商必须“两线作战”：既要在模型之上构建有粘性的产品形态，又要补足基础设施以控制成本，建立护城河 [24][25] 主要科技公司的战略站位 - **OpenAI**：防守默认入口的心智优势，同时抢夺产品护城河与可控的成本基础 [28] - **Google**：防守搜索广告现金牛业务，同时争夺下一代用户体验的定义权 [29] - **Meta**：防守内容分发与推荐系统的控制权，争夺下一代社交体验的主导权 [30] - **Amazon**：防守AWS云计算（“卖铲子”）业务，同时抢夺用户购买决策与商品发现的入口 [31][32] - **Apple**：防守设备与生态入口，其关键在于AI是否会改写计算形态与应用（App）的存在方式 [33] 对传统行业的潜在冲击 - AI的第二、三阶段影响可能不是简单提升效率，而是暴露并重塑行业价值链，移除那些曾被当作护城河的“流程摩擦” [35] - 当大型语言模型能直接回答用户问题（如提供食谱），或改变购买决策路径（通过对话式建议），依赖传统流量和转化模式的行业（如出版、媒体、电商营销）将面临根本性挑战 [35]

核心观点 - 资深投资者霍华德·马克斯认为，当前AI投资热潮与互联网泡沫存在本质差异，不应简单归类为非理性狂热，但盈利来源和最终受益者仍不明朗，建议采取适度、审慎且有选择性的投资策略 [1][5][6] AI行业现状与市场表现 - AI产品已经存在，需求正在爆发式增长，并迅速产生可观收入 [1][3] - 市场和经济对AI的依赖程度日益加深，AI股票贡献了标普500指数的大部分涨幅，行业资本支出也支撑着美国GDP增长 [1] - AI初创企业在“种子轮”融资中筹集10亿美元，有时甚至没有明确的产品，显示出极端狂热 [3] - 数千亿美元正被投入AI领导地位竞赛 [1][4] 关键公司估值分析 - 英伟达作为AI领军企业，其约30倍的远期市盈率虽然偏高，但对于一家能够产生巨额盈利的卓越公司而言“并不疯狂” [1][3] - 英伟达的估值远低于1999年互联网泡沫期间部分电信、媒体和科技股的交易水平 [1][3] 投资行为与泡沫特征 - 鉴于AI需求增长极度不可预测，投资者行为无疑具有投机性质 [1] - 投资者将资金注入革命性机遇领域，加速其进步，部分资金将投向改变生活的赢家企业，但大量资本将“灰飞烟灭” [2] - 历史表明，过往泡沫破裂造成的损失从未阻止下一轮泡沫形成，因为记忆短暂，且致富梦想难以抵挡 [2] - 新事物理应激发巨大热情，但当热情达到非理性程度时，泡沫就会形成 [2] 潜在风险与市场动态 - AI繁荣的最终盈利来源以及谁将获得这些利润仍缺乏清晰性 [1][4] - AI领域赢家通吃的军备竞赛正迫使一些公司举债，债务的风险取决于资本结构、资产质量、流动性来源及贷款人的安全边际 [4][5] 投资策略建议 - 投资者既不应“全身而进”冒毁灭风险，也不应“完全缺席”错失重大技术进步 [1][5] - 采取适度立场，结合选择性和审慎原则，似乎是最佳方法 [5][6]