AI投资热潮与估值分析 - 当前AI投资浪潮在科技巨头天量资本支出推动下席卷全球，市场高速前进，但存在对“泡沫”和估值透支未来潜力的担忧 [1] - 诺贝尔经济学奖得主迈克尔·斯宾塞指出，当前投资潮可能已“有些过热”，AI估值中存在一定泡沫，但不确定泡沫有多大 [1][3] - 与互联网泡沫时期不同，如今投身AI浪潮的公司已具备真实的业务收入，许多公司相当赚钱并用自身利润为投资提供资金，例如谷歌和微软 [1][6] 企业投资行为与激励结构 - 从投资激励结构看，主要参与者（科技巨头或获巨额融资的初创公司）认为在竞赛中“落后甚至被淘汰出局”的代价远高于“现在多投一些、哪怕略有超前”的代价 [2] - 这导致投资热潮被推高到可能超出“最佳投资回报率”合理区间的水平，形成一种“军备竞赛式”的激励结构 [2] - 推动当前局面的因素包括“害怕错过”心理，资产管理人有很强激励留在市场中；以及硅谷长期观点：对重大技术变革，短期内往往高估其影响，长期内却低估其深远作用 [3][4] 技术潜力与生产力转化 - 人工智能能否带来一轮生产力跃升目前仍是“未决问题”，各方看法不一，有人持谨慎乐观态度，也有人怀疑可能只会迎来新一轮“自动化与失业” [1] - 技术浪潮中，泡沫与真实价值、过热与低估可能并存，最终取决于技术能否为客户创造真实的新机会，如提升效率、降低成本或催生全新产品与服务 [5] - 与互联网泡沫时期只有“想出来”的点子而无真实收入的公司不同，当前AI领域“没有人会认为‘这里面什么都没有’”，这是根本差异 [6] 中国在全球科技竞争中的地位 - 中国在新能源、机器人及AI大模型等领域进展令世界瞩目，严肃研究认为中美之间原本存在的技术差距正在持续缩小 [1][6] - 在人工智能领域，中国一直是一股非常重要的力量，尤其在推动开源模型方面，这些模型正被全球开发者和企业广泛使用 [7] - 在绿色技术方面，尤其是电池、电动汽车、太阳能等领域，中国无论在技术上还是成本上都明显处于领先位置 [7] - 中国目前约占全球制造业的31%，并且正在大规模部署机器人，每年新部署的工业机器人数量已超过全球其他国家的总和，预计将在机器人领域成为真正的“超级大国” [7][8] - 中国在很多领域很可能会成为主要力量，甚至是最主要的那一个，中美两国都拥有推动AI发展所需的人才储备和云计算等基础设施 [1][8] 全球AI发展格局与模式 - AI领域目前主要由中美两国主导，所有大型科技巨头如阿里巴巴、百度、腾讯都在训练AI大模型，且大多采用开源路径 [8] - 未来中美两国可能会看到开源和闭源两种模式并存，闭源模型会通过API形式对外提供服务 [8] - 欧洲有潜力成为重要玩家，但挑战在于过于分散，缺乏根植于本土的云计算生态体系，依赖美国科技巨头提供的云服务 [9] - 人工智能包含两个层次：构建与训练基础模型需要极庞大资源与规模效应；模型的应用层成本更低、易于扩散，将在全球范围快速普及 [9] 区域经济合作与变化 - 中国与东盟国家的关系预计将继续保持强劲并进一步深化，这符合各方共同利益，全球经济增长重心正在向亚洲转移 [10] - 过去两三年间，中东地区显著崛起，不仅是重要能源供应地，也在科技尤其是数字技术领域成为重要投资者，例如阿布扎比设有专注于AI的大学，沙特阿拉伯正投入大量资金 [10] - 预计亚洲国家包括中国将与中东建立富有成效的合作关系，同时西方国家也有望与中东形成互利互动格局 [10]

美股市场与科技股动态 - 节后市场波动性整体受到压制，标普500指数与纳斯克综合指数保持强势，恐慌指数（VIX）徘徊在年内低点附近[2] - 市场对权重人工智能领域存在担忧情绪，包括过度投资与成本收益失衡，仅OpenAI一家就计划未来数年投入1.4万亿美元[2] - 美国银行基金经理调查显示，45%的受访者将“人工智能泡沫”列为市场最大的潜在风险，比例较9月的11%大幅攀升，超半数受访者认为人工智能概念股估值已处于泡沫区间[5] - 甲骨文本季度迄今股价已暴跌30%，正朝着2001年互联网泡沫破裂以来的最大季度跌幅迈进，其四季度营收与自由现金流均低于市场预期[3] - 甲骨文计划在2026财年投入500亿美元用于资本开支，较9月计划高出43%，并计划签署价值2480亿美元的租赁协议以扩充云服务容量[3] - 甲骨文今年9月通过发行债券募资180亿美元，为科技行业历史上规模最大的债券发行之一，有分析师对其履行巨额支出义务的能力表示担忧[3] - 巴克莱分析师指出，人工智能数据中心的建设规模堪称现代史上最大规模的基础设施扩建项目之一，已成为拉动美国GDP增长的重要引擎，但若增长停滞将暗藏巨大风险[5] 贵金属市场行情 - 受美联储降息预期及地缘政治等因素影响，白银、黄金与铂金价格刷新历史最高纪录[5] - 国际金价盘中迎来4500美元里程碑，在多重因素支撑下，黄金正迎来自1979年以来表现最强劲的年度涨幅[5] - 摩根大通预测，到2026年底，现货黄金价格将升至5000美元，并估算各国央行与散户投资者的黄金季度购买规模将达到585吨[5] - 黄金购买量每较350吨的基准水平高出100吨，贵金属价格就会上涨2%[5] - 印度市场的黄金现货溢价达到6个月以来的最高水平，中国市场的黄金现货溢价则在上周创下五年新高[6] - 白银期货大涨超9%，连续突破75美元、76美元和77.78美元三大关口，涨势由避险需求及工业需求共同推动[6] - 白银市场自2021年起一直处于供不应求状态，新银矿从开采到产出大约需要十年时间，产能难以快速扩大[6] - 伦敦金属交易所（LME）铂金期货盘中突破2500美元，刷新历史新高，收盘上涨近10%，钯金期货大涨13%，站上2000美元，续创三年高位[7] - 今年以来，铂金价格累计涨幅约为176%，钯金涨幅也超过120%，价格上涨源于供应趋紧、关税政策不确定性及投资需求轮动[7] - 铂金与钯金市场规模远小于黄金市场，少量资金入场即可引发价格大幅波动，欧盟计划放宽2035年燃油车禁令的消息也助推了价格上涨[8] 市场规模与流动性 - 全球贵金属实物与工业/投资现货市场规模约3300亿～3660亿美元，含衍生品与存量持仓的广义规模则达约1.8万亿美元，总计约2.2万亿美元[7] - 美国三大股指总市值已接近120万亿美元[7] - 市场流动性偏低的现状正在放大所有贵金属品类的价格波动[7]

文章核心观点 - 市场在假日期间呈现分化行情：流动性较低的贵金属市场因避险情绪、供需失衡等因素价格飙升，而流动性更好的明星科技股则因对人工智能领域泡沫的担忧以及货币政策不明朗而失去短期上行动力 [3] 美股市场与科技股动态 - 强劲的美国三季度GDP数据并未推高美债收益率，10年期国债收益率徘徊在4.17%，10年期与2年期国债利差保持31个基点的正值区间，这被解读为货币政策不会进一步收紧的信号，支撑了股市企稳和美元走弱 [5] - 标普500与纳斯达克指数保持强势，市场波动性受压制，恐慌指数（VIX）徘徊在年内低点附近，股市表现近似于“低波动套息资产” [6] - 市场对人工智能领域的担忧加剧，45%的受访基金经理将其列为市场最大潜在风险，比例较9月的11%大幅攀升，超半数受访者认为人工智能概念股估值已处于泡沫区间 [9][10] - 人工智能数据中心建设被视为现代史上最大规模的基础设施扩建项目之一，已成为拉动美国GDP增长的重要引擎，但其增长若停滞将暗藏巨大风险 [10] 科技公司案例：甲骨文 - 本季度迄今，甲骨文股价已暴跌30%，正朝着2001年互联网泡沫破裂以来的最大季度跌幅迈进 [6] - 公司发布的季度营收与自由现金流均低于市场预期，并计划在2026财年投入500亿美元用于资本开支，较9月计划高出43% [6] - 为支撑扩张计划，甲骨文于今年9月发行了180亿美元债券，为科技行业历史上规模最大的债券发行之一 [7] - 有分析师担忧，考虑到其投资级评级岌岌可危，若不重新协商与OpenAI的合同条款，公司可能难以履行巨额支出义务 [7] 贵金属市场行情 - 受美联储降息预期、地缘政治动荡、央行购金及去美元化趋势推动，国际金价突破4500美元里程碑，正迎来自1979年以来表现最强劲的年度涨幅 [11] - 摩根大通预测，到2026年底，现货黄金价格将升至5000美元，并估算各国央行与散户投资者的黄金季度购买规模将达到585吨，黄金购买量每较350吨基准高出100吨，价格就会上涨2% [11] - 白银期货大涨超9%，连续突破多个关口，其涨势不仅源于避险需求，更因供需失衡，白银市场自2021年起一直处于供不应求状态 [11][12] - 白银在电动汽车和太阳能电池板等领域需求结构性增长，但新银矿从开采到产出约需十年，产能难以快速扩大 [12] - 铂金与钯金价格表现惊人，LME铂金期货突破2500美元刷新历史新高，收盘涨近10%；钯金期货大涨13%站上2000美元，创三年高位 [12] - 今年以来，铂金价格累计涨幅约176%，钯金涨幅超120%，上涨主因包括供应趋紧、关税政策不确定性以及黄金投资需求的轮动 [12][13] - 贵金属市场规模相对较小，全球实物与工业/投资现货市场约3300亿至3660亿美元，广义规模约2.2万亿美元，远小于美国三大股指近120万亿美元的总市值，市场流动性偏低放大了价格波动 [12]

市场格局与投资趋势 - 2026年人工智能市场或将迎来分裂格局 [2][6] - 2025年最后三个月科技股经历暴涨暴跌的剧烈波动 循环交易 债务发行及高估值引发市场对人工智能泡沫的担忧 [2][6] - 人工智能领域的泡沫成分集中在特定细分领域 而非整个市场 [3][7] 投资策略与估值分化 - 投资者正愈发关注“谁在花钱”与“谁在赚钱”的核心区别 [2][6] - 蓝鲸增长基金通过衡量公司的自由现金流收益率判断其估值是否合理 [2][6] - 自“七巨头”大举投资人工智能以来 它们中的大多数估值都存在显著溢价 [2][6] - 在看待人工智能领域的估值时 蓝鲸增长基金更倾向于成为“资金接收方”而非“人工智能投入方” [2][6] - 更大的风险在于那些借人工智能热潮获得投资 却尚未产生盈利的公司 例如部分量子计算相关企业 [3][7] - 投资者的持仓决策似乎更多受乐观预期驱动 而非实际业绩 [3][7] - 若人工智能相关增量收入无法超过支出 企业利润率将受压 投资者也会对其投资回报率产生质疑 [4][7] 资金流向与商业模式演变 - 2025年前三季度 包括OpenAI和Anthropic在内的第一阵营企业吸引了1765亿美元风险投资 [2][6] - 亚马逊 微软 Meta等科技巨头持续向英伟达 博通等人工智能基础设施提供商支付大额订单 [2][6] - 市场对企业的区分需求反映了科技巨头商业模式的演变 曾经轻资产运营的企业正为推进其激进的人工智能战略不断收购技术 电力和土地资源 逐渐向重资产模式转型 [3][7] - Meta和谷歌等企业已转型为“超大规模运营商” 大举投资图形处理器 数据中心和人工智能驱动产品 这改变了它们的风险特征与商业模式 [3][7] - 如今再以软件公司或轻资本支出企业的标准来估值这些公司已不再合理 [4][7] 融资方式与财务影响 - 科技企业纷纷转向债券市场为人工智能基础设施融资 但投资者对过度依赖债务的模式持谨慎态度 [4][7] - 随着硬件和基础设施折旧 企业间的业绩差距可能进一步扩大 [4][8] - 人工智能投入方需将折旧因素纳入投资考量 目前这部分成本尚未体现在损益表中 但从明年开始它将逐渐影响财务数据 [4][8] - 市场分化将愈发明显 [4][8]

文章核心观点 - 访谈嘉宾Freda Duan作为硅谷一线科技投资人，从一二级市场Crossover基金的视角，系统分析了当前美国科技投资的三大主线、明星公司的商业模式与竞争格局、以及AI浪潮下的投资机会与市场演变 [5][7][12] - 大模型公司的商业模式本质是“负向滚雪球”，其现金流能否转正取决于训练成本增长的停止或收入回报率的极大提升，OpenAI是当前一二级市场最重要的估值标杆 [16][17][45] - 2026年的投资展望将聚焦于能产生实打实AI收入的“应用公司”，市场情绪已从奖励单纯投入AI转向奖励有实际收入的公司，AI基础设施公司可能跑输AI应用公司 [109][110] 美国投资主线与市场演变 - **三条核心投资主线**：当前美股投资清晰围绕三条主线展开：1) **AI**（芯片与云）；2) **再工业化**（制造业回流、稀土、数据中心、能源基建）；3) **金融产业数字化**（稳定币、支付创新）[12] - **主线间的闭环联系**：再工业化带来的万亿级别基建投资（如日韩承诺投资美国一万亿）将为AI数据中心提供能源支持；金融创新（如稳定币法案、Agentic Commerce）将与AI应用形成另一个闭环 [13][14] - **市场情绪剧烈波动**：2020年后美股波动加剧，纳斯达克历史上仅6次跌幅超20%，但2020年后就经历了3次 [10] - **AI浪潮的预兆**：早在2022年市场低迷时，大模型公司如Inflection AI、Anthropic等A轮融资额达数亿美金，远高于平均1000万美金，且用VC的钱做资本支出，已是明显异常信号 [10][11] - **中国市场观感**：美国投资人近期频繁访华，对中国电动车和机器人感到震撼，但实际投资金额未有明显变化；他们关注中美谈判结果及港股科技IPO的活跃度，后者将影响资金回流 [14] 大模型公司商业模式与竞争分析 - **商业模式本质**：大模型公司成本大头是GPU，遵循Scaling Law，训练成本每年可能上涨10倍，其商业模式是“负向滚雪球”，即每年现金流比上一年烧得更多 [16] - **现金流转正条件**：只有两种可能：1) 收入增长远超前一年（如从2倍变为更大倍数）；2) 停止烧钱训练下一代模型 [16] - **与Netflix的类比**：Netflix也曾是资本密集型、现金流负向滚雪球的业务，其现金流在2020年因内容成本（类比训练成本）增长幅度下降而从-30亿大幅翻正至20亿 [17][18] - **OpenAI收入结构**：据媒体报道分为四条线：1) ChatGPT（含企业版）占75%；2) API收入；3) Agent业务；4) 新产品。后两条线增长更快，未来占比更大 [19] - **OpenAI收入预测**：公司预测年底达200亿年化营收，今年收入约130亿；仅ChatGPT若达3亿付费用户（每月30美元），即可贡献约1000亿收入体量 [19][21] - **Anthropic的差异化**：其超过80%是To B业务，毛利率提升迅速，在一年内从收入1元亏2元的水平提升至与OpenAI相近的毛利率 [38] - **增长路径对比**：从1亿到10亿收入，OpenAI更快（不到两个季度），但从10亿往上，Anthropic速度反超，其年化收入从10亿到70亿仅用10个月 [39] - **财务预测假设差异**：OpenAI假设算力总投入在2028年后不再增长，靠训练成本增速放缓提升利润率；Anthropic则假设模型ROI逐年提升，靠更高回报率拉动利润 [42] 头部公司深度研究 - **OpenAI的竞争与定位**： - 内部最大竞争对手是谷歌，而非Anthropic或xAI [25] - 谷歌占位完美，拥有面向消费者的搜索、YouTube，面向企业的Workspace，以及从云到自研芯片的纵向整合 [25] - 谷歌Gemini拥有6.5亿月活，对比GPT约10亿月活，可通过价格战（利用TPU成本优势）和捆绑销售（如与YouTube订阅捆绑）竞争 [26] - 搜索护城河已变：传统搜索靠前几条结果致胜，现在AI搜索能不辞辛苦翻查数十页找到最佳信息，降低了搜索索引的壁垒 [33][34] - 市场可能低估其企业端业务，个人与企业用户占比目前差不多，企业端作为超级入口的想象空间很大 [20][21] - **谷歌的逆转与挑战**： - 逆转原因在于模型能力追上及搜索广告收入尚未下滑 [28][29] - 内部通过将激励与模型榜单排名绑定，激发了研发效率 [29] - 但来自OpenAI的威胁真实存在，当GPT开始做广告或Agentic Commerce时，可能侵蚀谷歌保险、律所等核心广告商预算 [27] - **OpenAI的管理与估值**： - Sam Altman虽非技术背景，但员工信服，其强信念引领了AGI市场 [35] - 近期提出的1.4万亿美元算力投资计划因数字过大、时间线拉得太远而惊吓市场 [36] - 从300亿到5000亿估值，因股权稀释严重，每股价值增长约为6倍，而非接近20倍 [37] - 与微软厘清股权及可能的万亿市值IPO计划被视为合理操作 [37] 其他明星公司分析 (Robinhood) - **商业模式本质**：证券交易业务周期性很强，是一手“烂牌”，但公司通过三方面改善：1) **业务多元化**，已发展出11条收入超1亿的业务线；2) **抢占市场份额**以平滑周期；3) **掌握定价权**，如加密交易佣金从10个基点涨至60个基点 [46][47] - **成本控制卓越**：自2022年起运营成本零增长，严格控制成本端以配合收入波动 [47] - **用户与增长潜力**：用户平均年龄34岁，平均资产约1万美元，远低于嘉信理财的15万美元；美国35-40岁年龄段财富会有3倍跨越，用户自然成长将带来资产增长 [50] - **区别于Beta逻辑**：相对于比特币或纳斯达克，Robinhood表现出明显的Alpha，并非简单的“牛市买券商”逻辑 [49] - **未来展望与创新**：最有机会成为一站式金融应用，可能推出VC基金，让普通人能投资如OpenAI、SpaceX等明星公司股份；已通过代币化策略巧妙进入欧洲市场 [55][56] - **团队与文化**：创始人Vlad具有“坏小孩”特质，敢想敢干，深受散户喜爱；公司2022年重组为Single GM架构，各业务单元高度自主，产品推出速度极快 [57][58] 自动驾驶与机器人投资 - **自动驾驶进展**： - Waymo是今年最大惊喜，执行超预期，开城速度加快（从三番5年缩短至硅谷半年），成本约几千万美金一城 [67][68] - 目前运营2500辆车，年化收入约8亿美元，在三番已盈利；与韩国现代有现成工厂可支持10万量产 [69] - 市场巨大：美国年驾驶里程约3万亿英里，若Robotaxi每英里收费1美元（远低于Uber的3美元），将是3000亿美元年收入市场 [72] - **Waymo vs Tesla**： - Waymo面临硬件成本问题，整车加传感器成本约17-18万美元，难以降至特斯拉级别；Tesla则面临软件问题，纯视觉方案尚未在Robotaxi上完全证实 [71] - 市场可能收敛至这两家主要玩家 [72] - **技术路径思考**：当前自动驾驶多采用模仿学习的小模型，可能需通用大模型真正理解驾驶规则以解决边缘案例 [74] - **机器人领域现状**： - 赛道火热但尚处早期，Locomotion（移动）基本解决，但Manipulation（操作）仍落后 [75] - 在硬件形态（人形/四足）、数据来源（真实/模拟）等技术路径上缺乏共识 [75] - 过于缺乏数据，评估困难，投资人难以定性判断和下重注 [76] - 预期2-3年内出现“GPT时刻”，即能完成叠衣服等通用动作 [77] - **中美对比**： - 自动驾驶：中国因电动车普及，车身摄像头多，数据采集优势明显，预计发展良好且有更多玩家 [79] - 机器人：中国硬件制造能力世界领先 [80] 硅谷投资圈洞察 - **VC与二级市场投资逻辑差异**： - 二级市场追求**非共识**的高风险高回报（如反转投资）；VC投资追求**共识**，需要市场持续支持公司多年 [81] - VC基金规模与回报存在矛盾，大规模基金（如200亿美元）难以实现高倍数回报；数据显示，实现5倍DPI的基金大多规模较小（最大5亿美元） [90] - 二级市场容量无限且流动性好，当难以判断一级市场多个竞争者时，可通过重仓二级市场标的（如Nvidia）表达观点 [91] - **投资策略趋势**：顶级基金趋向于**集中仓位下重注**，深入研究少数最好的公司以获取超额收益，而非分散投资 [86][87] - **创始人类别偏好**：不同基金有不同审美，如Altos Ventures偏好专注的“刺猬型”创始人；Ribbit Capital偏好具有反叛者特质的“坏小孩”；Hummingbird VC偏好经历创伤、我命由我的“哪吒型”创始人 [84] 看好的AI应用方向 - **编程**：过去一年创造了50亿美元年化收入，是必须关注的世界级机会；但竞争激烈，谷歌等已开始提供免费编程工具 [92] - **视频**：美国媒体产业是8000亿美元大市场；AI使视频本身成为可被直接优化的对象，将催生百亿美元级公司；强判断是短视频（含短剧）将侵蚀长视频时长 [94][95][96] - **Agentic Commerce**：即AI代理替用户购物，将深刻影响电商、广告、支付格局；可能使亚马逊等平台损失广告收入并增加引流成本，而使Shopify和长尾商家受益 [97][98] - **AI应用公司与软件公司区别**：AI应用公司毛利率可能随用量增加而降低，但合同金额更大（如客服AI单价是传统SaaS的5倍），应关注绝对利润额而非毛利率 [99] 市场泡沫与AI经济账 - **AI收入来源**：美国“互联网电子税”总收入约4000亿（线上广告2600亿、电商佣金1000亿、订阅等500亿），若OpenAI实现2000亿营收，将严重侵蚀存量市场 [100] - **广告市场存量博弈**：美国广告总额过去20年年化增长5-6%，线上渗透率已达80%，总量难有大幅增长；OpenAI等新玩家进入将加剧广告收入竞争 [102] - **更大的想象空间在于劳动力市场**：美国GDP约30万亿，劳动力成本占15万亿；AI若能提升全球生产率，创造新的GDP增量，其巨额投资才算合理 [103] - **当前AI收入规模**：可追踪的AI收入约700亿，其中OpenAI和Anthropic占大头，其他所有创业公司合计仅几十亿 [105][107] - **泡沫判断**： - 当前肯定不是泡沫，AI应用落地速度远超以往，已产生数百亿收入且大公司ROIC在提升 [108] - 未来是否成为泡沫取决于两点：1) 模型能力是否持续进步；2) AI实际收入是否持续增长 [108] 2026年投资展望与Mega 7观点 - **核心思路**：市场将奖励有实打实AI收入的**应用公司**，AI基础设施公司可能跑输 [109] - **重点关注应用领域**：自动驾驶、多模态、端侧AI、企业端/实体经济AI应用、Agentic Commerce、太空（SpaceX）[110] - **Mega 7公司观点**： - **特斯拉**：核心看能否实现无安全员的Robotaxi，以及其对xAI等投资的股权稀释影响；颠覆性科技在“成功”前18个月投资最舒适 [111] - **苹果**：明年有“双击”可能，新Siri（3/4月）与折叠手机（9月）软硬件结合，可能出现类似谷歌的反转行情 [112] - **谷歌**：共识龙头，但面临广告存量市场竞争加剧的风险，OpenAI与TikTok都是强大对手 [113] - **Meta**：市场关注其重金投入后新模型Avacado的表现及能收回多少AI收入；明年现金流可能下跌，股价承压 [113] - **三朵云（微软、亚马逊、谷歌云）**：增速虽好，但竞争格局恶化，新玩家（如Oracle、Coreweave、模型公司自身）以低利润率入场，将挤压存量玩家利润 [115][116]

2025年市场表现综述 - 2025年资本市场呈现极端定价局面，除贵金属外的传统避险资产集体失灵，而贵金属与国防军工板块全面跃升 [1] - 全球经济保持高热、宽松货币、衰退与通胀担忧消退、AI狂热与泡沫、地缘政治紧张共同塑造了此市场版图 [1] - 传统避险投资策略未带来保护效应，反而是另类避险资产“枪炮”（军工）与“黄金/贵金属”全面胜出 [6] 贵金属表现 - 黄金是2025年最明确的大宗商品及避险资产中的最大赢家，黄金现货价格年内暴涨超70%，为自1979年全球石油危机以来最大涨幅 [1] - 白银和铂金涨幅均超过一倍，贵金属表现碾压了MSCI全球股票市场基准衡量指数约20%的涨幅 [1][4] - 贵金属强势得到强劲的央行购金需求以及其作为更广泛科技建设关键投入品角色的支撑 [2] - 贵金属跑赢的背后是结构性因子驱动：央行购金与去美元化倾向、AI与能源/硬件投入带来的实物需求 [12] 国防军工板块表现 - 国防军工板块作为“另类避风港”在2025年表现突出，美国航空航天与国防类股票录得36%的涨幅，欧洲同类板块大幅上涨55% [4] - 军工板块上涨主要因德国与欧洲大陆在特朗普宣布将全面集中美国本土国防建设之后欲重新武装欧洲 [4] - 军工板块逻辑偏“财政预算与军费驱动的盈利上修”，本质仍是股票风险资产 [5] - 其胜出背后是结构性因子驱动：欧洲再武装趋势以及财政刺激性政策转向 [12] 传统避险资产表现 - 债券类资产表现糟糕，以美元计价的全球“无风险政府债券价格指数”意外下跌约1%，大幅跑输MSCI全球股指 [15] - 更广泛的全球综合债券基准（如彭博Multiverse指数）价格涨幅仅约1%，总回报接近7%，价格回报率不到MSCI全球股票基准指数涨幅的一半 [15] - 在股票市场内部，传统防御型策略失效，标普500指数全年上涨15% [17] - 标普500“成长股基准股指”大幅上涨20%，是“价值股”基准指数涨幅的两倍多 [17] - 公用事业、医疗保健和金融板块涨幅均超过10%，但大幅落后于主指数，必需消费品板块仅上涨约2%，为美股市场垫底板块 [17] - 道琼斯工业指数也跑输标普500和纳斯达克100指数 [18] 大宗商品与原油表现 - 更广泛的大宗商品指数2025年表现极其不佳，被不断扩大的原油过剩预期所淹没 [4] - 布伦特原油期货价格同比下跌20%，目前水平几乎只有市场担忧的每桶100美元水平的一半 [4] 主权货币表现 - 日元与瑞士法郎通常被视为传统避险资产，但日元在2025年令人失望，按实际有效汇率口径计算全年下跌约4% [20][21] - 瑞郎守住了早期涨幅，成为2025年少数真正“兑现避险属性”的资产，但表现远不及贵金属 [21] - 美元指数（DXY）在2025年地缘政治动荡的几个月里一度大幅下跌12% [23] - 美元或日元在2025年都无任何“安全”与“避险”性质可言 [21] 波动率策略表现 - 聚焦于波动率的“降落伞”策略在2025年同样失效 [24] - 跟踪标普500指数波动的VIX恐慌指数年末比年初低了约2个点位 [26] - 美债市场的波动指标美银MOVE指数已降至年初水平的不到三分之二，且低于4月峰值的一半 [26] - 主要外汇市场的波动率指标也更低 [26] 其他资产表现 - 比特币等被称为“数字黄金”的加密货币在年末时期录得大幅下跌 [13] - 标普500指数的总回报比该指数的等权重版本高出5个百分点，出乎分析师预期 [17]

通胀风险 - 资深经济学家史蒂夫·汉克担忧通胀可能在2026年失控，超出美联储掌控范围[1] - 11月整体通胀数据虽低于预期，但仍远高于美联储2%的目标[2] - 汉克认为货币供应量是通胀核心驱动因素，过去五年M2货币供应量已激增3.5万亿美元[2] - 美联储降息可能宽松金融环境，在通胀未完全受控情况下或加速物价上涨[2] - 美联储本月结束了旨在收紧金融环境的量化紧缩政策[3] - 明年初部分信贷规则（如银行资本要求）将被放宽，可能大幅提升银行扩大货币供应量的能力，加剧通胀压力[3] - 美国财政部加大短期国债发行为政府赤字融资，也会增加货币供应量并可能助推通胀[3] - 汉克担忧美联储已无法将通胀“精灵”重新收回魔瓶[3] 股市风险 - 资深经济学家史蒂夫·汉克指出美股股价高企，终将暴跌回归现实[1] - 其“X博士泡沫检测器”已触及历史高点，表明市场正处于泡沫之中[2] - 随着人工智能热潮达到新高度，科技板块估值已严重虚高[3] - 汉克预警人工智能泡沫可能迎来“威利狼时刻”，即突然意识到悬空后笔直下坠[3] - 他推测一旦人工智能企业未能达成增长预期，可能重蹈互联网泡沫时期企业的覆辙[4] - 汉克建议投资者调整投资组合结构[3]

2025年市场表现回顾 - 贵金属是2025年市场动荡中的最大赢家，几乎所有其他传统“避险”投资均表现不佳 [1] - 市场格局由全球经济热度高涨、宽松货币政策、衰退担忧消退、人工智能狂热及地缘政治紧张局势升级共同塑造 [1] - 大宗商品综合指数表现糟糕，主要受原油供应过剩拖累，原油价格同比下跌20%，远低于市场曾担忧的每桶100美元水平 [1] 股票市场表现 - 摩根士丹利资本国际全球股票指数（MSCI All-Country Stock Index）表现强劲，正迈向2019年疫情以来的最佳年度表现，涨幅超过全球政府债券指数表现的两倍 [4] - 标普500指数全年上涨15%，主要得益于大型科技股和人工智能主题推动，以及美国经济强劲反弹和下半年利率下降 [4] - 标普500“成长型”股票涨幅达20%，是“价值型”股票涨幅的两倍多，其总回报率也比等权重指数高出5个百分点 [4] - 道琼斯工业平均指数表现不及标普500指数和纳斯达克综合指数 [5] - 公用事业、医疗保健和金融板块涨幅均超过10%，但落后于主要指数，必需消费品板块涨幅仅约2%，排名垫底 [4] 国防与航空航天板块 - 在担忧全球冲突的背景下，国防板块成为最佳去处，而非公用事业、必需消费品等传统防御性板块 [1] - 2025年，美国航空航天与国防股涨幅达36%，欧洲同类股票涨幅更是高达55%，德国及欧洲大陆正加速重整军备 [1] 债券市场表现 - 债券市场表现不佳，以美元计价的全球“无风险”政府债券指数下跌约1%，总回报率仅略超6% [2] - 更广泛的全球债券基准（如彭博全球综合债券指数）价格涨幅约为1%，总回报率接近7% [2] - 被视为安全港的政府债券表现持平 [3] 货币市场表现 - 传统避险货币日元和瑞士法郎表现分化，日元全年以对日本主要贸易伙伴的实际有效汇率计算下跌约4% [7] - 瑞士法郎守住了年初涨幅，与黄金、白银一样，成为2025年少数表现出色的避险资产之一 [7] - 美元在2025年市场最动荡的几个月里，美元指数下跌了12%，在地缘政治紧张时期表现疲软，失去避险功能 [7][8] 波动率产品表现 - 与期权相关的波动率指数在2025年未能发挥作用，未能从市场波动中获利 [9] - 衡量标普500指数隐含波动率的恐慌指数（VIX）年末收盘较年初下跌了2个点 [9] - 债券市场对应的美债波动率指数（MOVE）不到年初水平的三分之二，且低于4月峰值的一半，主要外汇市场的波动率指标也有所下降 [9]

港股市场近期表现与资金面 - 临近年底港股交投转淡，上周日均成交额持续低于2000亿港元 [1] - 市场预期资金可能留待明年首季才再度大举涌入 [1] 对内地及香港市场中长线看法 - 有两大因素支撑中长线继续看好内地和香港市场 [1] - 关税战不确定性已延至明年第四季，近期出口数据显示内地市场变得更多元化，相关忧虑的迫切性已有所减少 [1] - 内地居民存款率高企，但明年会有更多中长期存款到期，“存款搬家”或带动资金流入内地和香港市场，利好股市 [1] 香港市场资金面短期因素 - 香港多只早前上市的IPO禁售期即将届满，或令资金面短期受压 [1] - 近期有不少受欢迎的人工智能相关股份准备上市，有机会抵消相关影响 [1] 人工智能板块展望 - 人工智能板块短期或仍有忧虑，建议可趁市况波动吸纳高息股 [1] - 市场短期对人工智能泡沫仍有忧虑，令投资气氛受到影响 [1] - 预计明年人工智能板块不确定性会较今年高 [1] 生物科技板块动态 - 内地创新药在全球创新药份额已飙升至约30%，行业已非再由欧美等成熟市场主导 [1] 市场风格与板块轮动预期 - 预期明年初可能仍然由增长型股份带动 [1] - 年中若重燃通胀担忧，价值型股份抗跌力会较佳，在市况波动下，成为增长板块以外的一个避风港 [1]

文章核心观点 - 文章围绕“AGI能否实现”这一核心议题，呈现了两种对立的观点：一种基于物理和成本限制认为AGI和超级智能无法实现，另一种则认为当前AI系统在软硬件效率上仍有巨大提升空间，通往更强AI的道路依然存在 [1][3][27][31] 关于AGI实现的物理与成本限制 - 计算是物理的，AI架构（如Transformer）是对信息处理单元的物理优化，结合了局部计算与全局信息汇聚，已接近物理最优 [8][9] - 硬件改进面临根本瓶颈：GPU在“性能/成本”指标上约在2018年达到峰值，后续改进多为一次性特性（如16位精度、Tensor Core、HBM等），任何进一步改进都将是权衡而非纯收益 [13][14] - 线性性能改进需要指数级资源投入，这受限于物理现实和观念空间的边际收益递减，规模化带来的收益正在迅速逼近物理极限 [11][16][17] - 超级智能的概念存在根本谬误，其将智能视为抽象物，但任何系统改进都受物理规律和缩放定律制约，无法引发失控式增长 [24][25] 当前AI系统的效率现状与提升空间 - **训练效率低下**：当前最先进模型（如DeepSeek-V3、Llama-4）的训练平均FLOP利用率（MFU）仅约20%，远低于2022年开源项目（如BLOOM）达到的50% MFU [35] - **推理效率更严重**：最优化推理实现的FLOP利用率常为个位数（<5%），瓶颈在于内存带宽而非计算 [37][38][39] - **硬件利用率存在巨大提升潜力**：通过训练高效的架构协同设计、实现高质量FP4训练、设计推理高效的模型，理论上可用FLOPs可提升最多9倍 [36][40][41][42] - **模型能力是硬件建设的滞后指标**：当前发布的模型反映的是上一代硬件能力，而正在建设的新集群规模（如10万卡以上）意味着高达50倍的算力建设正在发生 [43][44][45] 行业竞争格局与基础设施价值 - **中美AI发展路径差异**：美国遵循“赢家通吃”、追求最大最强模型的思路；中国更注重模型的应用性、实用性和成本效益，认为“足够好”能带来最大生产力提升 [20][21] - **规模化基础设施优势可能迅速蒸发**：如果软件创新（如超越vLLM/SGLang的推理栈）使小模型部署效率接近前沿实验室，或AI应用转向垂直专用，当前头部公司的基础设施优势可能一夜消失 [18] - **中小型公司的挑战**：像MoonshotAI、Z.ai这样的公司已证明无需大量资源即可达到前沿性能，若在“超越规模化”方向持续创新，可能做出最好的模型 [17] 未来发展方向与投资机会 - **硬件层面的优化方向**：充分利用新一代硬件特性（如Blackwell架构的FP4训练、GB200的机架级通信域）是清晰的突破点，存在大量“低垂果实” [36][46][47][50] - **软件与算法创新**：新的后训练范式、提升样本效率的数据中心AI、以及结合领域经验的垂直应用，能让现有模型在更广泛领域变得极其有用 [52][53][54] - **新硬件平台**：大量专注于推理场景的新硬件平台及配套软件栈正在涌现，任何一个产生重大影响都可能彻底改写行业局面 [50] - **通往更强AI的具体路径**：通过模型-硬件协同设计、利用滞后释放的硬件算力、以及算法改进，存在通向至少一个数量级（10倍）算力提升的具体路径 [55][56][57][58]