AI行业是否存在泡沫 - 著名经济学家朱宁认为AI泡沫“肯定是存在的”任何新技术出现时都会伴随过度投入和资产价格的提前反映这本身并不罕见[6][10] - 这一轮AI泡沫比互联网时代更为复杂融合了宽松的流动性环境政府鼓励自主创新指数基金推动的头部公司估值自我放大年轻投资者害怕踏空的心态以及AI“无所不在”式的技术想象力[6] - 泡沫之下正在进行的基础设施建设与人力资本流动可能正在为下一个周期埋下关键伏笔[3][7] 美国AI及股市估值现状 - 2026年1月13日谷歌母公司Alphabet市值突破4万亿美元成为继英伟达微软和苹果之后第四家站上这一关口的科技公司[5] - 美国AI行情发生在整体美股估值已处于历史高位的背景下席勒教授的研究显示当前动态调整的市盈率水平只比2000年互联网泡沫的历史最高点略低甚至高于2008年全球金融危机之前[10] - 美股内部出现分化形成“标普493”现象即剔除7家特别的公司后其余493只股票估值已有所回落问题主要集中在那7家公司上[11] - 部分公司如甲骨文OpenAI和英伟达之间正在形成一种投资上的“自我循环”增长可能更多发生在一个相对封闭的体系内[11][12] 中国AI板块估值现状 - A股整体估值处在修复区间相对健康但在很小的部分AI板块中存在比较极端的资产定价出现了不少“十倍股”以及一些市值上千亿但收入规模仍然很小的公司[12] - 部分中国AI股票的估值已经明显高于美国同类公司一个量级[13] - 国内AI概念高涨是多重叙事叠加的结果包括“国运叙事”或“长牛慢牛叙事”对“自主可控”的国家战略重视以及AI技术本身“无所不在”的属性激发想象力[13][14][15] 泡沫形成的条件与机制 - 促成泡沫的五个因素包括必须是一个新事物需要非常宽松的流动性相对缺乏经验的投资者政府支持以及金融创新如指数型基金和ETF的发展[16] - ETF和A股的“抱团”现象会放大市场反应形成自我强化机制如果抱团不是建立在严格的理性分析之上就会出现暴涨暴跌[17][19] - 市场存在“害怕踏空”的心态这与政府希望人为“熨平”周期向市场注入“隐含担保”有关导致市场敢买敢加杠杆[21][22][24] 对泡沫的短期与长期看法 - 对AI未来的颠覆性潜力没有分歧真正的分歧在于短期商业化能否跑通以及利润增长是否足够快到足以支撑当前的高估值[26][27] - 当前估值能维持依赖于三个条件同时存在资金充裕市场存在分歧以及预期利率可能继续下行只要有一个条件变化体系就可能出现明显动荡[27] - 调整大概率会出现但更可能是结构性局部的而未必会演变成类似2008年的系统性金融危机因为权益类股票的涨跌不像房地产那样会直接广泛推高经济体系的杠杆率[32][33] 产业视角与投资视角的区分 - 从产业和宏观层面看泡沫会带来基础设施的过度投资留下便利条件是好事情但从微观投资层面看则与投资者无关[29][31] - “一个好公司很可能不是一个好投资”公司的好坏与是否该买入没有直接关系真正需要问的是买入的价格是否正确[31] - AI泡沫即便发生也会留下基础设施人力资本和算力等沉淀并为后续发展作出贡献但这并不意味着现在是投资者应该全面投入的时机[31] 金融在技术革命中的角色 - 金融是一种配置工具在任何一轮重大的技术浪潮中都会深度介入将资金和稀缺资源配置到最有潜力的方向[39][40] - 金融承担着资金配置和人力资本配置的重要功能例如通过股票市场和股权激励将最聪明的人调配到科技领域[41][42] - 金融是改变社会和历史进程不可或缺的部分通过金融创新可以让全社会更多人分享技术进步带来的福祉[43]

文章核心观点 - 著名经济学家朱宁认为当前AI领域存在资产泡沫，其形成条件与历史泡沫相似，但比互联网时代更为复杂，融合了多重叙事和结构性因素 [3][8][15] - 泡沫的存在并不否定AI技术的颠覆性潜力，但从投资角度看，当前估值水平与商业化和盈利增长前景严重脱节，难以持续支撑 [4][11][27] - 中美市场泡沫特征不同：美股泡沫集中在少数头部科技公司，且整体估值处于历史高位，风险值得警惕；A股泡沫则更多体现在局部AI板块，存在极端估值现象 [8][11][16] - 泡沫可能带来产业层面的积极影响，如基础设施和人力资本沉淀，但对投资者而言，产业贡献与投资回报是两回事，需警惕“好公司不等于好投资” [28][31][33] - 预计AI领域可能出现调整或降温，但更可能是结构性、局部性的，演变成类似2008年全面金融危机的系统性风险概率较低 [35][37][41] 市场估值与泡沫特征 - **美股整体估值处于历史高位**：席勒动态调整市盈率显示，当前美股估值水平仅略低于2000年互联网泡沫峰值，且高于2008年金融危机前水平 [8] - **美股泡沫高度集中**：市场存在“标普493”说法，即标普500指数中除7家头部科技公司外，其余493家公司估值已回落至相对合理区间，问题集中在少数公司 [9] - **A股AI板块存在极端估值**：部分AI概念公司成为“十倍股”，出现市值上千亿但收入规模仍很小的现象，估值水平甚至明显高于美国同类公司一个量级 [11] - **泡沫形成的五个促成因素**：新事物、宽松流动性、缺乏经验的投资者（年轻投资者）、政府支持、金融创新（如指数基金和ETF），当前条件基本具备 [15] - **存在“自我循环”与“刚性预期”**：部分公司（如甲骨文、OpenAI、英伟达）形成投资生态内的相互强化；市场存在对政府或央行托底的预期，助长了投机心态 [10][39] 中美市场差异与风险结构 - **美国市场风险更值得警惕**：泡沫发生在本已处于高位的估值基础上，且集中在头部科技公司，席勒教授自疫情前就已警示美股泡沫，目前估值又上升了约20% [8][16] - **中国市场泡沫呈局部性**：A股整体估值处于修复区间相对健康，但局部AI板块存在极端定价，受到“国运叙事”、“自主创新”国家战略及技术想象力多重驱动 [11][12][13] - **风险传导性不同**：股票资产调整与房地产泡沫破裂的影响不同，权益类资产通常不直接广泛推高家庭和经济杠杆率，因此AI泡沫更可能引发结构性调整而非系统性金融危机 [35][36][37] 产业与投资视角的分离 - **泡沫的产业积极面**：如同互联网泡沫留下了海底光缆等基础设施，AI泡沫也可能沉淀下算力、数据中心、电力设施及人力资本，为未来技术发展奠基 [28][33] - **产业贡献不等于投资回报**：以Global Crossing为例，其在互联网泡沫期从事海底铺缆的伟大事业但公司破产，股东并未受益，说明好公司与好投资是两回事 [29][30][31] - **投资的核心是价格**：判断是否投资的关键不在于公司是否优秀，而在于买入价格是否合适，当前AI领域估值已严重偏离商业现实，支撑逻辑脆弱 [27][31][32] 投资者行为与市场心理 - **普遍存在“害怕踏空”（FOMO）心态**：尤其在年轻投资者中，担心错过AI技术浪潮和所谓的“康波周期”，这种心态在2008年金融危机后逐渐凸显并延续至今 [20][23] - **“确定性幻觉”与历史规律**：人们在市场狂热中容易形成“这次不一样”的幻觉，但历史规律反映的人性与市场运行机制大体相似，估值显著背离长期均值通常预示问题 [2][16][17] - **“抱团”现象与行为偏差**：A股市场的“抱团”现象与美股ETF的资金集中效应有相似结果，若非建立在严格理性分析上，容易导致板块暴涨暴跌 [18][19] 未来展望与潜在路径 - **调整概率高但形式或为结构性**：下一阶段出现调整的概率不低，但更可能局限于特定板块或资产类别，而非全面崩盘 [11][37][41] - **行业可能经历“降温”而非破裂**：类似互联网发展历程，AI行业可能从高度狂热状态回归相对理性的投入节奏，经历资源重新配置与行业整合，为下一阶段发展做准备 [41][42] - **金融在技术革命中的双重角色**：金融作为资源配置工具，深度介入并加速了技术转化与资本流动，但也放大泡沫；其人才配置功能（如股权激励）对推动创新至关重要 [46][47][49]

文章核心观点 - 兴业证券全球首席策略分析师张忆东认为，2026年中国资本市场将迎来“震荡向上的长牛”，建议投资者“耐心做多” [1][6][55] - 核心逻辑在于中国经济增长模式正从债务驱动转向“盘活资产端”，资本市场将成为类似过去房地产的枢纽，推动经济高质量发展 [4][6][35][55] - 美股AI浪潮是一个“刚性泡沫”，对美国经济至关重要；而中国则迎来历史机遇期，具备政策空间和资产重估潜力 [2][3][19][21] 大类资产配置的时代背景 - 未来10年甚至更长时间，大类资产配置的核心时代背景是“大国博弈”，即中美的长期竞争 [2][9][10] - 美国当前依靠债务扩张驱动市场繁荣，联邦政府杠杆率超过120%，还本付息压力巨大，政策方向对内对外均为宽松，降息诉求强大 [2][14][16] - 科技成为美国维持经济长期竞争力的“诺亚方舟”，AI相关投资对美国实际GDP贡献已超过40% [2][18] 中国的历史机遇与优势 - 中国中央政府资产负债表健康，国债余额34.5万亿人民币，占GDP仅26%，远低于美国的120%以上，具备较强政策调控空间 [3][29] - 房地产拖累最严重的阶段可能即将过去，其对GDP贡献已从最高近30%降至13%左右 [3][33] - 中国正主动转变经济增长方式，目标是到2035年人均GDP达到2万美元，测算未来10年GDP年均增速需达到4.17%即可 [23][24][25] “有形之手”稳定市场与“股权财政” - 中央汇金持有股票型ETF的占比，已从2023年金融工作会议前的5%-8%大幅升至今年上半年的37%，体现了“有形之手”稳定和活跃资本市场的意愿与能力 [5][39][40][44] - 未来中国政策的主导力量是“盘活资产端”，进而盘活现金流量表和利润表，而资本市场是“股权财政”最重要的枢纽 [4][6][35][36][45] - 通过资本市场（如企业上市）实现资产重估，可以形成“减持-再投资”的良性循环，增加财税收入，盘活地方政府资产 [46] 2026年市场展望与资金面 - 预计2026年美元继续走弱，美联储继续降息，下半年降息力度可能更大，为全球提供宽松流动性 [2][59][61] - 外资回流A股与港股的潜力巨大，随着中美关系进入阶段性友好期，可能在2026年一季度开始看到更明显的外资回流迹象 [6][64] - 中国社会财富的再配置（如养老金、保险等“耐心资本”入市）将是推动市场长牛的核心内生动能 [49][55][56] 投资主线与机会 - **主线一：成长（以AI科技为核心）**：包括港股的互联网（中国AI应用及基础设施龙头）、AI产业链（端侧AI、消费电子、人形机器人）、AI电力（储能、固态电池）、AI应用（传媒、游戏、云服务等）以及未来科技（先进半导体、光芯片、量子计算）[66][67][68][69] - **主线二：新消费与创新药** [70] - **主线三：价值**：分为三方面：1) 深度价值（高股息，如金融、能源、地产物管）；2) 大国博弈受益（黄金、稀土、军工）；3) 传统产业困境反转（与反内卷、出海链、稳内需相关）[71][72] 市场估值与现状 - A股红利指数股息率约4%，港股高股息指数股息率约6%，远超过10年期国债收益率（约1.8%）[57] - 从估值看，恒生指数、恒生科技、沪深300、创业板等指数目前最多处于合理，甚至是合理偏低的位置 [58] - 当前市场由“耐心资本”主导，普通投资者可能在后续通过ETF扩张等方式间接参与市场 [47][48][50]

全球风险三重叠加 - 全球金融体系面临三重风险叠加：债务杠杆陷阱、资产泡沫刚性化以及科技金融带来的非线性冲击[4] - 美国政策不可预测性构成最大外部风险变量，涉及关税、地缘政治及国内经济货币政策[7] - 通胀路径与货币政策再度摇摆，关税政策传导时滞扰动全球资产定价锚[8] - 美股估值处于历史高位，席勒周期调整市盈率（CAPE）为历史第二高位，仅次于2000年互联网泡沫时期，甚至高于1929年大萧条前水平，其脆弱性可能冲击全球创新创业生态[3][9][33] - 市场表现将呈现波动率结构性上升和资产定价锚漂移，资金在“再通胀交易”和“衰退避险”间频繁切换[11] 中国经济观察视角调整 - 观察视角从“周期判断”转向“结构应对”，态度相对去年“偏乐观一些”，源于股市回暖改善预期以及中国市场的相对吸引力[13] - 经济增长结构转型出现边际改善，但通缩隐忧等基本面数据仍令人难以放心[13] - 房地产实质性出清与监管框架重构过程正在被动却坚决地挤掉“制度性成本”，为“新质生产力”导向的资源配置创造空间[13] - 政策着力点包括将科技创新与自主可控上升至国家安全高度、依托超大规模经济体优势扩大内需、以及加强民生保障与社会福利[14] - 中国全产业链效率、财政统一性与数字化基建的优势正在获得“逆境溢价”[15] 资产价格背后的信心与信任拉扯 - A股沪指4000点的拉扯是信心的拉扯，体现政策托底与实体经济数据现实之间的博弈[17] - 黄金4000美元/盎司的拉扯是信任的拉扯，反映对美元主导货币体系信任下降的深层担忧[17] - 企业家信心不足导致行为分化，部分转向炒股炒期货，而高新产业体量短期内无法弥补传统行业空缺[19] - 数据分化体现为名义GDP增长率（约5%）与实际增长率（3%-4%）及低通胀率（1%）之间的差距，通缩预期改变消费、投资和生产行为[19] 政策应对与债务新解 - 支持通过刺激股市提振信心，认为这是“值得一试的途径”，关键在于稳定预期而非政策力度[20] - 主张在“低增长+高不确定性”背景下采用“低利率时代财政思维”看待债务，而非一味防风险、压赤字[20] - 债务问题出现范式转换，在低利率环境下更关注“每年付息压力占GDP的比例”，认为由中央政府作为主要借钱主体可拉低全国融资成本[24] - 应对泡沫的核心是平衡短期与长期：控制泡沫吹大、不主动戳破、快速救助防止系统性蔓延[25] - 财政政策应更直接积极，资金用于刺激消费并完善社会保障网以重建安全感[25] 非线性时代的影响与挑战 - 当前处在重大变革交汇点，包括地缘政治、技术革命、气候变化及疫情后行为模式改变，绝不能简单用过去10年预测未来10年[27] - AI存在制造新泡沫的隐患，表现为“判断力退化”和AI自身的“欺骗性”，全市场高度共识交易易导致估值泡沫化[29][30] - 现有监管体系难以跟上科技金融迭代速度，监管需接受“非线性政策工具”和动态演化市场机制[31] - 给投资者的建议包括极致多元化、充分认识风险本质、严格风险控制，并警惕AI导致判断力退化和欺诈信息泛滥[32] - 短期最担忧美股风险，除高估值外，企业回购推高股价、ETF导致市场结构脆弱，预计2026年美股会有很大波动[33]

全球金融风险 - 全球金融体系面临三重风险叠加：债务杠杆陷阱、资产泡沫刚性化、科技金融带来的非线性冲击 [2] - 美股估值处于历史第二高位，席勒周期调整市盈率仅次于2000年互联网泡沫时期，高于1929年大萧条前水平 [1] - 未来12-18个月全球经济增长的不确定性主要源于美国政策的不可预测性、通胀路径与货币政策的摇摆、以及美股估值与预期的脆弱性 [4][5] - 市场波动率将结构性上升，资产定价锚漂移，资金在“再通胀交易”和“衰退避险”间频繁切换，传统估值框架面临挑战 [6] 中国经济观察 - 对中国经济的观察视角从“周期判断”转向“结构应对”，态度相对去年偏乐观，源于股市回暖带来的预期改善以及中国市场的相对吸引力 [7] - 中国经济呈现“分化”特征，名义GDP增长率可达5%，但企业家信心与预期不足，通缩预期改变消费、投资和生产行为 [11] - 中国具备政策空间与产业韧性，全产业链效率、财政统一性与数字化基建的优势正在获得“逆境溢价” [3][8] - 通过提升资本市场质量与预期管理，疏通“股市—预期—消费”的传导链条，是应对全球不确定性的关键 [3] 资产配置与市场表现 - A股沪指在4000点的拉扯是信心的拉扯，反映政策托底与实体经济现实之间的博弈 [9] - 黄金在4000美元/盎司关口的拉扯是信任的拉扯，对冲对美元主导货币体系信任下降的深层担忧 [9] - 投资者应采用“情景—概率”思维进行极致多元化资产配置，为不同的未来同时下注 [9][19] 泡沫与债务管理 - 泡沫的根源是“隐性担保”与“刚性兑付”扭曲市场风险定价，其代价可能超出经济领域，通过社会形式反映 [13] - 在低利率环境下，债务管理的范式发生转换，更应关注“每年付息压力占GDP的比例”而非宏观杠杆率 [14] - 中央政府应成为更主要的借钱主体，以其高信用拉低国家整体融资成本，扩大举债空间 [14] - 应对泡沫的核心是：防止泡沫吹得更大、不主动戳破、泡沫自破时快速救助防止系统性风险 [15] 科技与非线性冲击 - AI时代可能导致人类“判断力退化”并形成“监管盲区”，令传统风险管理机制系统性失效 [2][17] - AI存在制造新泡沫的隐患，其危险在于估值易泡沫化且不易识别和拆解 [17] - 当前监管体系难以跟上科技金融迭代速度，未来监管需要接受“非线性政策工具”和动态演化机制 [18] - 投资者需警惕AI的两大陷阱：过度依赖导致判断力退化，以及AI欺诈信息泛滥 [19]

科技革命与泡沫 - 科技革命往往伴随着泡沫，泡沫从产生到破裂的过程中往往会出现伟大的公司[6] - 互联网、蒸汽机、AI、新能源等伟大技术进步都伴随着泡沫与崩盘，两者似乎难以分割[37] - 互联网2.0和AI的快速发展得益于互联网1.0时期过度投资建立的基础设施[38] 中国房地产市场 - 中国房地产市场自2021年起进入调整期，但还未见底，企稳回升可能在2027年左右[6] - 中国一线城市房价调整前租售比达70-80倍，房价收入比达40-45倍，调整后仍高估[65][66] - 中国居民家庭70%资产配置在房地产上，远高于西方国家的30%-40%[25] - 支撑房价上涨的"丈母娘效应"和"刚需"叙事在房价下跌趋势中已证伪[70][71] AI和新能源行业 - AI领域目前成熟的商业模式集中在聊天、会议纪要等少数领域，需探索更多可持续盈利模式[55] - 中国新能源车、电池等领域存在严重产能过剩，部分领域产能超全球需求150%[57] - 新能源行业产能过剩与政策引导、地方政府GDP竞赛密切相关[58] - 新能源车企需关注财务可持续性，避免恶性竞争，推动行业整合与全球化[61][62] 创业与投资 - 创业者需保持改变世界的雄心，同时脚踏实地评估风险[42] - 投资者应坚持不投看不懂的项目、多元化投资、警惕委托代理问题[49][50] - 中国PE/VC行业曾出现"全民PE"趋势，导致Pre-IPO项目估值虚高[52] - 美国硅谷成功经验包括高校参与、风险投资贡献、完善的个人破产保护制度[46][47] 宏观经济与政策 - 中国经济增速放缓过程将持续，可能稳定在3%-4%的年增长率[75] - 政府财政政策应从传统基建投资转向福利性支出，完善社会保障体系[80] - 中国"大政府"经济模式能集中力量办大事，但也易导致产能过剩和GDP锦标赛现象[81][83] - 改革是推动中国经济发展最重要的因素，需改变官员考评体系等深层次问题[85]