高位抱团的AI像极了当年的科网泡沫（下）：AI渗透率和工程优化对算力短缺叙事的挑战

欢迎收听本期的发财搭子。发财搭子是一档专业又有趣的财富伙伴闲聊节目，和各位听众搭子们一起聊聊市场，聊聊前沿产业和AI科技。我是主播马克汤。

本期的录制时间是6月16日的晚上八点，本期节目也是我和壹叁伍老师关于科网泡沫复盘的下期节目。在上集的节目里，我们深度复盘了本轮AI浪潮和00年科网泡沫期间惊人相似的宏观环境，并且也对这两次科技革命中的重点公司做了比较深度的比较和讨论。也点出了很多我认为非常值得大家去监控钉盘的指标或者事件。如果你还没有收听上一集的节目，一定要去记得去听听。这一期我们作为这一级的下级，我们将继续探讨AI模型在达到可用阈值之后，以及基础模型和应用层面的架构优化会不会挑战当前算力紧缺的趋势。关于市场的一些前瞻指标和信号，我们也会在节目中去做一些表述，希望对大家有所启发。在节目正式开启之前，再次播报一下本台的长期赞助商财大子AI。

最近我们上线了最新的监控任务功能和agent功能，你可以轻松的在大发agent里面去实现你的各种任务和定制策略，欢迎大家去试试。如果你有行业研究的需求，如果你正苦恼无处开启你的投资探索之旅，那你可以在各大应用商店搜索彩搭子AI来助力你的每一次高胜率决策。欢迎使用我的邀请码，大发特发的拼音加个感叹号来领取你的专属福利。本期播客仅分析和总结客观信息，不构成任何投资建议。那让我们继续开始，谢谢。

行，那咱们回到这个科网泡沫。当时科网泡沫我记得有一个非常有意思的一个事儿，我之前都甚至觉得很离奇，叫千年的千年虫。它其实它它这个英文叫y two k就是Y2K，就是year two thousand对吧？就2000年的这个意思。

那就为什么说它是一个古早的bug呢？就在当前这些不太会存在的，就是当时很多的因为历史原因，很多的程序为了省这个计算的空间，在底层数据库里面存储年份的时候，基本上只会存两位数。所以大家很多数据库里面写的就是比如979899对吧？一下子到2000年了之后，这两位数不就变成00了。那00的时候很多就会被误解。

1900年，那么在像很多的排序的一些算法上，包括像银行体系里面的利息、账单、库存，然后像在航班体系上的时间点，都会出现非常乱套的一个情况。就比如说1999年12月31号的下一天，本应该是2000年1月1号。但因为这个青年虫的原因，它可能就会变成1900年的1月1号了，时光往回倒退了100年。所以说就是因为这么多的要这么广，所以所有当时使用这个软件系统的银行、电力、航空、政府等等的部门，他们都很可能会集体的出bug。所以在全球都掀起了一个千年虫bug修复潮，就是要赶在2000年之前把这些把这些bug都都去做一些修复。这也是变相的带来了当时的一个非常大的强制性。IT基建装修好吧，我们就可以理解成是当年的一个资本开支。它也非常可以去类比现在的这个AS案例的资本开支有一些异曲同工。

所以他其实事后是被认知为其实他是一个资本开支的一个前置。然后导致说那个时候大家可能对后续的一个capex过于乐观的一个情况是吗？

对，所以我们从理论上来说，它跟现在的资本开支有什么区，对吧？就当时是因为这些企业不得不换，他不换他就会出问题。他一出问题，1999年的下一年份变成1900年了，那就出大问题了。所以他是不得不换，他要去做这个一次性的防御性的合规开支，这是当时的一个前提。现在我们的AI资本开支，其实更多的是为了未来的未来很可能有的更加欣欣向荣的算力的实际的使用，要去提前的去储备整个算力中心和算力的，包括电力一系列的前置的资本开支。所以它是有一些区别的。

我其实想到的一个问题就是说，因为它同样造成的都是说整个科技相关的系统的一个冗余，那当今我觉得现在其实也有一个同样值得说警惕或者说想请教你的。因为现在包括或者说大模型，其实都是中国和美国一个是有一点竞争的味道，第二个是自主可控的安全都是在各搞各的。所以整个的中国的关于算力的基建和美国关于算力的基建，其实都是在不断的加大投入的那你觉得中国和美国这样子的一场关于算力还有大模型的一个竞争，会不会就是有点类似于当年的那个千年虫？其实某种程度上就是把一些资本开支给前置。如果我们事后去看的话，可能会造成一些冗余和重复。

我觉得这是市场上担心的非常大。就是现在大家说AI泡沫，很大程度上都是觉得现在怎么投这么多资本开支，未来真的算得回来账，对吧？这个是啊已经被拷问了一年半的问题了。我从我的角度上来说，其实包括因为我们自己也做AI应用，在二三年做AI应用和在26年做AI应用是完全两种应用形态。

当时我们做的是这个聊天机器人，我们叫CHATBOTT。对吧？就是你跟去聊天，你跟豆包去聊天，他都是一问一答。他基本上就是我问大模型跟问题，大模型给我出个结果，这就是一个一次性的，所以它对算力的消耗是不多的。那么现在为什么从今年的2 3月份开始，整个的算力消耗出现了指数级的上涨，而且到现在为止也没有任何停下的一些迹象。都是因为现在已经从聊天机器人转为了智能体的这样的一个产品形态。

智能体它已经可以作为生产力的工具了是吗？

那智能体的产品形态为什么跟聊天机器人从算力消耗上有如此大的区别？就是这个大模型在智能体层面它只是作为一个基础服务。智能体层面除了大模型以外，你还要去对接。比如说接口，比如说现在大家这么流行的skill对吧？那么这些接口就比如说是MCP这些给模型提供的脚手架，能让模型去操控你的文件文件系统，能去让模型操控你的电脑上的各个APP，它甚至能替你去点击浏览器。

然后你交代的任务不是说模型尝试一次性回答就结束了，他比如说他要说壹叁伍老师派给我的这个研究任务，我先要去查一下三条信息，宏观层面、产业层面、市场层面的各种东西。然后把信息拿回来之后搜集一下，然后我再进行一次自我批判，看这些信息足不足够？不足够，我是要去再次搜索的，我不是就结束了。我就跟壹叁伍老师说，我我我检测完了没有你找的你要说的东西没有，我会继续去检索。它就是带来这种循环往复的一次查询。所以我们有看之前小红书上有很多博主帮大家去非常好的科普智能体的实际的算力消耗。就你问智能体育局，你好，他其实在背后都可能消耗了几万的token，几万的资源的算力的消耗。就是因为他在回答你一个非常简单的问题的时候，他底层都要去把那些脚手架，把那些scale的这个matter的信息去进行一个拉取。

因为他保不起你要用到，所以他就要去准备好啊，那么在每次对话的时候，这些上下文又会进行非常长的堆叠，导致了我们这个上下文就出现了膨胀。所以说我们从agent跟check out这个产品形态的演绎上就会发现智能体系比二三年的纯大模型的一对一的聊天，他的消耗是指数级增加的。今年2 3月份就直接对应了这个open cloud一个崛起，对吧？Open cloud崛起之后又有整个anthropic cloud code爆火，cloud code爆火之后又有codex，这一系列都是智能体类的产品。

智能体类的产品就是一个字非常的贵，它就是非常消耗token，甚至我们从某种程度上来说，因为现在的大模型能力非常强，就现在的大模型能力特别强，导致了你不用把上下文去做非常好的治理。我们说harness，你不用把上下文去做非常好的整理，你就可以直接问问大模型，他能从几万字、十几万字里面去找到他真正要回答的，或者真正要调用的工具。这就导致了现在很多的这种智能体的框架其实是有很多，这就是我要说的第二个点。

就现在的这个算力消耗虽然非常大，它从技术上技术手段上是绝对可以优化的。就比如说原来要需要为一万字才能拿到的答案，我可能为可能5000字我也能拿到相似的答案。我只要把架构设计的好一些，只是说现在因为大模型太强大了，大家又没空折腾这个架构的脏活累活。那就都把这个重的火，我们叫heavy lifting的工作全部交给大模型去解决。那确实大模型现在也能解决挺好，也导致大家没有动力去优化这个架构。但我相信。总归有一天如果算力我们的遇到了一些瓶颈，或者说遇到了真的非常短缺，没有办法去搞的情况下，对吧？我们会去有人有下游的应用公司会去解决这个harness上的一些问题。

就像财大的内部的这个agent问答框架，其实做了非常多的优化的。因为我们没有这么多的资金来支撑这么多人的问答的。比如说豆包现在每天要烧数千万人民币，就是给豆包的这个简简单单的chat bot的问答服务都要烧这么多钱，那就更别提一个智能体产品了。我们底层是做了非常多工程的架构的优化。导致说你问同样的一个问题，即使出来的答案是一样的，我们是更省时间和更省token的这就是在架构上是有优化空间的。所以说从长远来看你要说现在的这个算力消耗是不是真的这么多，我的我的第一个答案是他可能是不用这么多也能完成现在的事情。第二个答案其实是反反直觉的，也不是反直觉。

我相信很多听这个节目的听众，你可能听了agent很多次了，你在各个地方听智能体，好像人人都在说智能体，但是你真的自己用过吗？你真的自己生活跟工作中在积极的高频的使用吗？如果你没有，那就说明这个agent现在渗透率其实并没有那么高，没有我们想象中的这么高，就包括国内现在做非常多普及的这个下沉式的产品，对吧？比如说腾讯做work body，然后kimi做kimi work，这其实都是希望把agent的产品去做一个下沉的普及。因为之前大家其实主要还是在用chat bot，你在用豆包，你在用kimi的简单的问答模式，你没有切到智能体模式去问，就是支持我觉得普及率还远远不够的一个状态。

比方就比如说现在全世界全世界用过AI产品的人，之前的一个数字是10 10亿人用过AI产品，然后里面用过智能体的人可能就只有1000万人，甚至更少。所以说它的这个跨越还是非常大的。Chat bot类的产品它的速度会增长的非常快，比如说抖音的，不就字节的这个豆包在春节的时候已经杀到三四线城市去了，对吧？就是现在谁不管是爷爷奶奶还是小朋友都在用多宝，那就实现了一个普及化的一个市场教育的过程。这个chat box什么时候是切换到人人都要用智能体，那可能是下一波的一个腾飞的一个必要条件，但这里面也有一个小的洞察，就是智能体现很强对吧？

但是我们仔细的去分析，到底你需不需要用到如此强大的东西，如此强大的框架，如此强大的模型。比如说最近刚刚像刚刚放出来又马上被封的这个anthropic加的fiber 5，对吧？那这个模型真的是人人都需要的吗？你需要这么强大的模型干什么呢？如果你不需要这么强大的模型，是不是刚刚好的那些国产模型其实已经能被大部分人派上足够的用场了。就比如说去年我做了一些任务，其实也用AI模型，或者说用之前的像sonic 3.5，当时已经是这个第一梯队非常好的模型了，大家觉得能做到这个已经非常棒了。

那现在我们看已经和这和之前3.5的水平相差甚远了，就已经进是一个进步的一个腾飞了，我们说可以说腾飞式的进步了。这个模型真的是每个人都需要的吗？好像也不一定。你如果做一些简单的任务，用一个chat bot一个配一个中等规模的这个模型好像就能解决了。所以说我们从三个层面就去总结一下这个问题，一个是chat bot和agent的一个普及率的问题。第二个就是chat bot和agent一个算力消耗的几何级增长的问题。第三个就是即使模型这么强，但是我们仍旧要去问那个关键的问题，到底你要不要用到这么强的模型？你如果问的是一个非常简单的事情，为什么要给你最好的模型去回答？不是浪费算力。

对你你这个说的我还挺有可能的。就是token的消耗指数级增长，它的一个时间点是发生在今年2 3月份。然后其实那个时候也是我自个装cloud code的时候。

你看我逼着你装那种。

对你逼着我装的。就是那个时候你还不不还给我分享了一个你们自个儿内部的，你给大家讲的一个培训的教程。然后我就在那个基础之上一步一步自个装的。然后你刚刚说的时候，我满脑子都是那种，就是为什么它会指数级增长？因为像我这样子的散户也冲进来了，就是类似于这种画面。

不是，就是我最近有的时候这个周末跟朋友聚餐，我上次跟一个老伙计聚餐，他很夸张的，他吃完饭之后我们去吃冰激凌，我们吃冰激凌的时候，他突然把他的笔记本电脑拿出来了。他说你帮我看一下我这个cloud code打开方式对不对？我一看它的打开方式，因为cloud code它是有三个tab，它第一个tab就是chat bot，第二个tab是那个cloud cover，就是那个工作台的一个版本。第三个是扣的就是满血版的cloud code。他之前都在用，然后在我的帮助下，帮他搞了一个多小时，他终于学会了怎么用第三个。

然后他觉得他的那个第三个就是相当于就相当于是我用的那个CMD端的那个cloud code是吧？

对，就是你终端里面用的那个cloud code，只不过是一个桌面的更加友好的待机UI版本的一个交互。这就是非常多的人，他其实都之前完全没有接触过，也没有人教他。我们我们可能就是像我们是在AI圈里面的人，所以我们周边像魔术空间，整个人整个空间的人不可能没有人不知道cloud code。甚至这里的渗透率可能是超过90%的。但是我们往外去看一下，这么多传统企业，这么多制造业，可能完全没有开始完全没有开始。虽然老板今天说大家AIAIAI应用AI组织转型，但最多我相信对于绝大部分的企业来说，最多到chat bot这一层，离agent还差很远。所以这里是有一个非常大的一个增长的预警。

对我觉得这个是对的。我刚刚为啥会问你说那个cloud code，它的那个就是UI的那个界面。第三个就是对应我们刚刚所说的，就是终端里面的cloud code。其实因为今天也有人问了我同样的问题，说为什么他用那个UI版的cloud code的时候，就仿佛还是只在聊天？那我一会儿就可以告诉他，是因为他的模式选的还是那个chat boat的那个模式。然后其实我自个儿在在这么长的整个的一个其实也快一个季度多的一个使用的过程当中，我其实也思考了有一个新的问题，其实也是我要问你的第三个的问题，就是模型它的我们去见证模型的迭代，我们可以发现它是一个线性连续的一个进步。

但是对于我的任务来说，我比如说我平常可能更多的就是说希望AI能够帮我搭建一个我自己的一个投研知识库。可能需要整理各种各样的会议纪要，然后包括说各种各样的报告。然后方便说我后来的一个学习也好，或者说整个的一个跟他的一个问答对话也好，其实是这样子的一个搭建AI投源知识库的这样子的一个工作，我就用cloud code，在这个过程当中我也试过。比如说office的4.7、4.8的这样子的模型，还有sonnet的4.6，包括说国产的kimi kimi的2.6以及deep seek最新的这块模型。

其实我我最后发现就是我的这一系列的任务，cloud的本身的这样子的模型是完完全全能够基本上做到不出错的，帮我全部完成的。但是目前的国产的模型的话，其实还是会有各种各样的错误。再比如说最简单的一些会议纪要的整理归档这样子的过程当中，其实现在国产的模型基本上很多都是需要重复两遍到三遍，才会说基本上这个任务就算完成了。之后我还得说手动的进行一些小修小改。我其实一个比较大的问题。

但是肉眼可见的是再往后随着往后的时间的推移，可想而知的是国产的模型它也会跟上。当他们达到了其实现在cloud的最新的模型的阶段的时候，那对于我目前已有的任务，我就觉得其实那就够了。够了的之后，当模型再有大的一个进步的时候，我其实就会在想，模型后续更大或者说更优。其实对于我现在的这样子的一些任务，或者说投研相关的辅助的任务，其实就也并不并不成为刚需了。

在那个之后的话，如果说伴随着像去年25年2月份我们所知道的deep sick的时刻，就是通过模型的优化，通过模型的减脂，是很有可能把整个的一个算力的需求打下来的。那样子的话会不会对整个AI的趋势造成这样子的冲击，以及你觉得我刚刚说的整个的一个关于模型的需求，以及卖过某一个阈值。是不是可能它的模型的更加的更加的厉害，其实对于我们普通人的应用场景已经不是很重要了。这一块的话你是怎么理解的？

我们这个可以用一个经济学的基本理论，就是这个编辑收益会变小，对吧？就是我随着模型从零卖到11卖到10，这肯定是我们能肉眼可见的，它能完成的任务的覆盖率就会变得非常高。可能现在已经到90%的任务都能搞定了。那你后面的10%就大部分人对于大部分人来说，这那些任务都是常委任务了。

比如说AI for science，我要去用AI去研究科学对吧？然后我要去做事件模型，我要去构建一个世界的一个轮廓，我要去做这个更加复杂的数学推理，一些定理的推理，我要去发现数学，我要就像google的哈萨比斯之前也跟大家说过的对吧？他要去用AI他认为AGI是要能够比如说能独立创作梵高一样的艺术，或者是产生对人类有价值的科学的新发现。他们是能独立的，没有任何前置知识的情况下能发现狭义相对论，他认为是叫AGI。其实普通人对于这些能力没有任何需求，对吧？我平时只要解决，比如说我打开冰箱拍张照，我说AI帮我看一下我冰箱里有什么，今天晚上能做个什么菜？然后我今天工作，这个是我的会议的音频，你帮我搞成文字稿，然后整理成整理到我的知识库，提炼一些要点，总结一下对吧？或者说我问几个问题什么什么的那这个是普通人他可能工作和生活场景中会用到的，会需要去写作，要去做书面文案工作，他可能会要用到的一个绝大部分的场景。

确实来说就像我前面讲的，像add topic最新的这个fiber 5的模型，你普通人用他来干嘛呢？我之前看网上有个人调侃说，你要是没有一个价值100万美金的想法，你就不要去发送那个那个按钮。因为它很贵，他很贵。

如果我获得的这个答案，他并没有能够帮助我直接带来收入，或者说一些灵感的非常强大的洞察，它的商业价值是缺失的。就从用户的视角上来说，使用模型就是它的成本端对吧？模型给它的答案就是它的收入。模型这个答案如果收入是小于成本的那他就划不来，就不会去问那个问题，对吧？

这是我们要去思考的那所以确实就像你前面提到的，跨过一个可用阈值它就够了。就像我之前考研究生，我要考这个GRE，过330分就够了。你是333还是338，学校也不看，对吧？就是过了那个硬门槛就够了。基本上大部分的任务就确保你这个人能做了，他就不会再去要求更高了。你不用向我证明你是一个340分的天才是吧？

其实就是这种感觉，就是我刚刚也在想的，其实就跟我们比如企业招人之类的很像。就是可能你跨过你可能只要是本科生或者你只要是硕士，其实那就够了。

对，就是你你要为更加顶尖的人才，那你肯定是要去支付更高的一家的那他带来的争议反而是不确定性的，是吧？那对于很多场绝大部分场景来说，他就是没有必要了。这是我们从去年来看，去年比如说minus刚刚出来的时候，为什么minus在AI应用圈一炮而红？就是因为他当时是能用最好的这个sonnet 3.5的模型，对吧？第一次实现了好像端到端非常丝滑的一个工作流和智能体变这个需求，这是当时其他模型都完成不了的事情。我们现在基本上国产所有的模型都能达到当时的这个sonnet 3.5的基准了，虽然可能还有边边角角有些瑕疵，那也是在不断迭代的，总有一天总能发展到现在opposite 4.8，就是跟像你前面说的一模一样。

比如说最近质朴刚发了GOM5.2，你看那股价对吧？我上次那个博客直接把质朴的股价打下来20%多，40%多，我操。真的，就我发完那个播客，那个质朴的股价，我靠，直接从七千多亿断砸到5000多亿了。我天哪，我这是我怕唐老师来找我麻烦的对。

那这不两天就回来了，从他发布5.2，昨天好像昨天涨了三十多个点，我记得是就今天。

涨了三十多个点今天。

涨了三十多个。

点昨天是吧？

对对对，是昨天涨了三十多个点他所以其实大模型这一块，我觉得就是当你的能力去逼近一个阈值的时候，其实我会觉得当你达到大家都能用大部分工作的那个阈值的时候，就相当于是它是完完全全能够带来一波渗透率也好，或者说使用率的提升也好，这是一定的。但是卖过那个阈值之后，你的模型再提升的话，可能就真的就得算成本费用这样子的一个比例。当你去算这样子的一个比例了之后，我们就会发现可能很多的生活当中是用不到那么高端的魔性的。就跟我在优化了自个的一些工作流之后，我现在每个月订购的就是20美金的那个cloud，就是oppos的4.8。其实都用不太到很多很多场景之下。

就是我们看这个，就我前面其实抛出来的另外一个观点就是说智能体它是有优化空间的对吧？就是它对于算力的消耗是有绝对的优化空间的那其实跟你前面提问题里面另外的一个小问题就是deep seek会不会迎来。比如说deep sick当时就是工程化的一个创新，导致了整个算力的一个蓄势的一个修改。

当天我记得英伟达股价受冲击跌了反正十几个点，应该是对。

就是在在未来？一方面是智能体的整个harness的架构会优化，就每一次智能体的提问的token和上帝的消耗就会变少，这是必然的。肯定会有人去做这件事情。因为一旦成本到一定的规模，比如说codex跟cloud code自己都会做这个事情。已经在过去的几个月里面，他们持续的在迭代这个harness的能力，就用更少的token消耗，但是能换来相同质量的答案。第二个就是deep seek在基础模型层面，类似deep seek的这种工程化的创新，是不是能把训练成本、推理成本去打做一个进一步的下降我觉得这个对于全行业来说都是第二次的一个双等于是双击，就是一个是agent一个是基础模型，两边都会迎来工程化的迭代的对。

所以从这个角度上来说，我们其实就可以这样为止。好处在于目前为止我们我可能觉得大部分的国产模型还没有越过就是我刚刚所说的那个阈值。那对于我们目前的AI投资的话，其实这个倒不是特别担心的事情。但是在在接下去的话，如果说哪一天大部分的模型真的都越过了一个适合干大部分活的这样子的一个阈值。在这个之后，如果说无论说是从项目的工程化上面来说，以及说从模型的工程化上面来说，再发生一个deep sick时刻的话，可能那个时候也是对我们AI来投资是需要比较警惕的时候了。

对，我们一定要去关注，因为已经有人在做这个两方面优化的事情了，中国做这个基础模型的优化其实很说得上来，原因就美国可能没那么缺算力，虽然也缺，但因为国内这个芯片的问题，所以我们肯定要基于我们国内的芯片去做定向的优化。就比如说deep secret一次是针对华为生成的950PR去做了推理卡的定向优化，对吧？那都是为了降本，这个是必然会发生的，只是时间点的问题。到某一个时间点可能叙事上也会有一些调整，大家一定要去多思考一下。欢迎把这些问题去踩搭在里面问问大发好吧，希望大发也会给你一些不一样的洞察。

对，就是我们今天其实讨论的这些问题，我们刚刚其实已经讨论完了宏观层面的和产业层面的。每个大的板块下面其实基本上讨论了三四个小的相关的问题。其实每一个问题都有我们提出来的各自的信号。无论说是可以直接被量化的，还是说可能是一些需要跟踪的事件，其实都可以把这些大家感兴趣的时候也可以说说自个的想法，去跟大发去进行一个交流。然后让他根据我们刚刚提到的也好，或者你自个的想法也好，去设置相关的追踪的信号或者说事件的体系。

行，那我们下面再聊聊最后一趴，市场怎么看？

对，就是整个的我们我其实自个认为无论说宏观层面上还是产业层面上，其实很多都是比较慢的变量，所以说我们其实需要在在我们整个的一个投AI的过程当中防肯定是想在行情见顶之前，能够比较好的比较从容的撤退的层面上。那更多的其实市场这一块的信号也是不可以忽视的。这一块的话，我觉得其实可以从一个这里面其实也分成长周期和短周期。我们我这一块还是想先从长周期的一个维度去进行一个展开。

我们这一块其实可以首先说的一点就是大家其实很多人都越来越意识到或者说越来越认同一个观点。就是说你可能相较于买A股，可能美股是不是拿着更让人放心。其实大家得出这个结论的背后的原因是因为你去把美股，比如说以纳指为代表的这样子的一个指数，创在长周期里看，会发现它是一个有一个比较固定的斜率向上的一个净值。这样子的话它会导致的就是你在你你只要无论说是定投也好，或者怎么着也好。

因为它的斜率是比较好。

对，斜率是斜向上的那体验都会比较好啊。但是我们其实可以去看，整个的一个股市，它的一个斜率背后其实意味着什么呢？有两种方式，一种就你股市的一个长期的收益率，其实可能等于你的一个无风险的收益率，加上你的企业各方面的一个意识。第二种的话就是你的股市的一个长期收益率，等于你企业的一个盈利，加上一个你的估值的变化，以及加上你的一个分红的收益。但无论说这两种的计算方式，它其实都包含的是对企业的，都是把企业的增长给纳入进去的。

我们还可以发现的一点是，如果我们去看纳值，它其实从90年代开始，一直到00年，那个可能长达十几小二十年的一个周期下面，它都是在一个大体上是年化12%到13%的收益的这样子的一个通道上面去运行的。所以其实可以理解为我对这个的背后的认知，就那个时候大体上市场上已经提前说预判到了，会有一场科技的一个革命，去拉动美国的经济的增长，然后把这一类的拉动的增长把它给折进去的话，大体上最后对应出来的钠质的年化收益是12%到13%的左右。那后来随后来随着其实是99年的六月份之后，走势是突破了那样子的一个上行通道的。我自己理解也是从那个时候，它是彻底的进入了一个泡沫的阶段，随后他就整个的，就是从00年的三月份之后就开始掉头往下了，一直到又回到了区间的一个下轨。后面在横盘了十年年之后，一直到2010年，我们再去看这样子，长期的一个回报。从161年一直到现在，大体上纳指的一个长期回报又重新来到了12%到13%这样子的一个年化的一个水平。

我们如果说把我们如果说把这一轮AI的革命和上一轮科网时期的互联网对经济的拉动，这一块儿我没有具体的研究过。但是我问过大发以及请教宏观方面相关的分析师，他们都理解说基本上这一轮和上一轮对整个经济的拉动其实是相当的或者说可比的。这个我觉得也背后也就解释了说为什么从这一轮开始，它的一个长期的年化收益和上一轮其实基本上是差不多可比的，都是在12%到13%这样子的一个区间。那那如果我们认同这样子的说法的话，那我们其实从场景我们可以关注的就是说，当纳指这样子的一个指数级别的东西，当它的一个长期的在线。如果说它再来到说99年六月份之后是上行的一个轨道的话，那个时候某种程度上也是代表着说有比较大的泡沫的时候。这个其实也是可以再通过我们的采拉子去设置一个风险指标的一个。

那我们是不是有办法去判断它的建顶信号呢？有没有可能？因为现在市场就是一直在这个高位，我们说已经不存在，现在至少还没发生高低切。那现在一直在高切高高切更高，那什么时候他就高切低的时候就会力度非常大。

其实我觉得它不一定会高且低，这个是我们刚刚所说的第一个，其实就已经是一个判断的方式了，只是可能是比较长的一个维度的患者。因为他对12%到13%这样子的一个区间的话，因为它的误差就会比较大一点。只有当它大幅偏离的时候，才会有比较比较显著的意义。这是刚刚所说的一个。

第二个的话请中周期的维度，我们市场交易出来的结果也可以有一定的认知。之前其实咱们俩也也你也跟我讨论过说整个市场如果还这么极致的上涨的话，或者说还是这么就是极致的科技的行情的话，那你觉得会对市场不是很有利。但是我自己的在相当长的一段上，大家所期待的高切低是不会出现的。可能我自己更加倾向，当然不构成任何投资建议。我自己可能更加倾向于的是啊这一轮AI什么时候炒完，可能整个市场的机会也就不会再有别的机会了。

为什么呢？我们同样的是去看00年的时候，美股的这样子的一个市场。其实那个时候其实从95年之后，大家关于市场的分化度，就极致程度的讨论就越来越多。如果那个时候纳指和标普他们的以及和道指他们的一个分化的话，是远远比现在要多的。很核心的原因就是说那个时候因为TMP相关的行业在指数当中的占比成分其实比远比现在低。所以那个时候它在指数层面上就会显得更分化一些，然后一直到2000年初，其实那个时候大盘股我们现在回过头来看，大盘股和倒置其实已经先于纳指去进入到了一个横盘震荡，然后走弱的去。

好，那听起来有点高小。

这个其实很熟悉。你就是我们再来看现在的市场，我现在的A股市场。当然这个我觉得在现在的美股其实还没有看到，但是其实在现在的A股已经挺明显的了。

老灯本本。

对，这不光是老邓，你想港股是基本上港股是从去年10月份之后，其实已经阴跌。对，已经阴跌了半年多了对吧？然后剩下来的一些很多老灯类的资产都已经你像白酒之类的都已经跌破924的对吧？然后以及今年这样极致的一个分化的行情，其实年初的时候大家可能还觉得是有色加AI现在肯定大家提的时候都是觉得只剩下AI这样子的一个一条主线。其实在A股你去如果去复盘A股的历史的话，也是有很多相关的信号。这里可以展开说一下A股的历史上，其实我们经历过的几轮牛市，包括我们也复盘过，包括0708年那一年，然后1415年的那一次，以及说不是很典型的就是19到21年的核心资产的那一次。

那三次的牛市。其实基本上每一次，外就是每一波大的牛市里面，基本上都会分成就是三次主神了。都有一个前面那三次的牛市都有一个很典型的特征叫券商。券商在每一次的牛市的过程当中，它在第一轮和第二轮的时候都会有都会先于骑手。对，都是它确实起到的是一个骑手的作用。但是前面三次牛市当中，没有一次券商是在第三轮的时候还会有表现的。

然后那个时候也往往预示着基本上最后一轮就是在每一轮牛市的最后一个阶段，基本上也都是一个偏结构性的行情。虽然这一轮你大家可以把整个的就是把券商为什么涨不动这些归结到各种各样的原因里面。但是在在我复盘完之后，我自己会觉得任何情况之下，可能这一轮券商都是涨不动的，就是不用给他找。那那在这样子的一个结构性的行情里面，其实你在我特别想问你的一个问题是你觉得现在的A股是牛市。

还是我觉得其实我们看，如果今年咱们说大部分的人，如果是你没有做完全没有参与AI的对吧？你的资产配置全是集中在这个小灯鼓，或者说纯算力半导体这一类的股票里，你可能能赚到一些钱。你但凡是配了一点传统行业的，不管是消费还是金融，还是非银金融，对吧，你都是都基本上就白做。你要是压根儿这个科技一点都没配，只配了传统行业，那基本上都是亏钱的那所以说从绝大部分投资者的体感上来说，今年已经可以开始走。都都感从感知上是觉得已经进入一个牛市了。只是说因为现在市场的整个大盘权重好像还稳的还可以，然后科技又持续的有一些新的新消息新闻出来，让大家感觉好像还有肉能吃，但除了科技以外，基本上全军覆没。

对，就是我前两天听到一个说法，我还挺认同的，说现在已经其实已经说进入到了披着科技牛外衣下的熊市了，我还挺认可这个说法的。

挺正确的。对。

正确的对，大家体感上面其实也可以看得出来，包括很多港股的先建顶也好，券商的部长也好，以及现在是一个最多可以称之为结构性的牛市也好。其实跟过往的牛市复盘下来的经验其实都很像。同样的我们把这个话题给回到我们刚刚所说的，就是跟科网的时期其实也是很像的。

美股市场也是一样，会有先后建顶的一个顺序，资金肯定是最后是抱团在逻辑最硬，业绩增速最高的板块，这个是肯定的。好处就在于说这一轮其实从美股的市场来说的话，至少就是别的板块还是会有一定的热点热度在里面的。以及其实美股我们也能经常看到，它也在尝试着高低切。前段时间那个AI不好的时候，其实你看美股的一些消费股，这些其实涨的都还都还可以。所以我们认为其实这一轮AI肯定肯定还是美国引领的，所以我们肯定还是更加应该看，最最关注的应该还是美国的股市本身。从这个角度上来说，美国现在板块之间的割裂度其实没有那么大，那其实也是一个比较好的一个信号。我们真正需要警惕的就是说当比如说眉骨里面像倒纸这些指数如果说开始再一次的震荡走落的时候，也是提醒我们可能资金也在在最后往最后的板块去流入，那个时候也是风险比较大的，哪怕是在AI板块的内部的话，我们其实也可以有一些，板块内部的一个观测性的指标。

比如说就是存储为例，存储基本上是除了芯片也好，包括说，一些就是除了美股的芯片，还有云厂商之外，肯定是大家关注嘟嘴。无论说是美股的这些还是含钴的这些，现在很多很多两倍做多的品种，其实都是存储的公司整个的这个存储的板块的话，其实也可以构建出来相关的一些观察的指标。我们可以看到A股市场上几个比较有意思的公司，三个传音、小米和戈尔巴乔夫。我记得你还讲你那一期讲讲质朴的时候，不还把它和它的市值和小米做对比吗？

对是吧？

对，我们其实可以看到，小米传莺，然后歌尔他们之前的股价的高点，其实都是在去年的90月份的时候，其实这三个可以定义为存储价格上涨。我自己理解就是最受损的三个公司。

他们是成本项。

对，他们是纯纯的成本项，以及有以及很多都是他们的。就是存储的上涨是会侵蚀掉他们可能本就不高的毛利率的。对一所以从这个角度上来说，他们建顶的时间其实是很很有意思的。是其实去年整个的十一回来之后，基本上就是确立了存储价格的上涨这样子的一条主线在在里面。那对应的也是这三家公司他们阶段性的股价的一个高点点。如果说我们去观察AI这条线当中的一些子板块，比如说存储之类的。其实就可以找一些跟这些子板块最受损的公司，去盯一盯这些公司的股价的一个表现。当他们什么时候企稳甚至反转的时候，某种程度上可能也就代表着说市场可能预期，比如说像存储的价格上涨，或者说把估值的层面可能也阶段性的告一段落的情况。

Ok那就等于是这个产业链会迎来再分配是吧？这个利益再分配。

对或者说其实就相当于是别的公司的一些受损的这些公司的相关的股东可能就觉得，基本上他们可能就开始预判就是这些公司的反转的行情来了。其实就跟咱们刚一开始构建宏观的指标，就从债市去观察股市，其实有类似的一个。

对，因为这些小米，歌尔这些，它都是大量的去采购这些存储芯片的，他而且都是批量采购，大规模的提前采购。那现在就像我们上上一个上一期节目聊到的这个LTA的长期协议，对吧？其实存储是会被提前定走的，这一这些企业的股东开始有一些反转的信号。那也本质上就说明了对于这个存储未来的芯片的涨幅是有一个比较笃定的心态了，就觉得后面可动了，或者会甚至会出现供需的反转，那他才会股东层面才会做一些调整，所以这个确实也是一个挺好的信号。对，可以关注一下这几个公司的毛利率做。但是这毛利率可能就是偏滞后的指标了，对吧？

利率就是相当于当毛利率能够反映出来的时候，我的理解股价一定是已经提前反应了的。所以可能这个时候更多的就是去看它股价能否在某个位置上企稳也好，或者直接出现了反转也好，这个可能会更及时一些。然后说一个比较有意思的，就是另外一个可能可以作为辅助性的观察的指标，其实就是黄金。我们可以我们其实见证了黄金过去几年的一个牛市，然后直到今年的1月30号，黄金出现了大幅的一个下跌。然后之后可能其实也就一直很宽幅震荡，就整个从4000.4千4000一直到4600左右，就一直在这个区间上去横盘去。它因为这一类的资产，它本身不能说是有一个真实的，可以被计量出来的一个价值。所以可能它的一个交易信号会的意义会更大一些。

我们如果说去看整个黄金在一月份交易出来的信号的话，我们自己复盘其实和2011年的时候很像。或者说我们其实如果说把2011年5月份到9月份的这个区间，其实我觉得和今年黄金白银，就是26年的一月份到现在六月份这个区间，其实都其实我觉得是一个可以类比的区间。那在这个基础在这样子的一个类比的基础之上的话，我自己对黄金后续的一个判断的话，其实是不是很乐观？那不是很乐观的话，他某种程度上我自己理解就是他其实对整个的AI后续的投资其实是一个好事。因为整个因为因为如果说我们可能对黄金后续不是很乐观的话，就说明可能美国的一个是可能是有可能是下不来的，以及美国可能暂时是没有衰退性的风险的。

因为这些其实都是压制金价的一个，所以金价如果说暂时起不来的话，某种程度上可能也就是说明说整个AI的风险还没有很大。对，所以从这个角度上来说，我可以建议就是大家有时间的时候，其实可以去复盘一下。就是2011年之后，黄金大体上的一个走势，然后以及它的一些相关的一个。如果说确实像我所说的，就是后续黄金并不能马上起来的话，那理论上来说至少从商品的市场跟债券的市场都是双重确认说现在为止都还没有交易。美国的一个衰退，那从这个角度上来说，AI整个的叙事其实。

还是可以特别好的观察。我们又多了一个新的观测指标，我们今天其实留了非常多的作业，大家要去做一做，就是特别多的前瞻指标，大家可以去观测起来。

黄金这个的话，其实我们就相当于是总结一下，其实就是构建了一个三个大的维度，包括宏观层面上、产业层面以及交易层面上三个维度，各种各样可以观察的信号。宏观层面上的话，其实更关注的就是十年和两年期的一个美债是否出现倒挂，以及说整个中国的一个经济的情况和AI发展的一个情况。第二个的话产业层面上，是英伟达的财报是每个季度是必须要关注的，以及他可以不超预期，但绝不能miss。第二个的话就是几个云厂商他们的一个capex的是最好是不应该是有下修的，以及任何一个云厂商都在投入上面有任何反转。然后第三个点的话就是在产业层面上，就是去关注说我们整个的大模型的发展。什么时候能够，我自己理解其实就是以现在的oppo 4.8作为一个标杆，作为一个阈值。什么之后达到了这个阈值之后，如果说有相应的工程化的能力的提升，或者以及大模型的工程化的能力的提升，所带来的再一次的deep sick时刻的话，也是需要我们去警惕的。

最后一个层面就是落实到整个的市场交易层面的话，也是三点。第一点的话就是整个纳指我们其实可以关注它的一个长期的一个回报率。如果说处在还是处在从10年开始算，还是处在12%到13%的这样子的一个上涨通道中的话，相对来说我理解还是比较合理的。如果突破的话，可能就是有一定的泡沫的成分在里面。第二个的话就是市场的一个分化度，其实可以关注的是后续美股。美股如果说它的一个道指走弱，或者说其他板块也慢慢的一个阴跌的话，基本上可能也是说AI的投资也是越来越需要谨慎的时候了。第三个的话就是说可能和AI可以产生对冲的像黄金这一类的资产的话，如果他们相对来说表现的比较弱的话，某种程度上也是在不断的确认AI还是AI的持续性还是比较强的。

基本上好，非常感谢壹叁伍老师的总结，非常的精华。我们也是聊了两个钟了。

对。

然后希望对大家有帮助。然后在过程中我们提到的一些指标，也非常希望大家能真实的观测起来，希望彩鞑子能给大家提供一个比较好的工具辅助。以上就是本期发财大字的全部内容了。你可以在微信搜索财大字AI以及各大应用平台搜索财大字APP，来使用大家怎么好评入朝的研究工具来定制你的财富伙伴。你也可以可以在小宇宙、苹果播客网音乐、QQ音乐、喜马拉雅、B站和小红书，找到发财搭子的。更多发财密码，欢迎你给我们留言，分享给更多的朋友们，你们的支持是我更新的最强动力。第一，拜拜喽好。