AI投资是否过剩?
先抛个令人焦虑的数据：234%。这是目前美股总市值对比美国 GDP 的比例，也就是所谓的巴菲特指标。意味着什么？历史平均线是 100%，2000 年互联网泡沫时是 140%，2021 年高点是 190%，如今却飙升至 234% 到 243%。
连巴菲特本人都在撤退。伯克希尔的现金储备现已累积至 3970 亿美元，刷新了历史纪录。老巴在抛售苹果、减持银行股、积攒现金。这个警示难道还不够清晰吗？
且慢，事情或许没那么单纯。今天我想探讨三个议题：其一，该指标是否存在统计偏差？其二，AI 引发的生产力激增，全球需求能否消化？其三，这些现象背后究竟暗示了什么？
先提个有趣的现象。标普 500 企业中，40% 到 42% 的营收源自海外。像苹果、微软这类巨头，海外业务占比甚至超过 50%。可 GDP 是怎么统计的？仅计算美国境内的产出。
这就很矛盾了。分子代表的是美股公司的全球盈利水平，分母却是美国本土的经济产出。两者错位了。
这就好比用中国的 GDP 来评估腾讯的市值。腾讯大半营收来自游戏和广告，虽与中国 GDP 有关联，但绝非完全等同。
调整后会怎样？若将海外收入折算进 GDP 分母，原始的 234% 到 243% 会回落至 155% 到 165%。从极度高估变为适度高估。依然偏高，但不再那么惊人了。
再试着用全球 GDP 作分母。美股市值除以全球 GDP 等于 61% 到 64%。这个数值在历史上看，属于偏高但尚可接受的范围。
因此第一个结论：美股确实昂贵，但并非历史最极端。巴菲特指标在全球化背景下存在漏洞，需要修正。
谈完估值，再聊个更深层的话题。如今大家都在押注 AI。英伟达市值达 5.28 万亿美元，超过了德国全年 GDP。市场预设的前提是？AI 将极大提升生产力，带动企业盈利增长，推高股价。
逻辑通顺。但有个限制条件常被忽视：需求源自何处？
我做了一番测算。2023 年至 2026 年，中国智能算力从 414 EFLOPS 增至 1460 EFLOPS，增幅约 3.5 倍。大模型数量从 0.5 万个增至 10 到 15 万个，激增 20 到 30 倍。
可需求端呢？麦肯锡调研指出，2025 年 88% 的企业已在至少一个业务环节采用 AI，但仅 7-10% 实现了规模化应用。AI 软件市场规模从 2000 亿美元扩至 8000 亿美元，增长 4 倍。
发现问题了吗？供给增速远快于需求增速。结局便是产能过剩。
2026 年的实情是：据行业调研，通用大模型推理产能利用率仅 40% 到 50%，Token 价格三年内暴跌 80% 到 90%，据行业估算约 40-50% 的 AI 初创企业倒闭或被并购。低端 AI 应用已陷入红海竞争。
那高端领域呢？据行业调研，高端 AI 训练芯片产能利用率超 90%，HBM 内存价格涨幅 50% 到 80%，先进封装产能已排期至 2027 年。
所以第二个结论：AI 并非全面过剩，而是结构性过剩。高端供不应求，低端已然崩盘。
这里有个更深层的问题。人类每天仅有 24 小时，内容消费存在上限。AI 生成的内容再多，人类也看不过来。注意力成了最稀缺的资源。
而且 AI 提升生产力后，财富向资本方集中，劳动者收入占比降低。有效需求增长滞后于供给增长。除非引入再分配机制，例如 UBI（全民基本收入）。
历史上发生过这种事吗？发生过，而且不止一次。
工业革命时期，纺织效率提升了 100 倍。结果欧洲市场饱和，产能过剩，最终依靠殖民扩张和工人运动才得以消化。
互联网革命时期，信息成本降低了 99%。结果注意力变得稀缺，广告和电商创造了新需求。
每次技术革命都遵循同一套剧本。短期 5 到 10 年，产能过剩伴随价格战和失业。中期 10 到 20 年，新需求被创造，但需制度创新。长期 20 到 50 年，生活水平提升，可分配问题依旧存在。
AI 的特殊之处在于速度更快，3 年对比 30 年。影响范围更广，涉及脑力工作与体力工作。需求创造更难，因内容消费有上限，人一天只有 24 小时。
这就引出了最核心的疑问：若 AI 导致大部分人失业，谁来消费 AI 生产的产品？
讲了这么多，归结为几点观察。
先看美股。从极度高估修正至适度高估后，估值确实不低。但计入海外收入后，局势没那么极端。市场正在消化高估值，需以时间换空间。
再看 A 股。中国 M2 现为 354 万亿人民币，M2 除以 GDP 比率 246%，全球最高。资金量如此之大，但 M1 增速持续为负，说明资金都沉淀在定期存款中。民众在储蓄，企业在偿债，资金在银行内部空转。
估值层面，沪深 300 市盈率 11-12 倍，位于历史 30-40% 分位。比 2021 年便宜许多，比 2018 年底部稍贵，处于中间偏下的位置。
AI 方面，分化已然出现。高端 AI 芯片、HBM 内存、先进封装、高质量数据供不应求。通用大模型、低端 AI 应用、AI 内容生成则产能过剩。
从全球配置视角，几个现象值得关注：美股估值偏高但非极端，A 股估值合理但缺资金，AI 高端繁荣低端过剩，货币超发是长期趋势。
撰写此文时，我始终在思考一个问题：我们这代人，会不会是历史上首批遭遇生产力过剩的人类？
过去数百年，人类一直在致力于解决如何生产更多的问题。但 AI 或许让我们首次陷入生产过剩却无人需要的困境。
这并非技术难题，而是分配难题。若 AI 创造的财富仅流向少数人，而大部分人失去收入来源