自2022年年底ChatGPT发布以来ღ✿★★，美股AI龙头公司（所谓7姐妹）的股价大幅跑赢整体市场ღ✿★★，2025年初DeepSeek出现以来ღ✿★★，中国的AI龙头公司（主要在港股）也大幅跑赢大市ღ✿★★。就美国股市而言ღ✿★★，尽管相关企业盈利有较快增长ღ✿★★，但风险溢价在极低水平男女车车好快的车车有点污网站ღ✿★★，反映了投资者的乐观预期ღ✿★★。股票高估值使得近期关于AI相关资产价格泡沫的讨论多起来ღ✿★★，本文不是如何定义泡沫和测算泡沫的技术分析ღ✿★★，而是从资产价格ღ✿★★、创新与宏观经济的关系出发提供一些思考ღ✿★★。

　　消化股票高估值的一个可能是利率下降ღ✿★★，由此一些投资者把乐观的预期寄希望于美联储降息ღ✿★★。传统的思维是利率和风险资产价格是跷跷板的关系ღ✿★★，无风险利率下降促使配置向风险资产倾斜ღ✿★★，有利于股票估值ღ✿★★。这样的关系在当下是不是仍然成立ღ✿★★，我们首先得解释为什么过去几年美元利率上升的环境下ღ✿★★，股票价格大幅上涨ღ✿★★。

　　利率与股市的关系有三个可能ღ✿★★。第一是传统的利率是因ღ✿★★、股价是果的关系ღ✿★★。第二个是反过来ღ✿★★，股市是因ღ✿★★、利率是果ღ✿★★。AI领衔的股市上涨是美国经济总需求的重要支撑ღ✿★★，由此带来的通胀压力促使美联储维持利率在高水平ღ✿★★。今年以来AI相关资本开支贡献了美国GDP增长的三分之一ღ✿★★，同时ღ✿★★，最富有的10%的人口拥有85%的美国股票ღ✿★★，而这部分人占总消费支出的一半ღ✿★★，是自有数据记录以来的最高份额ღ✿★★。按照这个逻辑ღ✿★★，股市的财富效应促进消费ღ✿★★，降低储蓄ღ✿★★，而AI相关的资本开支增加了投资ღ✿★★，两者共同作用ღ✿★★，导致维持供求平衡的自然利率上升ღ✿★★。

　　第三个可能是利率和股价都是果ღ✿★★，都是由第三方力量驱动ღ✿★★。美国AI主导的股市吸引了来自世界各地的资金ღ✿★★。根据美国财政部TIC口径统计的海外投资者持股情况ღ✿★★，截至2025年9月ღ✿★★，外国投资者持有美股21.2万亿美元ღ✿★★，占总市值31.3%ღ✿★★，按照历史数据ღ✿★★，约30%的市场份额是二战结束后最高的份额ღ✿★★。全世界的投资者都在押注美国科技巨头的股票ღ✿★★，助长美国股市ღ✿★★，相关财富效应刺激总需求ღ✿★★，进而支撑了利率水平ღ✿★★。

　　第二和第三个情形相互联系ღ✿★★，可以解释高利率和股票高估值并存的现象ღ✿★★。展望未来ღ✿★★，就利率和股市的关系long8官方网站登录ღ✿★★，关键是区分利率下降的原因ღ✿★★。如果投资者对AI的乐观预期下降或者被证伪ღ✿★★，股票价格和AI相关资本开支下降ღ✿★★，导致总需求下行ღ✿★★，自然利率下行ღ✿★★，促使美联储降息ღ✿★★，这种情况下ღ✿★★，股价是因ღ✿★★、利率是果男女车车好快的车车有点污网站ღ✿★★，利率下降不能支撑股价ღ✿★★。尤其需要关注的是数字经济和人工智能时代的投资者羊群效应ღ✿★★，智能手机ღ✿★★、社交媒体ღ✿★★、和生成式AI使得全球越来越多的个人投资者参与这一宏大叙事的投资ღ✿★★。这是一把双刃剑ღ✿★★，繁荣的时候强化上涨的动力ღ✿★★，一旦转向也会加剧下跌long8官方网站登录ღ✿★★。

　　消化高估值的另一个可能是相关上市公司盈利的增长ღ✿★★。这方面的一个直观的疑虑是目前为止价格上涨集中在少数股票上ღ✿★★。从乐观的角度看ღ✿★★，AI是一项通用目的技术ღ✿★★，就像过去蒸汽机和电力一样ღ✿★★，将逐步渗透到各行各业男女车车好快的车车有点污网站ღ✿★★，这有一个过程ღ✿★★，AI技术研发和上游机构首先获利ღ✿★★。按照这个逻辑ღ✿★★，随着时间的推移ღ✿★★，盈利和股价上升的浪潮将延伸到大多数公司ღ✿★★。但对投资者当下而言long8官方网站登录ღ✿★★，如何研判AI及其应用的投入产出比是关键long8官方网站登录ღ✿★★。

　　本轮AI技术发展的特征是ღ✿★★，在应用层面技术成熟度低和预期利润大并存ღ✿★★，需要资本市场尤其股权投资的支持ღ✿★★。投资者最终要考虑AI的成本收益比ღ✿★★。第一个约束因素是创新需要的研发投入ღ✿★★，成本端的一些支出是看得见的ღ✿★★，比如大模型有研发成本和应用成本ღ✿★★。研发成本主要包括算力成本ღ✿★★、人员成本ღ✿★★、电费成本ღ✿★★、和其他项（数据获取ღ✿★★、模型维护等）ღ✿★★，而应用成本中推理能耗是重要一项ღ✿★★。

　　值得关注的AI相关投资模式的新特征ღ✿★★。传统的风投公司熟悉的资本轻型的软件分发模式（比如社交网络）转变为资本密集的硬件生产（先进芯片和数据基础设施）模式ღ✿★★。引领这一转型的是占主导地位的科技巨头公司ღ✿★★，他们不仅投入巨额资金ღ✿★★，还成为包括OpenAI和Anthropic在内的大型AI初创企业的主要支持者ღ✿★★，接管了风投公司的历史角色ღ✿★★。与风投相比ღ✿★★，业界资本更容易被AI赋能ღ✿★★，可以降低不确定性或者说提高预期收益ღ✿★★。

　　虽然有很多期待和预期ღ✿★★，但AI在产业的应用到底有多大潜力？有不少争议ღ✿★★。大模型收益端的分析面临很大的不确定性ღ✿★★。不同应用场景的情况相差大ღ✿★★，大模型带来的直接经济收益（如降本增效）和间接经济收益（如提升竞争优势）很难估量和加总ღ✿★★。一个缺点是大语言模型给出不准确的答案ღ✿★★，限制其在很多商业应用的价值ღ✿★★。另外ღ✿★★，大模型的应用价值在于用企业内部场景数据训练男女车车好快的车车有点污网站ღ✿★★，但很多企业还没准备好或者说还不知道怎么应用到自己的数据ღ✿★★。

　　看远一点ღ✿★★，在宏观层面也有一些研究ღ✿★★，估算AI对经济增长的影响ღ✿★★，存在乐观和悲观两种观点ღ✿★★。今年9月份中金研究院欧洲智库行小组在巴黎拜访了Philippe Aghion教授（2025年诺贝尔经济学奖获得者）ღ✿★★，就相关问题做了探讨和交流ღ✿★★。Aghion教授和我们分享了其对相关研究文献的梳理ღ✿★★，有两种方法推算AI对经济增长的影响男女车车好快的车车有点污网站ღ✿★★。一是外推法（extrapolation）ღ✿★★，即将AI类比电力与IT革命ღ✿★★，推测AI技术带来的GDP增长ღ✿★★，未来十年AI革命或能带来0.8-1.3个百分点的年度额外增长ღ✿★★。二是基于任务的方法（task-based approach）ღ✿★★，Acemoglu（2024）以此估算未来十年AI对TFP增速的影响仅为每年增加0.07个百分点ღ✿★★。Aghion教授认为由于没有充分考虑AI的成本下降以及AI能力的提升ღ✿★★，基于任务的方法的结果存在低估ღ✿★★。综合文献来看ღ✿★★，AI带来的年生产率增长应该在0.08-1.24个百分点之间ღ✿★★，其中间值与IT和电力革命外推估算的贡献相当ღ✿★★。

　　中金研究院2024年发布的《AI经济学》采用了“元任务”的分析方法对AI的经济影响进行估算ღ✿★★，在AI的成本下降和AI能力的提升以外ღ✿★★，还考虑到AI应用部署时所需的时间和资金成本ღ✿★★。测算数据显示ღ✿★★，以2024年为基准ღ✿★★，到2035年AI的引入将为我国带来的GDP额外提升幅度约为9.8%ღ✿★★，对应额外年化增长率约为0.8%ღ✿★★。这一估算结果与主流文献的测算较为接近ღ✿★★。

　　短期来看ღ✿★★，对于相关公司而言ღ✿★★，如何缩小当下的巨额支出与未来利润不确定之间的差距是一个挑战ღ✿★★，这也是部分投资者担心这个行业过热的原因ღ✿★★。虽然不确定性使得我们需要谨慎对待任何具体的估算数值ღ✿★★，但基于经济学学理的分析有助于我们思考相关问题ღ✿★★，规模经济是一个关键概念ღ✿★★。

　　DeepSeek的突破在于以算法架构的改善来弥补算力的限制（美国对出口中国先进芯片的限制）ღ✿★★，简单来讲就是用7纳米芯片做4纳米芯片的事ღ✿★★。这对先进半导体巨头企业是什么含义ღ✿★★，当时有两派观点ღ✿★★。悲观一派认为算法改善（技术进步）对先进芯片（要素投入）有替代作用ღ✿★★，英伟达股票价格有几个交易日出现明显下跌ღ✿★★。乐观派则引用历史上的杰文斯悖论（Jevons Paradox）ღ✿★★，即当技术进步提升要素使用的效率时long8官方网站登录long8官方网站登录ღ✿★★，收入效应大于替代效应ღ✿★★，导致整体需求增加ღ✿★★。从股票价格后面的走势来看ღ✿★★，杰文斯悖论似乎得到印证ღ✿★★。

　　杰文斯悖论的原始例子是瓦特改良蒸汽机后英国煤炭消耗量反而大幅上涨ღ✿★★。1865年杰文斯在著作《煤炭问题》中提出ღ✿★★，瓦特改良的蒸汽机相较早期纽科门蒸汽机ღ✿★★，大幅提升了煤炭利用效率ღ✿★★，让煤炭成为更具性价比的动力源ღ✿★★。这使得蒸汽机被广泛应用到更多行业ღ✿★★，即便单个应用场景的煤炭消耗量减少ღ✿★★，但整体的消耗量却显著增加ღ✿★★，这和当时人们认为“效率提升会减少煤炭消耗”的直觉认知相悖ღ✿★★。

　　自DeepSeek以来ღ✿★★，中国的AI研发企业在通过算法和系统的改善来弥补算力不足方面取得了更多进展ღ✿★★。Jevons悖论仍然有效吗？把煤炭的逻辑套用到芯片ღ✿★★，我们需要问一个问题ღ✿★★，同样是投入要素ღ✿★★，芯片和煤炭的经济属性有什么不同ღ✿★★。芯片作为制造品具有规模经济的特征ღ✿★★，即单位成本随着生产规模的增加而下降ღ✿★★，在充分竞争的市场环境下ღ✿★★，价格随着边际成本而下降ღ✿★★。煤炭作为自然禀赋ღ✿★★，具有规模不经济的特征ღ✿★★，采矿业的供给弹性低（勘探需要时间ღ✿★★、需要挖得更深ღ✿★★、交通不便利等）ღ✿★★，由此需求增加导致价格上升ღ✿★★，才能引导更多的资源投入采矿以增加供给ღ✿★★。

　　同样面对需求增加ღ✿★★，规模不经济意味煤炭生产企业的收入不仅得益于产量扩张ღ✿★★，也得益于价格上升ღ✿★★，而规模经济意味芯片生产企业得益于产量的增加ღ✿★★，但价格是下降的趋势ღ✿★★。当然ღ✿★★，芯片行业尤其先进制程芯片不是充分竞争的市场ღ✿★★，寡头垄断下规模经济可能使得大型企业在一段时间获得熊彼特利润或者垄断利润ღ✿★★，但长远来看这改变不了规模经济的趋势性影响ღ✿★★。

　　上述的逻辑可以从芯片延伸到大模型ღ✿★★，我们可以把大模型看成投入ღ✿★★，大模型应用创造价值（产出）ღ✿★★。规模定律隐含要素投入比如算力ღ✿★★、数据ღ✿★★、电力等呈现规模报酬递减的特征ღ✿★★，由此对模型性能的追求只能通过增加要素投入来实现ღ✿★★。对AI大模型及其应用的乐观预期促进了相关的资本投入需求ღ✿★★，而给定技术（比如算法）条件下的规模报酬递减意味着ღ✿★★，需求的增加在一定程度上只能靠价格的上涨而不是供给的提升来平衡ღ✿★★，由此带来上游公司的盈利和股票价格的上升ღ✿★★。

　　规模报酬递减和盈利增长之所以同时发生ღ✿★★，反映了相关企业的定价能力ღ✿★★。规模定律带来的投入门槛要求意味巨型科技企业处在有利地位ღ✿★★，问题是这样的垄断利润能持续多久？一个可能是公共政策反垄断法规监管ღ✿★★，但AI相关的商业模式是新现象男女车车好快的车车有点污网站ღ✿★★，如何界定垄断以及如何反垄断有很大争议ღ✿★★，而且在地缘竞争新形势下ღ✿★★，国家之间的竞争增加了内部反垄断的复杂性ღ✿★★。

　　另一个视角是大模型的开源与闭源ღ✿★★。中国大模型开源模式对全球AI的竞争格局带来重大影响ღ✿★★，推动市场朝着更公平的方向发展ღ✿★★。开源模式大幅提升了中国在全球AI领域的话语权ღ✿★★，DeepSeek的动态稀疏架构被IEEE纳入国际标准ღ✿★★，欧美的不少初创企业采用中国开源模型ღ✿★★。中国的开源模式还倒逼OpenAI重启开源ღ✿★★、Meta调整开源策略等ღ✿★★。DeepSeek以宽松许可证推动技术自由传播ღ✿★★，而且推理成本远低于GPT-4等闭源模型ღ✿★★，打破了少数企业靠技术封锁形成的垄断优势ღ✿★★。开源的低成本优势吸引了全球开发者ღ✿★★，助力发展中国家搭建本土化AI应用ღ✿★★，让全球AI创新力量更均衡ღ✿★★。

　　还有一个可能的约束因素ღ✿★★，AI的能耗已经成为本轮AI进步的关注点之一ღ✿★★。电力有两个来源ღ✿★★，化石能源与清洁能源ღ✿★★。中美都是空间大国ღ✿★★，都有发展绿色能源的空间优势ღ✿★★，但两国的政策选择不同ღ✿★★，中国的绿色产业领先全球ღ✿★★，而美国在鼓励化石能源的使用ღ✿★★。化石能源是自然禀赋ღ✿★★，具有规模不经济的特征ღ✿★★，绿色能源是制造业ღ✿★★，具有规模经济ღ✿★★。这个差别的影响现在似乎不明显ღ✿★★，但如果AI大模型的应用大规模推广ღ✿★★，化石能源规模不经济的约束或将会成为现实问题ღ✿★★。

　　综合以上讨论ღ✿★★，当前美国AI相关股票的高估值可能有两个载体ღ✿★★，一是投资者对未来长期的盈利增长（和AI的应用关联）过度乐观ღ✿★★，导致股票价格相对当前的盈利偏差很大ღ✿★★。二是当前的盈利本身（和当下AI相关资本开支相关）就不可持续ღ✿★★。

　　泡沫的破裂可能体现为芯片产业规模经济的作用ღ✿★★，尤其叠加竞争格局的变化ღ✿★★，比如中国先进产业发展ღ✿★★，或者算法架构/系统的改善提升芯片的产出效率ღ✿★★，导致技术壁垒被打破ღ✿★★，先进芯片价格下降ღ✿★★。另一个可能是AI大模型的应用及其创造的经济效益不及现在的乐观预期ღ✿★★。关键是大模型研发的规模报酬递减能否通过技术进步（比如算法改善）来弥补ღ✿★★，或者大模型应用能否在更广经济层面带来规模报酬递增ღ✿★★，这些都有待时间验证ღ✿★★。

　　最后ღ✿★★，值得一提的是ღ✿★★，科技泡沫和房地产泡沫不同ღ✿★★，前者的破裂在短期带来较大的冲击ღ✿★★，但长远看是创造性破坏ღ✿★★。规模经济和正外部性意味一段时间在局部领域的过度投资虽然不可持续ღ✿★★，但可能有利于长远的ღ✿★★、宏观层面的技术进步和创新发展ღ✿★★。2008年的次贷危机则不同ღ✿★★，房地产的规模不经济和负外部性意味其大上大下有系统性的破坏作用ღ✿★★。long8唯一官方网站登录ღ✿★★，long8龙8游戏ღ✿★★，龙8国际ღ✿★★，龙8国际官方网站ღ✿★★，