相信技术的人更应该相信价值投资

过去三年，我在 AI 上同时站在两个位置，得到了相反的结果。2023 年，我投身一家 AI 应用层创业公司（那时模型几个月就上一个台阶，资本也乐于为想象力买单）。三年后，AI 底层能力的进步比我们预想的还快，公司却没能活下来：先是现金流被一点点抽紧，随后融资窗口关上。同一时期，作为普通投资者，我买入的 NVIDIA 和 Tesla 都带来了可观的超额收益，至今仍在长期持有。

两个结果出自同一个信念：AI 会改变世界。这个信念我从未动摇，动摇的是我曾默认的推论，以为技术会赢，押注技术的人也会赢。两者之间隔着很长一段路，多数关于 AI 的投资讨论却跳过了这段路，把问题简化成一道单选题：相信 AI 就该买，不买就是没看懂一场工业革命。我比大多数人更相信 AI，但正因为亲眼看过技术一路向前、资本却潮起潮落，我比以往更看重价值投资。

芒格书院今年问：价值投资还有没有价值？我的回答是，AI 时代它比过去更有价值。AI 让创造价值更容易，也让留住价值更难，价值投资衡量的就是两者之间的距离。这段距离正被 AI 拉到前所未有的宽度（领先可能只维持几个月，维持领先的投入却越来越大，风险也常藏在报表之外）。距离越大、越难测，越需要价值投资的纪律。

织布机越好，纺织厂越穷

1994 年芒格在南加大商学院演讲时说，微观经济学最重要的一课，是分辨技术什么时候帮你，什么时候要你的命。伯克希尔的纺织厂就是例子：有人告诉巴菲特，新出的一种织布机，干的活大约是旧机器的两倍。巴菲特答：“天哪，我希望它不管用。要是管用，我就只能把厂关了。”

幽默的背后是冷酷的账本。低端纺织品是标准的大宗商品，新机器谁都买得起，成本一旦降下来，只会变成全行业的降价，好处统统流进买布人的口袋。用芒格的话说，作为所有者，什么都“粘不到我们的肋骨上”。

紧接着，芒格说，如果你拥有奥什科什（Oshkosh）唯一的一家报纸，有人发明了更高效的排版技术，你淘汰旧设备、换上新电脑，省下的钱会全部落进自己的利润。同一项技术，落在纺织厂是负担，落在没有对手的报纸就是礼物，差别只在竞争格局。

芒格点出，推销机器的人和公司里力主采购的人都会拿出一份测算，告诉你新设备每年能省多少钱、几年能回本，却从不做第二步分析：省下的钱，有多少能留在自己家里，又有多少会顺着价格流到客户手里？他这辈子没见过哪份测算包含这一步。于是你一次次买进“三年回本”的设备，二十年后回头看，年回报只有 4% 左右。

巴菲特打过一个比方：看游行时，每个人都以为踮起脚能看得更清楚，结果所有人都踮起脚，谁也没多看到什么。全美最大的纺织公司 Burlington 二十一年里在资本开支上花了约 30 亿美元，股东手里的购买力反而缩水了约三分之二。巴菲特对纺织业的结论是别投，可伯克希尔后来对苹果的结论是重仓买入。结论相反，问题却是同一个：技术进步的好处最后留在谁手里。只学结论的人，迟早会在下一场技术变革里用错地方。

AI 是这一代人人都买得起的织布机。智力会越来越便宜，问题是省下的钱最后落在谁家。我的判断是，AI 会放大已有的竞争格局。护城河不靠稀缺智力的企业，用更便宜的智力降低成本，省下的钱能留在自己手里，因为对手无力逼它让利；没有护城河的企业，同样的节省很快会变成全行业的降价。今天的“奥什科什报纸”是可口可乐、苹果、麦当劳、喜力这样的名字。它们卖的饮料、手机和汉堡别人也做得出来，几十亿人拿不准的时候却会下意识地选它们。这种信任要花几十年一点一滴地积累，技术再进步也没法替谁一夜攒成；智力越便宜，产品越容易被模仿，它就越稀缺。

比尔·阿克曼把芒格的第二步在现代语境下做了延伸。一家 AI 编程公司能把大银行几十年前的老系统改写成现代代码，几个月的活几天就能做完，银行的运营成本会因此明显下降。省下的钱，银行留得住吗，还是会让给客户？阿克曼认为这取决于生意的性质和定价权，而钱本身是一种大宗商品，银行卖的就是钱。所以，AI 时代的好投资未必在卖智力的公司里，也可能在买智力、又能把省下的钱留下的公司里。

葡萄干救不了坏生意

用第二步分析法审视我们自己的公司，我们站在纺织厂那一边。我们的产品是把大模型的能力包装成某个具体场景里的工具。2023 年这层包装有价值（模型还不稳定，要大量工程工作才能变成用户愿意付费的产品），这些工作就是我们收费的理由。但模型每升级一次，我们的一部分工作就变得多余。AI 应用圈有句话叫“竞技场每三个月重置一次”（Arena resets every three months），每次模型更新，之前攒下的领先基本清零。用户以更低的价格甚至免费拿到了过去要付费的能力，技术进步的好处穿过我们，流向了用户。获客依然昂贵，流量入口握在大平台手里，试用的人多，长期付费的人少。我们曾以为功能和技术积累就是优势，后来才明白，AI 最擅长复制的就是这些，我们的生意本身正在被 AI 重新定价。

2000 年，芒格在伯克希尔股东大会上谈到互联网股票时说，把葡萄干和屎拌在一起，得到的还是屎（真正的进步一旦和投机搅在一起，结果依然糟糕）。我们的公司就是这样一碗东西：AI 是葡萄干，但如果生意本身既无护城河，也无定价权，再能改变世界的技术也救不了它。

这个机制在技术革命催生的公司中随处可见。往上一层，前沿模型公司正越来越像巴菲特最厌恶的那门生意。1999 年在太阳谷，巴菲特算过一笔账：美国航空业从诞生到 1992 年，累计利润是零。他还说，最糟糕的生意是增长快、增长需要大量资本、却几乎不赚钱的生意，“想想航空公司”。座位难以差异化，新飞机省下的油钱在竞争中通过票价让给了乘客，为了不掉队又得不断换新飞机（今年全球航空业的净利率预计只有 2% 左右）。模型的处境与此相似：产品难以差异化，开源模型通常只落后最前沿三四个月；客户换供应商也不难，Anthropic 的招股书草稿显示，它 2025 年近四分之一的收入来自两个客户，很多大客户没有签长期合同。

Anthropic CEO Dario Amodei 算过一笔示意账：2023 年花 1 亿美元训练的模型，2024 年带来 2 亿收入；但公司 2024 年又花 10 亿训练下一个，它在 2025 年带来 20 亿，同时公司又在花 100 亿训练再下一个。单看每个模型的训练和部署都是高毛利的生意，公司整体却越亏越多（Anthropic 2025 年营收约 46 亿美元，经营亏损 80.6 亿美元）。模型公司的生意模式是：每一代模型赚的钱都得投进更贵的下一代，只要对手还在追赶，这个恶性循环就停不下来。这和航空公司换飞机是一回事，只不过一架飞机能飞二十多年，一代模型只能领先几个月。这就是我对 Frontier Labs 的经济模式始终有所保留的原因。

今天亏损不等于将来不能赚钱。亏损分两种，报表上看着差不多，性质却天差地别。一种像 GEICO：巴菲特估计，凭着老客户的转介绍，GEICO 只需现有广告费的一小部分就能维持保单数量，其余大部分是为增长主动多花的，换来的是年年续保的家庭，投入停下，客户依然在。另一种像那家纺织厂：投入只为不掉队，一旦停下，客户和收入随之流失。

巴菲特的“所有者盈余”要扣除维持竞争地位所必需的资本开支，模型公司最难估计的恰恰是这个“必需”。我用一个思想实验检验：假如一家模型公司停训一年，客户还会留下吗，收入还能维持吗？如果能，今天的投入更像 GEICO 的获客支出；如果不能，就更像 Burlington 的设备更新。以今天的格局看，答案是否定的。若有一天模型公司的毛利越做越厚，老客户能稳定贡献现金，训练投入占收入的比例逐年下降，我会修正看法。今年已经出现一个反向信号，一些新模型的标价比上一代更高。这可能是定价权的开端，也可能只是成本转嫁，还有待观察。

互联网赢了，投资者输了

2023 到 2024 年，市场最常问的是 AI 到底有没有回报。模型公司的收入回答了一半：OpenAI 的年化收入从 2023 年的 20 亿美元涨到今年 9 月据报道的近 700 亿，“没人愿意为 AI 付钱”的说法不攻自破。另一半仍没有答案。有人付钱，不等于收钱的人赚回了投入（据《金融时报》报道，OpenAI 预计 2026 到 2030 年累计负自由现金流约 2,780 亿美元），更不等于整条产业链上的资本都能收回。创造价值和捕获价值是两码事，光纤的历史就是例证。

1990 年代末，美国电信业流行一个说法：互联网流量每 100 天翻一番。研究者后来测算，1997 年起流量大约每年翻一番。五年下来，两种速度差了将近一万倍，当时的人们却是照着前一种在建设。供给端，新技术又让一根光纤的容量在几年里增加了几十倍。需求确实在高速增长，供给增长得更快，带宽价格随之崩塌。Global Crossing 花约 150 亿美元建成跨洋网络，2002 年申请破产保护，一年多后六成多的股权只卖了 2.5 亿美元。

同一场泡沫里，和今天 AI 上游处境最像的，是卖设备的公司。为了把设备卖出去，当年的电信设备巨头朗讯（Lucent）和北电（Nortel）给资金紧张的新运营商提供了大量卖方融资，客户等于拿它们借出的钱买它们的设备。繁荣时，这些交易同时计入设备商的收入、应收账款和对客户的投资；客户倒下时，它们又一起变成了损失。朗讯的股价从 1999 年底的高点 84 美元跌到 2002 年的 0.55 美元左右，北电后来破产。

光纤并没有消失。破产重组之后，它们以远低于建设成本的价格换了主人，互联网后来的增长也没等第一批建设者回本。互联网赢了，第一批光纤投资者输了，低价接手资产的人赚到了钱。里士满联储的一篇研究指出，这场过度建设并不需要所有人都失去理智：每家公司都假设自己能拿到可观的份额，每份商业计划单看都说得通，可所有人的份额加起来超过了百分之百。

我们的公司倒在类似的错位里，只是规模小得多。技术几个月一变，每次都在改写我们产品的价值；商业化却比所有人预想的都慢，用户什么时候愿意稳定付费，急不来；工资、服务器账单和投资人对增长的要求，却按日历准时到来。商业化晚一年，问题就从 AI 有没有价值，变成了谁的现金够熬过这一年。我们没熬过去。节奏错位解释了我们怎么倒下，经不起错位的原因却还在芒格那碗葡萄干里：有护城河、有定价权的生意，商业化慢下来时还能靠自己赚的钱撑过去；没有护城河的生意，在资本退潮期只能双手合十，祈祷融资别断。

账单不在指数里

同样的错位正出现在今天的 AI 产业链上，只是赌注大了几个数量级。上游的芯片、存储和数据中心最先赚到了钱；模型公司的生意模式未必好，收入却是实打实的。但这条产业链最终要靠下游买单，其中分量最重的，是那些花大钱购买模型智能的企业。它们有没有赚到钱，才是最要紧的问题。回报的问题没有被解决，只是被推迟了，推到了下游的企业身上。谁能赚到钱，答案还是芒格的第二步：有护城河的企业能把省下的钱留在家里；没有护城河的企业买 AI，就像纺织厂买织布机，不买会掉队，买了省下的钱也会让给客户。在这个问题有答案之前，上游的订单和利润再真实，也建立在一个尚未完全兑现的假设之上（光纤时代设备商的收入同样真实）。若下游企业在 AI 上的投入没有看到足够的收益，它们能从资产负债表里挤出来、传导到上游产业链的钱就会缩水，而今天上游公司的估值，显然已经计入了大量未来的算力需求。

风险还藏在产业参与者互相提供资金的方式里。NVIDIA 今年 8 月披露，它为一个租给 OpenAI 关联公司的大型数据中心园区提供残值担保，累计付款义务上限约 1,050 亿美元：租户违约时，NVIDIA 要补足资产的最低保障价值与重新出租或出售所得之间的差额。这笔钱既没借出去，也不是预计的损失，但这类担保最可能被动用的时候，偏偏是资产最不值钱、租户最缺钱的时候。

园区业主 SB Energy 属于 SoftBank，SoftBank 对 OpenAI 的累计投资已达 646 亿美元，最近一笔用的是票息最高 9.75% 的美元债。这些交易都是真的，设备也真的交付了。问题在于，同一份风险正以收入、股权投资、担保等不同名目同时出现在好几家公司的报表上，最终却依赖同一个付款来源，即终端客户愿意为 AI 持续付多少钱。朗讯当年就栽在这里。

还有一部分风险，股票指数上根本看不到。2000 年的泡沫在指数上一目了然（思科的市盈率超过 200 倍），今天常听到的说法则是“这次不一样”，因为现在纳斯达克的头部公司大多真金白银地赚钱，QQQ 的市盈率不过三十倍出头。这种说法忽略了一点：这一轮最激进的定价发生在一级市场。从前沿实验室出走的研究者新办的 neolab，很多还没有收入，估值已是几十亿、上百亿美元；中美两地的具身智能公司，估值几个月翻一倍并不少见。这些价格押的是同一件事：在一条也许会改变世界的赛道上，成为最后留下的那一家。可每一家的估值都假设自己就是那一家，加起来的份额同样超过了百分之百。

阿克曼把这种定价归因于对错过未来的恐惧。Pershing Square 最近也开始投早期公司，他们见过的一家公司本不打算融资，两天后就被一位投资人以 4 亿美元估值抢投了 5,000 万美元，两周后又以 10 亿美元估值再融 5,000 万。太多的钱挤进同一笔交易，抢着出价。

这些估值不在指数的市盈率里，但二级市场绝非与它们无关。上市公司通过股权投资、云订单和担保，已经把一部分私募市场的风险接到了自己的报表上，上市本身则是另一条传导路径。宇树科技是这批公司里少有的已经盈利的一家，8 月登陆科创板，开盘市值一度超过 4,400 亿元，是上一年利润的七百多倍。等更多 neolab、具身智能公司和模型公司陆续上市，今天一级市场的估值，就会变成明天指数里的市盈率。用今天指数的市盈率证明这次不一样，量到的只是冰山露出水面的那一截。

类比有边界。GPU 的经济寿命比光纤短得多，今天大型科技公司的现金流也远非当年的电信新贵可比，我也不预测调整何时发生。价值投资者能做的，是自下而上地做压力测试：如果终端付费比扩产计划晚到一年，谁先缺现金？谁无论如何都必须履约？谁能把资产转手？这些问题没有统一答案，只能一家一家公司地做好扎实的研究。

好公司也会是坏投资

2000 年 3 月，思科的市值一度超过微软，成为全球最值钱的公司，市盈率超过 200 倍。此后二十多年，它一直是一门好生意，净利润涨到当年的五倍左右，市盈率却跌到 30 倍出头，一涨一跌相互抵消，在最高点买入的人要到 2025 年 12 月才等回当年的股价。何况 2000 年的利润本身就是峰值，下一个财年思科就为过剩库存计提了 22.5 亿美元，全年亏损。

比市盈率高低更要紧的，是分母里的利润是常态还是峰值。思科 2000 年的分母是峰值。我 2024 年初买入 NVIDIA 时情况相反：它按过去一年利润算的市盈率在六七十倍上下，但它正处在拐点上，当期利润远低于此后的水平。此后利润高速增长，股价涨到当时的三到五倍，市盈率反而降到 30 倍左右。低市盈率同样会骗人，周期股尤甚。2018 年存储周期见顶时，美光的市盈率只有四五倍，就在它还公布着接近峰值的利润时，股价已从高点跌去一半以上；这一轮存储涨价中，美光的市盈率又回到了个位数。靠供给紧张赚到的超额利润，通常持续不了太久。

同样的问题也适用于我手里的 NVIDIA：它今天的利润有多少是常态，又有多少来自客户的超前建设和暂时的短缺？Tesla 的市盈率在三百倍以上，没有 Robotaxi，这个价格说不通。Tesla 的结局我也可能看错，但无论如何，市盈率本身量不出拐点。在技术剧变的年代，市盈率是一把不可靠的尺子，它让 2024 年初的 NVIDIA 显得太贵，又让今天的美光显得太便宜。价值投资常被误解为买低市盈率的股票，巴菲特却早就说过，成长和价值本来就是一回事，以合理的价格买一家好公司，远胜过以便宜的价格买一家普通公司。

芒格总说“反过来想”，估值也可以反过来做：先问今天的价格要求公司做到什么。以 1 万亿美元的市值买入，想要十年 10% 的年化回报，十年后市值得到约 2.59 万亿美元，按 25 倍市盈率算，每年要赚约 1,040 亿美元。价格本身就是一个预测。如果高增长、高利润率、低再投入、低稀释和持久的竞争优势必须同时成立，这个价格才说得通，它对任何偏差都会极其敏感。

这几个条件里，增长、利润率、再投入和稀释多少还有历史数据可以参照，唯独“持久的竞争优势”要求你判断二三十年后的竞争格局。企业的价值是它一生现金流的现值，长期投资就得有相当把握判断它十年、二十年、三十年后的样子（就算股市关门十年也愿意拿着），而 AI 大大提高了被颠覆的风险。

护城河一旦变窄，估值会比利润先塌。巴菲特 1991 年在信里承认，报纸、电视和杂志正从“特许经营权”沦为普通的“生意”，因为读者和广告主有了更多选择。他算过一笔账：同样每年 100 万美元的税后利润，作为能持续增长的特许经营权值 2,500 万美元，作为普通生意只值 1,000 万。后来互联网把这条护城河彻底填平。芒格当了几十年董事长的 Daily Journal 本身就是一家报纸公司，2020 年他在股东会上说，技术正在摧毁美国的日报，“包括我们这样的小报纸”；同一年，伯克希尔把旗下报纸卖给了 Lee Enterprises。AI 只会让这个问题更难，看似最有统治力的公司里，也会有一些就此消失。我们每个人都注定会在某家公司上看走眼。

看不清就难以定价。市场在这件事上犯的错有两个方向：有时把尚未看清的未来当成确定的事去出价，有时又因为害怕颠覆，把真正有护城河的公司和其他公司一起打折。后者就是价值投资者的机会。

错过也比出局好

估值越难，越要守住价值投资的纪律，伯克希尔在上一场技术泡沫里做过示范。1999 年 12 月，《巴伦周刊》的封面问：“沃伦，你怎么了？”那一年科技股狂涨，伯克希尔的股价却跌了两成左右。巴菲特在当年的股东信里解释了不买科技股的原因：他和芒格都认同社会会被这些公司改变，却看不出哪家拥有真正持久的竞争优势，而这个问题“不是多下功夫研究就能解决的”。几个月后，互联网泡沫破裂。

这个故事常被讲成价值投资的胜利，但它只讲了一半：伯克希尔同样错过了谷歌和亚马逊。2017 年的股东大会上，巴菲特说 GEICO 当年每次点击要付给谷歌 10 到 11 美元，他们亲眼看着这门生意有多好，却没有买，“我搞砸了”。耐心有代价，但错过不是终点。2016 年伯克希尔开始买入苹果，那时苹果已是全球最值钱的公司之一，市盈率却不到 13 倍，生态和用户忠诚度早已被反复验证，这笔投资后来成了伯克希尔历史上最赚钱的投资之一。2025 年，伯克希尔又买入了 Alphabet，距巴菲特承认错过谷歌已过去八年。晚一点买，未必更差。

段永平常引用巴菲特的比喻：一个三百斤的胖子走进来，不用秤你也知道他胖，好公司也应当一眼就能认出来。今天的模型公司里，还没有一个一进门所有人都认得出的“姚明”。最终会有赢家，但现在押注是谁还为时过早。AI 一定会创造巨大的财富，但如果你的本金在赢家出现之前就已耗尽，等姚明真正走进来，你手里还有钱吗？

霍华德·马克斯在《Is It a Bubble?》里写道，变革性的技术总会引来过度的热情和投资，建出超过需要的基础设施，资产价格事后被证明太高；如果 AI 这一轮不按这个历史模式走，那将是头一回。他推演了数据中心可能的结局：建设热潮造成过剩，一些业主可能破产，新一代业主以极低的价格接手设施，等行业稳定后再赚钱。光纤走过这条路，铁路也走过。但“抄底”之前得先弄清楚自己买的是什么：原公司的股票可能已经归零，真正受益的是重组后买下资产的人。能接手这些资产的前提，是那时你手里还有钱。

我从不做宏观择时，不预测这一次会不会发生、何时发生，也不做空指数。我只是认同马克斯描述的这个基准概率：技术革命里，便宜资产出现的机会比多数人以为的多。能不能等到并无保证；等不到，以合理的价格买一家伟大的公司依然是好选择，前提是价格真的合理。而前沿模型公司、一级市场的 AI 估值，以及市场给“AI 概念”的那部分溢价，今天还远谈不上合理。

芒格说过，伯克希尔的成功里最被低估的一点，是他们几乎从没被环境逼着做决定，所以总有选择。阿克曼的 Pershing Square 也照此设计：几个载体都是永久资本，恐慌时投资人可以卖股票，钱却留在里面，所以他们能在新冠暴跌、金融危机这样的时候出手。

等待分两种。一种是等价格：我大体理解这门生意，只是今天的价格给的回报不够，结束这种等待可以靠价格下跌，也可以靠盈利涨得比价格快。Pershing Square 长期跟踪一批公司，很多早已研究透，只是价格太高、算不出想要的回报，就先放着。今年年初市场担心 AI 颠覆软件业，几乎所有跟软件沾边的股票都被重新定价，阿克曼说他们正是借这个机会买入了微软（买入时的预期市盈率在二十倍出头）。另一种是等认知：我还判断不了一家公司的优势能维持多久、投入能否收回，这时便宜一些也没用。价值投资者等的是价格和证据对自己有利的组合，下跌只是形成这种组合的方式之一。

创业改变了我对安全边际的理解。它是价格、现金、固定义务和时间共同留出的余量，远不止估值模型下面打的一个折扣。一家公司看上去再便宜，如果活不到需求兑现的那一天，或者不得不以很低的价格大量增发，原来的股东照样受伤，估值再高也付不了下个月的账单。长期主义也必须允许认错。时间修复不了失去的定价权和被稀释的股权；反过来，如果我怀疑的模型公司最终证明了自己的现金回报，我也该承认看错，重新出价。

关掉纺织厂

巴菲特在 1985 年关掉了伯克希尔的纺织厂，但更关键的决定早在十八年前就做了。1967 年初，纺织业务产生的现金被用来买下 National Indemnity，伯克希尔由此进入保险业，此后再没往纺织厂投入大笔新资本，也没为了跟上同行去买更先进的织布机。伯克希尔后来几十年的复利，很大程度上建立在这次撤退之上。

巴菲特对这段历史并不得意。他在信里写，自己应该为没有更早退出受到指责，那些年他“相信了自己愿意相信的东西”。连巴菲特都会在一门好处注定流向客户的生意里多坚持许多年，可见第二步分析有多容易被跳过。

AI 时代的价值投资者面对同样的任务：不必押中哪台织布机最先进，要弄清楚越来越便宜的智力最终沉淀在哪里，又能否留得住。我自己的两个结果，一边是 NVIDIA 和 Tesla 的收益，一边是一家失去的公司，证明不了 AI 是真是假，只反映了我站在什么位置、付了什么价格、有没有足够的时间。

技术会赢，这一点我从未怀疑。价值投资要回答的，是芒格说的第二步：技术赢了以后，好处留在谁手里？为了站到那个位置，你付出了什么样的价格？