经济规律
经济规律还存在吗？看起来好像还在。
也没那么存在了。等一下，至少在2025年和2026年就没那么管用了。
笑点就在这儿。2026年把原本那些常态彻底打破了。
市场让人摸不着头脑
欢迎收听新一期《Odd Lots》。我是 Tracy Alloway，我身边是 Joe Weisenthal。Joe，现在市场真是个有意思的时候。
你知道吗？我感觉自己已经完全跟不上了。我突然意识到，我根本不知道现在到底发生了什么。市场如此，生活也是如此——这点大家倒没什么异议。可现在大家一致在做什么交易？人们到底在担心什么？数据中心这些事到底有多核心？我已经完全搞不清大家的想法了，真得有人帮我校准一下现实。
我们是10月28日录的。就市场现实校准来说，这次时机还不错。我们以前常常赶在美联储决议、S-1文件发布或业绩指引公布前录节目；这回时间安排得挺好。本周刚有FOMC决议，Anthropic的S-1也在本周早些时候发布，而且就在美联储记者会期间。Oracle又给了些新指引。事情很多，有些我们能谈，但本周后面还有更多消息要出。所以现在正好停下来，理一理到底发生了什么。
你提到Oracle，投资者日上会公布一些数据，股价涨了12%。
我会说，今天这比FOMC更受关注。
是啊，资本支出的问题，还有大型超大规模云服务商会背上多少债，显然在很多市场参与者看来，这些问题比“十月会不会降息”之类的事重要得多。当然，这个比较的门槛也不高，毕竟 Kevin Walsh 在记者会上露面几分钟就走的本事也就那样。不过你说得对，我不是说……
Alex Altmann 谈 AI 共识
好，我们确实请到了一位特别合适的嘉宾。之前他上过节目，当时聊的是杠杆 ETF；这次我们请他来大致谈谈市场。他是 Barclays 的股票战术策略全球主管 Alex Altmann。Alex，感谢你再次来到《Odd Lots》。
谢谢你们再次邀请我。
现在市场到底怎么了？眼下对 AI 有没有什么共识性的看法？
有。共识是 AI 这列火车还在前进，大家不会让它停下来。说得明确一点，这仍然是主流看法。假如你在美国、欧洲、亚洲各类投资者中抽样，逼着他们选看多还是看空 AI，绝大多数都会回答看多。大家在仓位上到底有多拥挤，可以另谈，但大方向就是如此。
我觉得这也解释了我们现在处在泡沫曲线的什么位置。你可能见过那张图：泡沫开始掉头时，第一段下跌叫“否认阶段”。我不想说泡沫已经破了，虽然确实有人这么说；但把这两种说法放在一起看，现在就是否认阶段，因为大家仍然极度看多。
对，对。有人会说，半导体——比如 Hynix，或者韩国那些存储器股票——市盈率才三倍。彭博终端上查个三倍市盈率根本不费事。
谢谢你替彭博终端的实用性打广告。你说的“三倍”是盈利倍数吧？
对，这些存储器股票的市盈率大约是三倍。
是的。市场觉得它们的盈利已经在高点。我们都知道这个行业周期性很强，盈利特别好的时候，投资者反而不愿意给高估值。老话说，周期性公司——尤其是历史上周期性很强的半导体公司——盈利处在峰值时别买，因为你后来会发现，那些盈利其实没你以为的那么低。把这些线索放在一起：市盈率确实很低，市场也不认为存储器公司的每股收益近期会指数级增长，这一点从市盈率就看得出来。
那新云厂商（NeoCloud）是怎么回事？既然共识还是看多，大家也都想做多 AI，为什么突然有这么多焦虑？大家都在引用核心……我们看到那些图表了。
新云厂商：风险最先显现的地方
先退一步，从整个 AI 生态来看新云厂商。它们本质上是受委托建设算力的一批公司，再把算力卖给预先确定的客户；有些客户确定，有些需求还带有投机成分。不管你是否认同这种商业模式，这些公司都处在风险最前沿：很多公司目前没有经营现金流，或者现金流很少，因此它们代表着 AI 产业链融资风险更高的一端。
当然，也有人会说它们其实是换了马甲的 REIT，或者说风险没有大家想得那么大，这些都可以讨论。但和谷歌、亚马逊、IBM 这类现金流充沛的大型超大规模云服务商相比，它们显然不是同一类公司。把新云厂商看作外围，把超大规模厂商看作核心，是有意义的。我不是要耸人听闻，只是想和全球金融危机做个类比：问题并不是从大型银行开始的，而是早在一两年前，就从次级贷款工具那里冒出来了。
我觉得最值得关注的是，新云厂商内部显然已经有融资问题。Cipher 想做可转债融资，结果股价被自己砸了下来，因为显然没法直接从债务市场融资。Cipher 也是一家新云厂商。Core Scientific 这家你可能从没听过的公司，股价前阵子上下波动，原因并不是它自己出了什么消息，而是另一家新云厂商 Cipher 试图融资，反而严重打击了自己的股价。投资者很快把两件事联系起来，影响就蔓延开了。
其实单看数据中心债券，像那些以金属……（此处字幕疑似错录）为担保的债券，利差在那之前几个月就已经扩大了。投资级债券里也能看到压力逐渐上升。Cipher 就是从比特币挖矿转向 AI 的公司之一。
我想说的是，融资压力会从外围向外传导，我们现在已经看到了。更让我惊讶的是，我们刚做了一项投资者调查。问大家未来一段时间融资会不会成为问题，目前只有大约60%的人回答会。考虑到过去几周发生的事，按理说答案应该是100%。可实际上略高于一半的人认为会有融资问题，略低于一半的人觉得不会。眼下 AI 市场的表现，几乎像是在否认已经摆在面前的现实。
公平地说，Core Scientific 开始遭到抛售的原因之一，是 Brandon McBee 接受《金融时报》采访时谈到可以无限借钱。我觉得这和你说的资本方面的担忧正好相关。
说到融资，我们已经看到市场对不同 AI 公司区别对待。过去一段时间似乎有无限的钱，大家都能进入投资级债券市场或贷款市场……
融资开始变得挑剔
过去大家需要多少资金，基本都能拿到。现在则进入更挑剔的阶段，不是每家公司都能继续获得过去那种融资。
完全正确。我团队的工作之一是走访世界各地，和不同投资者交流、提问题，再汇总反馈来帮助我们做判断。我们曾听到几乎一致的说法：AI 不受高利率影响。显然，这并不是真的。融资能力有边界，也存在不同层次。
2026 年发行量异常
我觉得近期的 Meta 业绩对话很有启发性，它提醒我们融资会受到约束，融资能力并非没有上限。今年夏天我们对此做了大量研究，看的不是 AI，而是整个市场的净发行情况。我们从1995年前后开始收集数据，覆盖投资级债、高收益债、国债和股票市场，计算每年净发行额占当年各市场市值的比例，再把结果画成时间序列。
我们发现一个很强的关系：利率下降时，总发行量上升；反过来也一样。这符合预期，经济规律还在——至少通常是这样。等等，2025年和2026年好像没那么符合。重点来了：2026年彻底打破了过去的常态。
你们可能见过这张很棒的图，画的是两年期国债收益率与净发行量之间的关系。到2026年，两者的关系明显断裂。相对于基准利率，我们发行的债券、筹集的债务资金比历史上几乎任何时候都多，规模大得惊人——当然，我们的数据只追溯到上世纪90年代。拿互联网泡沫时期来比，当时股票发行很多、利率也高，但美国政府基本上还在财政盈余。今天的情况非常独特。
我把话题拉回 AI 融资，是因为资本竞争是真实存在的。AI 不是在真空里发债；其他行业也需要融资，而资本总量有限。我们预测，今年投资级和高收益债券的净发行额将达到1.1万亿美元。我们说起“万亿”就像这是个随手可得的数字，但融资确实有上限。
那把这点和市场情绪放在一起看：如果大家仍然看多，AI 这列火车仍在全速前进，资本为什么会犹豫？从数字上看，CoreWeave、IREN、Cipher 以及一堆我以前没听说过的公司，资本市场显然在向它们传递某种信号。可如果大家觉得 AI 会一路向上，处在风险前沿的这些公司究竟有什么让人害怕？多头会说：“总有人会为这些 GPU 买单。需求在增长；不管是买下、租用，还是只要有电、有 GPU，它们总不会变得一文不值。它们总会在某个地方值很多钱。”这种“先建起来，客户自然会来”的逻辑有什么问题？
问题在于前面说的两点。首先，它们处在风险最前沿。一旦出现裂缝，或者矿井里的金丝雀开始示警——不管你怎么形容——你都应该留意。第二点是……
收入现实：30 万亿美元的总潜在市场问题
第二点是，归根结底得看收入。我们在八月底的一份报告《更谨慎地押注 AI 芯片》（Placing Your AI Chips More Carefully）里讨论过。那时候正好有人谈到一个数字，大约30万亿美元，仿佛是整个宇宙的总潜在市场，不只地球，也差不多相当于美国 GDP。
既然大家动不动就说“万亿”，给你们一个有意思的数据——这不是我的原创，是 Cameron Crease 的，我得给他署名。自1990年以来，现代史上最成功的两家科技公司微软和苹果，累计收入（按通胀调整）好像都还不到10万亿美元。现在有人说某个市场空间是这个数字的三倍。那钱到底从哪来？
标普500公司的营收总额约17万亿美元，支出约11万亿到12万亿美元，净利润大概5万亿到5.5万亿美元。我们当然可以大胆预测有多少资金会投向 AI，但我上次看 Ramp 或 OpenRouter 的数据时，看到 token 支出近期似乎已经开始趋平。所有公司真的都会花那么多钱吗？
Alex，你所在的 Barclays 据说参与了 Anthropic 的 IPO，我们就不问你 Anthropic 的事。我也不打算让 Tracy 说她想说的话——我们懂规矩。不过我可以对 Tracy 说：Anthropic 的营收数字看起来很漂亮，而且我不觉得 OpenRouter 的数据能说明太多，因为它只代表一部分用户，他们通常是在找便宜的中国模型；这些模型做得不错，但样本范围有限。Anthropic 的营收确实非常亮眼。
谢谢你，Joe。S-1 里能看到营收增长，但营收是几十亿美元，估值却是万亿美元级别，我觉得差距就在这里。
我不是要争这个，只是指出市面上有很多图表，也有 Ramp 的数据。很多人看 Ramp 和 OpenRouter 的统计，就开始问美国前沿模型实验室是不是有麻烦。也许确实有，但最近至少有一家刚向 SEC 递交 S-1 的公司，披露的数据是一路向上的。
那我们更广泛地聊聊前沿模型。论点是它们能做出更好的模型、智能体和技术，最后用户会愿意付钱。市场持续的疑虑是，开源模型追得很快，基准测试虽然还差一点，但差距已经没那么大，而且运行成本低得多。大家怎么看开源模型和前沿模型之争？
开源模型与前沿模型
这里有个有意思的矛盾，和“AI 一路看涨”的叙事不太一致。各种数据来源都能看出来，开源模型的市场份额已经从20%左右升到最高约80%。token 成本则只有前沿模型的百分之一左右。token 每年都在通缩，这可能是历史上贬值最快的资产之一，快得让2021年的 NFT 都相形见绌。
不过 GPU 租赁价格一直在涨。
是的，没错。所以这场争论有来有回，也说明更广泛的 AI 叙事在演变。并不是所有人都能搭上同一班顺风车，市场会出现分化。你问的是开放权重模型，我觉得现在更前沿的问题是：开放权重模型再加上本地运行。可以把它看成是在押注还是做空人类创造力。
想想2007年 iPhone 刚出来时，如果有人从未来告诉当时的人，二十年后计算能力会高出好几个数量级，电池尺寸却不变，他们会说这不可能：那得有一台桌子那么大的 iPhone。可我们确实做到了，而且不止如此。
所以我们未必需要把请求都发到俄亥俄州数据中心的一堆 Hopper 或 Vera Rubin 芯片上，只为了让 AI 智能体帮我处理邮件，或者替我给酒店写一封愤怒的投诉信。明年，甚至现在，手机里的芯片就能做这些。我们口袋里已经有超级计算机了，可以在本地运行数十亿参数的模型，不管是开放权重还是封闭权重。NVIDIA 的 Nemotron，或者 Meta 发布的模型，都有本地运行的版本；Meta 已经有数十亿参数的模型能在笔记本上本地运行。很疯狂，对吧？但这种能力还会继续发展。
所以争论不只是开放权重，而是技术沿着效率曲线前进。这也带回收入问题，包括前沿模型的收入。恕我直言，在场的你我大概不会发现新的生物技术药物。
这点很重要。我最近在旧金山时和人聊过，也想问问你东海岸和西海岸对这项技术的看法。
也许吧。不过我在旧金山听到一个说法，叫“前沿模型的归宿”（frontier sink）：哪些行业确实需要博士级甚至更高水平的技术？有几个很容易想到。生物科技可能算一个，医学领域的智能大概永远不嫌多。半导体设计也可能是一个，你永远不会聪明过头。也许还有量化交易，这方面同样可能越聪明越好。我不确定，但这个问题确实很难想。可能有很多行业只需要达到某个智能水平，再往上就够用了。
iPhone 类比与消费层
至少就眼下而言是这样。回到 iPhone 这个例子，它当年确实是一场技术革命。还记得2007、2008年大家觉得 iPhone 的巅峰功能是什么吗？有个应用能显示一品脱啤酒，你假装把它喝掉，大家都觉得酷。
我可不觉得。Joe，你当然可以从小事里找乐子。
这在我看来挺有意思啊。
我就是不懂。Joe 总觉得我一开心他就要吐槽。你接着说。
我们其实还不知道 AI 的未来会是什么样。今天我们可能觉得，口袋里有个智商100的人帮忙管邮件、替我给租车公司发怒气冲冲的消息——因为他们为车身一道划痕收了我2000美元——就够了。但我认为消费层的 AI 会很重要。大家总问什么会让我的看法变得更乐观。我一直说，得等到我们找到真正有吸引力的消费应用。归根结底，消费者就是整个经济。正如前面谈收入时说的，企业收入恐怕填不上那个缺口。长期看可能能做到，但市场要求看到投资回报的时间范围内未必来得及。AI 必须进入消费层。
眼下消费者可能还不需要最前沿的模型来做这些事。我一直强调，人类经历过的重大技术进步，不一定来自某项全新的尖端技术，也可能是现有技术有了新的用途。未来12到18个月里，智商100的通用工作流也许会普及，我们可能会找到很棒的新用法。我觉得 AI 下一波真正的上行，可能就来自这里。
顺便说一下，Tracy，过去几天我太太出城了，我一个人照看孩子。孩子们现在都挺省心，单独带几天不算什么大挑战，只是他们那几天安排很满，有生日派对之类的事。能用 ChatGPT 问“接下来一小时我该去哪儿”，真的很方便，事情多到几乎每个小时都得赶场。
我看到你发这件事的推文了。
问题就在这儿，你什么都先发推，没先告诉我，我就没法当场回应。我现在还挺不爽你说出来的，因为你看到的是我小号发的，不是主账号。现在大家都知道我有小号了，会来问我要账号，我可不会给你。我真希望你没说。
抱歉，我分不清你哪个是主号、哪个是小号。
我能插一句吗？这种能力你每个月愿意付多少钱？
只要它能做到这些？差不多像一个客户经理或者行政助理。这个问题很重要，因为它决定收入模式。其实只要日历的界面做得好，这问题也能解决吧？比如我下午三点、四点、五点该去哪儿，信息散落在好多封邮件里。
我女儿参加戏剧排练，有些周日要从下午一点待到六点，但并不是每次都要待满五小时。有封邮件会说，某些学生或参与者三点就能走。信息散落在那么多邮件里，我也不知道应该看哪封。要是能直接问：“10月25日星期天，我几点去接女儿？三点还是六点？”答案一目了然，挺方便的。
接女儿的时间
就是这样，很容易查，也很方便。
什么会吓到投资者
说得有道理。我想回到刚才谈话的开头：你说新云厂商是风险前沿，我们可能还处在泡沫的否认阶段。你觉得什么会吓到投资者？接下来要留意哪些信号，可能意味着市场对 AI 的看涨信念减弱？
这是个好问题。现在想到的，可能是某一家超大规模云厂商收紧资本支出。今天来这儿的路上，一位客户问我，我是否认为这真的有可能发生。本周财报给出的信号，以及所谓“名言都在事后应验”，可能说明现在谈这个还太早了。
Joe，你问过我东西海岸对技术的看法。离这项技术的中心越近，公司和投资者越容易完全接受那套叙事，那个生态里确实有点回音室的感觉，大家所处的圈子也有关系。我怀疑真正让热情降温的，不会是这批财报；也许得等到新年以后才会看到某种热度回落。
Google 最近又掀起了新一轮热潮，因为它上一轮财报谈到资本支出会显著提高——具体措辞我记不清了——这又让大家兴奋起来。Oracle 刚在投资者日说，接下来三周左右新增融资可能限制在200亿美元，我记得大概是这个数。我们也许快到某种边界了。不过目前市场反应还是认为这是好事：只要融资规模合理，建设就能继续。
这也回到更整体的市场情况：标普好像原地踏步，因为对超大规模云厂商有利的事，可能对存储器板块不利，于是资金不断轮动。我把它叫作“电话亭里的刀战”。对那些必须做多空组合的基金来说，这简直是噩梦。
波动率悖论
你刚才问到一个我也想问你的问题。大家看到 CoreWeave 等公司的焦虑和股价波动，感觉到处都在波动；但我们的波动率指标却没有反映出来。实际波动率很低，VIX 也不算高。为什么全球最重要的一笔交易里某些部分引发这么多焦虑，衡量出来的波动却看起来很温和？
这大概是我被问得最多的问题之一，答案分两部分：一部分是结构性的，另一部分更技术。
先说结构性原因，和现在资金的部署方式有关。股票本来应该主要是只做多的产品，但如今不完全是了。2020年，多经理基金管理的资产大约3000亿美元；现在已经超过1万亿美元。再想想杠杆，以及多经理基金里的各个投资小组。利率较高的环境特别适合做多空策略：基金在多头和空头两边都部署头寸，但实际承担的是风险单位，真正拿去做保证金的资本才是实际投入。通过主经纪商业务还能加杠杆。于是基金可以把一大笔资本放进高息工具，赚取不错的票息，同时在总头寸上争取超额收益。这套商业模式大体上很有效。
问题在于，资产管理规模已经增加到原来的三倍多，杠杆也在加，而能交易的证券数量大致没变，甚至还减少了，于是出现拥挤。基金怎么缓解拥挤？它们有各种风险参数。你肯定听过 Baron、AQR 之类的机构，也听过质量、价值、规模、成长等风格因子。基金会花大量时间和算力去中和这些因子，尽量分离出想要承担的个股特有风险。可到头来，所有人都在做同一件事，只是形成了不同类型的拥挤。
所以这些波动没有明显出现在指数层面，因为许多资金并不特别以指数为基准。剧烈的风格因子轮动却很明显，因为底下挤着大量拥挤头寸。这就引出技术层面的问题：我觉得很多基金还没能处理好 AI 因子。
对，什么都能被说成 AI 相关，也都能被说成不是。
没错，这就是问题。最近投资者接连问我怎么刻画 AI 因子。答案是做不到，因为它一直在变，贝塔也一直在变。记得年初很多人想做空软件股吗？现在软件股接近过去12个月高位。年初做空软件是 AI 因子的一部分，现在还算不算就不一定了。叙事在变，AI 因子也跟着变。
AI 因子让对冲更难
这反过来又让基金更难对冲。说到底，你要么做多 AI，要么做空 AI。过去三年做空 AI，大概不是一笔特别赚钱的交易。
顺便说，Alex 刚才给我们讲这些的时候，Joe 已经用 ChatGPT 把整个周末安排好了。
突发财报：Alphabet 与 Microsoft
就在这段时间，我们刚看到 Alphabet 和 Microsoft 的财报，很有意思。Alphabet 股价跌了7.9%，营收低于预期；Microsoft 第一财季后涨了6.4%，云收入超过预期。两家巨头的股价反应都很剧烈，可如果你是指数投资者，合起来看似乎又抵消了。
确实如此。
但有些数字实在惊人。Microsoft 第一财季 Azure 收入——这是他们的云平台——你猜增长多少？你现在没看终端吧？来猜猜看，挺好玩的。
我猜47%。
你真是干这行的料。彭博汇总的官方预期是44.8%，实际达到了48%。这么大的公司还能增长48%，这数字太惊人了。Google Cloud 收入是300亿美元，我还没看到增长数字，但这些数据都离谱得很。
这确实是非常出色的业务。这也回到 AI 的赢家和输家：如果一家公司有很棒的传统业务，经营业务能持续产生大量现金，那它就有能力启动美国历史上规模最大的资本支出实验。
完全跑题一下：如果按目前对未来资本支出的预测来算——当然估值还会变——规模大约相当于 GDP 的12%，差不多是两个荷兰。现代史上还有什么能比？路易斯安那购地、铁路建设都远远不及。我在想人类社会有没有在短时间里花过这么多钱，后来只能往金字塔上想，或者中国长城？可那些修了几百、甚至几千年。我想不出来。你觉得呢？
Google Cloud 收入到底增长多快？我把笔记本转过去看。我都不敢相信这个数字。你刚说三十几个百分点？
我也不太明白，似乎是103%。Google Cloud 收入增长了103%。这些数字太疯狂了。
这些业务确实很强。这就是为什么很多人说标普500所向披靡。不过标普的集中度也很有意思，几乎全都集中在 AI 上。明年标普盈利增长的75%会来自存储器、半导体……
准确说，大约三分之二来自半导体，整个 AI 生态加起来大约75%。标普已经变成“韩国化”的标普了。
是啊，差不多走到成本分化的边缘了。
这倒是个说法。好，Alex，我们就聊到这里吧，想尽快把节目发出来。非常感谢你再次来《Odd Lots》。
谢谢。
太感谢了，下周见。
利率、AI 集中度与节目结束
时间差不多了。现在常见的一种说法是“利率已经不重要了”：这个行业对利率不敏感，因为增长数字太高。如果一年增长44%，那利率是5%还是5.25%都无关紧要，建设会继续。这是投资者会对自己说的一种谎言。至少在边缘地带、在风险最前沿的那些高杠杆公司，比如新云厂商，利率显然还是重要的。
而且，市场的成本分化现象确实惊人。科技公司和超大规模云服务商的盈利能力，建立在其他公司购买它们的服务、提高生产率并增加盈利的预期上；但目前还没在这些客户的盈利数字里看到这件事真正发生。与此同时，整个指数越来越押注于未来某一天 AI 不再只是 AI 本身，而会带来更广泛的收益。
这和你刚才提到的“堆满头寸”有关。对冲基金的前提是，每个投资小组都能找到自己独特的超额收益。假如你是投资者，过去一年在大规模投资中赚到了钱——不管某个小组做芯片还是工业股——很难相信赚钱的那些头寸没有某种方式做多了 AI 因子。当然，你要是只开了一家东村意大利面馆，那另当别论。
我想 AI 因子肯定也有影响。最近我和斯坦福的一位计算机科学学生聊天，他说华尔街根本不懂 AI。我说：“你在说什么？华尔街又不是不建 AI，看看这些股价都涨上天了。”但我屏幕上的数字讲的是另一回事。对方的意思是，只要你还在讨论 GPU 会不会供过于求，你就根本不懂 AI。他们会说“你对 AI 理解不够”。这还挺有意思的。
市场现在确实很有意思。我们就到这里吧。Alphabet 每分钟处理320亿个 token，增长了40%。第一季度……我都不知道这些词是什么意思了，还是到此为止。
这里是新一期《Odd Lots》播客。我是 Tracy Alloway，账号是 @tracyalloway。
我是 Joe Weisenthal，账号是 @thestalwart。感谢制作人 Carmen Rodriguez（@carmenarmen）、Dashiell Bennett（@dashbot）、Cale Brooks（@calebrooks）和 Kevin Lozano（@kevlloydlozano）。想随时聊这些话题，可以加入我们的 Discord：discord.gg/oddlots。更多《Odd Lots》内容和每日通讯请见 bloomberg.com/oddlots。
如果你喜欢这期市场对谈，请在常用播客平台给我们好评；如果你在看视频，请点赞、留言，或者订阅。Bloomberg 用户还可以在 Apple Podcasts 上按说明收听所有无广告节目。感谢收听。