摘要：就拿当下通胀数据来说，现在市场都在看美国CPI数据，而几乎每次预测通胀走向时，大家都会提一句“去年秋季的基数较高”，所以“下次CPI可能走低”。

AI让经济周期的预测更精准

拉斯·特维德 你刚才还问了另一个非常重要的问题，未来我们能不能更准确地预测周期？

我认为可以。

就拿当下通胀数据来说，现在市场都在看美国CPI数据，而几乎每次预测通胀走向时，大家都会提一句“去年秋季的基数较高”，所以“下次CPI可能走低”。

但我们其实都知道，这种“同比逻辑”越来越站不住脚了。一年前发生了什么，和今天的实时经济动态，其实没多大相关性。

所以我们看到很多新的实时通胀指标正在出现，比如TrueInflation，可以日更通胀预期，也可以看三个月滚动平均。

美国有GDP Now，中国也在建立越来越多实时数据体系。这些东西加上AI模型，会让我们更精确地判断——当前经济到底处在哪个阶段。

甚至还能更好地预判未来：比如美国CPI的最大组成部分是“居住成本”，占了将近40%。

现在我们手里已经有很多领先指标，能追踪租金变动，如果这些数据开始下降，就可以预判几个月后的核心通胀会回落。

我们还可以用“系统动力学”的方法，建模变量之间的互动路径，画出一张经济可能走向的动态地图。

而AI恰恰擅长的，就是这种大规模模拟和预测能力。把这些实时数据源接入AI模型，最终形成的将是一套高度敏感、快速调整、动态学习的经济判断系统。

当然，它仍然可能出错，比如“黑天鹅”事件或非线性冲击。但它的预测深度、广度和反应速度，已经远远超出了过去任何一种经济分析框架。

洪灏 我其实觉得，这类对“周期与结构演化”的理解，在中国已经出现了，比如说生猪养殖行业。

中国早期的养猪产业是极其零散的，一个家庭可能就养三五头猪。养大了就杀掉拿去卖钱，整个养殖周期高度碎片化，也完全由家庭自行决定，信息极度不对称。

所以以前只要猪价一涨，大家就一窝蜂养猪；价格一跌，又迅速退出市场。这种极度分散的决策方式，造就了中国猪周期中典型的“繁荣—萧条”循环。

拉斯·特维德 对，这其实就是经济学里很经典的蛛网理论。

最早是用来研究航运行业，比如船只数量与运价的关系，后来也广泛用来解释农产品周期，特别是像猪这种供需有延迟的行业。

洪灏 但现在的猪周期好像已经没以前那么剧烈了。因为养殖行业已经高度工业化了，大型养猪企业动辄养几千头、上万头。

这些企业能精确掌控每一个养殖环节：母猪的妊娠期、仔猪到育肥猪需要多少天、生长速度、生物安全、出栏节奏……几乎所有关键数据都能被系统性记录、分析与预测。

拉斯·特维德 没错。当一个产业进入“可预测的大规模化”阶段时，整体社会当然是受益的。但讽刺的是，那些真正提供技术突破的人，未必能从中获得应有的回报。

一个著名例子就是古登堡（Johannes Gutenberg，15世纪德国人，被称为“欧洲印刷术之父”）他发明了（可移动金属）活字印刷，改变了人类文明进程，但他自己却以破产收场。

所以每一次技术革命背后，都得问两个问题：第一，它是否真的提升了社会整体福祉；第二，也是更现实的问题，最终谁收获了价值？

在当前这轮AI革命中，这个问题依然悬而未决。

我们看到美国的大模型公司砸入巨资，但它们并不一定有明确的护城河。

AI并未处于疯狂的泡沫，真正的护城河在应用端

洪灏 “护城河”这个词大家应该都熟，它来自中世纪城堡的防御结构，巴菲特非常推崇。他投资时会问：这个企业有没有护城河？比如专利保护、网络效应、品牌壁垒，或者某种临界规模优势。

拉斯·特维德 而从我自己的体验来看，现在主流的几家模型，比如Google的Gemini、马斯克的Grok，Open AI的ChatGPT，我都是付费用户，每天交替使用。

有时某个模型状态不好，我就直接切到另一个。

它们之间没有太强的锁定效应，也没有太多差异化体验。用户切换成本极低，护城河也就变得很弱。

我身边很多人也在用不同模型，所以我并不确定这些巨头最终能否获得与其估值匹配的利润回报。

当然，并不是说所有模型公司都没有抓手，OpenAI目前是一个相对明确的商业化载体。

但从我个人的判断来看，未来真正有价值捕获力的，不是通用模型本身，而是围绕特定场景打造的AI应用：生命科学、制药、银行、对冲基金……这些领域的需求真实、数据丰富、壁垒清晰。

同时，我们也在进入一个生成式AI实际落地的阶段。

你可以去看HuggingFace这个平台，今年年底他们可能会拥有五六百万个模型代理或transformer模块，大多数是开源的，免费可下载。

所以，真正创造巨大价值的，不是“谁拥有最大的模型”，而是谁能把这些模型组件组合起来，解决具体问题。

这些角色可能是现有企业，也可能是新一代创业者，他们发现了真实的“利润池”，然后精准切入。

因此，虽然现在媒体都在讲大模型有多强多酷，但我并不觉得我们处在一个疯狂泡沫之中。

洪灏 很高兴听你这么说。我也不觉得这是泡沫，相反，我觉得这才刚刚开始。现在确实有些AI相关资产估值偏高，但未来可能还会更贵。

我们正在进入一个从未经历过的阶段，技术和经济结构正在同步跃迁。

比如你刚刚提到的“智能代理”（AI Agent）技术，现在已经有很多工具能主动帮我们安排工作流程了，比如回复邮件、优化日程、甚至跨平台指令传递。

其实早在多年前，我们用Windows写VBA脚本的时候，就已经是最初级的Agent了——自动发邮件、定期更新数据、跑批处理脚本，这些都显著提高了效率。

今天的AI，只是在这个基础上迈出了一大步。

就算现在美股估值偏高，甚至接近2000年那一波互联网泡沫，但我认为这次的估值可能比那次还要高也说不定。

为什么？因为这些大科技公司有极强的盈利能力，现金流惊人稳定，而且技术还在不断推进。

我们正处在一次深层结构性变革之中。

所以我同意你说的：泡沫一定会再来，因为“动物精神”从未消失，甚至可能更贪婪。但与此同时，市场可能真的会走得更远，因为我们正在进入一段从未探索过的旅程。

资本正在从传统地产转向算力基础设施

拉斯·特维德 我也想就这个话题多说几句，尤其是从美国经济的角度来看——毕竟目前全球领先的AI企业多数集中在美国，它们的动向对全世界都有重要影响。

就拿估值来说，我们确实已经看到一些公司开始“脱离地心引力”。比如Palantir，即便最近股价有所回调，它的市盈率依然高达250倍。

再比如微软，传闻中甚至为一名顶级AI研究员开出了高达10亿美元的薪资包。

这些都带有泡沫的气息。

不过，从宏观角度看，我预计美国经济在今年下半年可能会出现某种“类滞涨”状态：增长放缓，但同时伴随一定通胀。不过我并不认为通胀会失控。

首先，美国经济中进口占比大概是14%。如果我们考虑到“有效关税”大约是15%，那么理论上输入性通胀的最大影响也只是2%左右的一次性CPI上涨。

而事实上，我们看到很多迹象表明：这部分价格上涨并没有真正传导到消费者。

比如进口价格其实已经在下降；进口企业自己也在吸收部分成本；此外，当某些东西变贵时，消费者会减少其他消费，进而拉低其他商品的价格。

这说明通胀的传导路径并不顺畅，它被显著“钝化”了。

此外，目前美国财政政策的净拉动作用仍是负的（约-0.6%），但预计到明年会转为正向（约+0.3%），恰好赶上中期选举周期。

所以我认为我们将经历一个“软着陆阶段”，通胀略有担忧，但不会失控。

美联储几乎可以确定会在9月开始降息，而这将开启一个谨慎的降息周期。

到明年，我认为市场可能就会具备一个新泡沫形成的“前置条件”。至于这个泡沫要多久酝酿出来，可能是6到18个月，甚至更久。

另外，我建议大家多听斯科特·贝森特（Scott Bessent）的观点，而不要太听特朗普的。特朗普往往是制造战略模糊，而贝森特说话更直接、更聪明。

他的判断是：未来两年，我们将看到对AI基础设施的巨额投资——包括芯片、工厂，以及能源系统，这部分投资将超过GDP的1%。但真正的效果，会在两年后才逐步显现，开始全面渗透社会、提升生产率。

如果你去看美国长期的劳动生产率数据，会发现它其实是有周期波动的。过去40年，大概在1%到3%之间来回波动。

目前生产率的提升大概只有1.2%。但我关注的很多知名分析师，比如高盛、埃森哲等，都预测它会升到3%左右。而且由于这些新技术的推动，实际可能会更高。

所以我的判断是：我们会从现在这种持续两个季度的通缩阶段，进入一种类似“金发姑娘经济”的状态——既有加速的生产率，又有通胀的下行压力。

原因在于，AI和机器人能够极大压低商品与服务的生产成本。

而央行为了对冲这种通缩压力，可能会不断印钱。其中一部分资金会流向资产市场。

这个逻辑在我写的《商业周期》一书里也提到过，但最早是由汉密尔顿·博尔顿（Hamilton Bolton）提出的，他是Bank Credit Analyst的创始人，早在上世纪60年代就有类似论述。

所以我认为，次级效应之一就是会出现一轮新的大宗商品周期。上一次的大宗商品周期让我受益匪浅，所以我当然希望能够重演。

回顾一下，当年我在90年代末还在做科技公司，那段时间非常顺利。但当2000年初科技泡沫破裂时，我身边很多在科技领域赚到钱的人，把资金重新投向新的初创公司或者其他科技项目。

而我因为在金融领域有多年经验，就想，也许该去看看完全不同的东西。于是我看到高盛的吉姆·奥尼尔（Jim O’Neill）当时的研究报告和演讲。

他提出了“金砖四国”的概念，并且说中国未来在房地产和基建上的投入将是空前的，其他金砖国家也会受益。

结果后来证明，几乎全是中国在推动。

他还说过一句非常关键的话：“大宗商品根本不够用。”当然，它们存在于地下，但我们没办法那么快把它们开采出来。

于是我开始大规模投资，最早投向俄罗斯，然后是中国，以及所有与大宗商品相关的资产、包括新兴市场货币。

结果从2001年到2008年，这一波行情简直惊人。

如果不是后来中国房地产市场的崩溃拖累了需求，我认为现在我们已经会进入一个新的大宗商品周期了。

但至少到目前为止，中国还是很成功地避免了经济陷入萧条。

现在关于中国经济，有一个特别出人意料的数据，就是铜的消费量。

按照常规理解，如果房地产建筑出现如此剧烈的下滑，铜的需求应该会暴跌，对吧？

洪灏 没错，应该塌掉才对。但并没有。它甚至不是横盘，而是不断创新高，一直在上涨。

拉斯·特维德 我女儿从18岁起就在中国生产化妆品和护发产品，所以她每年大概会来中国四次。我也曾被中信出版社邀请来中国做一些演讲，但当时没时间。很多年前我来过一次中国，后来一直没机会。

有次我随口和女儿说起这事，她立刻对我说：“爸，你一定要去看看，中国这四年的变化太惊人了！”于是我就去了，结果真的被震撼到了。

中国这几年做了一件非常了不起的事：把资本支出从房地产转向了基础设施建设，尤其是能源相关领域。

它为即将到来的AI和机器人革命打下了极好的基础。中国在新增能源产能和智能电网部署方面，已经是全球的领导者。

有趣的是，大约一年前我还在担心房地产市场，尤其是美国的商业地产。其实早在两年前，美国商业地产就已经成了薄弱环节。

我们可以看到，在ChatGPT 2.5推出之后，美国商业地产的月度投资额开始下滑，尤其是写字楼投资，就像中国房地产一样，直线下坠。

洪灏 没错，中国商业地产也不太行。

拉斯·特维德 但如果你把“数据中心+商业地产”作为一个整体板块来看，它其实是持平的。也就是说，写字楼投资在减少，但数据中心投资在飞速增长，几乎补齐了缺口。

这说明什么？说明资本正在从传统地产转向算力基础设施。

美国现在的路径，其实和中国高度一致，只是规模略小而已。

所以我认为：即便美国经济短期内面临些许波动，只要AI和能源相关投资持续推进，会为经济提供托底支撑。

而一旦“软着陆”完成，一个全新的周期就会启动。

未来十年，我是看多的。

预测经济不能只看数据，更要看三个关键因素

洪灏 我也是（笑）。而且我非常认同你刚才提到的观点，即流动性变化和经济结构之间的联动，正在成为主导力量。

特别是在商品市场，尽管地产仍在下滑，但整体表现并不差。

我认为，下半年中国房地产市场大概率还会走弱，但这并不意味着整个股市就此停滞，尤其是科技领域的上涨势头很可能持续。

如果看整体指数，今年A股的表现中规中矩，年内涨幅大概在十几个百分点，不算亮眼。但你要是拆开看，会发现高科技、生物医药、新消费这些细分领域，很多公司股价已经翻倍，走势非常强劲。

这些都在释放一个明确的信号：中国经济正在经历一场深刻的结构性转型。从过去高度依赖房地产的旧增长模式，逐步走向由科技、创新和新兴产业驱动的新轨道。

就像你刚才提到的那种“写字楼投资大幅萎缩、数据中心投资大幅增长”的情形，本质上就是经济模型在迁移。

我其实读过你不少关于经济周期的著作，特别是那本探讨商业周期的书，还有另一本我很喜欢的《金融心理学》（The Psychology of Finance）。

这让我想请教你一个问题：我们曾经做宏观预测时，总会用一整套领先指标，通过量化模型整合分析，来判断经济和市场的走势。

但我越来越感觉，这套方法在过去几年，特别是疫情之后，开始失灵了。

比如，美债过去曾是避险资产，现在却和股票同涨同跌，甚至在某些时间段，连美债和美元都变得像“风险资产”。原本我们最依赖的那些资产间的负相关性，正在瓦解。

很多领先指标也变得不那么“领先”了。面对这种高不确定性的时代，我们到底该如何判断未来？又该靠什么来重建我们的预测体系？

拉斯·特维德 你说得非常对，其实我最近刚好读过一篇研究文章，标题就提到现在很多宏观指标正在失效。

一方面，资产之间的经典相关性在断裂；另一方面，连许多传统的宏观预测工具也变得越来越不可靠。比如企业不再愿意配合调查问卷，很多经济数据的基础质量都在下降。

为什么会这样呢？这是一个值得深入研究的现象。

对我来说，眼下最关键的转变是：我们必须更加依赖科技和系统方法，来理解这些复杂结构的变化。

这也是我创办Supertrends的原因，我们正在构建一个关于全球创新的知识图谱，希望能用系统化的方式对每一项重大创新进行评级与追踪。

目前，我们的数据库里记录了16,000个历史上的重要创新事件，时间跨度超过3300年；同时我们也追踪了4000多个正在发生或预测中的未来创新。

我们的目标是建立一套自动评分系统，量化每项创新的潜在影响，并尽可能还原其历史演进路径。

虽然系统还在迭代中，但我本人已经亲自读过每一个案例，希望通过深度理解，判断它们对人类未来的真正意义。

历史经验告诉我们：某些关键性的技术进步，确实能改变整个经济结构的底层逻辑。

所以如果你问我，现在怎么去判断未来，我会说：不能只靠经济数据，更要看：技术演化路径+创新集群+价值捕获机制。

比如我们刚才提到的“关键密度”概念，很多重大创新，并不是孤立发生的，而是在某些具有结构性优势的创新集群或生态系统中集中爆发的。

这些生态，往往是从一个人、一家公司开始，形成自我强化机制。

（聪投注：所谓“关键密度”，是指当人才、资本、技术与需求在特定时空高度聚合时，创新便可能突破临界点，形成自我强化的演进路径。硅谷的崛起正是这一机制的典型例证：高校、企业与投资共同构筑了一个具备持续涌现力的生态系统，使原本孤立的创新活动得以规模化、结构化展开，最终推动整个产业形态的重塑。）

举几个例子：当年的维也纳，为什么成了古典音乐的中心？因为只要你想成为作曲家，就必须去那里。又比如瑞士的皮尔（Piel），为什么成了机械手表之都？底特律为何一度成为全球汽车制造中心？

所以历史经验告诉我们：如果你想押注某个产业的未来，最好的做法往往是找准那个行业的“集群中心企业”。哪怕它的员工流动频繁，它依然是最活跃、最有创新密度的节点。

但也有例外。有时候，一个“集群之外”的公司突然崛起，那就值得特别关注，因为它可能采用了完全不同的范式。

比如马斯克。他没有在底特律造车，而是在加州、德州、上海造车。每一个地方、每一个路径，都是异于传统的创新路线。

我觉得，在未来，我们更应该把注意力放在这些“结构性突变”的节点上，而不是继续依赖旧范式的推演。这是理解未来的不二法门。

我觉得，这些现象都值得我们去观察、去思考。

顺便问一下——你熟悉经济学家卡洛塔·佩雷斯（Carlotta Perez）吗？

洪灏 我读过她的一些作品。

拉斯·特维德 这位经济学家是比尔·克林顿最喜欢的学者之一，也是我最推崇的经济学家之一。她研究的是：文明是如何诞生、演化、最终崩溃的。

历史上大约有200种文明，大多都遵循相似的路径、出于相似的原因走向终结。

我认为，她的理论不仅可以用来解释整个文明的命运，也同样适用于创新集群，甚至一家创新公司的生命周期。

她指出：最终摧毁一个文明的，往往是被称之为“过度制度化”的现象。

这个词很长，但其实意思很简单：当一个系统变得太僵化、太复杂、失去了弹性，它就难以再进化，最终变得脆弱，走向崩溃。

这件事在一个创新集群中也可能发生。

当一个产业或技术圈子过于封闭、过于内部化，就会有人从外部找到全新的方式去解决问题。

比如我们看AI，或者更大范围的信息技术，也就是现代科技结构：这个现代科技系统，并不是从中国古代的技术传统延续来的，而是从苏格兰开始的。随后，它向整个西欧扩展。

在很长一段时间里，全球超过一半的创新都发生在一小块地区，从意大利北部、瑞士、德国、英国、荷兰……一直延伸到西欧北部。

然后这个文明扩展到了北美、澳大利亚、新西兰。

但现在，这个体系的原始中心，也就是西欧，已经变得高度制度化，不再是最具活力的部分。

新的创新活力反而出现在“边缘地带”：比如东南亚、阿联酋、迪拜，甚至现在的沙特阿拉伯，他们开始说：“我们也要从头建立一个新的技术生态系统。”

这些地方的人，一方面在吸收已有技术，另一方面也带来了全新的视角与方式。

所以如果你真的想理解并预测未来经济，你不能只看传统的宏观指标或金融相关性。

你得真正把科技的引擎盖打开，深入理解每一项技术的底层逻辑，思考：它到底能做什么？哪些判断是原创的、实用的？又是谁提出了这些判断？

接下来，你还要问自己一个更重要的问题：谁能捕获这部分价值？也就是说，谁才是真正能从中赚钱的人？

我做过很多公开演讲，也参加了不少线上研讨会，最近刚好在中国、美国和欧洲都有访谈交流。

很有意思的是，不同地区的观众在提问时展现出完全不同的风格：

在中国，很多人会问我：“你觉得最难的技术领域是哪个？”“如果我要创业，现在最值得做的是什么？”

美国人也差不多，他们关注的是“机会在哪里”。

但到了欧洲，第一反应却常常是：“这太危险了。”“这是不是会让我们全部失业？”

从中可以看出，各地对技术的态度存在明显差异。

中国整体上对技术持更加积极、正面的态度。并不是没有顾虑，但与欧洲相比，后者的“怀疑主义”显然更为普遍。

给年轻人的几个诚恳建议

洪灏 那你觉得，在这个新技术时代里，你会给中国的年轻人什么建议？

拉斯·特维德 我想提几点，其实都很简单。

第一条，就是了解自己。

当时代变化如此之快，真正知道自己是谁，知道什么事情能带来快乐和满足感，这就显得格外重要。

现在网上有很多性格测试工具，我认为很值得尝试。

你得弄清楚自己适合做什么、喜欢做什么、能靠什么谋生，同时又能为社会创造什么价值。

日本人有一个很好的概念，叫“人生意义”，意思是：找到那个你热爱、擅长、能赚钱、还能造福社会的交汇点。

第二，如果你发现自己原本学的东西正逐渐被自动化取代，我认为，生成式人工智能是最值得探索的方向之一。

它是一种通用技术平台，几乎可以应用于所有领域，解决无数社会问题，同时也可能孕育出无限多种新产品。

所以，如果你还不知道未来该往哪走，不妨先了解这个领域的底层逻辑。哪怕只是“理解”，也非常有价值。

另外，我们都是投资人，对吧？

我曾写过一本给普通人看的投资入门书，书名是《泡沫、熊市与扯淡》（Bubble，Bears，and Bullshit）。

书里讲了很多投资中应该掌握的知识。如果只能记住两点，我认为最重要的是：

第一，长期持有股票。

经济学家杰里米·西格尔（Jeremy Siegel）曾追踪自1802年以来不同资产类别的长期表现，并指出：股票是长期回报最好的资产类型。

哪怕短期出现大幅下跌，时间拉长之后，它依然能恢复并追赶回来。

即便中国股市的长期复合收益率不如美国，长期持有依然是有意义的。

第二，一个简单却非常有效的方法，定投。

你只需要设定一个周期——比如每月、每季度或每年，按固定金额投进一个“投资桶”。

这个“桶”可以是整个股市，也可以是一个行业板块，甚至可以分成两个——一个稳健，一个波动较大。

这个方法最大的好处是：当市场便宜时你买得多，市场贵时你买得少。

它不依赖市场预测，却能做到“低买高卖”的效果，本质上是一种简化版的逆势投资。

你看巴菲特，他也是这么做的。他从不预测市场，只说一句话：“便宜的时候我买，至于涨不涨我不管。”

洪灏 太好了。我相信你今天的建议，会对很多刚步入社会、刚从大学毕业的年轻人非常有帮助。

尤其是在中国经济经历转型的阶段，AI技术会带来更深刻的变化、更复杂的挑战，也会带来真正的机会。

就像你说的，“了解自己、找到热爱”，以及“便宜时买、贵了就让它涨”。如果大家能践行这几点，我相信，会有不少人走出自己的路。

拉斯·特维德 这次聊得非常愉快，真是一次享受。

如果让我再补一句总结的话，我想说的是：我们在今天的对话中都提到，我们对长期的未来是看好的。

这大概是我希望每个听众都能带走的一个重要观点。

来源：聪明投资者一点号