秋天开始，我回到了纽约，市场在10月也进入了财报季。我一向直觉很准，预感觉得总有哪里会出点问题。这AI Trade就跟做任何交易一样，从来没有可能从开始到结束完全顺顺利利不出任何问题，在终局之前多少总有挣扎。
市场先是担心新云的资本支出和持续融资能力，然后是hyperscalers（大型云服务商）是否能回本，自由现金流有没有保障，再下来是谷歌转型有没有谱，最后最大的变量当然是中期选举。
结果是星期三post-election relief（大选后情绪修复行情）之后，市场立刻在星期四还以颜色。我写文章的时候周五刚收盘，但是看上去大盘不像有太多支撑，到下周估计还要拉垮一段时间。周四传出基金爆仓的消息，Leopold同学又一次被市场拿捏，终究没有逃过诅咒，Situational Awareness 2.0怕是也要经受市场的考验了。
大概率的逻辑，用一位老先生的原话就是：“中期选举肯定对股票不好。如果特朗普捣乱，那美国会乱一阵。如果他不捣乱，民主党会限制AI。所以卖是一个Dominant Strategy（占优策略）。” 他只买指数，在中期选举前10天据说全卖了。人年纪大了经历的周期也多，所以老人的话有时候值得一听。
指数其实还好，S&P不过5%，Nasdaq 6%，SOXX惨一点，到今天跌了15%。但SOXX回去也快，我在之前的文章里写过，过去10年里，SOXX相对于主要指数的累计回报其实非常突出。
我们一堆人在选举日的第二天，把前老板Soofian Zuberi拉出来吃了顿饭。一起吃饭的有著名的基金经理、创始人、有做新一代Agentic产品的负责人，还有学者。大家想聊清楚一件事，就是我们将要面对的是什么样的世界，以及在这样的世界里，如何继续AI交易。
首先，大家都有很多硬件股票，都在面对一样的下跌。假设坐在一桌吃饭的都是聪明人，大家的投资逻辑至少都经过了反复推敲。但聪明人也可能同时犯错，尤其是在同一个拥挤的交易里。看对产业方向和买对股票价格，毕竟是两回事。
所以我们要搞清楚的，究竟是产业逻辑出了根本性的问题，还是市场对这个逻辑愿意支付的价格发生了变化。或者说，大家对未来的判断没有变，但市场对未来兑现的时间、成本和风险的定价变了。其次，关于中期选举之后的政治和地缘风险。
如果民主党对AI基础设施扩张施加更多限制，特别是限制AIDC新开数据中心，那么产能增加可能会有问题。但是这又会推高算力成本，让美国在AI竞赛中落后其他国家，这个责任估计没有人能承担得起。
饭桌上有人做了一个最坏情景的推演，认为可能有10—15GW的新增项目被延迟。当然这只是情景假设，不是已经发生的事实。但如果真的发生了，民主党恐怕也很难向选民解释，为什么美国要主动限制自己在AI竞赛中的基础设施建设。
然后，关于战争。大家讨论的一个可能情景，是俄乌在未来6个月之内实现停火。伊朗问题复杂一些，但是也有可能在接下来的时间里趋于缓和。停战对于特朗普政府来说是个好事，如果地缘风险溢价下降，能源价格回落，汽油带来的通胀压力应该也能下去一些。再回来谈AI基础设施。
有人问到AIDC会不会出现现金流问题。在座的一位朋友所在的机构是全球最大的AIDC拥有者之一，他很清楚地说明了他们到2028年已有合同覆盖的收入能见度。
这里其实要区分两个问题：一是已经签订长期合同的数据中心项目，收入的确定性相对较高；二是整个行业未来新增的资本开支，能不能持续获得足够高的回报。
前者相对容易判断，后者才是资本市场真正担心的事情。因为即使租约和收入已经锁定，也不意味着所有项目的融资成本、建设成本、折旧和最终资本回报都没有问题。
最后，Soof 提了一个有意思的问题：AI Trade，以及现在这些收入究竟能不能支撑这些庞然大物的估值。
假设我们把芯片、硬件、云平台和主要AI应用相关上市公司的市值粗略加在一起，可以得到一个30万亿美元量级的数字。当然，这不是纯AI业务的估值，里面有大量传统业务，也有重复归因的问题。但这个数字至少说明，市场已经为AI的未来支付了一个非常庞大的价格。
现在AI产业链里最明确、最容易确认的新增利润，很大一部分集中在上游芯片和硬件环节。
对于NVIDIA来说，GPU卖出去，收入和利润就可以确认。对于Hyperscalers来说，买GPU首先是资本开支，未来需要通过云服务和其他业务逐步收回投资。对于AI应用公司来说，购买算力又变成了成本，最终还是要找到愿意持续付费的企业和消费者。
也就是说，上游已经确认的收入和利润，某种程度上对应的是下游尚未完全收回成本的资本开支。单看现在的PE，很多公司其实并不算特别贵。但如果未来没有足够持续的云服务和AI应用需求来支撑现金流，那么问题就会出现。
更重要的是，即使AI应用收入高速增长，也不代表今天投资AI基础设施的每家公司都能获得足够好的资本回报率。算力价格可能下降，竞争可能压缩利润率，技术进步还可能加速现有硬件的经济性折旧。AI的应用越成功，算力越便宜，未必意味着每一个算力提供者都能赚到更多的钱。所以这里其实有两个不同的问题：第一，AI会不会创造足够大的新增需求？
第二，即使创造了足够大的新增需求，今天投入巨额资本建设AI基础设施的人，能不能获得足够好的回报？
这两件事并不等价。那么这些云服务和AI应用的现金流，究竟需要什么样的新需求来支撑？大概可以分为三类。
第一类，是已经商业化、能看到客户持续付费的新增需求。比如企业软件、编程工具、客服、营销、数据分析，以及各种已经开始部署的企业AI应用。
第二类，是正在形成，但盈利模式和单位经济性尚未完全验证的需求，比如AI Agents、AI原生应用，以及可能重构企业工作流程的新一代软件。
第三类，是可能创造巨大新市场，但尚未形成规模化收入的需求，比如机器人、自动驾驶、AI科研，以及未来各种今天还没有办法想象的应用。
对于第一类，目前已经形成的AI需求其实相当明确。企业AI部署和付费规模正在快速增长。Google Cloud第三季度的收入增长，也从另一个角度说明了云端需求的强劲。当然，企业AI支出和云收入增长并不能完全等同于最终新增需求，其中也包括原有IT预算的转移，以及云业务中非AI部分的增长。但至少可以说明，AI已经不再只是一个实验室里的技术，而是在逐步成为企业真实的经营支出。至于第二类和第三类，才是接下来几年真正需要证明的东西。
现在看到的GDP增长，特别是与AI相关的设备投资、数据中心建设和软件投入，已经能够验证AI投资本身正在创造需求。但这还不能单独证明，AI应用带来的最终需求足以支撑目前整个产业链的资本开支。
因为资本开支本身就能推动GDP。今天建设数据中心、购买设备、雇佣工程师，都能形成当期经济活动。至于这些投资未来能不能产生足够的现金流，是另外一个问题。那么，最终需求从哪里来？
企业端当然有降本增效的空间，但如果只是用AI替代原来的人力和软件支出，整个经济体的新增名义需求究竟有多大，仍然需要观察。居民消费有没有新的增长空间呢？
我觉得应该是很有想象力的。比如医疗、教育、个人服务、家庭照顾，这些今天受到人力成本限制、供给不足或者价格过高的服务，未来都可能因为AI而大幅扩张。
AI本身应当可以帮助企业降低产品和服务的价格，那么居民实际购买力至少有机会显著提高。过去很多人买不起、或者根本享受不到的服务，未来可能变得非常便宜。但这里又有一个悖论。
AI可能创造巨大的社会福利，却未必创造同等规模的企业名义收入。
比如一项原本需要100美元的服务，AI让它的价格降到10美元。消费者当然受益，实际购买力大幅提高。但是如果消费量只增长了5倍，整个市场的名义收入反而从100美元下降到了50美元。
换句话说，实际消费和社会福利可能大幅增长，但名义收入未必同步增长。AI带来的通缩效应最终会怎样其实并不清楚：如果AI是一场巨大的供给侧革命，它最终可能大幅提高生产率、降低价格、创造新的消费需求。但是对于今天已经投入巨额资本、需要依靠未来名义现金流偿还债务和获得回报的企业来说，这个过程未必那么舒服。也许技术革命最终创造的价值，和资本市场能够捕获的利润，并不一定是同一件事。
坐在我左边的先生做AI能源电力交易，乐观得要死，跟我们说了一堆自己的持仓。跌了就正好倒车接人，因为能源最后就是瓶颈。右边的先生说有很多DRAM和SSD，跟我说，all will be fine。
然后大家看了看，说空一点台湾吧，就台湾没怎么跌，然后回点血。
一桌聪明人，讨论了半天资本开支、政治风险、估值、现金流和最终需求，最后大家还是觉得自己的交易逻辑没什么问题。也许大家是对的，也许大家只是处在同一个拥挤的交易里。也许这个问题，只有时间才能回答。哦对了，还说到了医药。说到了you我一直觉得做二级的妙处，就是可以时时跟踪产业和公司的发展，一边想清楚一些问题，顺便锻炼心性。
技术革命有自己的时间，资本市场也有自己的时间。两者偶尔重合，大多数时候互相折磨。而做二级最有意思的地方，大概就是你必须不断拿真实的钱，去检验自己对未来的判断。然后这世界上这么多事，就这样一件一件在你眼前发生了。■作者为Alpha Space Investments CEO，资深科技、零售投资人