嘉宾背景：从密歇根博士到 AQR 研究员

[主持人]: 大家好，欢迎来到我的频道。今天非常高兴请到了 Steve Hou，做我们这一期专门聊一聊宏观经济，还有他对于 AI 的看法。Steve，非常欢迎来到我的这个播客节目。

Steve Hou: 谢谢你的邀请，很长时间关注你的频道。

[主持人]: 我邀请 Steve 的主要原因是前两天我经常看的一个英文 Podcast，Steve 突然出现在封面了。我发现你对于 AI 还有宏观经济其实是有挺深的见解的。我挺好奇，你的背景是在这方面有过专业训练的是吧？

Steve Hou: 对，我实际上是学宏观经济的。我的博士在密歇根大学（University of Michigan）读的就是这个，一方面是宏观经济，另外一方面是传统的资产定价金融（Asset Pricing）。虽然我当时研究的课题有点太早了，但现在想起来还挺有意义。当时我在研究美国债务结构的问题，即如果一旦通胀回来，股票和政府债务出现正相关的时候，政府债务应该如何处理。如果美联储需要缩表（Quantitative Tightening），对利率长端有压力时，该如何控制债务结构。

[主持人]: 那其实相当于你研究的主要是国债喽？

Steve Hou: 对，当时主要研究的是国债。国债其实是一个基础，之后还会有风险溢价（Risk Premium），但最大的基础风险还是来自于国债。

[主持人]: 那你后来 Ph.D 毕业之后，是去做经济学家了吗？

Steve Hou: 没有。我当时毕业以后试图想去学术界，在美国内外找了一圈工作，最后发现最好的工作实际上是回到了私企。我去了一家很有名的对冲基金叫做 AQR Capital。

[主持人]: 那你在 AQR 主要做什么工作呢？

Steve Hou: 做的是 Alpha Research，研究中频信号，看怎么样组合股票模型。

[主持人]: 是会结合那种宏观政策环境下，看哪种资产表现更好吗？

Steve Hou: 那倒是没有。如果你做股票这种系统性策略（Systematic Strategy），一般用的是公司层面的信号更多一些，比如最基础的价值（Value）和动量（Momentum）。但我个人的背景来自于宏观，所以我也会时时刻刻在想，怎么样能够把一些宏观元素放到投资策略里面来。

宏观研究的局限性：数据匮乏与“叙事陷阱”

[主持人]: 我之前读过高盛（Goldman Sachs）的策略师 Peter Oppenheimer 写过两本书，他认为宏观类似于隐马尔可夫模型，你知道他在哪个状态，就知道哪种资产表现更好。这种宏观投资策略是基于模型计算的，我不知道理解对不对？

Steve Hou: 差不多是这个意思。但说实话，宏观现在的问题是它没有足够的数据。大家都希望把更精确的科学方式放到金融上，但宏观经济从二战以后，美国商业周期也就经历过这么几个大的拐点。每一个拐点内部发生的事件，实际上都是同一件事情，只不过你从不同角度来观察它而已。比如 70 年代的通胀问题、2000 年的泡沫问题。高频观察可能知道得多些，但大部分时候并没有更多信息，数据量远远不够。

[主持人]: 像 Ray Dalio（瑞·达利欧）特别喜欢讲历史故事，靠二战前后的模式。从你的视角来看，他的框架是否也有局限性？

Steve Hou: 我觉得他们都有巨大的局限性。不光是 Ray Dalio，包括从桥水（Bridgewater）出来的这些人，他们看问题会有一种历史大叙事的逻辑。但历史大叙事就是叙事，你有一个先入为主的假设，认为世界是这样一个大的秩序，然后再去套数据。因为数据不够，你很容易产生严重的过拟合（Overfitting）。所以为什么你看他们很多人都会有看空偏见（Bearish Bias），这跟他们的训练轨迹有关。

投资哲学：寻找“烂公司”的反转点

[主持人]: 那你一般用什么样的方式去研究 Alpha？

Steve Hou: 我个人很喜欢看那些不用系统方式投资的人是怎么想问题的，然后把他们的直觉用系统的方式总结起来。杰夫·贝佐斯（Jeff Bezos）有一句名言：数据和个例（Anecdotes）之间经常不吻合时，往往个例是正确的，只不过我们测量问题的方式有问题。在金融市场里，你希望看到跟别人不相同的观点。

[主持人]: 你能举个例子吗？

Steve Hou: 我有个朋友在 Twitter 上叫 SteveStreaming，他有一个直觉：他喜欢买那种很烂的公司（Shitcos）。他说很烂的公司变得不那么烂的时候，是最好的投资。像查理·芒格（Charlie Munger）劝巴菲特以合理的价格买高质量的公司（如苹果、Costco），很少有人故意去投长期亏损的烂企业。但这些企业有个性质：当它烂到极致被大家放弃后，一旦开始有起色，股价会像喷井一样增长。

[主持人]: 比如两年前的 Carvana？

Steve Hou: 对，Carvana 这种二手车公司，2021 年被炒到 300 多美元，后来跌到二三十元。当大家确定它会破产但它没破产时，它又奔回了 400 多美元。这就是经典的盈利反转（Earnings Inflection）。如果你系统地找出这些从“坏”变到“不那么坏”的企业形成组合，回报是非常高的。

AI 泡沫论：这是一个“生命周期泡沫”

[主持人]: 你在 2023 年就预言 AI 泡沫如果不比史大，至少也和 Crypto（加密货币）泡沫一样大。你当时为什么会有这种判断？

Steve Hou: 2023 年初 ChatGPT 刚出来，我一个朋友买了 Supermicro（超微电脑，SMCI）。当时 SMCI 市盈率只有两倍，是个名不见经传的小公司，后来从 80 美元涨到了 1200 美元。2023 年 5 月我看到美银的一个图说 AI 是 Baby Bubble（婴儿泡沫）。大家很关注第二个词 Bubble，但我更关注第一个词 Baby——婴儿全是要长大的。

Steve Hou: 泡沫取决于不确定性。当时我们不知道大语言模型（LLM）是不是正确的范式，这种不确定性具有正偏态（Positive Skew），很适合作为一个泡沫载体。它至少可以跟 2000 年的互联网泡沫相比。Crypto 虽然热闹，但承载的实际经济应用场景太小，大厂很少下场参与。而人工智能不一样，各个大厂都蠢蠢欲动，它有一个很长的跑道（Runway）。

[主持人]: 但很多宏观研究者容易变成永久看空者（Permabear），你怎么克服这种职业本能？

Steve Hou: 我看东西是以宏观为基础，但也看个股。个股选择中你会发现 Momentum（动量）是很常见的因素。我不会以道德理念去质疑一个东西应不应该发生。如果它会涨 10 倍再跌回来，我能不能参与涨 10 倍的中间一部分？如果你只看宏观，可能会错过个股上面体现的很早的信号。

[主持人]: 你对“泡沫”的定义是什么？

Steve Hou: 我指的不是一个瞬间（Snapshot），而是整个生命周期（Life Cycle）。我期待从 2023 年开始，未来几年会出现整个生命周期：从企业用现金流支持投资，到借债投资，杠杆越来越高，脆弱性越来越大，一直到最后破灭。如果内部投资产生了回报，它反而会延长泡沫的时长。

巨头的博弈：Hyper-scalers 的投资回报

[主持人]: 现在这些巨头（Hyper-scalers）开始发债支持数据中心建设，按照你的定义，是不是进入后期阶段了？

Steve Hou: 虽然大家不习惯轻资产垄断企业开始借债，但目前我并没看到这种投资对业务主体有不好影响。相反，比如 Google，它通过 AI 加深了云服务的绑定，甚至从“千年老三”有跃居第一、第二的趋势。Meta 虽然没有云服务和热门大模型，但它用 AI 做广告定位（Ad Targeting）做得炉火纯青，广告收入甚至可能超过谷歌。到现在为止，并没有明显证据表明这些企业变坏了。

[主持人]: 但利润现在都集中在上游硬件（如英伟达、存储），下游模型公司好像并没享受到这么多利润，这健康吗？

Steve Hou: 卖铲子的人变多了，这是产业的扩张。至于推理（Inference）端，由于供不应求，提供运算服务的 Hyper-scalers 其实是有定价权的。

[主持人]: 很多人质疑 NeoCloud（新云）公司在会计处理上玩手段，拉长显卡折旧年限。如果需求端崩溃，这些债务会变致命吗？

Steve Hou: 这种不确定性反而延长了泡沫持续的过程。至于需求端，虽然 ChatGPT 免费用户多，但我们还没观察到 AI 在经济合理定价模式下的需求弹性（Demand Elasticity）。现在定价显然是被企业补贴的。未来一年，随着价格上涨，我们会观察到真实的算力需求。

宏观视角：美国经济的软着陆与 K 型走势

[主持人]: 高盛分析师认为，要回收 1 万亿以上的 CAPEX（资本支出），必须大规模取代高薪白领，但现在 AI 成本比人贵。这是一个悖论吗？

Steve Hou: 现在的确面临两个隐忧：一是算法效率提升（Algorithmic Efficiency）是否会让硬件投资贬值；二是投资回报率（ROI）问题。为什么 AI Lab 都开始雇宏观经济学家研究 GDP？因为回报的数量级必须达到 GDP 增长的规模才能合理化投资。但我认为这些巨头有一种“笃信”，认为只要通过 Scaling Law 不断加大算力，真的可以达到 AGI。

[主持人]: 我们现在处于泡沫周期的哪个阶段？

Steve Hou: 我觉得是 3/4 阶段。最后 1/4 可能表现得更加疯狂。

[主持人]: 美国经济现在的软着陆叙事你怎么看？如果 AI CAPEX 停了，会陷入衰退吗？

Steve Hou: 虽然个别季度硬件投资贡献很大，但美国 60% 以上的增长还是来自稳健的服务型消费。大基建和 AI 趋势是一脉相承的，如果崩盘肯定有致命打击。上层富裕美国人由于资产上涨，愿意在服务业消费（如旅游、医疗），这解释了 K 型经济。

[主持人]: 但密歇根大学消费信心指数跌到了低点，储蓄率也在下降，车贷违约率在上升。这些不指向衰退吗？

Steve Hou: 我是密歇根毕业的，但我对密歇根信心指数最不引以为豪，它是个不怎么可信的东西。如果你看 Conference Board 的指数，表现平平。大家是用脚投票的，信用卡的实际消费趋势最近在回暖。美国就业市场现在是不温不火，虽然年轻人找工作难，但被开除率（Layoff rate）处于历史最低水平之一。只要你有工作经验，离职后基本能再找到工作。

美联储与地缘政治：鲍威尔的遗产与 Warsh 的挑战

[主持人]: 你怎么评价 鲍威尔（Jerome Powell）？特朗普骂他是“低智商”、“太迟了”。

Steve Hou: 我非常欣赏鲍威尔。他可能是美联储历史上最好的主席之一。他不是学术派，是律师和私募（PE）背景，有私企直觉。他犯过最大的错误是 2021 年的“暂时性通胀”（Transitory）判断，加息太慢。但这很大一部分是政治原因，拜登政府迟迟不提名他连任。他分析问题非常冷静、诚恳，不被政治裹挟。他每年拿 20 万美元年限，本身很有钱，真的是在为公职服务。

[主持人]: 怎么看候选人 Kevin Warsh？

Steve Hou: 他的能力没问题，但他为了拿到工作，肯定向特朗普做了不少承诺。他现在以 AI 提高劳动力为理由支持预防性降息（Preemptive rate cuts），但在传统经济指数里还没看到这种体现时就这么说，对我来说是个 Red Flag。

[主持人]: 沃什支持预防性降息但支持缩表，你怎么看？

Steve Hou: 我不认为他能做到。激进缩表对长期利率有巨大影响。特朗普对股市和 10 年期美债利率（10-year Yield）很敏感。缩表会造成不可预测的二阶效应（Second Order Effects），比如私募信贷（Private Credit）爆雷。我不认为沃什有这样的政治资本在中期选举前去做这件事。

总结：投资的“避风港”

[主持人]: 最后聊聊美元霸权，如果通胀压力一直存在，美元会贬值吗？

Steve Hou: 美元贬值和对美元失去信心是两回事。只要大家继续使用美元，贬值不是最重要的。全球财富分布不均，财富必须流入资产，而最高价值的高质量资产（Quality Assets）都在美国。就像萨默斯（Larry Summers）说的：欧洲是博物馆，中国是监狱，日本是养老院。你没有更好的选择。

[主持人]: 你个人的投资重点是什么？

Steve Hou: 继续关注 AI 概念，跟踪它的瓶颈（Bottlenecks）。长期来看，能源（Energy）是美国特别大的一个瓶颈。只要投资趋势和美国经济向好方向不变，跟踪 AI 创造的瓶颈点就不会有太大错误。我会重点关注 Hyper-scalers 的 CFO 们怎么看投资回报，他们比我们更担心这个问题。

[主持人]: 非常感谢 Steve 的分享！

Steve Hou: 谢谢。