---
author: 北美王路飞
date: '2026-11-13'
guest: ''
layout: post.njk
source: https://www.youtube.com/watch?v=nWmlmKu6Q7c
speaker: 北美王路飞
tags:
  - artificial-intelligence
  - value-investing
  - market-uncertainty
  - investment-risk
title: 霍華德·馬克斯備忘錄：人工智慧投資的外行人視角與確定性評分
summary: 霍華德·馬克斯發布備忘錄探討人工智慧投資。他借助 Claude 對 AI 產業鏈可預測性評分，發現越核心的模型實驗室可預測性越低。他指出技術普及與投資獲利是兩回事，探討了定價權、商業模式、債務集中與循環交易等風險，強調明智投資取決於價格而非盲目避險。
insight: ''
draft: true
series: ''
category: investment-assets
area: finance-wealth
project: []
people:
  - 霍華德·馬克斯
  - 巴菲特
  - 米爾肯
companies_orgs:
  - 橡樹資本
  - OpenAI
  - Anthropic
  - xAI
products_models:
  - Claude
media_books: []
status: evergreen
---
我們頻道的老朋友霍華德·馬克斯又發布了一份備忘錄。關注美國股市的人可能都聽過他；他掌管橡樹資本管理公司，專門收購其他公司不敢碰的債務。他當年和米爾肯打交道——買賣垃圾債券和瀕臨破產公司的債務——他就是這樣積累了財富，現在他已經 80 歲了。他有個習慣，就是時不時地給客戶寫長信，把自​​己腦子裡想到的都寫下來，而且他已經這樣做了 30 多年了。巴菲特曾說過，每當他看到自己寄來的信放在信箱裡，他都會立刻打開。這封信於 2024 年 11 月 11 日「雙十一」發布，標題為「人工智慧：一個外行人的視角」。

說實話，我在這個頻道上已經做過不少關於人工智慧的影片了；我們已經把泡沫和估值問題討論爛了。我最近沒有發布很多關於這方面的新視頻，因為每次發布新視頻，都會有一些人工智能狂熱分子在評論區抨擊我。不過，我認為霍華德·馬克斯在這份備忘錄中的觀點其實相當有趣。

### 向人工智慧尋求可預測性評分

問題是：霍華德·馬克斯一開始就承認自己不是技術專家，對人工智慧的了解也不比任何人多，那他是怎麼做的呢？他決定向人工智慧尋求協助，於是打開了由 Anthropic 開發的尖端人工智慧 Claude。他要求人工智慧對整個人工智慧產業進行評分，評分標準從一到十分，一分表示完全不可知，十分表示完全可預測。他真正想問的是人工智慧供應鏈——哪些產業的收益是可預測的，哪些產業的收益更難預測。

名單逐行遞減：
- 為人工智慧提供動力的公用事業公司獲得 6 分；
- 大型科技公司的資料中心獲得 5 分或 6 分；
- 晶片公司獲得 4 分；
排名不斷下降，直到最後一行：前沿模型實驗室。他列舉了 OpenAI、Anthropic 和 xAI（伊隆馬斯克整合到 SpaceX 中的公司）等公司，這些公司都只獲得了 2 分。

想想看：人工智慧給它的創造者打了兩分（滿分十分）；可以說，這些大型語言模型正在拋棄它們的創建者。馬克斯後來表示他沒想到會是這樣的結果，他在備忘錄中寫道，這個分數確實讓他感到驚訝。在他們看來，「兩分制」的評級基本上意味著無法判斷。他還頗具諷刺意味地補充道，這朵雲來自 Anthropic，卻遭到了背後捅刀；如何在暗網市場銷售「兩點」商品？打折出售；在街頭市場，如果看不到商品的質量，每個人都必須討價還價，因為不確定性太高了。

人工智慧市場已經發生了翻天覆地的變化；像 OpenAI、Anthropic 和 SpaceX 這樣投入巨資訓練頂級大型模型的實驗室，其估值實際上正在飆升——飆升到什麼程度？據報道，OpenAI 和 Anthropic 的目標估值均為 2 兆美元，並且都已提交 IPO 申請，其中 Anthropic 據稱將於 11 月下旬上市。霍姆斯表示，他很想看看這兩隻股票在首次公開募股時的定價以及之後的表現，它們對整個市場的影響比每個人想像的都要深遠。

今年第二季度，Google 母公司和亞馬遜合計從股權投資中獲得了 1,510 億美元的收益。其中大部分來自哪裡？它來自 Anthropico 和 SpaceX，後者擁有 OpenAI；請注意，這些收益都是「帳面」收益。當他們持有的股票價值增加時，就會在損益表中反映出來。馬克思表示，這兩家公司因此成為標普 500 指數獲利的最大貢獻者。事實上，對標普 500 指數獲利的影響遠不止於此。

這些公司從創投公司和私募股權公司等私募股權機構籌集了大量資金，與硬體公司和運算能力提供者簽訂了長期協議。這些協議實際上誇大了許多標普 500 指數科技公司的獲利預期，然而這兩家公司本身缺乏發電能力，必須依靠持續融資來維持產業的運作。一旦這兩家公司面臨現金流問題，他們承諾的 10 年或 20 年租賃和晶片採購協議將無法履行。事實上，這是整個人工智慧交易中最大的風險。

### 技術進步與賺錢方法的背離

此時，有些人可能會認為霍華德·馬克斯看空人工智慧，但事實並非如此。他在備忘錄開頭就指出，人工智慧是我們這個時代最偉大的事物，或許是人類所見過的最有影響力的事物之一，投資者不能忽視它。他擔心的是另一件事。他對整個人工智慧產業的評分是十分之三左右，但他特別指出，這個分數其實是由兩個不同的因素所構成的：
1. 首先，這項技術是否會繼續進步並在整個經濟中普及——對此，他給出了六、七點看法，感覺比較有信心。
2. 另一個問題是投資者實際用來賺錢的方法，包括成長速度、利潤規模以及最終誰能獲得這些利潤；為此，他只給了它兩分左右的分數。

事實上，這正是整份備忘錄的核心分歧：每個人都能看到方向，但沒有人知道最終誰會拿到這筆錢。

我們之前其實有經歷過這種情況。十多年以前，大家都知道智慧型手機將會普及，行動網路將成為一大趨勢──這個方向完全正確──但在「百家團購網站大戰」時期，團購網站有數百家之多；如今還有多少人健在？後來的共享單車熱潮也是如此。人們確實需要騎自行車，方向也對，但投入的大部分資金都打了水漂。

霍華·馬克斯舉的例子是華倫·巴菲特。即使在網路泡沫時期，巴菲特也曾表示，改變世界的科技不一定會為投資這些科技的人帶來利益。所以，霍華德·馬克斯的備忘錄從頭到尾都沒有結論。相反，他列出了 11 個問題，並表示他自己的知識有限，但把這些問題放在一起可能對每個人都有用。

### 人工智慧黑盒子與連鎖預測機率

他的第一個問題非常根本：人工智慧究竟是如何運作的？對於這個問題，馬克思說他完全不明白，所以他去問了克勞德。克勞德的回答是這樣的：我們幾乎完全了解人工智慧是由什麼構成以及如何建構的，但人類實際上對它如何完成任務知之甚少。

建構它的方法聽起來很簡單：輸入大量文本，讓它猜測下一個單詞，如果猜錯了，就稍微調整它的內部參數，重複這個過程數萬次。從來沒有人制定過它應該如何回答問題的規則；這些規則是透過反覆的參數調整而形成的，這些參數分散在數萬億個數字中，任何一個數字本身都沒有意義。克勞德是這樣說的：這些系統是自然形成的，不是任何人設計的。

當然，研究人員正在嘗試尋找方法來探討這些模型的內部運作，例如讓他們創作押韻詩。模型首先選擇押韻詞，然後寫出前一行，這表明這些大型語言模型實際上會提前規劃。然而，像這樣可以理解的案例只佔很小一部分。克勞德說，當我解釋我是如何得出答案的時候，研究表明我的解釋並不一定與我內心實際發生的事情相符。例如，如果你問一個模型它是如何解決加法問題的，它可能會告訴你它使用了小學教科書中的列式方法，但實際上，它在內部採取了完全不同的方法。因此，克勞德得出的結論是，人類創造了一種類似大腦的東西，其中的每個部分都可以取出來進行檢查，但它仍然無法被解釋。

馬庫斯在旁邊用括號加了一條註釋，說有趣的是，它現在說話就像人一樣。而華爾街現在試圖做的，就是計算五年後這種做法的利潤；這種預測的正確機率有多大？

馬庫斯曾在另一個背景下進行過類似的計算，後來他又再次提到了這一點：他說，自上而下的投資者至少要做對四件事——宏觀經濟、行業、具體公司和市場。假設你每題答對的機率為 60%（他指出這個數字可能太高了），那麼四題全部答對的機率是多少？0.6 的 4 次方是 13%。你或許在每個單獨的項目上都比拋硬幣猜得準，但綜合起來，你八次嘗試中也只能猜對一次，而且這僅僅是針對一般投資而言。

然而，談到人工智慧，馬庫斯總結：投資者至少需要大致了解六件事：
1. 技術的發展方向
2. 計算需求的規模
3. 最終的行業格局
4. 最終的受益者是誰
5. 資金能否持續
6. 所有這些事件發生的時機

他的備忘錄沒有進一步闡述數學計算；他只是把這個問題留給讀者自己思考。如果假設發生六次事件，每次事件的成功率為 60%，則機率遠低於 4%。根據 Mark 後來的調整之前的數學計算，如果你必須答對全部六題，每題的機率為 60%，那麼 0.6 的 6 次方小於 5%。

許多人的反應是：「我不明白，那為什麼不乾脆遠離呢？」如果我不明白，我就避開它。但馬克思表示，這條路也不行。他給了三個理由：
1. 首先，在投資中，你永遠不可能 100% 知道結果。人們犯的最大錯誤就是認為自己無所不知。
2. 其次，對未來了解不足不能成為不作為的藉口，因為投資人的職責就是承擔風險以獲得回報。所以他的觀點非常明確：人工智慧的潛力太大了，不能因為情況不明朗就置身事外。
3. 此外，你根本無法避免。正如我們之前所說，我們投資的指數基金已經替我們買進了這種股票，這很尷尬。即使你看清楚東西，你已經坐在桌旁了。唯一能做的就是逐一分析各種不確定因素，找出哪些因素有 50-60% 的把握，哪些因素只有 20% 的把握。

### 誰會獲利、商品化與人工智慧稅

霍華馬克斯接下來的問題也遵循同樣的邏輯。他首先問道：投入了這麼多錢，最終誰會真正獲利？許多人認為這是一個顯而易見的問題——既然人工智慧如此強大，那麼人工智慧公司一定是賺錢的公司。馬克斯說事情沒有那麼簡單，他提出了兩個可能性：

一種可能性是：如果幾家公司的「模型」在解決相同類型的問題方面都同樣智能，那麼它們的產品將無法區分，最終變成只靠價格競爭的商品。這種情況對中國企業來說再熟悉不過了——叫車應用、外帶平台、太陽能組件或行動電源。當產品都一樣的時候，最後都會演變成一場價格戰。馬克思問：如果真是這樣，整個產業的利潤和投資報酬率豈不是會逐漸被侵蝕嗎？人工智慧帶來的收益是否會主要落入使用人工智慧的公司手中，而不是那些創造人工智慧的公司手中？如果出售人工智慧實際上並不能產生多少利潤，那麼數萬億美元的基礎設施投資的回報將從何而來？

另一種情況則恰恰相反：或許少數幾家公司能夠做到其他公司做不到的事情，從而有效地形成壟斷。其他企業需要他們的產品才能生存，這意味著他們可以決定價格。我們已經有了這樣的例子；沃姆斯利提到了英偉達和台積電，指出這些晶片製造商目前都在賺取巨額利潤，這是強大的競爭地位帶來的好處。

然後他提出了人工智慧未來是否應該徵稅的問題。他的邏輯是，人工智慧可能帶來的一個後果是取代人類勞動力。如果人們失業，政府之前從他們的薪水中徵收的所得稅也就消失了。這一缺口必須以某種方式彌補，那麼政府會像對待人類員工一樣對待人工智慧並徵收人工智慧稅嗎？他指出，目前最高收入者的總稅率為 50% 甚至更高，那麼人工智慧將來會被歸類在哪個稅率等級呢？我覺得這個問題很有趣。目前，大家都在根據人工智慧能為企業節省多少勞動成本來計算其價值，但政府會從中分一杯羹嗎？似乎沒有人把這一點考慮進去。

### 領先地位能維持多久

我們之前討論的是誰會賺錢，但即使你猜對了，仍然存在一個問題：如今的領先公司幾年後是否還能保持領先地位。沃爾姆斯利表示，人工智慧最讓他感到驚訝的是它的發展速度，他指出 OpenAI 和 Anthropic 是目前公認的模型開發領域的兩大領導者。然而就在幾年前，絕大多數人甚至從未聽說過它們。換個角度來看，其他公司是否只需要幾年時間就能超越它們？

此外，還有幾家巨頭公司蓄勢待發——亞馬遜、微軟、谷歌母公司 Alphabet、Meta 和 Oracle。業界稱它們為「超大規模資料中心」。他們之中誰最終會勝出？或者會是一家我們從未聽過的公司，甚至是目前還不存在的公司？

霍華德·馬克斯請大家回顧一下 20 多年前的網路。當時的領先公司——微軟、亞馬遜、蘋果、谷歌——如今依然屹立不倒。但像網景、雅虎和望京這樣的公司卻消聲匿跡了；你們當中有些人可能甚至都沒聽過這些名字。國內曾經有很多像開心 001 或人人網這樣的科技公司，現在卻沒有人再提起它們了。在技術變革如此迅速的行業中，要保持領先地位非常困難，而人工智慧的發展速度甚至比當時的網路還要快。所以他的問題是：如今的領先企業在未來五到十年內仍能保持領先地位的機率是多少？如果市場格局真的有可能改變，那麼現在花錢買他們的股票真的值得嗎？

然後他提出了一個測試：選擇任何一家人工智慧公司，預測其五年後的每股收益，然後問問自己，你是否願意打賭實際結果會在你的預測值上下 50% 的範圍內。例如，如果估計每股收益為 10 美元，您有多大把握最終收益會在 5 美元到 15 美元之間？5 美元和 15 美元之間的差距是三倍，這實際上是一個非常大的範圍，但如果你仔細想想，你可能仍然不敢保證。

霍華德·馬克斯表示，他分析了 70 年代的集團公司，以及 2000 年前後的網路和電子商務時代，這些在當時被認為是動盪和複雜的，但與人工智慧相比，它們就簡單多了。

### 基礎設施投資、斷層線與循環交易

正因如此，許多投資者改變了他們的思維方式，他們說：「我無法猜測哪種模式的公司會勝出，所以我乾脆停止猜測，直接投資於他們都需要使用的基礎設施。」

米爾肯的理論有兩個前提：
1. 第一，垃圾債券的利率必須遠高於優質債券的利率，超出部分用於抵消違約損失。
2. 第二點是，你的債券持有必須充分分散，這樣即使少數債券違約，也不會影響整體投資組合的結果。
中國有句古話：把雞蛋放在多個籃子裡，這樣即使幾個雞蛋碎了，也不會影響你吃到雞蛋。

霍華德·馬克斯在審視當今美國市場時，列舉了以下幾點：
- 人工智慧在美國經濟中所佔份額並不大，但對經濟成長的貢獻卻不成比例地大，而這大部分貢獻來自資本支出，主要用於建造資料中心。
- 從企業獲利來看，截至今年 6 月 30 日，「七大巨頭」的獲利成長已連續 14 個季度超過標準普爾 500 指數中的所有其他公司。
- 根據摩根大通的統計數據，從 2024 年 1 月至今，標普 500 指數總漲幅的約三分之二是​​由 42 家人工智慧相關公司貢獻的。在一個包含 500 家公司的指數中，三分之二的收益都依賴於大約 40 家公司；這就是為什麼散戶投資者很難跑贏市場的原因，因為大部分收益都集中在少數幾隻股票上——如果你不持有這些股票，你就無法跑贏市場。

前文提到的 1,510 億美元股權投資報酬率也包含在內，甚至連人工智慧公司員工用薪水支付房租和購物所帶來的消費也算在內。由此可見，米爾肯模型的成功之處在於風險分散在許多不相關的債券上；而到了 2026 年的美國，股市、債市和經濟成長都將依賴單一因素：人工智慧的成功，這意味著一切都緊密相連。

Huanan Moss 將此稱為“斷層線”，並表示接觸人工智慧就像一條斷層線貫穿幾乎每個人的投資組合。如果晶片壽命、企業策略或運算能力需求發生任何不利變化，其影響將極為廣泛。他非常明確地指出，過度依賴單一產業會使經濟和股市變得脆弱，這是無可爭議的。事實上，在 2008 年之前，美國股市和經濟都嚴重依賴金融機構和房地產業。

接下來，瓦爾德馬斯提出了一個關鍵問題：循環假設。假設有三家公司，A、B、C。A 公司給 B 公司一筆錢；B 公司隨後用這筆錢從 A 公司購買產品。這筆錢又回到 A 公司，增加了 A 公司的收入。更複雜的版本涉及三家公司：A 向 B 付款，B 為 C 提供資金，C 用這筆錢購買 A 的產品。資金最終又回到了起點，但每家公司的帳面上都顯示業務量有所成長。這是一個經典的「左手到右手」的動作。瓦爾德馬斯指出，在晶片製造商、雲端服務供應商、模型公司和資料中心開發人員中，這種「我借錢給你，你從我這裡購買」的場景很常見。他問：如果這些交易是在互不相關的各方之間，按照正常的商業條款進行的，它們還會發生嗎？或者，賣家實際上是在補貼買家，只是為了維持對其產品的需求並保護其市場份額？

除了循環交易之外，他還提到了一些其他令他擔憂的事情：
- 一是雲端服務提供者本身財務狀況的變化。此前，這些公司依靠人工智慧以外的核心業務來產生現金流，保持強勁的現金流、幾乎沒有債務和較高的信用評級。現在，他們一邊消耗積蓄和年度收入，一邊不斷增加借貸。憑藉其高評級，目前融資很容易，但瓦爾德馬斯問道：如果這種情況持續下去，這些評級還能保住嗎？對於那些基於這些高信用評級而放款的人來說，當槓桿率增加時會發生什麼？
- 此外，還有表外債務。這些貸款並非在雲端服務提供者本身的資產負債表上，而是透過特殊目的實體（SPV）獲得的。這與我們之前討論的安隆公司相關特殊目的實體（SPV）系列完全相同。對此，瓦爾德馬斯直接問道：母公司是否真的會償還這筆債務？
- 另一個令人擔憂的問題是合約中的細節。一些資料中心依靠租戶的高信用評級來獲得融資，但有些租賃協議包含退出條款，在特定條件下，租戶或擔保人可以終止其義務。他舉例說，如果資料中心正常運作時間未達 99.9%，租戶有權終止租約。
- 我之前提到的關於「鐵鍬」的問題就在這裡：有些債務是用晶片作抵押的，但這些晶片的壽命可能比債務期限短——事實上，很可能更短。債務尚未償清，抵押品可能已經變得一文不值了。

達莫達蘭的評估是，向人工智慧領域提供貸款的人面臨著一種新的局面：債務集中在一個快速變化的單一產業，償還債務完全依賴未來的收益。因此，他認為貸款機構必須格外警惕，既要審查借款人的信用狀況，也要審查貸款條款的措詞。

### 子產業信心與行業基準

回到最初的問題，達莫達蘭詢問 Cloud 對人工智慧產業各個領域的信心程度。他對 Cloud 提出了兩個要求：
1. 首先，將人工智慧產業細分為各個子產業，並對每個子產業進行單獨評分。
2. 第二個要求是為每個子產業找到人工智慧以外的可比較產業作為基準。

- **榜單之首：為人工智慧供電的電力公司**，這些公司受政府監管，得分為 6 分；它們與一般受監管的公用事業公司進行比較。這很容易理解：電力價格受到管制，客戶無法逃避付費，因此電力是整個價格表中最穩定的類別。
- **其次：與大型科技公司簽訂長期租賃合約的資料中心**，由於租期長、租戶實力強，與大型工業企業相比，得分為 5 到 6 分。
- **雲端服務提供者本身**的得分為 5 分，此行沒有列出基準行業。
- **晶片**：獲得 4 分，以航空公司和航運業為基準。很多人可能會對此感到驚訝，因為晶片是整個人工智慧價值鏈中最賺錢的部分，但在 Cloud 看來，它們的預測能力與航空和航運業處於同一水平。投資人都知道，這兩個產業在繁榮時期利潤豐厚，但一旦週期逆轉，就會面臨巨額損失。
- **投機性資料中心和新興的運算資源出租公司（「新雲端」）**：只能獲得 2 到 3 分。他們選擇的產業基準是 1998 年至 2001 年的電信和光纖產業。讓提供一些背景資訊：當時，美國電信公司大量舉債鋪設光纖網絡，結果卻發現需求遠低於預期。許多人破產了。雖然這項技術最終在幾年後得到了應用，但最初的投資者卻血本無歸。換句話說，利奧波德發現，人工智慧產業的這一細分領域與先前的科技泡沫的組成部分存在可比性。
- **最後一行：前沿模型實驗室**。OpenAI、Anthropic 和 SAAI 獲得 2 分，而早期創投獲得 1 到 2 分。

因此，從這張表格可以看出，隨著確定性降低，模式變得很明顯：離人工智慧技術本身（如發電或租賃設施）越遠，可預測性就越高；你越接近人工智慧的核心，特別是那些最受關注的公司，就會發現越多晦澀難懂的東西。

那麼，為什麼利奧波德只給他的前雇主打了兩分呢？他實際上給了一個具體的解釋。利奧波德在評估這些前沿實驗室時提出了三點：他說，這類企業本質上是「要麼生存，要麼滅亡」的；它們要麼大獲成功，要麼徹底失敗，很少有中間地帶。原因有三：
1. 資本需求龐大；
2. 同等功能的單位價格迅速下降；
3. 是否有持久的護城河尚不清楚。

目前情況尚不明確，因此可以看出，這三點完美地回答了 Hodmas 先前提出的問題。他問道，人工智慧是否會變成一種以價格競爭的商品；利奧波德說物價正在迅速下跌。他問領先企業能否保持領先地位；利奧波德說，護城河是否存在還不清楚。他問錢從哪裡來？利奧波德說：「資金需求龐大。」所以你看，這位老人作為局外人提出的擔憂，基本上已經得到了人工智慧產業自身的認可。

隨後，馬克思再次提及開篇的話題：這些難以預測的公司其實已經按照完美預期定價，它們推高了整個標普 500 指數的獲利。這種情況能持續多久？

### 地緣政治與泡沫的三個層面

以上基本涵蓋了與業務相關的各種不確定因素。但馬克思指出，談到可預測性就不能不提及政治，而就人工智慧而言，地緣政治本質上就是指中國。他首先概述了當前情況：幾乎所有高階晶片都是台灣台積電生產的。美國限制向中國出售其最先進的晶片，而這一限制反過來又鼓勵中國推出低成本型號，利用更低的價格從性能更強大的美國型號手中搶走市場份額。

然後他提出了四個問題：
1. 如果當前情況發生變化，美國的競爭地位會發生什麼變化？
2. 中國晶片能否追上甚至超越目前的領先者？
3. 中國最終是否有能力阻止甚至禁止台灣向美國出售晶片？
4. 對中國意圖的擔憂是否會削弱為人工智慧產業建立安全保障措施的努力？

在討論了許多不確定因素之後，人們自然會問出那個老問題：人工智慧是一個泡沫嗎？

馬克思表示，最近幾週，市場對這個問題的擔憂顯著增加。一方面，更廣泛的環境出現了不利的變化：通貨膨脹、聯邦赤字和債務導致利率上升，以及伊朗衝突似乎難以解決。另一方面，人工智慧領域也存在一些擔憂：不斷湧現的新模型會搶佔市場份額，其中包括更便宜的簡化版本、低成本的中國模型和免費的開源模型。基於代幣的計費單位價格正在下降，計算使用量的成長可能正在放緩，一些公司的銷售額未達預期，一些公司槓桿率很高——例如 CoreWeave——此外，還存在後續融資方面的擔憂。

然而，馬克思指出，這些擔憂其實並非新問題。當市場行情好的時候，人們很容易忽略這些問題；但當市場情緒不穩定時，同樣的問題就足以讓市場情緒變得糟糕。他說，實際上，情況只會在「相當不錯」和「不太好」之間波動，但在投資者的腦海中，情況卻會瞬間從「完美無瑕」跳到「毫無希望」。

回到泡沫問題，馬克思首先給了他對泡沫的定義：非理性繁榮導致不謹慎的行為、過度投資和過高的准入價格。他接著說，要判斷人工智慧是否是泡沫，至少要從三個層面來看待它：
1. **這項技術本身是否被過度炒作，並且注定會在未來令人失望？** 他對此的回答是：他不這麼認為。人工智慧將成為一股強大而極具影響力的力量，它將以我們目前無法想像的方式改變商業、經濟和生活。
2. **現在企業是否投入了過多的資金，注定無法獲得足夠的回報？** 他表示，在我們弄清楚人工智慧將如何使用以及誰會從中獲利之前，無法評估這些支出是否明智。
3. **投資者是否承擔了過高的風險並付出了過高的代價？** 他表示，在我們能夠合理估算這些公司的收益之前，同樣也無法做出判斷。

換句話說，在這三個層面中，他只對其中一個給了明確的答案，而另外兩個層面目前還無法判斷。

他將所有這些問題歸結為一個問題：人工智慧為用戶帶來的價值是否足以支撐足夠的運算量和定價，為數兆美元的投資提供合理的回報？哪些公司能夠獲得這種價值？

他提到他已經和一些他認為是業內專家的人談過，得出的結論是，在現階段，回答這些問題很大程度上取決於信念。這讓他想起一句據說是美國經濟學家斯圖爾特·蔡斯說過的話：“對於相信的人來說，不需要證明；對於不相信的人來說，再多的證明也無濟於事。”翻譯過來就是：信仰才是最重要的。

### 策略選擇與巴菲特的最終忠告

小霍爾曼·W·詹金斯認為，人工智慧可能是近幾十年來對投資者影響最大但最難預測的事件，但環境不確定性並不意味著我們應該迴避它。他說，有兩件事應該要做好：選擇策略和確定自己的定位。

投資人工智慧的不同領域需要回答不同的問題。例如，如果你購買一家模範公司的股權，你需要正確判斷一些事情，包括技術進步、競爭地位、定價能力、未來獲利能力和估值——正如前面提到的，每一項都很難判斷。但是，如果您向資料中心提供長期合約貸款，則需要判斷的事情較少，而且性質也完全不同：租戶的信用狀況如何？合約條款是如何規定的？電源供應有保障嗎？資產到期後的殘值是多少？這些主流雲端服務供應商提供保障嗎？

詹金斯表示，關鍵在於先問自己：我和我的機構能夠回答下列哪些問題？對於那些我無法回答的問題，我願意承受多大的不確定性？

那麼，對於像 Norpic 這樣的 AI 公司來說，僅僅兩分的分數是否意味著應該避免投資這些資產？霍華德·馬克斯可不這麼認為。在其他條件相同的​​情況下，只要價格相對於內在價值夠低，投資人就可以接受更高的高不確定性。理論上講，如果低分項的價格與高分項相比足夠便宜，那麼它們實際上可能是更好的投資。

歸根結底，明智的投資都與價格有關。馬克列出了五個問題：
1. 要獲得滿意的回報，需要做多少件事？
2. 如果我的核心假設是錯的，我會損失多少？
3. 哪些風險我能獲得補償，哪些風險我卻要白白承擔？
4. 目前價格中已經包含了多少樂觀情緒？
5. 這項投資將如何改變我的投資組合的風險狀況——是加劇現有風險還是提供分散風險？

馬克斯在備忘錄的結尾寫道，他總是喜歡把最後的發言權留給巴菲特。最近有人提出，未來充滿不確定性，那麼在事情明朗化之前採取行動豈不是更好嗎？保留購買力，等待目前的不確定因素消散。我們都熟悉這種推理方式，但在接受它之前，必須面對兩個令人不安的事實：
- 第一，未來永遠不明朗；
- 其次，在股市中，如果你等到每個人都樂觀並同意買入時才買入，那麼你付出的代價將會非常高。

因此，不確定性對長期價值買家來說是好事。這段引文出自巴菲特 1979 年 8 月 6 日發表在《富比士》上的一篇文章。

隨著 Norpic 公司將於今年 11 月上市，我想知道有多少觀眾計劃在 IPO 當天購買股票。歡迎留言，感謝大家的觀看。