到2030年，全球AI用户数量很可能会爆炸性增长至40亿到50亿，意味着用户基数将扩大五倍。

目前AI基础模型公司的年收入约为300亿美元，预计在未来几年乃至整个十年期间，潜在的货币化规模将达到约1.5万亿美元。

芯片短缺导致AI基础设施供不应求。电力短缺也意味着数据中心和AI系统的扩展受到了物理限制。这种实实在在的短缺，恰恰是当前并非炒作周期的又一个明确证据。

伍德预测美国实际GDP增长将在未来5到10年加速到一个前所未有且可持续的水平，大约在5%左右。

当地时间11月25日，以“颠覆性创新”投资理念著称的方舟投资（ARK Invest）举行了最新一期的内部深度访谈节目《基金聚焦》（Fund Focus）。

本次访谈由ARK总裁兼首席运营官汤姆·斯托特（Tom Staudt）主持，对话的核心嘉宾是ARK的灵魂人物、首席执行官兼首席投资官凯茜·伍德（Cathie Wood，“木头姐”），以及其投资逻辑的坚定捍卫者、首席未来学家布雷特·温顿（Brett Winton）。

自2023年以来，以生成式人工智能（Generative AI）为核心的技术浪潮以惊人的速度席卷全球资本市场，催生了如英伟达、OpenAI等巨头企业的市值飞升。随之而来的，是市场对这股热潮的警惕与质疑：“AI泡沫论”甚嚣尘上。投资者普遍焦虑：眼前的疯狂究竟是技术革命的黎明，还是又一场互联网泡沫的重演？在许多公司估值屡创新高、但盈利尚未兑现的背景下，判断当前市场的性质，成为决定未来资产配置的关键。

在这次长达40分钟的深度对话中，三位嘉宾聚焦于AI时代的投资逻辑，彻底解构了两个核心问题：AI究竟是不是泡沫？面对史无前例的宏观变革，投资者应如何配置资产？

伍德和温顿提出了颠覆性的核心观点：当前的AI浪潮并非泡沫，而是人类历史上最大技术革命的早期阶段，更类似于1995年的互联网初期。他们用详尽的数据和历史类比证明：眼下市场处于供不应求的局面，AI交付能力的巨大增长（预计达50倍）将产生1.5万亿美元以上的货币化潜力，足以支撑现有估值。

他们坚信，AI是加速其他四大创新平台（机器人技术、能源存储、区块链、多组学测序）的“催化剂”，将把全球实际GDP增长推高到7%至8%的空前水平。这场变革不仅影响股票，更将对固定收益和私募信贷等传统资产类别带来颠覆性风险。

以下为此次访谈的精简版：

01.AI泡沫论的终结：需求与供给的颠覆性增长

主持人：今天，我们将直面一个全球投资者最为焦虑的核心问题，即以AI为核心的这波科技浪潮，究竟是新一轮的泡沫，还是真正的技术革命？与我一同参与节目的，是我们的首席执行官兼首席投资官伍德，以及首席未来学家温顿。首先，我想直接提出这个最具争议性的问题：我们当前是否正处于AI泡沫之中？

温顿：这是一个关键的考量因素，也是所有人心中的疑问。如果从心理层面来看，当市场上每个人都在质疑是否存在泡沫时，泡沫实际上很难真正形成。因为真正的泡沫往往伴随着盲目的、毫无保留的乐观情绪和共识。

伍德：这种普遍的忧虑，即如此多的人担心我们正处于像当年科技和电信泡沫那样的炒作周期中，这反而让我感到心安。这与历史上的泡沫时期存在着深刻的差异。

温顿：如果我们从经济学的基本原理供需关系来深入分析，我的简短答案是：我们尚未处于泡沫之中，因为我们尚未进入供过于求的局面。泡沫形成的前提是市场对所提供的产品缺乏真实需求，或者供应量远远超过了实际的应用能力。眼下，我们面临的却是巨大的需求缺口。

我们观察到，目前全球大约有10亿AI聊天机器人用户。这个数字，仅仅略高于全球智能手机用户总数的15%。这是一个渗透率仍然相对早期的阶段。我们的预测显示，到2030年，这个用户数量很可能会爆炸性增长至40亿到50亿，意味着用户基数将扩大五倍。

主持人：五倍的用户增长本身已经非常惊人，但你如何将这种增长与经济价值挂钩？

温顿：这不仅仅是用户数量的增加。我们预计，至少在未来的几年内，AI底层工具对于使用它们的知识工作者而言，其功能将比现在强大十倍以上。因此，将用户数量增长的五倍，乘以工具价值提升的十倍，这意味着向用户交付的能力将增长约五十倍。

目前，AI基础模型公司的年收入约为300亿美元。如果将这个300亿美元的数字乘以50倍的潜在能力增长，我们看到在未来几年乃至整个十年期间，潜在的货币化规模将达到约1.5万亿美元。这一潜在的市场规模和需求增长，完全足以支撑我们目前正在投入以支持这些AI工具的基础设施和估值。

人们之所以将当前阶段称为“AI泡沫”，仅仅是因为他们从未见过如此庞大的增长数字，但事实是，数字之所以庞大，正是因为生产力机会更为巨大。

伍德：我想从历史角度补充这一点。在互联网泡沫时期，公司之所以能获得高估值，是基于“未来十年内，可能将有如此多的关注度投向这项新的互联网服务”的假设，投资者仅仅是追逐一个梦想，那时的技术尚未成熟。云计算直到2006年才真正诞生；AI领域的首个重大突破深度学习直到2012年才出现；第二个重大突破Transformer架构直到2017年才问世。这些技术是AI今天爆发的基础。

那时，技术成本也是令人望而却步的。我曾提到一个例子：测序一个完整的人类基因组，在那个年代需要耗资27亿美元，并需要13年的算力。毫无疑问，我们需要云计算、AI以及更多的数据分析能力来解决这个问题。然而，快速推进到今天，技术已经准备就绪。在科技和电信泡沫结束后的二十年里播下的种子，已经孕育了25到30年。它们现在正开始蓬勃发展。

温顿：正如我们所类比的，当前阶段更像是1995年中期的互联网。当时，互联网用户约占全球PC用户的15%左右，与我们目前AI聊天机器人用户的渗透率相似。在1995年初，像思科和英特尔这样的公司，其股价在泡沫结束前都经历了10到20倍的巨大涨幅。而即使泡沫最终破裂，其稳定价格也远高于起点，是崩盘后低点的三到四倍。这清楚地表明，革命性技术所创造的实际、持久的价值是巨大的。

02.估值、盈利时间表与企业转型的挑战

主持人：你们的论证令人信服地排除了“泡沫”的可能，但我们必须面对下一个问题：面对如此高昂的估值，当前的估值在多大程度上反映了、甚至超出了预期的增长潜力？许多公司，尤其是前沿的AI公司，估值极高，但在很多情况下尚未实现盈利。投资者如何在“合理定价”和“泡沫”之间找到平衡？

伍德：这个问题至关重要，它涉及ARK的核心投资纪律。ARK的一项坚定投资原则是：我们假设任何处于令人振奋的颠覆性领域中的股票，无论其当前估值相对于市场存在多高的溢价，这一溢价都将在未来五年内消退或显著压缩。

这意味着，我们的分析师和整个投资团队必须确信，这些公司能够实现的收入增长和利润率扩张，将足以抵消估值压缩带来的负面影响。我们将这种增长纳入模型，评估一只股票时，必须基于一个最低的门槛，也就是至少15%的年复合回报率（CAGR）假设。

主持人：你提到了莱特定律（Wright's Law，用于描述生产效率与累积产量之间的关系）的应用。你如何利用这种定律来预测成本下降和规模扩展的速度？

伍德：我们非常激进地运用莱特定律，它与摩尔定律（基于时间）不同，莱特定律（基于经验）能更准确地预测随着累积产量的增加，成本将以多快的速度下降。这种预测使我们能更准确地理解计算成本、机器人制造和基因测序成本的急剧下降。这种方法帮助我们预测，即使是估值高昂的公司，它们的市场规模和效率提升也能消化现有的溢价。我们甚至看到，有些公司的执行力——比如Palantir，其在美国商业领域的收入增长达到了123%——超越了我们基于激进假设的预测。

主持人：关于企业应用，Palantir首席执行官亚历克斯·卡普（Alex Karp）提出了一个尖锐的观点：市场高估了大语言模型（LLM）在简单、低价值任务上的“过度工程化”，却低估了真正具有业务变革性案例的价值。如何将成本曲线下降与他的观点结合起来思考？

伍德：我理解亚历克斯的观点。这实际上触及了AI在企业应用中的最大挑战：企业转型需要时间。一家大公司要看到AI带来的真正转型，必须进行艰巨的工作：从组织内分散的各个角落收集所有数据；清理和整合数据；并以前所未有的细致程度规划工作流程，以颠覆其现有的组织方式。这需要时间才能显现效果。因此，当他谈到真正的全面企业转型时，他可能是在强调这是一项艰苦的工作。但一旦转型成功，效果将是震撼性的。

温顿：我们的数据也显示，企业在API的使用和请求量上，并非为了寻找廉价的模型来完成日常任务，而是倾向于寻找那些能够处理更复杂工作流程的模型。这表明企业已经认识到，低价值任务的“过度工程化”不具备经济效益。他们正在追求的，是能够访问更广泛数据集、做出战术和战略决策的复杂模型，这才是真正的价值所在。

主持人：我们近期还听到了OpenAI和Anthropic这两家AI巨头提出了略有不同的盈利愿景。OpenAI首席执行官山姆·奥特曼（Sam Altman）表示，他们将在未来几年进入更深的现金消耗期，然后几乎一夜之间变得非常盈利。而Anthropic则表示他们将更快地转向盈利。作为投资者，你们如何解读这种差异？

伍德：这表明他们正在追逐两个略有不同的市场。OpenAI显然一直在吸引大量消费领域的关注，他们拥有多达8亿每周活跃用户，实现了巨大的规模扩张。他们现在从每月20美元的订阅开始，最终将拥有广告模式和更广泛的商业杠杆。这是一个更长的发展过程，但杠杆巨大。

而Anthropic则更专注于B2B（企业对企业）领域，特别是开发其编程能力和应用于科学领域。例如，Anthropic与10X Genomics（我们投资组合中的一家单细胞测序公司）的合作，表明他们正在从科学角度入手，致力于解决非常大的现实世界问题。他们理解医疗保健可能是AI最深远的应用。

温顿：我想强调，这两家公司都是我们风险投资基金（Venture Fund）的头部持仓。它们的策略分歧很有趣。OpenAI的战略是：投资于研发以创建下一个模型，承诺大规模的计算投资，以带来生产力又一个三倍增长。Anthropic则更侧重于更快的盈利路径。

但即使是OpenAI，根据我们的理解和公开报道，他们在提供产品方面的毛利率实际上是非常健康的，类似于软件公司。外界之所以认为“这显然是一个泡沫”，部分原因是报道OpenAI可能以1万亿美元的估值进行首次公开募股（IPO）。但如果他们能实现2027年1000亿美元的年化收入，那么1万亿美元的估值对应的市销率约为10倍。这甚至不算高，与许多公开交易的软件公司相比，这是一个非常健康的、甚至略微被低估的上市价格猜测。

03.市场辨别力、芯片短缺与小型企业的空间

主持人：从去年开始，我们看到几乎所有公司的CEO，甚至是非科技公司的CEO，都在财报中加入了“AI”这个词，期望股价上涨。当一个CEO可以简单地在财报中说“我们正在将AI应用到我们所做的一切中”时，这是否表明存在泡沫？

伍德：这是一个很好的问题。我们的研究显示，市场是相当有辨别力的，并非盲目追捧。我们在SaaS（软件即服务）领域看到了这种现象Salesforce这样的公司，其营收增长并未加速，仍维持在低两位数百分比的区间，尽管它们将所有产品都加上了AI，但市场并不买账。

温顿：这背后的深层原因是，技术栈中的软件即服务部分或应用程序部分，正在将市场份额输给平台即服务部分。像Palantir这样的公司，它巧妙地将其软件置于任何企业的遗留软件之上，正在取代所有那些SaaS公司所扮演的角色。当营收增长跟不上AI的投入时，市场就会抛弃这些股票。这与90年代末的疯狂——当时平均每个交易日有超过一次IPO，且股票上市首日就能翻四倍或五倍——有着天壤之别。

伍德：我还要提到大型科技公司，诸如Meta、亚马逊、Alphabet、微软，它们都拥有巨大流动性的“现金堡垒”。它们都表示正在增加资本支出，但股东们也在密切关注现金的投向。如果收入增长跟不上投入，它们也会受到惩罚。但令人鼓舞的是，大多数情况下，它们的增长率加速了，并因此获得了市场奖励。

温顿：这场大规模的AI建设也引发了严重的短缺问题。埃隆·马斯克（Elon Musk）曾在会议上说，在这个新时代有两个大规模短缺的领域：芯片和电力。芯片短缺导致AI基础设施供不应求。电力短缺也意味着数据中心和AI系统的扩展受到了物理限制。这种实实在在的短缺，恰恰是当前并非炒作周期的又一个明确证据。

主持人：既然进入门槛如此之高，且需要巨大的计算投入，那么小型AI初创企业是否还有竞争的可能性？或者说，这仅仅是大型科技公司之间的游戏？

伍德：我想从“收并购人才”（Aqua-hire，即收购公司以获得人才而非产品）这个现象来回答。Meta首席执行官马克·扎克伯格（Mark Zuckberg）现在因这种做法而闻名，例如，据报道他曾以1亿美元的薪酬方案挖走Scale AI的CEO汪滔。这说明了什么？那位创立了AI公司的CEO，愿意离开他（或她）的公司，因为他认为公司不会成功。这表明，即使在私募市场，投资者和人才本身也是有辨别力的，并非所有的初创公司都能获得成功。

温顿：不过机会仍然巨大。虽然基础模型竞争已经集中，但在应用层，创新成本正在崩溃。就像凯茜提到的，如果回溯到Windows的崛起，当时有人认为操作系统完成了所有繁重的工作，应用层会消失。但事实证明，这创造了一个温床，使得针对特定垂直领域的人可以建立起有趣的业务。现在，许多专注于使用AI攻击特定垂直领域的企业，正在以极快的速度夺取传统SaaS公司的营收。这些企业不必投入OpenAI正在投资的那种研发计算资源，就能向最终用户提供这种能力。

伍德：我一直告诉即将毕业的年轻人和他们的父母：告诉你的孩子在AI领域要全力以赴。由于所有这些工具（许多在开始时是免费的），企业家们将能够建立业务并拥有作为企业家的独立性，这是他们以前从未理解或梦想过的。创新的成本正在崩溃。只要使用这些工具并进行“氛围编程”（Vibe Coding），建立你的业务，不断进行实验。

04.五大平台融合、GDP加速与资产配置重塑

主持人：你认为AI是人类历史上最大的技术革命，它由五个创新平台共同驱动。请详细说明这五大平台及其协同作用，以及它对全球GDP的最终影响。

伍德：这确实是一场革命。我们必须回溯到19世纪末、20世纪初，才能看到一场真正的技术革命，当时是内燃机、电话和电力三个平台同时出现。而今天，我们同时拥有五个创新平台：

·人工智能（AI）：最大的催化剂，它正在加速所有其他平台的发展。

·机器人技术（Robotics）：包括人形机器人和工业自动化。

·能源存储（Energy Storage）：电动汽车、电池技术和可再生能源。

·区块链技术（Blockchain）：去中心化金融、数字钱包和智能合约。

·多组学测序（Multi-Omics Sequencing）：基因组学、蛋白质组学等。

温顿：AI带来的巨大机会体现在这些平台的融合上。我们称之为“具身AI”（Embodied AI）和多组学。具身AI需要更多的计算，它推动了自动驾驶出租车和人形机器人。自动驾驶出租车市场将从目前的不足10亿美元扩大到未来5到10年内的8万亿至10万亿美元。人形机器人市场甚至比自动驾驶更大。这在我们的ARKQ基金中得到了体现。

在多组学方面，AI将开发药物、让药物上市的成本下降75%。Anthropic与10X Genomics的合作就是这种融合的体现。这种风险敞口体现在我们的ARCG基金中。

我们还提到了公共区块链空间，稳定币允许这些AI代理实际直接部署，并将资源分配到现实世界中。这在我们的ARKF基金（金融科技基金）中得到了体现。

主持人：如果这些平台加速融合的判断是正确的，那么对全球GDP增长的预期将会是什么？这听起来似乎与过去125年的历史经验相悖。

伍德：这正是关键所在。如果这正是我们所描述的、历史上最大的技术革命，那么美国实际GDP增长将在未来5到10年加速到一个我们相信可能是前所未有且可持续的水平，大约在5%左右。这将把全球实际GDP增长率推高到7%到8%。

我知道许多人认为这太荒谬了，因为我们在过去125年里一直保持在3%左右。但回顾上一次技术革命，在1900年之前的400年里，增长率是0.6%，随后在接下来的125年里，增长率跃升到了3%。当时我们只有三个技术平台，而我们现在有五个，最大的催化剂是AI。因此，我们认为，实际GDP增长和生产力将是另一大惊喜。生产力是通货膨胀的最大解药，也是最大的财富创造者。

05.跨资产类别的颠覆与风险管理

主持人：从资产配置者的角度来看，这种颠覆性创新仅仅是一个股权投资的故事吗？投资者需要在其管理的资产中关注哪些领域？

伍德：我们正处于经济史上最具颠覆性的时刻。如果你站在变革的正确一方，回报将是巨大的。但如果你站在变革的错误一方，你的公司将被颠覆，结果不会太好。这种颠覆将跨越股票、跨越债券、私募股权、私人信贷。

更大的惊喜可能出现在固定收益领域。我们做过研究，自动驾驶卡车模式和自动驾驶卡车的成本将低于铁路运输（每吨英里3美分对比每吨英里4美分）。这意味着像铁路轨道这种“搁浅资产”（Stranded Asset），在未来十年内可能会面临价值急剧下降的风险。

温顿：我们相信，受颠覆性创新驱动，市场整体有望在本世纪二十年代末前，实现年化高两位数百分比的复合增长。但底层非创新风险敞口资产实际上会在本世纪末之前下降，即使在一个非常强劲的GDP增长环境中也是如此。

因此，从资产配置者的角度来看，需要思考的是，如果你恰好不相信我们，那么你的投资组合中可能会有一些不良资产。仅仅为了风险控制来完善你的投资组合，以保护自己免受这些风险的影响，你需要有一个有意义的创新风险敞口。

主持人：对于那些对市场边缘感到紧张、寻求风险管理工具的投资者，ARK提供了哪些解决方案来平衡创新敞口和下行风险？

温顿：我们有一套新产品，叫做ARK Diet基金，它在提供下行保护的同时，保持了对创新敞口的无上限上行潜力。这允许资产配置者在对特定时间段感到紧张时，继续配置到创新领域，同时通过买入Diet基金来降低风险敞口中的一些波动性。这取决于客户的风险偏好和对周期中风险敞口的具体感觉。

伍德：此外，对于我们的风险投资基金ARK VX，无论是对顾问还是所有散户投资者而言，它开放了对那些在私募市场进行创新、但可能永远不会上市的私有公司的投资机会。你不需要认证或资格，就可以投资这个基金，确保你对这些最具颠覆性的私有公司有风险敞口。

主持人：我认为这是一个完美的总结。你们不仅驳斥了AI泡沫论，还以无可辩驳的数据和历史论证，为投资者描绘了一幅由AI驱动的、即将重塑全球经济和资产类别的宏伟蓝图。感谢收看我们的《基金聚焦》节目。