AI 无估值泡沫，争论全在盈利端；盯算力租赁价格

宏观

一、作者的框架：聊 AI 有没有泡沫，必须先把「泡沫」一分为二

整场演讲的核心方法与 1503 期（10-05）完全一致——估值泡沫看前瞻 PE、盈利泡沫看前瞻 EPS，但线下版把每一块都补上了更细的证据链。

• 00 年的关键细节（线下版讲得更透）：他给出两张叠加图——蓝色线（估值）先跌，橘色线（前瞻 EPS 增速）与标普指数开始下跌的时点「非常吻合」 ⇒ 「当时美股真的开始下跌的时候，是由盈利的增速所导致的」，随后才是估值一路跌到 2002 年。他把它翻译成一句可操作的场景：「明天（后天开盘）如果一家大科技爆雷、出现负面新闻，市场马上下调它未来的盈利预期，我们就会看到橘色线出现这种情况，同时就会看到指数下跌。」
• 当下的估值位置：当下 forward PE 约 19 倍（对照 00 年的 25 倍），且 2024 年至今的估值曲线非常接近 2025 年 3 月（当时是关税冲击期）⇒ 从过去两年看处在相对低位。「如果你年初问有没有估值泡沫，那时确实在相对高位（23~24 倍）；但当下，美股从估值角度是没有泡沫的。」
• 当下的"真论"（作者的用词）不在估值，而在盈利：橘色线（市场对未来 EPS 增速的预期）丝毫看不出下跌。因此争论落在每个人对未来一年大科技 / 半导体盈利有多大把握——「如果我认可 AI 落地，市场的预期就是对的；如果认为市场远远高估了这些公司的盈利能力，那现在就有泡沫。」
• 走向判断逻辑链：条件 = 估值处两年低位 + 前瞻 EPS 无拐点 → 传导 = 「刻舟求剑」刻不到 00 年，因为没有任何基本面出问题的现象（谷歌营收增速仍在上涨）→ 结论 = 「当下没有估值泡沫；我们尚未看到 2000 年那种转向」。

二、判断「有没有泡沫」没有单一指标，要盯的是算力供需与财报互相验证

这是作者在结尾问答里给出的方法论回答，也是本场最有增量的部分（1503 期未展开）。

• 明确否认存在单一指标：原话——「我觉得不可能有一个单一的 indicator，或者两个，可以帮助我们去判断 AI 有没有泡沫」；给出的替代方案是「看多了之后、互相验证的一个过程」。
• 他实际在跟踪的两类信号：

1. 算力租赁价格（最直白的供需读数）——H100（英伟达"五年多前"推出的卡）的租赁价格今年年初至今一直在涨、目前在 30 左右；B200（更新的卡）租赁价格同样从今年开始明显上涨。他的解读：「一个五年的旧芯片，租赁价格照理应该持续下跌，但我们没有看到……说明今年到现在即使五年旧的卡都有人抢着用」 ⇒ 需求仍大于供给。他也提醒不能用短窗口下结论（今年 3 月涨过一波又跌，之后反弹回去），看的是趋势。
2. 财报互相验证——他坚持每季度听大科技与其他公司的财报会，理由是「它最终会互相验证」。以 Meta 卖算力为例：市场当时把它读成"AI 有泡沫"的信号，但他的推理是——买算力的是 Anthropic，而 Anthropic 落地极好、愿意用高价买算力 ⇒ 「这恰恰代表整个行业的落地太好，才会出现 Meta 愿意卖算力」。

• 长期隐忧（作者自己给出的一条明确的负向条件）：由于投资与回报周期的错配（今天投的钱要 3~5 年才可能收回，而没人能保证 3~5 年后的营收），「未来某一个时间点，我们一定会看到供给端超过需求」，那时才构成盈利层面的泡沫。但他同时声明：「这个时间点起码还没有到来，现在完全没有任何信号」。
• 走向判断逻辑链：条件 = 跟踪算力租赁价格 + 各家财报交叉验证 → 传导 = 需求 > 供给（旧卡都在涨）⇒ 落地仍在加速 ⇒ 没有盈利泡沫 → 结论 = 当下无泡沫；反之，一旦租赁价格趋势转跌且财报互相验证出转弱，则泡沫论成立。

知识卡片：为什么"投资周期与回报周期错配"是泡沫争论的真正根源

作者用两个类比把这件事讲圆了：

• 数据中心 = 房地产：你今天砸钱建数据中心（= 盖楼），3~5 年后才知道有没有需求。今天谁也无法保证 3~5 年后能把钱赚回来——不确定性本身就是市场争论的来源。
• 房地产的现成教训：过去几年多伦多/温哥华的公寓（condo）就是同一个机制——价格高 → 政府说供给不够 → 疯狂开工 → 四五年后房子造完，移民政策一收、需求没了 → 楼花亏钱、甚至干脆不交付。价格反映的正是供需之间那个时间错配。

知识卡片：为什么「Token 降价」是整条产业链的关键变量

作者给出的传导链（也是他能解释 Agent 为什么突然普及的钥匙）：

1. 成本决定采用率：一件商品使用成本越高、被采用的程度越低。今年 1 月那波个人智能体（OpenClaw，中文圈称"小龙虾"）为什么没能普及？——要买 Mac mini（一度断货）+ 每个月自付约四五百元的 token，没有 ROI 就不可持续。
2. API 价格大幅下降（他点名中国开源模型进场压价）⇒ 成本落到可免费提供的水平 ⇒ Meta 才愿意把 MUSE（个人智能体）免费推给用户：发布约两周就到 500 万用户，靠的是 Meta 自身的巨大分发能力（Instagram / Facebook / WhatsApp）。
3. 完成单个任务的价格已经掉到"万倍级"：一张 Cost per Intelligence Task（每完成一个任务的成本，ASR 原文作「Cosper」，已按上下文校正）的图显示，最贵的模型 7.63 → 最便宜的 0.06。他的推论：「如果让智能体帮你搜最便宜机票并直接下单，只需要 6 分钱，你愿不愿意做？一定会愿意」 ⇒ 未来每个人的手机里都会有一个免费智能体。
4. 对产业链的分层影响（他在问答中明确给出）：token 降价对绝大多数行业是好事——软件公司（用 coding 做产品）成本下降、毛利上升；大科技作为 inference 层同样受益（需求变大）；但靠卖 API 的前沿模型公司会受到一定挑战。
5. 开源 vs 前沿不是零和：开源模型抢走的是便宜、简单任务的量；前沿模型解决世界上最难的问题，自然有溢价。「不同的任务用不同的模型」——所以两家前沿模型公司的市占率在下降（中国开源模型 token 需求占比快速上升），但整个蛋糕在变大，它们的营收增速仍然非常高。

三、AI 落地的时间线：从「一个产品」到「一个分身」

• 2026 年 1 月：个人智能体 OpenClaw（"小龙虾"）小范围传播（全球数百万量级），门槛是硬件与 token 费用。
• 9 月：Meta 的 MUSE 免费 + 巨大分发 ⇒ 两周 500 万用户；作者举了自己让智能体监控温哥华机票并在降价时提醒、清理垃圾邮件、按 5000 元预算选电视等实际用例。
• 企业端：OpenAI 三周前发布 GPT-6.0 Astra（企业向智能体）、上周发布 DOT（DOS）——"员工分身"：可打电话、可下指令替你完成任务。作者算了一笔账：订阅 500 美元/月 vs 美国一个办公室岗位年成本约 10 万美元（含福利，折合每月约 1 万美元） ⇒ 500 美元替代 5000、甚至 2 万美元的岗位，ROI 不言而喻。
• 作者的判断：「接下去半年到一年，我们会在 AI 智能体这一块看到更多接受度，然后营收才会反映到这些公司的财报上」。

个股

本期作者没有做逐个公司的估值推演（未给 EPS / 静态 PE / 动态 PE 的传导），个股层面的内容集中在云业务的营收增速预期与算力供需两条线上：

为什么作者敢说「77% 是低估」（他的核心论据）

• 投入与回报的滞后传导：谷歌过去两个季度能做出 88%、82% 的增速，不是当下投入的结果，而是一两年前的投入。既然过去两年资本开支每年高速增长（大科技合计今年约 7000 亿 → 明年约 1.3 万亿，接近翻倍），这笔投入就应该反映到未来一两年的营收增速上（明年的投入反映到 2029 年）。
• 华尔街系统性低估的历史：「如果拿英伟达举例，几乎华尔街没有一个人是对的」——2023、2024、2025 年所有分析师都低估，原因是他们缺乏想象空间（管理层给出指引前，他们的预测往往只有 15%~20%），这正是"所有人都在未知领域"的证据。
• 一个更"省事"的投资角度：既然没人能预测 3~5 年后的 AI，「不如把这个判断 outsource 出去，交给管理层」——因为管理层在这个市场里、且已经用真金白银的资本开支下注，「我相信这个资本开支是有回报的」。

走向判断逻辑链（个股层面）：条件 = 资本开支的滞后传导 + 云业务增速仍在上行 → 传导 = 市场一致预期（谷歌 77%、AWS 后段下降）基于"体量必然拖慢增速"的旧经验，而该经验在 AI 时代已被反复证伪 → 结论 = 云业务增速的市场一致预期偏保守；可跟踪的验证指标是算力租赁价格与各家财报的交叉验证。

仓位变化

（本次未涉及） —— 本期是公开线下分享 + 圆桌问答，作者全程未提及任何买卖动作、持仓比例、现金比例或资金去向，也没有出现持仓卡 / 换仓卡（片尾为会场实拍照片，见「其他」）。

按项目既有口径，「未提及」不等于「零动作」：本次不登记任何操盘动作与仓位口径，也不据此下"零动作"的结论。作者仓位口径的最新可核验信息仍停留在 1505 期（10-09 常规期）：满仓延续、账户 10-08 当日 -2%（英特尔拖累）、片尾配置建议卡「别被震下车，硬件太多接受不了波动就配置一些价值股」。

其他

• 本视频的性质（重要）：这是 moomoo（穆穆）加拿大与 Harvest ETF 赞助的线下投资分享会全程录像，不是常规的一天一期。全程包含多位讲者，作者的演讲只占其中一段（约第 6~62 分钟），另有相当篇幅属于赞助商与其他嘉宾 ⇒ 本页对非作者内容只做客观记录，不进入判断台账。
• moomoo（赞助方/主办）：开场由加拿大负责人介绍 moomoo 的历史（2018 年美国创立、2019 年上市、2023 年进入加拿大、今年覆盖 9 个地区、泰国开业、本地持牌本地运营、CIPF 会员每账户 100 万加币保险），并演示 moomoo AI 的三类能力（个股多空观点聚合、巨量期权/大单信号解读、把投资想法一键回测验证胜率与盈亏比、设定自动提醒）——落点是用 AI 把"投资更简单、不孤单"落地。属产品推广。
• Harvest ETF（本场最大赞助商）：两位嘉宾介绍其 Covered Call（备兑开仓） 产品线——公司 AUM 约 140 亿加元、2016 年至今累计派发约 37 亿加元分红、产品线近 100 只；重点产品包括 HTA（科技篮子，月派息约 8.5%+）、基础设施/能源方向产品（月派息约 8.17%）、以及 单一个股备兑开仓 系列（苹果、特斯拉、Alphabet 等）。属产品推广。
• moomoo 期权功能讲解 + 活动介绍（约第 88~110 分钟）：期权新手/资深两套界面、期权异动专区等；以及加拿大市场入金渠道（EFT 入金 5 天可撤回的风控设计、对大客户用 AI 做入金风控分级）与门店计划（明年上半年在本地开店）。属产品推广。
• 圆桌问答中的非作者内容：特斯拉与 State Street 潜在收购的换股方式与溢价（一般给 30%~40% 溢价、时间点很关键）、加拿大数据中心/电力主题、备兑开仓 ETF 的税务与派息机制等。属其他嘉宾观点。
• 知识卡片：备兑开仓（Covered Call）ETF 的收益结构与上限（因本场大量篇幅涉及，作客观知识记录，不代表作者观点）
• 机制：买正股 + 卖出认购期权（write call），期权权利金转为每月派息 ⇒ 下跌有缓冲（cushion）、横盘有现金流、上涨也能吃到部分涨幅。
• 代价：存在 upside cap——写出多少比例（right/write level），就放弃多少比例的上涨。若 100% 写出，大牛市里只能拿现金流、吃不到涨幅；因此管理人每月调整 write level。
• 因此这类产品的收益特征是：震荡/弱市相对占优，大牛市系统性跑输正股——与本项目追踪的"方向性判断"是两套完全不同的东西。
• 片尾截图（会场实拍）：本期结尾帧是线下活动会场实景（圆桌 + 讲台 + 台上的嘉宾席位），不是持仓卡，也不是操作理念卡 ⇒ 按画面真实内容归入「其他」。

• 作者的两个"个人表态"：① 年初曾说过对 AI「既兴奋又害怕」——兴奋于 AI 能做到很多事，害怕于自己（分析师这个角色）可能被替代（他开场就开玩笑说 moomoo 的 agent 会"取代分析师这个行业"）；② 结束时把这份害怕落到了投资上——「我害怕的不是被替代，而是我看这个市场没有看得那么全」。属个人表态，非投资判断。
• 活动互动记录：作者现场做了两次举手调查——认为"AI 有泡沫"的约 5%，认为自己"不知道有没有泡沫"的也不多，他调侃"那剩下的人全是认为没有泡沫的"。属现场互动，不构成观点。
• ASR 不确定性提示：问答段（约第 110 分钟之后）为会场录音，存在串音与粤语/普通话混杂，个别段落（如涉及税务结构、入金风控细节的部分）转写文本可信度较低，本页未对这些细节下任何结论。