当人们对 AI 说个不停时，我们该怎么办
本文译自英文原文：What to do when people can't stop talking about AI
跟着钱走就好
人们早已厌倦了听人谈论 AI。我的一位朋友随身带着一本亮绿色的小志，标题赫然写着“AI 必须死”，还颇为自豪。我能理解。可人们仍在不断往这场讨论里加码，就像僵尸一个叠一个往城墙上爬。既然躲不开“AI”这个词没完没了地被念叨，那不妨听听大家到底在说什么，拨开噪音，顺便赚点钱，或者至少别在这个过程中赔掉钱和人性。
下面我试着弄清三件事：1）从宏观经济角度看，人们为什么停不下来谈论 AI；2）叙事和情绪如何在短短一周内急转；3）历史能教给我们什么，让我们爬到僵尸堆的顶端。
1. 为什么人们对 AI 闭不上嘴（而且很长时间都不会）
这场没完没了的讨论，原因或许可以这样概括：AI 正在我们的社会中掀起一股巨浪，却没有人真正知道该如何驾驭它。在社会经济层面，AI 之所以在集体意识中占据如此分量，源于一种信念：这项新技术将重塑我们所熟知的世界，深刻影响劳动力市场和生产率。不确定、焦虑与兴奋，恰恰是推动讨论需求的力量。恼人的是，市面上供应的内容大多在过度狂热的炒作与谨小慎微的忧虑之间摇摆。在存在层面，AI 实实在在地改变了资源分配的规则（水、空气、能源和土地），也改变了我们彼此之间、以及我们与自身的创造（或毁灭）之间的关系。
宏观经济层面的不确定性还有一个推手：关于 AI 经济影响的宏大论断目前还无法检验，因为生产率的提升需要时间才能显现。
我认为，这种不确定性很大程度上与行为改变有关，它把人的变数带入了方程，也拉长了观察的窗口。历史告诉我们，从技术进步到普及，再到生产率提升，中间的滞后往往很长，常常以数十年计。古腾堡的印刷机问世数十年后，才出现宗教改革这样最重大的社会影响。英国的铁路狂热在路网带来回报的数十年前就已崩盘。工厂围绕电力重新组织生产，同样花了数十年。罗伯特·索洛在 1987 年说，计算机随处可见，唯独不见于生产率统计数据；生产率的跃升要到接近 2000 年代才出现，横跨了互联网泡沫的破裂。我自己的经历规模虽小，却很能说明问题。在我的工作单位推广一款现成的效率工具，经历了三年的焦点小组、演示汇报和细致游说，这款工具才终于自己活了起来。生产率提升何时会以有意义的方式显现，谁也说不准，但可以肯定的是，短期内它不会稳定地体现出来。
不过，对喜欢占卜的人来说，早期迹象有些令人困惑。AI 在经济增长上留下的指纹淡得可疑。根据美国经济分析局（BEA）的初步估计，美国第三季度实际 GDP 按年率计算增长 3.4%。消费支出贡献了约 2.5 个百分点，库存回补又贡献了 1.6 个百分点，几乎占了总增幅的一半。AI 设备热潮确实存在，但其中很大一部分依赖进口，因此对增长的净贡献基本被抵消。
与此同时，非农生产率按年率计算增长 3.6%，为一年来最强。产出增长 3.7%，工时仅增长 0.1%，单位劳动力成本下降 0.7%，劳动收入份额降至 53% 的历史低点（美国劳工统计局）。劳工统计局的研究还发现，受 AI 影响更大的行业生产率增长更快，但这只是相关性，尚不构成因果。
周五公布的就业报告显示，10 月非农就业人数增加 16.5 万，比预期高出约 10 万。但在一个疲弱的夏季之后，一个月的数据构不成趋势。9 月非农就业仅增加 2.9 万，7 月和 8 月的数据合计下修 6 万。如果说 AI 正在造成失业，那么目前还没有形成规模。它很可能会晚些到来。迄今为止，AI 引发的劳动力冲击只出现在个别领域，比如与 ChatGPT 问世前的趋势相比，编程岗位出现了约 50 万个缺口（是缺口，而非流失），其影响可能会首先体现在入门级岗位上。无论如何，前沿模型的演进速度比劳动力数据快。经济体如何吸收、再培训和应对就业替代，是另一个更大的话题，改日再谈。
对想赚钱的人来说，重要的既不是存在层面的威胁，也不是生产率提升。门槛要低得多。AI 不需要今天就改变世界，它只需要为 AI 产业链上的公司带来足够的现金，覆盖它们的支出，让它们继续增长和建设。哪怕只是生产率提升的些许迹象，也就足够了。
2. 人们对 AI 的情绪转变得有多快（就在一周之内）
过去这一周，我开始追踪财经报道中的用词。这是一次惊心动魄的练习。这一周有一个明确的导火索（中期选举），但弥漫的底层焦虑起了很大作用。用词从“震颤”变成“溃败”，再到“血洗”，然后是市场“乘着蓝色浪潮冲浪”，不到 24 小时又成了“混乱”，接着又在不到 24 小时内变成“反弹”。
民主党大获全胜后，标普 500 指数上涨近 2%。一天之后，纳斯达克 100 指数下跌 6.4%，美股市值蒸发 3.2 万亿美元，是自 2025 年 4 月关税冲击以来最糟糕的交易日。在此期间，AI 本身并没有什么大变化，变的只是情绪。新的普遍假设是：AI 支出的高峰已经过去。
驱动这一轮波动的，是对同一事实的两种解读。先是一种逻辑：拥有现成产能的既有企业将会获益。随后是另一种假设：民主党将大幅阻碍 AI 基础设施建设。土地、水和电力方面的大多数问题由州和地方决定，而周二数据中心项目在投票中的失利表明，它们可以让建设变得更难。民主党控制的国会和州议会可以放慢建设步伐，但不太可能有能力、也不太可能有意愿叫停。该党的非进步派仍需要交出增长和财政收入，科技公司也可能找到新的政治策略，而不只是讨好共和党在任者。限制只是减速带，不是路障。我的直觉是，真正会让这座叠叠乐积木塔倒下的约束，在选举之前就已存在：现金能否撑得住。
3. 谁会胜出（至少从历史来看），以及现金为何重要
高昂的 AI 支出有三个资金来源：1）挣来的现金，比如 Alphabet 和 Meta 的广告收入；2）募来的现金，来自股权和债务融资，只有在投资者仍然愿意出资时才能持续；3）“工程化”出来的现金，来自股权激励、租赁数据中心以及延迟支付供应商款项，这部分如今规模相当可观。有分析人士认为，微软的现金流即便不是全部，也有很大一部分来自这类腾挪。
理论上，只要挣来的现金足以轻松覆盖支出，这笔交易就站得住。如果缺口要靠另外两种来源填补，它就很脆弱。与这种脆弱性同时出现的，是标普 500 指数的集中度达到 1998 年以来的最高水平。我认同 Katie Martin 的观点：集中度本身并不是危险所在。真正的危险是断裂，而清算会通过现金流和信贷的崩坏到来。
历史告诉了我们什么？最初的泡沫破裂之后，工业化的进程仍在继续。获益最大的，很少是最初的建设者。铁路造就了财富，但不是为铺设铁轨的人。赢家往往是泡沫破裂时手握现金、并在一切变得便宜后控制了瓶颈的人。
以科尼利厄斯·范德比尔特为例，他并不是美国铁路的开拓者，但他收购并整合了现有线路，组建了纽约中央铁路。1893 年恐慌之后，J.P. 摩根对陷入困境的铁路公司进行重组和精简，次数之频繁，以至于这种做法被称为“摩根化”。标准石油的运量让约翰·D·洛克菲勒得以从铁路公司那里拿到回扣。更近一些，从互联网泡沫破裂中收获回报的并不是铺设光纤的人。他们铺下的产能被手握现金的人低价买走。谷歌是在带宽和人才都很便宜的时候成为主导者的。更早以前，微软之所以领先，是因为它垄断了建立在商品化硬件之上的软件层。
这个教训对应着在关键时刻持有现金的重要性。靠募来的或工程化现金维持的公司，长期来看棘手且不可靠，因为，还是那句话，AI 和科技股的估值非常高，很可能难以为继，或者至少理由不太充分。7 月份，市场的长期市盈率约为 41 倍，这一水平此前只在 2001 年被超越过一次。手握现金、又有耐心收购不良产能的人，或许会成为最终赢家，在其他玩家消亡之际吸收资产和资源。而那些利用廉价基础设施的人，可能会攫取最大的价值。
结语
这里的基本假设是，AI 和科技股最终的重新定价将由信贷和现金问题引发。这是否意味着应该择时入市？证据表明并非如此。如果在 1936 年至 2025 年间，每当集中度走高就削减股票仓位，所得财富还不到一直持有的一半，而且风险更高。持有现金不应是为了离场，但在别人被迫抛售时手里备好弹药，可能会让人受益。
要在这波 AI 浪潮中胜出，或许恰恰意味着在别人需要现金时手握现金，并掌握关键的瓶颈或基础设施。值得关注的是：1）谁能以最低的成本使用 AI；2）除了那些建设 AI 的公司，谁手里有现金。僵尸们会继续往上爬。所以重要的是，当这堆僵尸开始松动时，谁站在现金之上。