霍华德·马克斯谈AI投资：可预测性仅3分，谁能赚到钱仍是信仰问题

橡树资本联合创始人霍华德·马克斯（Howard Marks）在最新备忘录里，用"外行"的眼光把围绕人工智能投资的核心问题捋了一遍。他的看法偏悲观：AI投资牵扯的关键变量多到异常，判断起来比以往任何一次技术革命都难，而钱最终会进谁的口袋，眼下很大程度上还是个信仰问题。

备忘录中，马克斯引用了Anthropic旗下模型Claude给出的评估：AI整体的可预测性评分只有3分（满分10分）。技术方向这一项还能拿到6、7分，可投资者真正在意的盈利速度、利润规模、利润归属，可预测性只有约2分。方向看得清，回报却极不确定，AI投资的核心困境就在这里。

马克斯还提醒，AI已经成了贯穿整个投资组合的"断层线"。据他所述，自2024年1月以来，标普500指数约三分之二的价格涨幅由AI相关公司贡献。

谁能从AI中获利：用户还是厂商？

效率会因AI而提升，但提升出来的效率能不能变成利润、利润又该归谁，这是马克斯在备忘录里抛出的核心疑问。

他搬出巴菲特在互联网泡沫时期的判断：变革性技术未必给投资者带来回报。假如多家AI模型在某个领域的能力越来越趋同，服务就会变成没有差异的商品，竞争把价格压下去，经济收益可能更多落到AI的使用者手里，而不是供应商手里。真走到这一步，数万亿美元AI基础设施投资的回报率就要经受严峻考验。

反过来也有可能：一些AI公司靠技术壁垒站稳垄断位置，产品对企业生存和竞争变得不可或缺，定价权随之变得强大。马克斯以

马克斯还提了一个少有人讨论的问题：AI替代劳动力之后，政府税收拿什么补？他的判断是，如果AI顶掉大量工人，政府可能向AI征税，而眼下不少高收入者的综合税率已经超过50%，AI将来落在哪个税级，投资者得认真掂量。

今日领先者未必是明日赢家

对当前AI领域的竞争格局，马克斯的态度是审慎的。

他提到，OpenAI和Anthropic几年前在大多数人听来还默默无闻，这件事本身就说明，AI行业的格局能在极短时间内发生根本性变化。

他把20至25年前的互联网时代拿来参照：微软、亚马逊、苹果和谷歌笑到最后，Napster、雅虎和Netscape却没了踪影。在变化飞快的技术领域保住领先地位本就很难，AI的新颖程度和进步速度又让这一挑战成倍放大。马克斯由此发问：今天的AI领导者，五到十年后还能领先的概率到底有多大？

地缘政治风险他也专门点了出来。领先芯片几乎都出自台积电，美国限制对华出口最先进芯片，这反过来促使中国推出低成本模型冲击美国市场。这个格局一旦生变，美国的竞争优势将受到实质性威胁。

数据中心并非稳妥的"避风港"

有些投资者想绕开技术路线的不确定性，转投基础设施，马克斯把这种"卖铲子"策略的逻辑讲了一遍——不管哪家AI公司最终胜出，基础设施总要用。算力眼下供不应求，数据中心的吸引力也因此加分。

但马克斯说得很明白，数据中心并不是"稳赚不赔"的买卖。他列出的风险有好几重：成本的大头是芯片（GPU）而不是建筑本身，芯片折旧和淘汰的风险通常落在使用方头上；大型选址要过监管障碍，还要面对社区阻力；电力供应、冷却设备、建筑服务都可能卡脖子；一些数据中心租约里写着"退出条款"，租户在特定条件下可以终止合同；拿芯片作抵押品的债务，还面临抵押物寿命短于债务期限的风险。

马克斯的总结是，数据中心投资成败的分化，可能比一般基础设施投资更悬殊。

信贷市场——AI的资本胃口引发连锁风险

AI对信贷市场的影响，马克斯在备忘录里单独拿出来审视了一番。

高盛的数据显示，今年迄今全球AI相关债务发行规模已接近6000亿美元，约4000亿美元流入美国投资级债务市场，占美国投资级债券供给总量的逾五分之一；AI相关债券在彭博美元投资级企业债指数中的占比，已升至约12%。

往后看，马克斯估计AI每年平均需要1万亿美元的新增资本，其中相当大一部分要靠债务融资。他担心"挤出效应"：超大规模科技公司对利率不敏感，愿意不惜代价融资，其旺盛的借贷需求可能把整体利率推高，政府融资成本也会被带上。

"循环交易"也让他警惕——芯片制造商、超大规模科技公司、前沿实验室和数据中心建设方之间互相融资、互相购买，资金有时从A流向B再回到A，有时绕经多方循环。马克斯质疑，这些交易到底是不是基于公平市场原则，还是供应商在补贴买家以维护市场份额，其中潜藏的相互依赖风险不容忽视。

泡沫之问：信仰还是理性？

市场一直在争"AI是不是泡沫"，马克斯给的定义是：非理性繁荣带来的轻率行为、过度投资和过高的参与价格。他认为要分三个维度看：技术本身有没有被过度炒作？企业的资本支出是否过度、是否注定回报不足？投资者是不是承担了过多风险、支付了过高价格？

马克斯说，AI技术本身会产生深远影响，企业、经济乃至整个社会都将被改变，"技术本身不是幻觉"。不过他也不讳言：AI会怎么用、谁能赚到钱，这些都还没弄清楚，眼下去评判企业花出去的钱合不合理、股票价格或债券收益率合不合适，都无从谈起。他引用了一句被归于美国经济学家Stuart Chase的话作注脚——"对于信者，无需证明；对于不信者，证明亦无用。"在马克斯看来，这句恰好把眼下围绕AI投资的争论说透了。

校准谦逊，而非回避

疑问归疑问，马克斯并不赞成投资者对着AI干看着。按他的说法，AI是至少一代人以来影响最大、也最难预测的投资命题，正确的回应不是僵住不动，而是"校准式谦逊"——策略怎么选、仓位放多大、风险担多少，都要有所克制，同时还得愿意在不确定中出手。

他还提到，AI投资的形式不同，要回答的问题也不同。拿前沿实验室的股权来说，投资者得同时把技术进步、竞争格局、定价能力、未来盈利和估值这几件事都判断对；换成给长期合同下的数据中心放贷，要判断的变量少一些，但盯的东西完全不一样——租户信用质量、合同条款、电力供应，还有资产残值。

马克斯给投资者的建议是，动手之前先问自己几个问题：要多少件事同时成真，才能拿到可接受的回报？核心假设被证伪的话，最大损失是多少？哪些风险拿到了补偿，哪些只是闷头扛着？价格里已经装进了多少乐观预期？这笔投资让现有组合的风险变大了，还是更分散了？

收尾处，他搬出巴菲特1979年发表在《福布斯》上的一段话："未来从不清晰；在股市中，为皆大欢喜的共识支付的代价极为高昂。不确定性，实际上是长期价值买家的朋友。"马克斯认为，这段话写了近半个世纪，却像专为这篇AI备忘录准备的一样，拿来作结再合适不过。