博主头像

連高手都不確定怎麼投資 AI 才能賺錢?價值投資宗師 Howard Marks 與避險基金之王 Bi

外来客 • 2026-11-13 18:35:27

分享
𝕏 f ◉
声明:本文为对公开内容的摘要整理, 未经本站独立核实,可能与原内容存在出入,不代表本站立场、观点或建议; 观点与版权归原作者及原平台所有。 如涉及版权问题,请联系我们,核实后立即删除。 [ 免责声明 ]

🎯 核心观点

  • Howard Marks 与 Bill Ackman 均认可 AI 的技术变革潜力,但强调投资回报取决于对利润分配、竞争格局及资本投入的精准判断。
  • 即使方向正确,投资者仍需评估多个独立变量同时成立的概率,单一环节的误判可能导致整体逻辑失效。
  • 可预测性较低的资产若价格足够低仍具投资价值,而高确定性公司若估值过高同样存在风险。

📊 关键事实与论据

  • 概率模型:Marks 指出由上而下投资需经济、产业、公司及市场四个判断均正确;若每项准确率仅 60%,整体成功率降至约 13%。
  • 盈利测试:建议投资者估算 AI 公司 5 年后每股盈余,并评估其落在预测值上下 50% 区间内的把握程度。
  • 估值分歧:Ackman 认为 Anthropic IPO 对应约 1.4 万亿美元完全稀释估值,因结果范围过宽而不符合其高信心投资标准;他转而持有 Microsoft,看重其管理 4.5 亿企业用户的平台入口优势。
  • 产业链评分:Marks 引用 Claude 评估,AI 整体可预测性仅 3/10 分,其中技术方向为 6-7 分,但利润归属与速度仅 2 分;电力公司(6 分)比前沿模型实验室(2 分)更易判断。
  • 资本压力:全球 AI 相关发债接近 6000 亿美元,占美国投资级债券供给超五分之一;未来每年可能需要约 1 万亿美元新资本,加剧融资压力与循环交易风险。

💡 结论与建议

  • 投资者需区分“欣赏公司成长”与“买入股票”,避免将技术乐观情绪直接等同于合理股价。
  • 在 AI 产业链中,选择不同层级(如电力、芯片、模型)实质上是选择承担不同类型的未知风险。
  • 真正的分散化并非简单购买多家公司,而是审视是否过度依赖同一套 AI 成功假设;需在不确定性中保持与认知能力相称的谦逊。

博主头像 👤 同一博主

查看该博主全部 30 篇

🧭 类似博主

0 条评论

发表评论

请先 登录 后参与讨论。