Appearance
奇点经济学 | 所有股票都被低估了
原文标题: Economics of the Singularity | ALL STOCKS ARE UNDERVALUED 来源: Jason's Chips
💡 核心观点
文章认为，市场对AI的过度关注集中在半导体和模型实验室等上游环节，而忽略了真正受益的终端企业。由于AI代币的投入产出比极高（超过50倍），消费者剩余高达98%，而整个AI供应链仅占2%。这意味着每增加1万亿美元AI公司市值，标普500至少应增加50万亿。当前席勒CAPE高达42倍被视作泡沫，但这是基于过去盈利的误判——AI正加速未来盈利增长，因此所有股票可能都被低估。作者建议做多应用层和整个经济，而非仅押注基础设施。
📖 中文全文
我们为什么要投资半导体？嗯，显然是为了人工智能。通过持有半导体股票，我们拥有了代币供应链中的一个上游组件，因此可以捕捉人工智能创造的部分价值。然而，如果我们的最终目标是投资人工智能，而半导体只是达成这一目标的手段，我认为不进一步向下游看是无知的。这正是我撰写那篇10万亿美元 Anthropic 文章的原因。
Jason's Chips | 为什么Anthropic是一家价值100万亿美元的公司 ANTHROPIC是世界上最值钱的公司，而且其他公司还差得远……阅读更多 11天前 · 42个赞 · 18条评论 · Jason's Chips
模型实验室更鲜明地表达了一个人对人工智能的信念，因为它们自己生成代币。此外，它们既能从代币价值创造中获得上行收益，又能从摩尔定律驱动的成本降低中获益。我认为它们是有史以来（无论是在人工智能领域还是之外）最伟大的商业模式。但这已经是众所周知的了。人们正在为购买Anthropic股票而卖肾。我只是说，模型实验室将比人们预测的更有价值。但人们绝对已经非常兴奋了。而当兴奋到这种程度时，阿尔法就更难找到了。但有趣的是，只要再往下游走一步，来到那些消费Anthropic出售代币的成千上万普通企业，所有这种兴奋就都结束了。这就是你可以成为真正逆向投资者的地方。这意味着可能获得更大的不对称性。
这是席勒周期性调整市盈率（CAPE）。今天CAPE是42倍。我们正处于前所未有的领域，只有互联网泡沫顶峰时达到过这个水平。我们现在甚至比2021年还高，而2021年还伴随着投机狂潮，并随后迎来了残酷的长期熊市。
Matt Giannino @MarketMovesMatt 历史告诉我们，我们距离40%的下跌还有6-12个月。一张图：席勒市盈率。我的规则很简单：席勒PE低于25→市场估值合理，正常交易；席勒PE在25-30→警告区，选择性操作；席勒PE高于30→泡沫区，降低敞口。2026年2月14日下午2:02 · 89.2万次查看 · 135条回复 · 150次转推 · 782个赞
每当席勒CAPE升高时，随后都会出现崩盘。它是世界上最可靠的泡沫指标。即使我们不崩盘，这些高估值也可以反推出一个糟糕的未来年化增长率（CAGR）。
Connor Bates @ConnorJBates_ 霍华德·马克斯谈市场：“当你以23倍市盈率买入标普500指数时，你的10年年化回报率总是在+2%到-2%之间，每一次都是，每一次都是。”今天，市场市盈率为25倍。加上通胀……你的“回报”就是负的。图表显示席勒… 2025年11月15日下午3:48 · 37.5万次查看 · 38条回复 · 222次转推 · 1444个赞
这为忽视指数层面的股票提供了完美的借口，因此也为市场低估奇点提供了完美的机制。Tokenmaxxing即将碾压席勒CAPE信徒。
通过访问此内容，您确认并同意我们的条款和条件。本研究不构成财务建议。
目录 微观代币经济学 为什么“智能危机”不会发生 时机与修正 交易
微观代币经济学 在每个业务或市场中，都存在价值创造和价值捕获。这是消费者剩余和生产者剩余的一种花哨说法，价值创造是所有剩余的总和，价值捕获仅仅是生产者的那部分。在人工智能中，我们可以将价值创造视为AI代理为最终消费者所做工作的价值（我从tokenmaxxing中获得多少收益），将价值捕获视为模型实验室对推理收取的价格（这也流向英伟达、台积电、内存制造商、ASML等）。价值捕获相对于价值创造越高，AI实验室和半导体相对于经济其他部分的价值就应该越高，反之亦然。为了分析价值捕获相对于价值创造有多大，我们可以查看微观代币经济学。实际上并没有一个叫“微观代币经济学”的东西，哈哈，这只是我称呼自己按任务查看每个代币生成价值的方式。
SemiAnalysis在这方面做了一些了不起的工作。这可能是我读过的最有影响力的SemiAnalysis文章之一。
SemiAnalysis | AI价值捕获——向模型实验室转移 现在AI的一天感觉就像其他行业的一年。模型发布、软件突破和硬件改进将其他行业需要多年的周期压缩成几周。就在过去几个月里，代理型AI已经跨越了真正的拐点，推动代币价值实现了阶跃式变化，而软件和硬件改进则急剧降低了生成代币的成本……阅读更多 一个月前 · 273个赞 · Daniel Nishball, Dylan Patel, Cheang Kang Wen, Crystal Huang, Max Kan, Ray Wang, Myron Xie, Zane Fong, and Clara Ee
以下是文章中最重要的一句话。它非常直白地陈述了一个我长期以来一直相信但难以表述的想法。
“终端用户正享受着一场生产力盛宴——过去需要几十个人工小时、花费数千美元的任务，现在只需几分钟、几美元代币成本就能完成。这种收入利润率的巨大增长，是因为正在生成的代币价值极大地改善了企业。例如，SemiAnalysis在Anthropic Claude代币上的年支出已达到1095万美元，但我们从中获得的价值使我们能在竞争中超越所有对手，并获得市场份额。”
稍后，SemiAnalysis在文章中展示了传统的知识工作型任务，这些任务过去需要几个小时的传统分析师劳动力，成本从150美元到500美元不等，而现在可以用2到8美元的代币成本实现自动化。任务包括：提取5年的财报并将结果通过电子邮件发送（附Excel表格）；搜索过去的会议中关于光网络和OCS趋势的内容。这些例子中代币花费的投资回报率超过50倍。所以，是的，ROI问题已经解决了。这使得模型实验室能够将其毛利率从30%-40%一路提升到70%，并且很快将进入80%，因为它们正在利用自己的定价权。
在当前时间点，如果代币花费的ROI是代币成本的50倍以上，那么生产者剩余约占整个蛋糕的2%，而消费者剩余占98%。那个橙色的薄片就是我们都在投资的整个AI代币供应链：从模型实验室到无晶圆厂芯片设计公司，再到代工厂、内存制造商、设备供应商、光网络提供商和发电厂。所有这些只占蛋糕的2%。另外98%则分布在经济中的每一家其他公司。Anthropic每增加1万亿美元市值，标普500指数就应该增加50万亿美元或更多。
人们主要将ROI问题视为AI基础设施价值链的问题，但实际上它对经济要重要得多。AI的负ROI意味着每花费一美元就会减少标普500指数的总收益，而正ROI则意味着每花费一美元都会增加总收益。在我们的案例中，ROI极为正向。模型实验室每获得一美元收入，为经济创造的价值（以总收益形式）就高出一个数量级。此外，随着AI渗透得越来越深，这种总收益的增长在定义上会以与模型实验室收入相同的指数速度增长，这意味着标普500指数的盈利增长应该会加速，超越历史常态。这就是席勒CAPE存在缺陷的原因。当然，股票本应反映未来盈利，如果未来盈利突然以前所未有的速度增长，那么基于过去盈利的估值看起来古怪也就很正常了。
为什么“智能危机”不会发生 Citrini那篇著名且写得极好的文章凭一己之力让市场对AI对股票的影响形成了看空共识。
Citrini Research | 2028年全球智能危机 前言…阅读更多 3个月前 · 9205个赞 · 90条评论 · Citrini and Alap Shah
今天，在看到了更多经验数据之后，我比以前更加看多，原因是一种类似于劳动力领域的杰文斯悖论。Nathan在他的播客《AI Daily Brief》中说得好。
“而且所有这些中有趣的是，AI的承诺和恐惧——承诺是AI会减少完成工作所需的时间，让你可以享受更多闲暇；恐惧是AI会否定你作为劳动者的价值——这两者都与最先进用户的真实体验相去甚远。事实上，人们不是下午3点就结束工作日，更常见的挑战是，他们不得不强迫自己在凌晨3点去睡觉，割舍掉自己本可以完成的下一件事，而那件事总是就在那里等着他们。”
我们从经验中看到的是，当人们使用AI时，他们工作得更多，而不是更少。更多定量证据可以从小企业形成的代理指标中找到。在后代理时代，域名注册数量和小企业申请数量急剧上升。这一效应背后的经济理论可能比数据本身更重要。
Citrini最初的设想大致是这样的：AI能做人类能做的所有事。它从编码开始，这就是为什么软件工程师首先被取代。这些失业工人停止消费，削弱经济，迫使更多企业裁员并用AI替代他们，进一步强化了这个循环。这继续下去，直到消费下降摧毁信贷市场并引发金融危机。这一设想的核心前提是：工作量是固定的。第一批软件工程师被取代并保持失业，因为AI已经拿走了固定蛋糕的一部分。这就是为什么经验证据表明AI创造了比以往更多的工作量如此重要——它告诉我们蛋糕不是固定的。
AI降低了经济中许多服务的提供成本。例如，编码、写作、创建信息图表。许多以前过于昂贵、不经济的产品和服务（例如创办一家软件公司，过去需要数百万美元的工程人才和多轮风投融资，现在只需要每月200美元的Claude订阅费）现在变得可行了。这些新的商品和服务以商业创意的形式出现在经济中，而这些创意只有在AI时代才可能实现。这些企业随后会雇佣更多人，从而增加就业。最终结果本质上是一种劳动领域的杰文斯悖论。通过使工作变得更便宜，我们极大地扩展了经济上可用工作的范围，并导致对人类劳动的需求上升而非下降。那些第一批软件工程师不会失业，因为他们现在可以在组织内做更多事情，或者他们找到新工作，因为新成立的企业正在招聘，或者他们自己创业。恶性循环从未开始。
还有一个论点认为，人类在某种程度上是代理的补充，而不是代理完全替代人类——Dan Shipper在他的文章《自动化之后》中提出了这个观点，你可以在这里阅读。对于这个理论，我不太有信心，因为我们还没有看到更强大模型的经验证据。如果情况确实如此，AI可以更多地被视为过去的自动化技术，如电子表格、工厂或农业设备，这些是劳动的补充（也是用于“卢德派又错了”论证的例子），而不是更主流的理论替代品。
时机与修正 这个交易最大的风险可能是时机。AI的建设发生在AI创造价值之前。这就是为什么投资AI基础设施并赚钱比尝试预测应用层或最终经济效应要容易得多。Dylan Patel曾在播客中说过，他工作中最难的部分不是分析半导体供应链（供给侧），而是分析需求侧。
“我认为对我们和所有人来说，最困难的领域是理解代币经济学、代币的经济学。我认为我们对运行基础设施的成本、代币的成本、模型的成本、这些实验室的利润率有着非常深入的了解。但是使用和采用才是真正难以持续建模的，对吧？我们有过……一月份我们有一些疯狂的数据，二月份我们的估计也很疯狂，Anthropic却超出了预期。我们如何校准这个模型？二月份的数据来源是什么？我们对三月份的假设很疯狂，然后他们又打破了这些假设，每个人看到100亿这个数字，都会想，搞什么鬼？他们怎么能增加100亿的收入？谁在用所有这些代币？他们为什么用？他们在用这些代币构建什么？然后更重要的是，他们用这些代币构建的东西，如何真正渗透到经济中？这产生了什么价值？因为这不是你真的能在任何GDP统计数据中捕捉到的，对吧？我使用的所有代币的价值都会转化为更好的信息，然后我以比过去卖信息相对更便宜的价格出售，因此这些信息正在经济中传播，人们在做更好的投资决策或更好的竞争决策。但如果他们是Semi数据公司或数据中心公司或超大规模企业呢？这到底值多少钱？它对经济做了什么？从所有主观指标来看，这显然很棒。但幻影GDP在哪里？什么是幻影GDP？我们如何追踪真正的经济……因为GDP指标并不可靠。如果你说Dylan Patel创造了多少GDP，那与我认为正在创造的价值相比是微不足道的。所以最终，这些代币正在创造的价值，不仅仅是简单的连锁反应，对吧？所有这些事情正在做的所有事情的连锁反应是什么？我认为这才是真正的问题和挑战，很难衡量。我认为我们在供给侧方面有非常出色的了解。我认为即使在许多需求侧信号上，我们也有非常出色的了解。但正是这些代币正在产生的价值难以量化和衡量。”
谢谢Dylan，这段很长的引文完全说出了我想说的话。我们知道今年超大规模企业的资本支出将是多少，但我们无法预测这些资本支出何时会转化为代币收入，更不用说这些代币收入何时会贡献于整个经济的生产力，更不用说它们会贡献多少生产力，以及这是否足够大到真正影响标普500指数的总收益或整体GDP。这真的很难。
然而，尽管我们无法建立完美的因果关系，但作为投资者，我们的工作是获取不完美的信息并做出解读，从而能够进行不对称的押注。我们可以分析今天的经验数据，并就我们是否过早看到AI的经济扩散得出自己的结论。尽管我们在代理采用的S曲线中仍然处于极早期，但我们已经看到一些异常数据，表明我们并非过早看到其宏观效应。
首先，2026年每股收益（EPS）修正完全超过了历史常态。有趣的是，图表中的拐点恰恰发生在2026年1月和2月Claude Code被广泛采用的时候。
其次，标普500指数的利润率也以远超历史水平的速度增长，表明在更小的成本结构上可以实现相同的收入，这是经济层面投资资本回报率（ROIC）健康的结构性信号。
虽然不可能将这些效应与代理型AI联系起来，而且很容易成为另一个典型的“相关非因果”逻辑错误的例子，但这些证据足以让我得出结论，AI很可能在这里产生了影响，而“很可能”对于一个交易来说已经足够了。
交易 不久前（5月8日），我在订阅者聊天中提到了一笔交易。你知道是哪个，哈哈。从那以后它表现很好。它是……
（此处原文截断，但根据要求，我们翻译到这里为止）
🔗 原文链接
https://www.jasonschips.ai/p/economics-of-the-singularity-all