AI，泡沫即飛輪？

MIT經濟學家Ricardo Caballero在最新工作論文《Speculative Growth and the AI "Bubble"》中提出了一個非常有意思的觀點：
真正的問題不是AI是不是泡沫，而是泡沫本身能否創造未來的基本面。
傳統金融認為，估值來自基本面。未來現金流決定今天的價格。如果價格遠遠高於現金流，那就是泡沫。這幾乎是所有價值投資、DCF模型以及有效市場理論共同遵循的邏輯。
Caballero則把因果關係補充成了一個閉環。價格不僅反映未來，也塑造未來。高估值帶來融資能力，融資能力帶來資本形成，資本形成提高生產率，生產率最終又改善未來現金流，於是原本看似脫離基本面的估值，反而成為未來基本面形成的一部分（有點像索羅斯反身性？）。
論文認為，當估值能夠影響投資時，價格上漲本身就可以幫助創造未來的基本面。
這一邏輯會在AI上成立的關鍵在於，AI不是傳統意義上的資本。
普通資本遵循邊際收益遞減。建更多工廠，最終會遇到需求不足、產能過剩，資本回報越來越低。
但Caballero認為，AI更接近一種能夠持續擴張的「勞動型資本」。GPU、模型、Agent並不僅僅增加機器數量，而是在不斷增加整個經濟中的有效勞動。論文中直接將AI建模為能夠執行原本由勞動完成任務的資本，因此資本增加的同時，勞動能力也同步擴大，資本收益遞減被明顯削弱。
如果繼續深究，還有更加重要的發現：AI投資改變了收入分配。
越來越多收入流向資本所有者，而資本所有者天然擁有更高的儲蓄傾向。儲蓄增加意味著長期資金供給增加，長期利率下降，更大的資本存量反而更容易被整個經濟承載。論文稱之為Funding Feedback。資本形成越多，未來融資成本越低；融資成本越低，又進一步支持更多資本形成。整個系統開始出現正反饋，而不是傳統增長模型裡的反饋。
於是經濟開始出現兩個完全不同的長期均衡。
一個世界裡，AI投資始終不足，資本形成緩慢，生產率長期維持低增長。
另一個世界裡，AI獲得持續融資，大規模建設數據中心、GPU、模型和Agent，最終形成新的高資本、高生產率均衡。
真正有意思的是，高資本均衡雖然存在，卻無法僅靠理性市場自動到達。論文證明，從今天這個低資本狀態出發，即使所有投資者都是完全理性的，也不會主動跳到那個更好的未來。原因很簡單。今天沒有足夠資本，就不會有未來的高增長；沒有未來高增長，今天就不會有高估值；沒有高估值，也就沒有資本形成。整個系統陷入自我鎖定。
泡沫恰恰打破了這個循環。
高估值讓企業能夠融資，融資建設更多GPU，訓練更大的模型，部署更多Agent，最終真正提高整個經濟的生產率。泡沫不是長期均衡，而是通向長期均衡的橋樑。
這也是論文為什麼反覆強調Fragility。真正的問題從來不是泡沫會不會破，而是泡沫會不會破得太早。如果資本還沒有形成，融資就停止，那麼整個AI建設就會中斷，未來增長也隨之消失。如果在泡沫破裂之前已經完成了足夠多的數據中心、模型、Agent和基礎設施建設，那麼即使估值最終回歸正常，高資本均衡依然能夠維持。論文明確指出，關鍵不是修正是否發生，而是修正是否發生得過早。
互聯網就是一個典型例子。2000年互聯網泡沫徹底破裂，但光纖、服務器、軟體、數據中心和互聯網人才全部保留下來。泡沫消失了，互聯網革命卻真正開始了。AI很可能也是類似過程，只不過留下來的不只是網絡，而是智能本身。
不過，我認為Caballero的框架還能再向前推一步。
論文把AI建模成「可複製的勞動」，但現實中的AI正越來越接近「可複製的科研人員」。如果AI不僅能夠替代勞動，還能夠參與科研、寫程式碼、設計晶片、發現新材料、研發新模型，那麼它改變的不只是生產函數，而是創新函數。
過去，創新能力主要取決於科學家數量、工程師數量以及優秀人才數量，因此重大技術革命通常需要幾十年積累，這也是康波週期長期存在的重要原因。並不是經濟天然每六十年發生一次革命，而是創新資源本身增長太慢。
AI第一次開始打破這一約束。
未來的創新能力，不再只是依靠人腦（Human brain），而可能是Human + Millions of AI Agents。更進一步，創新能力甚至可能只依賴AI（算力）。
算力持續增長，創新能力也持續增長。創新第一次變成了可以資本化、規模化擴張的生產要素。
如果再結合今天正在快速發展的Coding Agent、Research Agent、自動科研以及遞迴自我改進（RSI），這個反饋會變得更強。更多AI帶來更快科研，更快科研產生更好的模型，更好的模型繼續提高科研效率，形成真正意義上的Intelligence Flywheel。創新速度本身開始加速，而不僅僅是生產效率提高。
這也是為什麼我一直認為，AI的經濟回報很可能符合「Slowly, Then Suddenly」。
今天大家看到的是GPU投資、模型訓練、數據中心建設，ROI看起來並不高，於是很多人開始懷疑AI是不是泡沫。但這些投資真正購買的，並不是今天的利潤，而是未來的智能資本。當模型能力跨越某個臨界點，大規模Agent開始進入企業，勞動替代開始發生，生產率可能出現非線性的躍遷，過去幾年看似過高的估值，也開始真正兌現。
這意味著，Caballero所提出的反饋迴路：
估值 → 投資 → 資本形成 → 基本面
未來很可能進一步演化為：
估值 → 投資 → 算力 → 智能 → 創新 → 更多Ideas → 更高生產率 → 更高利潤 → 更高估值
這裡真正形成正反饋的不只是資本，而是整個社會的創新能力。
如果這一過程成立，那麼AI帶來的變化可能不僅僅是一次新的技術革命，而是改變了技術革命本身的產生機制。
歷史上的康德拉季耶夫長波之所以持續四五十年，很大程度上並不是經濟規律決定的，而是因為創新資源始終稀缺：科學家有限、研發能力有限、知識擴散緩慢。AI正在改變這一前提。
未來，我們或許看到的不是一個越來越短的康波，而是在同一個AI平台上持續湧現多個產業革命：AI藥物、AI材料、AI晶片、AI機器人、AI生物製造……創新開始工業化，技術革命開始連續發生。
如果說熊彼特讓創新成為增長的核心，羅默讓知識成為增長的核心，那麼RSI與Caballero共同指向的，可能是下一階段增長理論的核心命題：
之前的熊彼特的經濟週期理論，依靠破壞式創新，破壞式創新，依靠人腦和偶爾出現的天才；而AI，第一次讓這樣的天才本身成為可以投資、可以批量製造、可以不斷增強、而且還可以不斷自我強化的資本。
從這個角度來看目前無論多大的泡沫，在指數級增長的創新面前，都可能會被很快消化。