AI: 泡沫真的是飛輪嗎？

（空行）
MIT 經濟學家 Ricardo Caballero 在他近期的工作論文《投機性增長與 AI「泡沫」》中提出了一個引人入勝的論點：
真正的問題不在於 AI 是否是泡沫，而在於泡沫本身是否能創造未來的基礎。
傳統金融學假設估值源自基本面。未來的現金流決定今天的價格。如果價格遠高於預期現金流，我們稱之為泡沫。這套邏輯支撐著價值投資、現金流量折現模型，以及效率市場假說的大部分內容。
Caballero 將這種因果關係延伸成一個反饋迴路。價格不僅反映未來——它們還幫助塑造未來。高估值提升了企業籌資的能力。這些資金用於投資。投資建立了生產能力。更高的生產力最終產生更強的未來現金流。換句話說，最初看似脫離基本面的估值，可以成為創造這些基本面的過程的一部分。（這與 George Soros 的反身性概念有些相似。）
該論文認為，每當市場估值影響投資決策時，上漲的價格就能主動幫助創造未來的經濟基本面。
（空行）
這個機制可能適用於 AI 的關鍵原因，在於 AI 從根本上不同於傳統資本。
傳統資本會面臨報酬遞減。建造更多工廠後，需求最終會飽和，過剩產能出現，資本報酬率下降。
Caballero 認為，AI 更應該被理解為一種可擴展的勞動力型資本。GPU、基礎模型和 AI 代理不僅僅是增加更多機器——它們擴大了經濟體的實際勞動力供給。在他的框架中，AI 資本執行原本需要人類勞動的任務。隨著 AI 資本的累積，生產性勞動力容量也隨之擴大，大幅削弱了傳統的報酬遞減法則。
（空行）
論文更進一步。
AI 投資也改變了收入分配。
越來越高的收入份額流向資本擁有者，而他們往往會儲蓄較大比例的收益。更高的儲蓄增加了長期資本的供給，壓低了長期利率，並使經濟得以維持更大的資本存量。Caballero 稱之為「資金反饋」：更多的資本形成降低了未來融資成本，而更低的融資成本又鼓勵更多的資本形成。標準成長模型中的負反饋被取代，系統開始展現正反饋。
（空行）
這導致了兩種根本不同的長期均衡。
在世界之一，AI 投資仍然不足。資本累積緩慢，生產力增長持續疲弱。
在另一種世界中，AI 持續吸引充裕的資金。大量投資流入數據中心、GPU、基礎模型和 AI 代理，最終形成高資本、高生產力的均衡。
（空行）
有趣的是，儘管這個更優的均衡存在，理性市場可能永遠無法自行達到。
Caballero 指出，從當今的低資本均衡出發，即使完全理性的投資者也可能無法協調出更好的結果。邏輯是循環的：沒有足夠的當今資本，未來生產力無法加速；沒有更高的未來生產力，當今估值仍然低迷；沒有高估值，企業無法為必要投資籌資。經濟因此陷入自我強化的均衡陷阱。
（空行）
這正是泡沫的關鍵所在。
高估值讓企業能夠籌集資金。這些資金用於更多 GPU、更大模型以及更自主的代理。這些投資最終提高了經濟的生產能力。
泡沫不是終點。
它是橋樑。
（空行）
這也是為什麼論文反覆強調脆弱性。
真正的危險不在於泡沫最終破裂，而在於它破裂得太早。
如果在足夠的 AI 基礎設施建成之前資金枯竭，投資停滯，AI 發展放緩，預期的生產力提升永遠無法實現。但如果估值回歸正常之前，已經有足夠的數據中心、計算基礎設施、模型和 AI 代理到位，那麼即使投機溢價消失，高資本均衡也能自我維持。
調整的時機遠比調整本身更重要。
（空行）
網際網路提供了一個經典例子。
達康泡沫在 2000 年壯觀地崩潰。然而，光纖網路、伺服器、軟體、數據中心和工程人才仍然存在。泡沫消失了，但網際網路革命才剛剛開始。
AI 可能遵循類似路徑。
不同之處在於，這次倖存下來的可能不僅僅是數位基礎設施——而是智慧本身。
（空行）
更進一步
我相信 Caballero 的框架可以進一步延伸。
他的論文將 AI 模型化為可複製的勞動力。
實際上，AI 正日益成為可複製的研究者。
如果 AI 不僅能從事勞動，還能進行科學研究、編寫軟體、設計晶片、發現新材料、發明更好的 AI 模型，那麼它改變的不僅是生產函數——它改變了創新函數本身。
歷史上，創新一直依賴於科學家、工程師和極少數天才的數量。因此，重大技術革命通常需要數十年才能展開。這是康德拉季耶夫週期長期持續的根本原因之一。經濟並不會自然每五、六十年產生一次技術革命。相反，創新資源本身歷來擴張得非常緩慢。
AI 可能是第一個能夠打破這個限制的技術。
未來的創新將不再僅僅依賴於人類智慧。
相反，它可能成為人類加上數百萬 AI 代理的聯合產出。
最終，其中很大一部分甚至可能主要由 AI 自身驅動，借助不斷擴展的計算能力。
隨著計算能力的持續增長，經濟的創新能力也隨之增長。
有史以來第一次，創新本身成為一種可以資本化、規模化並持續擴張的生產要素。
（空行）
現在，將這一點與編碼代理、研究代理、自主科學發現以及遞迴自我改進的快速進展結合起來。
反饋迴路變得極為強大。
更多 AI 加速研究。
更快的研究產生更好的模型。
更好的模型進一步加速研究。
這變成了一個真正的智慧飛輪。
創新本身的速度開始加速——而不僅僅是生產效率。
（空行）
「緩慢，然後突然」
這就是為什麼我長期以來一直相信，AI 的經濟回報很可能遵循「緩慢，然後突然」的模式。
今天，投資者主要看到 GPU、模型訓練和數據中心的支出。
投資回報看起來溫和，導致許多人認為 AI 只是另一個泡沫。
但這些投資主要不是為了購買今天的利潤。
它們是在購買明天的智慧資本。
一旦模型能力跨越某些關鍵門檻，AI 代理開始在企業中運作，勞動替代加速，生產力可能經歷高度非線性的跳躍。
屆時，那些曾經看似過高的估值，可能會突然變得完全合理。
Caballero 原始的反饋迴路是：
估值 → 投資 → 資本形成 → 基本面
我懷疑 AI 最終可能演化為更強大的形式：
估值 → 投資 → 計算 → 智慧 → 創新 → 更多想法 → 更高生產力 → 更高利潤 → 更高估值
產生正反饋的對象不再僅僅是資本。
而是社會整體的創新能力。
（空行）
如果這個過程被證明是正確的，那麼 AI 將不僅僅代表另一場技術革命。
它將從根本上改變技術革命本身的生成方式。
歷史上，康德拉季耶夫長波持續四、五十年，並非因為經濟學要求這樣的時機，而是因為創新資源稀缺：科學家有限，研發能力擴張緩慢，知識傳播逐漸。
AI 正在改變這些假設。
與其說技術週期越來越短，我們可能見證多場工業革命在共同的 AI 平台上同時展開：
AI 驅動的藥物發現
AI 設計的材料
AI 創造的半導體
AI 驅動的機器人技術
AI 賦能的生物製造
……以及更多。
創新本身變得工業化。
技術革命變得連續而非斷續。
（空行）
如果熊彼得讓創新成為經濟成長的引擎，羅默讓知識成為成長的引擎，那麼 RSI 和 Caballero 共同指向的可能是成長理論的下一個前沿：
熊彼得的經濟週期依賴於破壞式創新，而破壞式創新依賴於人類智慧——偶爾也依賴於罕見的天才。
AI 可能是第一個將天才本身轉變為一種資本的技術：一種可以融資、大規模複製、持續改進，並最終能夠自我改進的東西。
（空行）
基於這個論點，無論今天的 AI 泡沫看起來有多大，創新的指數級成長可能使經濟吸收它的速度遠比大多數人預期的要快得多。