AI，泡沫即飞轮？

MIT经济学家 Ricardo Caballero 在最新工作论文《Speculative Growth and the AI "Bubble"》中提出了一个非常有意思的观点：
真正的问题不是 AI 是不是泡沫，而是泡沫本身能否创造未来的基本面。
传统金融认为，估值来自基本面。未来现金流决定今天的价格。如果价格远远高于现金流，那就是泡沫。这几乎是所有价值投资、DCF模型以及有效市场理论共同遵循的逻辑。
Caballero则把因果关系补充成了一个闭环。价格不仅反映未来，也塑造未来。高估值带来融资能力，融资能力带来资本形成，资本形成提高生产率，生产率最终又改善未来现金流，于是原本看似脱离基本面的估值，反而成为未来基本面形成的一部分（有点像索罗斯的反身性？）。
论文认为，当估值能够影响投资时，价格上涨本身就可以帮助创造未来的基本面。
这一逻辑会在 AI 上成立的关键在于，AI 不是传统意义上的资本。
普通资本遵循边际收益递减。建更多工厂，最终会遇到需求不足、产能过剩，资本回报越来越低。
但 Caballero 认为，AI 更接近一种能够持续扩张的"劳动型资本"。GPU、模型、Agent 并不仅仅增加机器数量，而是在不断增加整个经济中的有效劳动。论文中直接将 AI 建模为能够执行原本由劳动完成任务的资本，因此资本增加的同时，劳动能力也同步扩大，资本收益递减被明显削弱。
如果继续深究，还有更加重要的发现：AI 投资改变了收入分配。
越来越多收入流向资本所有者，而资本所有者天然拥有更高的储蓄倾向。储蓄增加意味着长期资金供给增加，长期利率下降，更大的资本存量反而更容易被整个经济承载。论文称之为 Funding Feedback。资本形成越多，未来融资成本越低；融资成本越低，又进一步支持更多资本形成。整个系统开始出现正反馈，而不是传统增长模型里的负反馈。
于是经济开始出现两个完全不同的长期均衡。
一个世界里，AI 投资始终不足，资本形成缓慢，生产率长期维持低增长。
另一个世界里，AI 获得持续融资，大规模建设数据中心、GPU、模型和 Agent，最终形成新的高资本、高生产率均衡。
真正有意思的是，高资本均衡虽然存在，却无法仅靠理性市场自动到达。论文证明，从今天这个低资本状态出发，即使所有投资者都是完全理性的，也不会主动跳到那个更好的未来。原因很简单。今天没有足够资本，就不会有未来的高增长；没有未来高增长，今天就不会有高估值；没有高估值，也就没有资本形成。整个系统陷入自我锁定。
泡沫恰恰打破了这个循环。
高估值让企业能够融资，融资建设更多 GPU，训练更大的模型，部署更多 Agent，最终真正提高整个经济的生产率。泡沫不是长期均衡，而是通向长期均衡的桥梁。
这也是论文为什么反复强调 Fragility。真正的问题从来不是泡沫会不会破，而是泡沫会不会破得太早。如果资本还没有形成，融资就停止，那么整个 AI 建设就会中断，未来增长也随之消失。如果在泡沫破裂之前已经完成了足够多的数据中心、模型、Agent 和基础设施建设，那么即使估值最终回归正常，高资本均衡依然能够维持。论文明确指出，关键不是修正是否发生，而是修正是否发生得过早。
互联网就是一个典型例子。2000 年互联网泡沫彻底破裂，但光纤、服务器、软件、数据中心和互联网人才全部保留下来。泡沫消失了，互联网革命却真正开始了。AI 很可能也是类似过程，只不过留下来的不只是网络，而是智能本身。
不过，我认为 Caballero 的框架还能再向前推一步。
论文把 AI 建模成"可复制的劳动"，但现实中的 AI 正越来越接近"可复制的科研人员"。如果 AI 不仅能够替代劳动，还能够参与科研、写代码、设计芯片、发现新材料、研发新模型，那么它改变的不只是生产函数，而是创新函数。
过去，创新能力主要取决于科学家数量、工程师数量以及优秀人才数量，因此重大技术革命通常需要几十年积累，这也是康波周期长期存在的重要原因。并不是经济天然每六十年发生一次革命，而是创新资源本身增长太慢。
AI 第一次开始打破这一约束。
未来的创新能力，不再只是依靠人脑（Human brain），而可能是 Human + Millions of AI Agents。更进一步，创新能力甚至可能只依赖 ai（算力）。
算力持续增长，创新能力也持续增长。创新第一次变成了一种可以资本化、规模化扩张的生产要素。
如果再结合今天正在快速发展的 Coding Agent、Research Agent、自动科研以及递归自我改进（RSI），这个反馈会变得更强。更多 AI 带来更快科研，更快科研产生更好的模型，更好的模型继续提高科研效率，形成真正意义上的 Intelligence Flywheel。创新速度本身开始加速，而不仅仅是生产效率提高。
这也是为什么我一直认为，AI 的经济回报很可能符合 "Slowly, Then Suddenly"。
今天大家看到的是 GPU 投资、模型训练、数据中心建设，ROI 看起来并不高，于是很多人开始怀疑 AI 是不是泡沫。但这些投资真正购买的，并不是今天的利润，而是未来的智能资本。当模型能力跨越某个临界点，大规模 Agent 开始进入企业，劳动替代开始发生，生产率可能出现非线性的跃迁，过去几年看似过高的估值，也开始真正兑现。
这意味着，Caballero 所提出的反馈环路：
估值 → 投资 → 资本形成 → 基本面
未来很可能进一步演化为：
估值 → 投资 → 算力 → 智能 → 创新 → 更多 Ideas → 更高生产率 → 更高利润 → 更高估值
这里真正形成正反馈的不只是资本，而是整个社会的创新能力。
如果这一过程成立，那么 AI 带来的变化可能不仅仅是一次新的技术革命，而是改变了技术革命本身的产生机制。
历史上的康德拉季耶夫长波之所以持续四五十年，很大程度上并不是经济规律决定的，而是因为创新资源始终稀缺：科学家有限、研发能力有限、知识扩散缓慢。AI 正在改变这一前提。
未来，我们或许看到的不是一个越来越短的康波，而是在同一个 AI 平台上持续涌现多个产业革命：AI 药物、AI 材料、AI 芯片、AI 机器人、AI 生物制造……创新开始工业化，技术革命开始连续发生。
如果说熊彼特让创新成为增长的核心，罗默让知识成为增长的核心，那么 RSI 与 Caballero 共同指向的，可能是下一阶段增长理论的核心命题：
之前的熊彼特的经济周期理论，依靠破坏式创新，破坏式创新，依靠人脑和偶尔出现的天才；而 AI，第一次让这样的天才本身成为可以投资、可以批量制造、可以不断增强、而且还可以不断自我强化的资本。
从这个角度来看目前无论多大的泡沫，在指数级增长的创新面前，都可能会被很快消化。