AI：泡沫真的是飞轮吗？

MIT 经济学家 Ricardo Caballero 在其最新研究论文《投机性增长与 AI“泡沫”》中提出了一个引人入胜的论点：
真正的问题不在于 AI 是否是泡沫，而在于泡沫本身能否创造未来的基本面。
传统金融学假设估值源自基本面。未来现金流决定了当前价格。如果价格远超预期现金流，我们称之为泡沫。这种逻辑支撑着价值投资、折现现金流（DCF）模型以及有效市场假说的大部分内容。
Caballero 将这种因果关系扩展成一个反馈循环。价格不仅反映未来——它们还塑造未来。高估值增强了企业筹集资本的能力。资本为投资提供资金。投资构建了生产能力。更高的生产力最终会生成更强的未来现金流。换句话说，那些最初看似脱离基本面的估值，可能成为创造这些基本面过程的一部分。（这与乔治·索罗斯的反身性概念有些相似。）
论文指出，每当市场估值影响投资决策时，价格上涨就可能积极帮助创造未来的经济基本面。
这一机制可能适用于 AI 的关键原因在于，AI 从根本上不同于传统资本。
传统资本受制于边际收益递减。建造更多工厂，最终需求饱和，产能过剩涌现，资本回报率下降。
Caballero 认为，AI 更适合被理解为一种可扩展的类劳动资本。GPU、基础模型和 AI 智能体不仅仅增加了机器——它们还扩展了经济的有效劳动力供给。在他的框架中，AI 资本执行了原本需要人类劳动的任务。随着 AI 资本积累，生产性劳动力容量同步扩大，从而大幅削弱了传统的边际收益递减规律。
论文更进一步。
AI 投资还改变了收入分配格局。
越来越多的收入流向资本所有者，而他们往往储蓄其收入中更大的一部分。更高的储蓄增加了长期资本的供给，压低了长期利率，并使经济能够维持更大的资本存量。Caballero 称此为融资反馈：更多的资本形成降低了未来的融资成本，而更低的融资成本又鼓励了更多的资本形成。与标准增长模型中的负反馈不同，系统开始表现出正反馈。
这导致了两种根本不同的长期均衡。
在一个世界里，AI 投资仍然不足。资本积累缓慢，生产力增长持续疲弱。
在另一个世界里，AI 持续吸引充裕的融资。大量资金流入数据中心、GPU、基础模型和 AI 智能体，最终产生一个高资本、高生产力的均衡。
耐人寻味的是，尽管这种优越的均衡存在，理性市场却可能永远无法自行达到它。
Cabellero 表明，从当前的低资本均衡出发，即使是完全理性的投资者也可能无法协调出更好的结果。这种逻辑是循环的：没有足够的当前资本，未来的生产力无法加速；没有更高的未来生产力，当前的估值依然低迷；没有高估值，企业就无法为必要的投资融资。经济陷入了自我强化的均衡。
这正是泡沫起作用的地方。
高估值使企业能够筹集资本。这些资本为更多的 GPU、更大的模型和更多的自主智能体提供资金。这些投资最终提高了经济的生产性能力。
泡沫不是终点。
它是桥梁。
这也正是论文反复强调脆弱性的原因。
真正的危险不在于泡沫最终破裂。而在于它破裂得太早。
如果在足够的 AI 基础设施建成之前融资枯竭，投资就会停滞，AI 发展放缓，预期的生产力提升永远无法实现。但如果估值恢复正常化之前，已有足够的数据中心、计算基础设施、模型和 AI 智能体到位，那么即使投机溢价消失，高资本均衡也能自我维持。
调整的时机远比调整本身更重要。
互联网提供了一个经典例子。
互联网泡沫在 2000 年 spectacularly 崩溃。然而，光纤网络、服务器、软件、数据中心和工程人才依然留存。泡沫消失了，但互联网革命才刚刚开始。
AI 可能走类似的道路。
不同之处在于，这次存活下来的可能不仅仅是数字基础设施——而是智能本身。
更进一步
我相信 Caballero 的框架可以进一步延伸。
他的论文将 AI 建模为可复制的劳动力。
实际上，AI 正日益成为可复制的研究人员。
如果 AI 不仅能执行劳动，还能进行科学研究、编写软件、设计芯片、发现新材料和发明更好的 AI 模型，那么它改变的不仅仅是生产函数——它改变了创新函数本身。
历史上，创新依赖于科学家、工程师和极具天赋的个体的数量。结果，重大技术革命通常需要数十年才能展开。这是康德拉季耶夫长波长期持续的根本原因之一。经济本身并不会每五六十年自然地产生一次技术革命。相反，创新资源在历史上扩展得非常缓慢。
AI 可能是第一个能够打破这一约束的技术。
未来的创新将不再仅仅依赖于人类智能。
相反，它可能成为人类加上数百万 AI 智能体的组合产出。
最终，其中很大一部分甚至可能主要由 AI 本身驱动，由不断扩展的计算能力提供动力。
随着计算能力持续增长，经济的创新能力也随之增长。
有史以来第一次，创新本身成为一种可以资本化、规模化并持续扩展的生产要素。
现在，将这一点与编码智能体、研究智能体、自主科学发现和递归自我改进（RSI）的快速进展结合起来。
反馈循环变得极其强大。
更多的 AI 加速了研究。
更快的研究产生了更好的模型。
更好的模型进一步加速了研究。
这成为了一个真正的智能飞轮。
创新本身的速度开始加速——而不仅仅是生产效率。
“慢，然后突然”
这就是为什么我一直认为 AI 的经济回报很可能遵循“慢，然后突然”的模式。
如今，投资者主要看到的是 GPU、模型训练和数据中心的支出。
投资回报显得微不足道，导致许多人得出结论，AI 只是另一个泡沫。
但这些投资主要不是为了购买今天的利润。
它们是在购买明天的智能资本。
一旦模型能力跨越某些关键阈值，AI 智能体开始在企业的各个环节运行，劳动力替代加速，生产力可能会经历一个高度非线性的跳跃。
到那时，曾经看似过高的估值可能突然变得完全合理。
Caballero 最初的反馈循环是：
估值 → 投资 → 资本形成 → 基本面
我怀疑 AI 最终可能演变成更强大的东西：
估值 → 投资 → 计算 → 智能 → 创新 → 更多创意 → 更高生产力 → 更高利润 → 更高估值
产生正反馈的对象不再仅仅是资本。
它是整个社会的创新能力。
如果这个过程被证明是正确的，那么 AI 代表的将不仅仅是另一场技术革命。
它将从根本上改变技术革命本身产生的机制。
历史上，康德拉季耶夫长波持续了四到五十年，不是因为经济要求这样的时间节奏，而是因为创新资源稀缺：科学家有限，研发能力缓慢扩张，知识逐渐扩散。
AI 正在改变这些假设。
我们可能见证的不是越来越短的技术周期，而是多个工业革命在共同的 AI 平台上同时展开：
AI 驱动的药物发现
AI 设计的材料
AI 创造的半导体
AI 驱动的机器人
AI 赋能的生物制造
……以及更多。
创新本身变得工业化。
技术革命从间歇性转变为连续性。
如果熊彼特将创新视为经济增长的引擎，罗默将知识视为增长的引擎，那么 RSI 和 Caballero 可能共同指向增长理论的下一个前沿：
熊彼特的经济周期依赖于颠覆性创新，而颠覆性创新依赖于人类智能——有时，还依赖于罕见的天才。
AI 可能是第一个将天才本身转变为一种资本形式的技术：一种可以被融资、大规模复制、持续改进，并最终能够自我改进的东西。
基于这一论点，无论今天的 AI 泡沫看似有多大，创新的指数级增长可能使经济以远超大多数人预期的速度吸收它。