AI 还停在单点替换阶段，美股为什么切换成了存量逻辑

最近美股行情简单来说可以用跷跷板来形容：软件和大科技涨、半导体就会跌；半导体涨，软件和大科技就会跌，而刚好我两块标的都买了，算是比较难受的一段时间，也在考虑下一步该如何调整仓位。

刚好看到了美投君最近一期直播录像，主题是下半年的投资方法论，我觉得非常有收获，里面的很多思考也经得起挑战。最有价值的部分是他用电力革命做的一次历史对照，以及由此推出的、判断当前 AI 投资阶段的一套框架，个股观点反而是次要的。以下内容是对这期节目的提炼，观点均来自美投君本人。

他的起点是一个判断：现在投资美股只需要搞明白一件事，就是当前处在 AI 革命的哪个阶段。理由是 AI 是市场唯一的 Alpha，资金都在AI赛道。搞明白这一个问题，大科技还能不能投、AI 软件股是不是机会、AI 之外还有没有机会，这些问题都能顺着解开。

1️⃣ 单点替换无法带来生产力爆发

这是全片的核心结论，也是他从电力革命里提炼出来的：技术革新只是前提，组织架构的创新才是生产力爆发的关键。

一百年前工厂通电，早期做法是把蒸汽机拆掉换成一台大电机，车间其他部分不动，生产力提升非常有限。真正的爆发要等到工厂给每台机器单独配一个小电机、围绕电力重新排布整个生产流程，而那已经是几十年之后。

美投君认为 AI 现在正处在同一个位置，从第一性原理看 AI 注定会带来大幅的生产力提升，这个结论几乎没有分歧；但现实是效率提升只出现在局部，coding 效率翻了 10 倍甚至 100 倍，某些数据分析领域也有明显提升，却没有任何一家公司因为应用 AI 而实现整体生产力的大爆发。

他的判断是，真正长出来的只有两个新行业：大模型，以及被它带动的数据中心建设。这类似于过去 20 年里依次长出的社交媒体、短视频、电商，每个阶段长出一个行业，仅此而已。行业本身有投资价值，但带动不了整个社会的生产力。

2️⃣ AI提效的两个障碍：组织结构与模型能力

为什么还停在单点替换？两个具体的障碍如下。

第一道坎是组织结构本身难以改变。 他认为 100 年前工厂做组织转变遇到的困难，和今天企业面临的困难是同一类。核心阻力在于回报不可见：coding 提升了 10 倍，整个组织能不能提升 10 倍，没有人知道。在这种不确定性下，管理者很难做出裁员或重组的决策，股东也会质疑。大科技现在稍微多投一点钱就已经承受了大量质疑，真要推动一场结果未知的组织变革，质疑只会更多。他用自己的公司举例，美投是一家不到 30 人的团队，做一次组织重构都非常困难，3000 人、3 万人的公司难度更高。

第二道坎是大模型能力还不足以支撑围绕它重建组织。 他仍然用电力革命类比：当年电力替代旧的动力系统花了很长时间，一个重要原因是小型电机的技术难度远高于大型电机。今天的情况类似，大模型在 coding、数据分析上已经足够强，但在设计、内容生成等环节还无法真正替代或优化人类，大量任务依旧需要人类处于任务回路中，来完整最后的闭环。

这两道坎跨不过去，AI 的应用形态就注定停留在单点替换阶段。

3️⃣ 增量逻辑与存量逻辑的切换

增量逻辑是 2023 至 2025 年这三年的市场状态。他把 AI 产业链简化为三层：最上层的大模型应用、中间的三大云厂商、下层的半导体。循环路径是大模型赚钱后购买算力和 token，云厂商拿到钱去建数据中心，数据中心的支出流向半导体与相关技术层。整条产业链从上到下同步膨胀，所以那三年半导体、云计算、AI 软件层以及 Palantir 这类公司都在同步上涨。

存量逻辑是他判断的当前状态，切换发生在去年底今年初。识别特征是跷跷板：半导体涨则大科技跌，大科技涨则半导体跌；半导体内部同样如此，ASIC 涨则 GPU 跌，存储涨则光、电被放到一边。他的定性是这本质上是一个资源争夺的过程，谁的话语权大谁就抢占更多资源。

他特别强调这不等于行业停止增长，而是资本市场的交易逻辑变了。背后的原因正是前面那条结论：生产力没有爆发，增量走到一个阶段就到头，而市场预期还停留在 AI 是个大机会、资金已经扎堆进来，于是转向互相抢占存量资源。

研究完这段历史之后，他自陈观点发生了一个变化：存量逻辑可能会比原先想象的持续更久。

4️⃣ 下半年的四条投资原则

1. 把握价值，而不是把握趋势。 他明确劝阻在存量逻辑下追趋势，即卖掉涨完的半导体去买云计算、涨完再回头买 ASIC 这种打法。原因是存量逻辑下的变化不是基于需求，而是基于交易，而交易是博弈，其中包含大量非理性情绪；想要高抛低吸，本质上是在判断非理性还能走多远，而非理性是几乎无法判断的。

他还给了一个反直觉的提醒：猜准了是一件更危险的事。 他用火鸡的寓言说明这一点。火鸡群里的经济学家发现每天早上 9 点固定有人喂食，364 天从无例外，堪称第一性原理；第 365 天，所有火鸡被拉了出去。对一个没有规律的东西强行判断并偶然成功，会强化错误的信心。

他认为值得把握的价值有两类：一类是不怕被抢占资源的公司，即护城河深、定价权高、市场地位不可或缺的标的，他举的共识例子是台积电，另外提到 ASML 和英伟达；另一类是优质公司的便宜价格，只要对价值有判断，价格足够低就可以买，不必纠结它处在周期的什么位置。

2. 交易型选手做左侧交易。 他的前提是存量逻辑下所有板块本质上都是周期股，因为在存量里都有天花板，一个方向走多了就会切换到下一个。而周期股最简单的玩法是买低不买高。理由是难度不对等：在高位需要同时判断价格、趋势、非理性和拐点；在底部区域只需要判断基本面何时触底。他举了美光作为例子，那是他们 2025 年初做半导体前瞻时最推荐的标的，因为当时正处在周期谷底、相对好判断。

3. 穿越周期，看增量逻辑。 他强调当前是存量逻辑没错，但从第一性原理讲生产力注定会提升，所以投资要往前看五步、十步，去寻找在增量逻辑下必然受益、且能穿越各个周期环境的公司。他举的例子是三大云，这是当下最受质疑的一类，上被大模型挤压、下被半导体挤压，但他认为市场只看到了夹在中间的难受，没看到三大云是整个 AI 产业链上议价权最高的玩家之一，并判断在 5 年这个维度上几乎没有被冲击的可能。他对三大云近期的下跌态度明确：跌得越多越好。

4. 做看得懂的交易。 他把看得懂拆成几个层面：基本面、行业需求，以及很大一部分是价格。他的建议是看不懂就不要追，因为把握不住的机会即使短期赚了 50% 甚至翻倍，长期也留不住这部分利润。

5️⃣ AI Adoption 会大于 AI Application

这是他自称争议最大的一个判断，推理路径是：既然生产力爆发注定会来，那它会先发生在现有产业，还是先长出全新应用？历史给出的答案是前者。电力革命不是先出现冰箱、洗衣机这些全新家电，而是先在工厂里提升效率，而那些汽车厂、纺织厂在蒸汽机时代就已经存在。

所以他判断 AI Adoption（现有企业采用 AI 改造自身）会大于 AI Application（AI 原生应用），并认为这需要扭转当前的 mindset：现在市场都在找 AI 应用层，而应用层实际上只有 Palantir 一家，勉强再加上特斯拉作为物理 AI 的唯一应用层公司；但 AI Adoption 所有企业都在做，缺的是像当年福特跑通流水线那样的破局者。

他总结了先驱者应具备的三个特点：生产力提升空间足够大（30 万人的公司比 30 人的公司空间大得多）、本身是技术的引领者（对 AI 有前瞻认知与大规模应用理解）、利益驱动足够强。第三点他用 GE 举例：GE 自己有工厂，效率提升对自身有利，但更关键的是它制造发电机和电动机，一旦跑通，这些产品就更好卖，所以它有足够动力去承受短期阵痛。

按这三条筛选，他认为当前所有大科技都满足条件。在只挑一个的问题上，他选了 Meta，理由是成为先驱者需要不惜代价做那些看起来不合理的投资、高风险的改革、市场不喜欢的事情，而 Meta 在他看来有点不择手段，这种特质在当前环境下反而可能让它更容易做出组织结构的创新。

这套判断真正的用处不在于押注哪家公司，而在于知道该盯什么信号，也就是组织架构的改变。谁在积极做组织重构，谁就更可能引领下一个拐点，那可能是下一个 ChatGPT 时刻，甚至是泡沫的起点。可观察的迹象包括裁员（裁员未必意味着组织变革，但至少是一个表象）、组织重构的尝试（他举了 Shopify 打通各部门 agent 的做法），以及 FDE 这类负责把 AI 落地到企业内部最后一公里的角色。

6️⃣ 下半年的投资逻辑

他认为下半年的投资远比想象中简单：宏观环境没有太大风险，到处都是机会。理由是存量逻辑只是交易逻辑，AI 的需求本身不是问题，问题只是价格。价格有时偏高有时偏低，但不管是基础层的半导体、中间的云计算还是上层的大模型，需求都没有问题，未来进入增量逻辑更不会有问题。所以半导体下跌是好事，跌出好价格就可以买。

行动上可以归结为三条：

1. 不要掉进存量逻辑的陷阱、跟着趋势来回切换
2. 找到能穿越周期持续分享红利的好公司
3. 可以考虑提前埋伏组织创新的先驱者