AI热潮引发泡沫担忧:会重蹈互联网覆辙吗?

人工智能领域泡沫化引发争议,同时资本市场正经历调整期。

什么是泡沫?

要想判断泡沫,我们需要先了解什么是泡沫。

泡沫往往源于新技术的产生,市场对技术的未来发展过于乐观,导致过度投资和盲目跟风,使其价值超越实体经济可承受的程度,随后急剧下滑,最后像肥皂泡一样破灭。

结合海曼·明斯基的《金融不稳定假说》、霍尔迪·加利《货币政策与理性资产价格泡沫》等数篇研究经济泡沫的经典论文,我们总结出泡沫产生的核心条件。

主要包括:经济基本面有利投资、信息差的出现,以及心理和行为因素的膨胀效应。简单来说就是:市场有钱且投资者非理性投资。

第一是市场要有钱,这意味着市场要有充裕的流动性。一个低利率环境下信贷扩张,流动性过剩的基本经济现状才能引发泡沫。

比如在2022年,我们就经历了被称作"万物泡沫"的时期。美联储为应对疫情导致的经济下跌,在2020到2021年实施了近零利率和量化宽松(QE)。这一举措吸引了投资者进行风险更高的投资,并允许不可持续的商业模式在低息贷款的基础上发展。几乎所有股市资产都在高速升值,屡创美国历史记录。直到2022年美联储重新上调利率来抑制通胀,股市应声大跌,一年内谷歌跌幅40%,特斯拉、Meta股价下跌60%。

第二是投资者非理性投资。新技术使得投资者可以通过早期投资获得相当高的回报。而某些赛道本身的垄断性质又使得它未来的潜在收益更高。足够高的获利空间导致市场盲目乐观,使投资者低估风险,高估回报。

比如2000年被刺破的互联网泡沫。1995年,大量风险投资涌入电子商务、电信、软件服务等互联网相关领域,投资回报率远超化工、能源、金融等其他行业。而投机者注意到股价的快速增长时,又预期其会进一步上升而买入。1999年,美国互联网相关行业的投资金额达到287亿美元,是1995年的近10倍。

AI投资的上限在哪儿?

还记得我们上面提到的泡沫产生的两个前提条件吗,第一个就是市场要有钱。

但当下美国金融市场的流动性并不乐观,这意味着AI泡沫上限高不了。

对此,华创资本合伙人的熊伟铭指出:"这一波泡沫的程度其实远不如20年前的互联网泡沫,甚至不如2017年的加密货币泡沫,也不如2021年的NFT泡沫,这些泡沫的特点是估值远远超过了实际产品和服务所能获得的投资回报周期。

如果用比例来衡量,我认为这一波泡沫的程度可能只有dotcom或NFT泡沫的20%到30%。这波泡沫的程度绝对比不上之前的几次。"

近两年的融资环境相对较差,为了遏制疫情时期货币宽松所带来的40年来的最高通胀,美联储自2022年3月至2023年7月进行了11次加息。

与此同时,美联储还开始了大规模缩表,从2022年6月开始,Fed每月减少600亿美元的国债持有量和350亿美元的抵押贷款支持证券(MBS)持有量。

一句话总结就是,在AI爆发期间,美联储正在进行自1980年代以来最激进的货币紧缩政策。

市场没钱,即便几乎所有的VC都陷入FOMO,美股整体风投的趋势依然不增反降。根据Crunch base的数据,今年上半年全球融资总额同比下降5%。

当然,这其中的AI初创公司逆风挺立,同比增长24%,甚至在今年第二季度拿到240亿美元的最大季度投资,但总值依然不过是2021年的70%。

这是因为2021年万物泡沫期的宽松带来了巨量流动性,其余波还未消除。市场不如2021年有钱,但也还是挺有钱的。

熊伟铭对比表示:"最近两年,AI从资本化角度来看可能已到顶峰。2021年,美国在半年内发了6万亿美元,这是人类历史上的唯一一次。这种资本催熟效应是前所未有的。"

然而VC们手中的钱就捏得比21年紧多了。

从COATUE给出的数据看,此轮AI投资虽然热闹,但VC们并未出尽全力。私募股权公司手里还有1万亿美元的未投资金,处于历史最高水平。

这主要有两个原因。

一是退出路径不畅,VC投资很犹豫。在上一轮"万物泡沫"之后,独角兽公司数量猛增,从2016年的67个一路涨到2021年的580个。但他们获得再融资的比率却在直线走低。从16年到22年,同期获得再融资的独角兽比例从50%降到了20%以下。

那IPO呢?更是惨不忍睹,从2022年开始基本都只有个位数。

"实际上,2021年美股有970个IPO,而2022年降至162个,今年上半年大约只有44个。这表明全球资本市场的收缩是一个明显的趋势。"

在这一情况下,退出手段就只剩并购一条路。这个路子太窄了。

另一个原因是现在AI发展所处的阶段投资门槛较高,限制了很多VC入场。

"早期的互联网行业需要搭建自己的服务器和基础设施,类似于今天的AI领域。运行一次大模型的成本从几万美元到上亿美元不等,处于新的基础设施建设的早期阶段。"

我们发现,进入人工智能领域的钱,大部分流向基础层公司(Foundational layer),也就是我们所熟知的大模型公司,如OpenAI、Anthropic、Gemini等。

他们再利用这部分资金购买计算层公司(Computing layer)如英伟达的芯片来训练自己的大模型。