AI 越成功，投资者越需要保持清醒
技术革命可以改变世界，却未必给投资者带来超额回报。
2026 年 10 月 5 日，李录在哥伦比亚商学院第 36 届格雷厄姆与多德年度午餐会上，与教授塔诺·桑托斯（Tano Santos）讨论了人工智能、资本市场与价值投资。哥伦比亚商学院官网已发布这场对话的中英文文本。李录是喜马拉雅资本创始人，长期践行价值投资。这场讨论值得关注的地方，在于它把 AI 的技术前景与资本市场的定价逻辑分开了。 官方活动与中文实录
AI 正在快速进步，市场也在为这种进步重新定价。但有一个问题很容易被忽略：如果一项技术真的足够伟大，是否意味着现在买入相关股票，就一定能获得丰厚回报？
答案显然是否定的。
一、技术革命是真的，投资回报却需要重新计算
每逢重大技术变革，市场都会出现类似的争论。
蒸汽机、电力、铁路和互联网，都曾改变经济运行的方式。它们创造了新的产业、新的企业，也提高了整个社会的生产效率。但技术的成功与投资者的成功，从来不是同一回事。
铁路具有巨大的社会价值，并不意味着每一家铁路公司的股票都值得买入。互联网改变了商业世界，也不意味着互联网泡沫时期的所有投资者最终都能赚钱。
原因很简单：技术创造价值，企业争夺价值，市场提前给未来定价，而投资者最终获得的回报取决于买入价格与实际经营结果之间的差距。
一家企业即使未来能够赚取巨额利润，如果投资者买入时已经为更乐观的未来支付了过高价格，最终回报仍可能不尽如人意。
这也是当前 AI 投资最值得认真思考的问题。
AI 能否继续提高生产效率？能否替代更多知识型劳动？能否催生新的商业模式？这些问题决定了技术的潜在价值。
但对股票投资者而言，还必须继续追问：这些价值会由谁获得？需要投入多少资本？竞争会把利润压缩到什么程度？当前股价又已经计入了多少未来增长？
前一组问题决定产业空间，后一组问题才直接关系到投资回报。
二、AI 与互联网有一个重要区别：使用本身就有成本
李录在演讲中指出，AI 与互联网存在一个值得重视的区别：AI 的每一次新增使用，通常都会产生额外成本。算力、能源、芯片和数据中心，以及模型训练和推理，都需要持续投入。收入、成本、利润和资本需求，最终仍然要接受财务纪律的检验。 哥伦比亚商学院中文实录
这并不意味着 AI 的商业模式一定不如互联网。
传统软件往往具有较低的边际复制成本，一款软件开发完成后，可以向大量用户销售，新增用户带来的成本相对有限。AI 服务也能通过模型优化、硬件升级和规模效应降低单位成本，但推理过程仍然需要消耗计算资源。
因此，AI 企业的增长不能只看用户数量和收入规模，还要看收入增长能否持续超过成本增长，以及资本投入最终能产生多少回报。
这会带来一个重要分化。
一类企业掌握关键技术、拥有竞争壁垒，并能把规模优势转化为现金流；另一类企业可能需要持续投入巨额资金才能维持竞争力，即使收入快速增长，也未必能形成相称的利润。
两类企业都可能处于 AI 浪潮的中心，但它们对股东的价值可能完全不同。
这里可以借用克莱顿·克里斯坦森的《创新者的窘境》来理解技术革命的另一面。这本书讨论了为什么优秀企业也可能在颠覆性技术面前失去领先地位。技术变革会改变竞争规则，过去的优势不一定能够延续。反过来看，今天的技术领先者也需要不断证明自己的优势能够转化为长期经营成果。
所以，投资 AI 不能停留在判断谁的技术最先进。真正重要的是，企业能否持续创造经济价值，以及这种价值最终能有多少留给股东。
三、市场最容易犯的错误，是把好消息当成无限增长的理由
AI 投资还有一个更隐蔽的问题：即使对技术的判断正确，也可能对未来的盈利和估值过于乐观。
罗伯特·席勒在《非理性繁荣》中分析过资产价格上涨背后的心理、文化与市场机制。投资者会受到成功案例、媒体叙事和群体行为的影响。当一种趋势不断得到验证，人们容易把近期增长外推到遥远的未来，逐渐忽略价格中已经包含的预期。
AI 恰好具备形成这种市场情绪的条件。
技术进步可以被直观展示，应用场景可以不断扩展，资本投入也能强化市场对未来的想象。当越来越多的人相信某项技术将改变一切，讨论就容易从“它能创造多少价值”滑向“它的价值究竟能有多大”。
但企业的价值并不会因为叙事宏大而自动增加。
假设某家企业目前每年创造 100 亿元利润，投资者认为它未来有望成长为每年创造 500 亿元利润的企业，于是提前按照这一预期支付价格。
如果未来利润真的达到 500 亿元，投资者是否一定赚钱？
仍然不一定。还要看当初支付的价格、利润兑现的时间，以及市场届时愿意给予它多少估值。如果增长已经被充分计入股价，企业兑现预期可能只意味着股价获得支撑，并不意味着还能产生超额收益。
如果利润只增长到 300 亿元，企业本身依然取得了显著进步，但股票回报仍可能令人失望。
这就是投资中最重要的区别之一：判断企业会不会成功，与判断当前价格是否值得买入，是两道不同的题目。
四、为什么资本越集中，越需要寻找被忽略的机会？
李录在演讲中谈到，当资本大量流向少数科技企业时，其他优秀企业可能因此被低估。他还借用了查理·芒格的一个投资思路：去有鱼的地方钓鱼。竞争者越少的地方，越有可能找到更好的机会。 演讲中文实录
这不是说 AI 龙头必然高估，也不是说其他行业一定便宜。
市场集中可能有充分的基本面原因。少数科技公司拥有强大的技术、基础设施、客户关系和现金流，资本自然愿意给予它们更高的权重。优秀企业获得更高估值，本身并不构成错误。
真正需要警惕的是，当市场参与者越来越关注同一批公司、使用相似的增长假设时，价格是否已经反映了过于乐观的未来。
与此同时，那些增长较慢、缺少热门叙事，但仍然拥有稳定客户、竞争优势和现金流的企业，可能因为缺少关注而被忽略。
这就形成了一个有趣的局面：最受关注的资产，可能拥有最好的商业前景，却不一定拥有最好的预期回报；不受关注的资产，可能没有那么激动人心，却有机会以更合理的价格买入。
这里的关键在于区分两件事：市场关注度与企业价值不是一回事，企业价值与股票价格也不是一回事。
被忽略并不意味着被低估。企业可能因为技术落后、行业衰退、管理不善而被市场冷落。只有当企业的真实价值高于市场价格，并且这种差距能够在合理的时间内兑现，低关注度才可能转化为投资机会。
五、价值投资为什么没有过时？
本杰明·格雷厄姆在《聪明的投资者》中强调，投资者应当区分投资与投机，并为不确定的未来保留安全边际。
所谓安全边际，就是在估算企业价值时承认自己的判断可能出错，并且不愿意为尚未兑现的预期支付全部价格。
这套方法在 AI 时代仍然适用。
AI 可以帮助投资者更快地阅读财报、整理行业信息、比较企业和建立估值模型。但它不能自动消除未来的不确定性。即使分析工具更强大，企业未来的竞争格局、利润率、资本开支和市场估值仍然存在变数。
工具提高了分析效率，却没有让未来变得确定。
李录在这场演讲中回顾了价值投资的几个核心原则：股票代表企业所有权；市场应当服务于投资者，而不是支配投资者；预测未来必须保留安全边际；投资者需要认识自己的能力圈边界；还要寻找竞争相对较少、机会更有吸引力的市场。
这些原则共同指向一个目标：以合理价格买入优秀企业，给予企业足够的时间创造价值，并由股东分享价值增长。
这与追逐短期热门概念的思路存在根本区别。
当然，价值投资也不意味着刻意避开 AI 龙头。只要企业的竞争优势、盈利前景和买入价格合理，科技公司同样可以成为优秀的长期投资标的。真正需要避免的，是因为看好一项技术，就跳过对企业和价格的分析。
六、普通投资者应该如何面对 AI 浪潮？
对普通投资者而言，最重要的不是准确预测 AI 的终极形态，而是建立一套不容易被市场情绪带偏的判断框架。
首先，把技术判断与投资判断分开。看好 AI 的长期发展，不等于任何价格都值得买入。应当分别评估技术前景、企业竞争力、盈利能力与当前估值。
其次，关注利润和现金流，而不只是收入与市场规模。尤其要观察资本开支、单位服务成本、自由现金流和股权稀释。收入增长很快的企业，未必能以同样的速度为股东创造价值。
再次，检查自己的预期是否过度依赖单一情景。如果一家企业只有在技术持续突破、竞争对手无法追赶、利润率不断上升和估值长期维持高位的情况下，才能支撑当前价格，那么投资者实际上承担了多个条件同时成立的风险。
最后，保持投资组合的弹性。市场热点越集中，越需要检查自己的资产是否过度依赖同一类增长预期。分散投资并不能消除所有风险，但可以降低单一判断失误对整体资产的冲击。
这也意味着，投资者不必为了证明自己看懂了 AI，就急于参与每一轮行情。能够理解机会，也能够承认价格不合适，同样是一种投资能力。
结语：不要把技术的未来，提前当成自己的收益
AI 很可能继续改变知识工作、软件开发、企业组织和社会生产方式。它带来的经济价值可能远超今天的想象。
但投资者最终需要回答的，始终是一个更具体的问题：我现在支付的价格，能否让我在承担相应风险后，获得合理的长期回报？
这要求我们同时尊重技术进步的力量，也尊重资本市场的约束。技术可能突破旧有边界，企业仍然需要面对成本、竞争和资本回报；市场可以在相当长的时间里偏离理性，价格最终仍然需要经营成果来支撑。
对投资者而言，最值得警惕的不是错过下一家伟大的 AI 公司，而是因为害怕错过机会，忘记自己究竟买入了什么。
技术决定未来可能创造多大的价值，价格决定投资者能够分享多少价值。
当市场把目光集中在少数赢家身上时，保持独立判断、坚持合理估值、耐心等待真正有吸引力的机会，或许比预测下一轮风口更重要。
本文仅为个人观点记录，不构成投资建议。