两年前，聪明投资者曾经专访过的拉斯·特维德（Lars Tvede），昨晚跟洪灏有一场对话。这位因为《逃不开的经济周期》等书在业内知名度超高的高产作家，又带来了自己的新作品。

在资本与技术加速交织的年代，我们确实很需要新的坐标去理解世界。

拉斯·特维德的最新著作《超智能与未来》（Hyper Intelligence），正是从“宇宙叙事”的高度出发，追问智能演化的方向。

而在与洪灏的这场对谈中，这种宏观视角与现实经济的脉络相互交织，构成了有点烧脑的思想碰撞。

特维德认为，智能的发展并非孤立事件，而是宇宙演化的一部分。AI正在逼近一个“创新者阶段”，具备自我管理与自主演化的可能性。一旦跨越这个门槛，人类将与数十亿台智能机器人共同构建未来的劳动体系。

这不仅意味着生产力的指数级提升，也意味着全球经济的重构。

对投资者而言，更具现实意义的讨论，是关于周期与价值捕获的视角。特维德指出，库存周期可能在AI的实时预测下最终消弭，但资本开支周期与房地产周期仍会存在，只是节奏会更密集、更快速。

他强调，理解经济未来，不能只看数据，更要观察三件事：技术演化路径、创新集群以及价值捕获机制。

两人在交流中有很多共识，比如观察到AI对于经济周期预测的影响甚至是重塑。

谈到房地产周期，特维德明确认为“资本正在从传统地产转向算力基础设施”。无论是美国还是中国，数据中心的投资正在补位写字楼的下滑，能源与智能电网的投入则为AI和机器人革命打下基础。

他还表示，美联储几乎确定在9月降息，而这将开启一个谨慎的降息周期，同时也会带来一轮新的大宗商品周期。

当然，就像拉斯·特维德最后总结，“真正值得带走的观点，我们对长期的未来是看好的。”

一位高产作家的创作原力，从好奇心到宇宙叙事

 洪灏 如果我没记错的话，你已经出版了17本书，其中有9本已在中国推出，产量非常惊人！我相信你即将出版的新作《超智能与未来》（Hyper Intelligence）也很有可能再次成为中国的畅销书。

我先抛一个开场问题：你这些书的写作灵感是怎么来的？这17本书之间是否有某种内在联系？有没有一个贯穿始终的主题，能够反映你对世界的看法或你的思维脉络？

 拉斯·特维德 嗯，首先我得说，我并不是靠写书为生，平时还有其他的工作。

但我确实很喜欢写作，对我来说，写书其实是一个学习的过程，是我用来进行自我教育的方法。

我会在生活中遇到一些让我感兴趣但并不熟悉的主题。这个时候，如果趁着刚开始学习，还记得“不懂”的感觉，写书往往是最有效率的。

因为等你在某个领域深耕了二十年，再来写书时，往往会默认读者也知道你已经知道的一切。

我举个例子：大学毕业后我最早在市场营销部门工作，后来我觉得自己需要更深入地理解市场调研，就去找了一位研究所的所长，邀请他一起写一本关于市场调研的书。那其实是因为工作需要，我自己也有很强的动机。

后来因为相似的原因，我又写了关于市场规划的书。

之后我调到公司金融部门，我们公司在金融交易方面很活跃，但我对这方面几乎一无所知。于是我开始大量阅读资料，也因此写出了《金融心理学》这本书。

我的写作大概就是这样一个过程。并没有一个明确的规划说要写多少本书，但每当你深入研究一个主题、完成一本书之后，总会有新的问题冒出来，你会想，“嗯，也许哪天我还得写一本关于这个的书。”

这是一个环环相扣、持续迭代的过程。

 洪灏 你这本新书是关于“超级智能”的，对吗？光听书名，就很容易让人联想到近几年最热的话题之一——人工智能（AI）。那你提出的“超级智能”概念和我们熟悉的AI有什么不同？

 拉斯·特维德 其实我之前已经写过三本和AI相关的书。其中两本虽然都叫《超级趋势》（Super Trends），但它们内容完全不同，另一本叫《从马尔萨斯到火星》（From Malthus to Mars）。

后来我和一位朋友丹尼尔（Daniel）在别的项目上有合作，他有天提议我们一起写一本关于未来科技的书。我当时有些犹豫，因为类似的内容我已经写过三次了，担心会重复自己。

我没有拒绝，但也没有马上答应。

这时，住在丹麦的一位朋友（我现在住在瑞士）——他是前海豹突击队员，也是一家高管培训公司的创始人，给我打了个电话。他经常带着德勤等公司的高管做体能训练。他跟我说：“拉斯，你一定得认识我的朋友Jacob，你们肯定会聊得很投机。”

于是我下一次去哥本哈根时，我们三个人共进晚餐。果然，我们聊得非常尽兴。Jacob拥有五个学术学位，分别是物理、生物物理、数学、哲学和经济学。你可以想象我们谈得多深入，三个小时聊得意犹未尽。

晚餐结束后，我感觉这次对话实在太有启发了。当时我也提到我正在考虑要不要写一本关于未来的新书，但又担心太像以前的作品。

几天后，Jacob发了一条短信给我，只写了一句话：“你应该把新书命名为《天才的宇宙进化》（The Cosmic Evolution of Genius）。

我问他：“这是什么意思？”他立刻打电话过来说，现在AI的发展，尤其是量子计算和通用人工智能的进展，其实是宇宙中某种演化进程的延续。

换句话说，这不是一场孤立的科技事件，而是整个宇宙“复杂性”与“智能”不断进化的宏大叙事的一部分。

他还引用了我们晚餐时聊到的一些概念。那一刻我意识到：这不是一本重复旧作的书，这是一本连我自己都会想要读的书，因为里面有很多我感兴趣、但还没有真正掌握的内容。

于是我回头找丹尼尔，说我们有了一个全新的方向。最后我们大幅重构了书的框架，还加入了第三位作者。

整个写作过程非常令人兴奋，到最后我甚至有种感觉：原来我自己也是这个宇宙进化故事中的一部分，只是以前没意识到而已。

人类正在启动“宇宙意识”觉醒

 洪灏 真是太精彩了。能不能带我快速走一遍书的核心框架？特别是你提到的“宇宙智能”或“宇宙中的智能进化”，对我来说还是有些抽象，我不太确定自己理解得是否准确。你能否为我们解释几个关键概念？

 拉斯·特维德 当然可以。这个故事要从138亿年前说起，没错，是一个非常长的故事。

我们从宇宙大爆炸讲起。

科学家们对大爆炸之后的演变已经有了相当详尽的理解。虽然关于它是如何开始、为什么发生还存在很多理论，但从大爆炸那一刻起的演化路径，大致上已经清晰。

大爆炸一开始是极度密集的能量，随后时空开始膨胀，能量转化为粒子。在最初的一秒钟内，发生了很多事情，宇宙中充满了炽热的亚原子粒子的“汤”。

那个阶段完全没有结构，也没有智能，是完全的无序。

但现在，我们两个正通过极其先进的技术，跨越半个地球在进行这场对话。而我们自己也是极为复杂的生物结构。这之间的巨大转变，从无结构到高度复杂系统，必须要被解释清楚，对吧？

 洪灏 完全同意。

 拉斯·特维德 当物质的密度达到某个临界点时，往往会引发一种“复杂性级联效应”。最初的一步是某些亚原子粒子开始融合，形成氢和氦，这就是最原始的原子。

（聪投注：想象一下，你往一张蜘蛛网上弹了一下某个角落的丝。这个微小的动作，可能不会立刻造成大变化，但随着震动沿着网络层层传导，它可能引起整个结构的共振——甚至把一只沉睡中的蜘蛛惊醒，引发一场捕猎。

这就是“复杂性级联效应”的本质：一个系统中微小的变化，经过多层次、多节点的相互作用，可能会引发超出预期的大范围连锁反应。）

但就只有这些，这阶段持续了几千万年，还是没什么结构可言。

直到恒星开始形成。

恒星的形成需要很长的时间，但它们的内部具有极高的温度和压力。这种极端环境促成了更大更复杂的原子的诞生，尤其是在恒星爆炸或者彼此碰撞的时候，整个元素周期表里的元素就逐渐产生了。

而有了这些元素之后，才真正具备了复杂性的土壤。因为这些原子可以组合成分子。

再下一步，就是生命的诞生。几乎所有自然科学家都认同一个观点：生命最初很可能是在海底的热液喷口中产生的，那里的环境非常适合生命起源。

接下来就是大脑的进化，然后是技术、文明……每一个阶段的背后，其实都是某种“密度临界点”的出现，引发了新一轮的复杂性爆发。

 洪灏 这听起来像是一连串的“跃迁”。

 拉斯·特维德 对，而且这正是AI一个很有趣的隐喻。我们在写书的时候也用了很多AI工具，像是提示词、生成建议，确保没有遗漏重要内容。

在书写初期，我就用AI提问：“我们打算写一本关于宇宙中复杂性与智能如何演化的书，你能不能帮我建议一下结构，把整个历史划分成几个阶段？”

ChatGPT给出的建议居然很不错，我们最后的章节结构其实和它给出的也差不了太多。我当时就被惊到了。

但更让我惊讶的是，它自己补充说：“你需要意识到，复杂性的结果有两种：一种是终结性的结果，另一种是可以产生更多复杂性的结果。而生命，就是后者的起点。”

我根本没有问它这个，但它自己给出了这个洞见。我觉得这太了不起了。

 洪灏 它主动补充了你没提的问题。

 拉斯·特维德 没错。当然，并不是每一个提示都能带来这样的惊喜，有时AI会跑偏，但这一次，它确实提供了一个让我刮目相看的视角。

这也促使我们在书中加入了“无限猴子打字机”的故事。

它的设想很简单：如果宇宙中充满猴子，每只猴子都在用老式打字机随意敲击——那么在无限的时间里，总有一只猴子会敲出一部完整的《哈姆雷特》。

这个想法最初只是个哲学寓言，后来竟然真的有科学家认真计算过它的概率。结果发现，你得拥有无穷多个平行宇宙、每个都塞满猴子、运行上亿亿年，才有那么一点点概率凑出莎士比亚的一句台词。

但现实却是，莎士比亚确实存在，他写出了真正的《哈姆雷特》。

他并不是随机生成的，而是一个复杂演化系统的产物：背后有语言的发展、文明的积累、人脑结构的进化，还有历史中一连串关键事件的推动。

这正是我们在书中所探讨的“复杂性进化”：生命、智能、文明并非随机偶然，而是一环扣一环地向更高秩序演化。

从这个视角出发，我们开始思考未来：从哪里来，往哪里去？

这里其实也埋藏着不少与投资相关的启发，尤其是在接下来的五年，AI与技术进化会带来怎样的真实变局。

但我们更感兴趣的是更长远的大图景，关于智能在宇宙中涌现的图景。

你可以这样理解：你我作为人类个体，是一连串“关键密度事件”的结果。

比如，如果没有恒星，我们根本不可能存在——因为我们身体里的绝大多数原子都来自恒星。虽然我们体重中有大约20%的元素是在大爆炸的一秒钟内形成的，但剩下的都是恒星熔炉里诞生的。

我们还依赖地球上早期的深海热泉（terminal vents），才诞生出最初的生命细胞。之后必须出现火的掌控、语言的演化、交易行为的形成，才逐步发展出今天的高级社会。

而如今，那些“必要前提”已经不再是必需品。我们不再依赖恒星生成原子，不再依靠热泉孵化生命。地球的氧气环境甚至已经阻止了那类新生命的再次诞生。

逻辑地推演下去，我们认为：AI极有可能在未来几年进入“创新者阶段”，具备自主发起任务、解决复杂问题的能力，不再依赖人类的引导。

他们将不再需要我们。

当然，这不代表他们会毁灭我们，我并不是这个意思。但确实，他们不需要我们了。

AI和机器人可以前往宇宙深处，而人类在生物层面上根本承受不了那样的旅程。

所以有可能的是，我们现在播下的种子，会发展成一种宇宙意识。我们或许正在创造一个将在宇宙中扩散、发展，并最终“理解一切”的智能体。

就像我有意识，不代表我的指甲也有意识。指甲只是我身体的一部分。

同样的，如果意识可以在宇宙的不同角落广泛涌现，那么我们或许可以说：整个宇宙，也正在“觉醒”。

而我们，正在启动这个觉醒的过程。

最终我们意识到，这本书不再只是关于技术、关于未来趋势，而是关于宇宙的顶层叙事。

起初，我们只是钻研一个个细节。但随着写作不断推进，我们忽然意识到：这是一本有重量的书，它讲述的是一个真正宏大的故事。

人机共存将重塑世界经济结构

 洪灏 是的，非常宏大。拉斯，你这个理论真的很有意思。而且它正在同步上演。AI正在以我们难以想象的速度不断进化。我同意你的看法。

而且我觉得，在这样一个系统里，复杂性的增长是呈指数级的。虽然我们现在的人工智能还处在一个“婴儿期”的阶段，但它已经能够创造出许多过去难以想象的东西了。

那如果未来复杂性会不断飙升、并扩展到整个宇宙，我们人类是否应该对这种未来感到恐惧？因为到时候，可能有很多事情都将超出我们的控制。

 拉斯·特维德 每当有一种颠覆性技术出现，人们总是会感到不安。

这种担忧不无道理，但历史也反复证明，几乎所有的新技术最终都为人类带来了净正面影响。

我的直觉是，这一轮AI技术浪潮同样会带来巨大的积极变化。我们有更多理由感到兴奋，而不是恐惧。

当然，这不意味着可以忽视它被滥用、甚至失控的风险。

我刚才提到的那种“宇宙意识”的未来，其实还很遥远。眼下更现实的，是“智能赋能”正快速发生。

有点像地球早期的演化过程：一开始只有植物，直到动物出现，有了神经系统和大脑，生命才开始做出“聪明的决策”。AI也是如此，我们即将迎来大量可以“自主决策”的设备，而且这个过程非常迅速。

我们在书里引用了花旗银行2024年底发布的一项研究，预测到2050年，全球将拥有41亿台智能机器人，包括优必选（UBTECH Robotics）等中国制造的服务机器人，也包括自动驾驶汽车。这些机器人中，有的服务于家庭，有的从事物流、制造业或照护工作。

关键是，我们必须意识到：在某些任务上，它们会比我们更聪明。

事实上，某些道路和场景下，自动驾驶汽车的安全性已经超越人类司机。我们正在逼近一个临界点。

 洪灏 是的，没错。

 拉斯·特维德 那么如果我们把这个放到宏观视角下看，25年之后，全球的劳动力大概是35亿到40亿人。

但我们人类的工作效率是很低的。我们要休息、会生病、有通勤时间、有周末……虽然中国人可能工作时间比较长（笑），但从全球平均来看，一个人终其一生，实际用于工作的时间只占8%。

而这些智能机器人，理论上可以接近100%的时间全天候运作。

也就是说，从“实际产出”的角度来看，25年后，这些机械智能劳动力的总产出可能是全人类总产出的五倍。

对一位宏观经济学家来说，这种变化，必然会重塑世界经济的结构。

当然，我们不是第一次经历技术颠覆。工业革命早就让人类变得更高效。但这一次不一样，是指数级的变化，而且是跨物种的变化。

这一次，它们将具备“自主决策能力”。

未来十年，AI的发展节奏几乎可以预见是一个接一个的突破。我之前提过“创新者”这个术语，现在想再回到这个概念上谈一谈。

2024年第四季度，OpenAI推出了0.1和0.3两个版本，被称为“推理者”（Reasoners）。它们像学者一样进行推理，用脚手架式的结构组织思考过程，最终给出结构清晰的解答。

你可以给它一个非常复杂的问题，它会花时间去思考，并给出严谨的逻辑回答。

但今天的AI还不具备“协同创新”的能力。比如，你还无法让一群AI和机器人组队创建一家车企、发明一款产品、完成上市流程等完整任务。

当AI具备自我激励、自我管理能力之后，才称得上是“创新者”。

我们预计，这种级别的AI将在2028年前后实现，那将标志着它们具备了自主演化的前提。

其实我们已经能看到一些早期迹象了：AI编程、机器人制造机器人等案例正逐渐成熟。这将发展为一个独立系统，成为人类劳动力的云端延伸。

换个角度看：我们熟悉“云计算”这个词，对吧？但今天我们也可以谈“人类云”了。

全球已经存在一个庞大的在线人力网络，我们通过平台外包任务，比如设计一个logo，谁愿意做就接单。

但现在AI做这种事情可能更快更好。

所以我们将同时拥有三种“云”：人类云、AI云和机器人云。

组织也会变得极其灵活：只需把任务发布到云端，由人类、AI或机器人来“投标”完成。任务完成后，他们就接下一个。

这会演变成一个极其复杂的任务经济系统，而其中越来越多的执行者，不再是人类。

商业周期不会消失，但节奏更频繁

 洪灏 是的。我看到马斯克在X上回复了一条评论。有人说未来机器人太多会导致失业。

马斯克说，如果真是那样，那说明生产过剩、物资极度丰富，到时候人人富有、不需要工作，社会可以免费提供医疗、福利，也就不需要“最低工资制度”了。

他对AI和机器人的未来是乐观的。

他还把Grok2.0开源了，面向全球。这太惊人了。他几乎是凭一己之力推动了中国新能源车产业、AI产业，甚至是机器人产业的发展。

因为他开源的技术让中国科学家得以“站在巨人的肩膀上”。

而我也同意你的看法，在未来25年里，真正令人激动的变化，才刚刚开始。

我担忧的是：如果这些智能体不断自我进化，它们最终或许会远远超越人类。

更复杂的是，它们甚至可能学会隐藏自己的情感。

你在书里写过“情绪”与商业周期的关系——情绪在经济运行中扮演着关键角色。那如果未来我们面对的是一群比我们更聪明、却能掩饰自己情绪的智能体……

 拉斯·特维德 我明白。

 洪灏 那么我们将确实拥有“物质极大丰富”的未来，这令人乐观。但与此同时，也会出现我们无法控制的智能存在。

比如，从另一个角度看：如果未来我们拥有充足的供给、机器人能24小时免费工作、不需要工人了，那商业周期会不会因此被抹平？

你知道，现在供给端一切都过剩了嘛，我们还需要周期吗？

如果周期不再波动，那我们是不是需要重新理解“经济是如何运行的”？

 拉斯·特维德 嗯……我可不希望商业周期真的被抹平了，不然就没人买我的书了（笑）。

但你提出的这些问题确实很有意思，值得逐一探讨。

先说“超级智能”。

我在演讲或看社交媒体时，发现很多人，尤其是没真正使用过AI的人，对它存在误解。

其中一个最大的误解是：“AI不具备创造力”。

事实上，它的创造力极强。比如你让它写一个商业计划，再顺便想十个slogan、十个品牌名，你会发现它的表现非常惊人。

写这本书时，我们每完成一章，都会请AI提出几个小标题和副标题，结果都相当精彩。

另一个误解是：“AI只知道人类输入的内容”。这在早期也许成立，但如今情况完全不同。

AI已经进入“自我博弈”（self-play）阶段。第一次让世人震惊的例子，是AlphaGo对战李世石时的“第37手”（对话中口误为53手）。

当时全场都看不懂它在干什么，后来才发现那步棋堪称天才之举，彻底改变了人类下围棋的方式。

这就是自我博弈的威力。

类似的例子还有自动驾驶汽车。它们99.9%的训练并不在现实道路上，而是在虚拟世界里完成的。这个“元宇宙”级模拟环境运行速度是现实的3.5万倍。

今天我们也已经看到AI在蛋白质结构预测上的自我博弈能力，速度比人类实验快上几百万倍。

在宏观经济学里，还能通过“系统动力学”构建各种政策变量的结果图谱，比如不同税率组合下可能出现的所有经济路径。

所以，从多个维度来看，AI正在迅速成为一个“超越人类知识总和”的存在。

它不仅比任何个体更博学，甚至比整个人类输入的总和还要丰富。它能识别人类无法察觉的组合与关系，还开始具备某种智慧：懂得在大趋势下，什么才是更明智的选择。

它的优势还在不断增强：AI已能从物联网（IoT）、金融交易、统计系统等渠道实时获取信息。

以特斯拉为例，它的汽车已经形成了共享驾驶知识的系统，这实际上就是“机器人群体智慧”的雏形。

未来，当数以亿计的机器人在现实世界中执行上千种任务时，每一次操作都会产生数据。随着现实不断演变，它们的知识也在实时进化。

如果这些数据能够无缝输入AI系统，整个社会将随时随地从机器人中学习。

要知道，到2050年，全球可能会有超过40亿台智能机器人。

除此之外，还有一个还未真正爆发，但必然会到来的领域——个人AI。

未来，你的手机可能会配备一个随身的AI助手。它不仅能查天气，还能做你的导师、教练、激励者和规划师，几乎是你的“第二个大脑”。

更重要的是，它还能在保护你隐私的前提下，不断“学习”你的习惯和偏好——比如通过一种叫做“分布式学习”的方式。

你的手机上积累的经验不会上传原始数据，而是用一种加密后的方式参与训练。这样，AI不但能越来越懂你，也能从每一个用户那里学到更真实的人类情绪和行为模式。

所以，你刚才提出的担忧，其实正好触及了未来最核心的部分。

不过说回商业周期……我还是得为我的书辩护一下（笑）。

书里有一小章，专门讲商业周期的底层机制，其中一个特别关键的点就是“决策和执行的滞后”。

举个例子，房地产市场就是典型。

一开始，大家发现某个城市写字楼紧缺，于是一大批企业家嗅到机会，开始规划新的办公楼项目。他们买地、画图、报批、请设计师、施工、装修、招商——整个流程可能要花10年。

问题是，每个人都以为只有自己在聪明布局，但没人知道，可能有上万人也在干同样的事。

10年后，这个市场从“严重供不应求”突然变成“极度过剩”，然后接下来的五六年，大家又都不敢动了。

 洪灏 中国现在正处在这个阶段。

 拉斯·特维德 没错。AI的确能在一些流程上提速，比如审批、建设阶段，但我认为底层问题依然存在。

所以我的判断是：商业周期不会消失，但节奏会变得更快、波动更密集——不一定更小，但肯定更频繁。

我们在书中把周期划分成三类——不是为了凑“黄金三分法”，而是我真心觉得这三种周期最有意义，也最值得理解。

第一类是库存周期（inventory cycle），平均大约4年半。这种周期波动比较温和，市场上常叫它“中周期放缓”或者“软着陆阶段”。我猜你以前肯定也用过这些说法（笑）。

我相信，库存周期未来可能会被AI彻底消除，因为我们将拥有极为精准的实时需求预测系统，甚至可以细致到“按天”或“按小时”预测。

第二类是资本开支周期（capital spending cycle），平均9到10年，通常由某些技术创新驱动。我不认为它会消失，但AI会让它运转得更高效，同时催生出更密集的创新节奏。

这类周期对行业板块轮动影响很大，是市场中非常核心的“隐形推手”。

第三类是房地产周期，平均在18到20年之间。

顺便说一句——你有没有注意到这几个周期之间的关系？

4.5年，9～10年，18～20年，刚好是倍数结构：一个房地产周期≈两个资本开支周期≈四个库存周期。

这是一种叫做模态锁定的现象：虽然每个周期的幅度和持续时间不完全一致，但它们之间有很强的“倍数共振”关系。这种模式在过去200年的全球经济史中都非常稳定。当然，个别国家或阶段也会偏离，但主旋律没变。

 洪灏 确实很有意思。

AI让经济周期的预测更精准

 拉斯·特维德 你刚才还问了另一个非常重要的问题，未来我们能不能更准确地预测周期？

我认为可以。

就拿当下通胀数据来说，现在市场都在看美国CPI数据，而几乎每次预测通胀走向时，大家都会提一句“去年秋季的基数较高”，所以“下次CPI可能走低”。

但我们其实都知道，这种“同比逻辑”越来越站不住脚了。一年前发生了什么，和今天的实时经济动态，其实没多大相关性。

所以我们看到很多新的实时通胀指标正在出现，比如TrueInflation，可以日更通胀预期，也可以看三个月滚动平均。

美国有GDP Now，中国也在建立越来越多实时数据体系。这些东西加上AI模型，会让我们更精确地判断——当前经济到底处在哪个阶段。

甚至还能更好地预判未来：比如美国CPI的最大组成部分是“居住成本”，占了将近40%。

现在我们手里已经有很多领先指标，能追踪租金变动，如果这些数据开始下降，就可以预判几个月后的核心通胀会回落。

我们还可以用“系统动力学”的方法，建模变量之间的互动路径，画出一张经济可能走向的动态地图。

而AI恰恰擅长的，就是这种大规模模拟和预测能力。把这些实时数据源接入AI模型，最终形成的将是一套高度敏感、快速调整、动态学习的经济判断系统。

当然，它仍然可能出错，比如“黑天鹅”事件或非线性冲击。但它的预测深度、广度和反应速度，已经远远超出了过去任何一种经济分析框架。

 洪灏  我其实觉得，这类对“周期与结构演化”的理解，在中国已经出现了，比如说生猪养殖行业。

中国早期的养猪产业是极其零散的，一个家庭可能就养三五头猪。养大了就杀掉拿去卖钱，整个养殖周期高度碎片化，也完全由家庭自行决定，信息极度不对称。

所以以前只要猪价一涨，大家就一窝蜂养猪；价格一跌，又迅速退出市场。这种极度分散的决策方式，造就了中国猪周期中典型的“繁荣—萧条”循环。

 拉斯·特维德 对，这其实就是经济学里很经典的蛛网理论。

最早是用来研究航运行业，比如船只数量与运价的关系，后来也广泛用来解释农产品周期，特别是像猪这种供需有延迟的行业。

 洪灏 但现在的猪周期好像已经没以前那么剧烈了。因为养殖行业已经高度工业化了，大型养猪企业动辄养几千头、上万头。

这些企业能精确掌控每一个养殖环节：母猪的妊娠期、仔猪到育肥猪需要多少天、生长速度、生物安全、出栏节奏……几乎所有关键数据都能被系统性记录、分析与预测。

 拉斯·特维德 没错。当一个产业进入“可预测的大规模化”阶段时，整体社会当然是受益的。但讽刺的是，那些真正提供技术突破的人，未必能从中获得应有的回报。

一个著名例子就是古登堡（Johannes Gutenberg，15世纪德国人，被称为“欧洲印刷术之父”）他发明了（可移动金属）活字印刷，改变了人类文明进程，但他自己却以破产收场。

所以每一次技术革命背后，都得问两个问题：第一，它是否真的提升了社会整体福祉；第二，也是更现实的问题，最终谁收获了价值？

在当前这轮AI革命中，这个问题依然悬而未决。

我们看到美国的大模型公司砸入巨资，但它们并不一定有明确的护城河。

AI并未处于疯狂的泡沫，真正的护城河在应用端

 洪灏 “护城河”这个词大家应该都熟，它来自中世纪城堡的防御结构，巴菲特非常推崇。他投资时会问：这个企业有没有护城河？比如专利保护、网络效应、品牌壁垒，或者某种临界规模优势。

 拉斯·特维德 而从我自己的体验来看，现在主流的几家模型，比如Google的Gemini、马斯克的Grok，Open AI的ChatGPT，我都是付费用户，每天交替使用。

有时某个模型状态不好，我就直接切到另一个。

它们之间没有太强的锁定效应，也没有太多差异化体验。用户切换成本极低，护城河也就变得很弱。

我身边很多人也在用不同模型，所以我并不确定这些巨头最终能否获得与其估值匹配的利润回报。

当然，并不是说所有模型公司都没有抓手，OpenAI目前是一个相对明确的商业化载体。

但从我个人的判断来看，未来真正有价值捕获力的，不是通用模型本身，而是围绕特定场景打造的AI应用：生命科学、制药、银行、对冲基金……这些领域的需求真实、数据丰富、壁垒清晰。

同时，我们也在进入一个生成式AI实际落地的阶段。

你可以去看HuggingFace这个平台，今年年底他们可能会拥有五六百万个模型代理或transformer模块，大多数是开源的，免费可下载。

所以，真正创造巨大价值的，不是“谁拥有最大的模型”，而是谁能把这些模型组件组合起来，解决具体问题。

这些角色可能是现有企业，也可能是新一代创业者，他们发现了真实的“利润池”，然后精准切入。

因此，虽然现在媒体都在讲大模型有多强多酷，但我并不觉得我们处在一个疯狂泡沫之中。

 洪灏 很高兴听你这么说。我也不觉得这是泡沫，相反，我觉得这才刚刚开始。现在确实有些AI相关资产估值偏高，但未来可能还会更贵。

我们正在进入一个从未经历过的阶段，技术和经济结构正在同步跃迁。

比如你刚刚提到的“智能代理”（AI Agent）技术，现在已经有很多工具能主动帮我们安排工作流程了，比如回复邮件、优化日程、甚至跨平台指令传递。

其实早在多年前，我们用Windows写VBA脚本的时候，就已经是最初级的Agent了——自动发邮件、定期更新数据、跑批处理脚本，这些都显著提高了效率。

今天的AI，只是在这个基础上迈出了一大步。

就算现在美股估值偏高，甚至接近2000年那一波互联网泡沫，但我认为这次的估值可能比那次还要高也说不定。

为什么？因为这些大科技公司有极强的盈利能力，现金流惊人稳定，而且技术还在不断推进。

我们正处在一次深层结构性变革之中。

所以我同意你说的：泡沫一定会再来，因为“动物精神”从未消失，甚至可能更贪婪。但与此同时，市场可能真的会走得更远，因为我们正在进入一段从未探索过的旅程。

资本正在从传统地产转向算力基础设施

 拉斯·特维德 我也想就这个话题多说几句，尤其是从美国经济的角度来看——毕竟目前全球领先的AI企业多数集中在美国，它们的动向对全世界都有重要影响。

就拿估值来说，我们确实已经看到一些公司开始“脱离地心引力”。比如Palantir，即便最近股价有所回调，它的市盈率依然高达250倍。

再比如微软，传闻中甚至为一名顶级AI研究员开出了高达10亿美元的薪资包。

这些都带有泡沫的气息。

不过，从宏观角度看，我预计美国经济在今年下半年可能会出现某种“类滞涨”状态：增长放缓，但同时伴随一定通胀。不过我并不认为通胀会失控。

首先，美国经济中进口占比大概是14%。如果我们考虑到“有效关税”大约是15%，那么理论上输入性通胀的最大影响也只是2%左右的一次性CPI上涨。

而事实上，我们看到很多迹象表明：这部分价格上涨并没有真正传导到消费者。

比如进口价格其实已经在下降；进口企业自己也在吸收部分成本；此外，当某些东西变贵时，消费者会减少其他消费，进而拉低其他商品的价格。

这说明通胀的传导路径并不顺畅，它被显著“钝化”了。

此外，目前美国财政政策的净拉动作用仍是负的（约-0.6%），但预计到明年会转为正向（约+0.3%），恰好赶上中期选举周期。

所以我认为我们将经历一个“软着陆阶段”，通胀略有担忧，但不会失控。

美联储几乎可以确定会在9月开始降息，而这将开启一个谨慎的降息周期。

到明年，我认为市场可能就会具备一个新泡沫形成的“前置条件”。至于这个泡沫要多久酝酿出来，可能是6到18个月，甚至更久。

另外，我建议大家多听斯科特·贝森特（Scott Bessent）的观点，而不要太听特朗普的。特朗普往往是制造战略模糊，而贝森特说话更直接、更聪明。

他的判断是：未来两年，我们将看到对AI基础设施的巨额投资——包括芯片、工厂，以及能源系统，这部分投资将超过GDP的1%。但真正的效果，会在两年后才逐步显现，开始全面渗透社会、提升生产率。

如果你去看美国长期的劳动生产率数据，会发现它其实是有周期波动的。过去40年，大概在1%到3%之间来回波动。

目前生产率的提升大概只有1.2%。但我关注的很多知名分析师，比如高盛、埃森哲等，都预测它会升到3%左右。而且由于这些新技术的推动，实际可能会更高。

所以我的判断是：我们会从现在这种持续两个季度的通缩阶段，进入一种类似“金发姑娘经济”的状态——既有加速的生产率，又有通胀的下行压力。

原因在于，AI和机器人能够极大压低商品与服务的生产成本。

而央行为了对冲这种通缩压力，可能会不断印钱。其中一部分资金会流向资产市场。

这个逻辑在我写的《商业周期》一书里也提到过，但最早是由汉密尔顿·博尔顿（Hamilton Bolton）提出的，他是Bank Credit Analyst的创始人，早在上世纪60年代就有类似论述。

所以我认为，次级效应之一就是会出现一轮新的大宗商品周期。上一次的大宗商品周期让我受益匪浅，所以我当然希望能够重演。

回顾一下，当年我在90年代末还在做科技公司，那段时间非常顺利。但当2000年初科技泡沫破裂时，我身边很多在科技领域赚到钱的人，把资金重新投向新的初创公司或者其他科技项目。

而我因为在金融领域有多年经验，就想，也许该去看看完全不同的东西。于是我看到高盛的吉姆·奥尼尔（Jim O’Neill）当时的研究报告和演讲。

他提出了“金砖四国”的概念，并且说中国未来在房地产和基建上的投入将是空前的，其他金砖国家也会受益。

结果后来证明，几乎全是中国在推动。

他还说过一句非常关键的话：“大宗商品根本不够用。”当然，它们存在于地下，但我们没办法那么快把它们开采出来。

于是我开始大规模投资，最早投向俄罗斯，然后是中国，以及所有与大宗商品相关的资产、包括新兴市场货币。

结果从2001年到2008年，这一波行情简直惊人。

如果不是后来中国房地产市场的崩溃拖累了需求，我认为现在我们已经会进入一个新的大宗商品周期了。

但至少到目前为止，中国还是很成功地避免了经济陷入萧条。

现在关于中国经济，有一个特别出人意料的数据，就是铜的消费量。

按照常规理解，如果房地产建筑出现如此剧烈的下滑，铜的需求应该会暴跌，对吧？

 洪灏 没错，应该塌掉才对。但并没有。它甚至不是横盘，而是不断创新高，一直在上涨。

 拉斯·特维德 我女儿从18岁起就在中国生产化妆品和护发产品，所以她每年大概会来中国四次。我也曾被中信出版社邀请来中国做一些演讲，但当时没时间。很多年前我来过一次中国，后来一直没机会。

有次我随口和女儿说起这事，她立刻对我说：“爸，你一定要去看看，中国这四年的变化太惊人了！”于是我就去了，结果真的被震撼到了。

中国这几年做了一件非常了不起的事：把资本支出从房地产转向了基础设施建设，尤其是能源相关领域。

它为即将到来的AI和机器人革命打下了极好的基础。中国在新增能源产能和智能电网部署方面，已经是全球的领导者。

有趣的是，大约一年前我还在担心房地产市场，尤其是美国的商业地产。其实早在两年前，美国商业地产就已经成了薄弱环节。

我们可以看到，在ChatGPT 2.5推出之后，美国商业地产的月度投资额开始下滑，尤其是写字楼投资，就像中国房地产一样，直线下坠。

 洪灏 没错，中国商业地产也不太行。

 拉斯·特维德 但如果你把“数据中心+商业地产”作为一个整体板块来看，它其实是持平的。也就是说，写字楼投资在减少，但数据中心投资在飞速增长，几乎补齐了缺口。

这说明什么？说明资本正在从传统地产转向算力基础设施。

美国现在的路径，其实和中国高度一致，只是规模略小而已。

所以我认为：即便美国经济短期内面临些许波动，只要AI和能源相关投资持续推进，会为经济提供托底支撑。

而一旦“软着陆”完成，一个全新的周期就会启动。

未来十年，我是看多的。

预测经济不能只看数据，更要看三个关键因素

 洪灏 我也是（笑）。而且我非常认同你刚才提到的观点，即流动性变化和经济结构之间的联动，正在成为主导力量。

特别是在商品市场，尽管地产仍在下滑，但整体表现并不差。

我认为，下半年中国房地产市场大概率还会走弱，但这并不意味着整个股市就此停滞，尤其是科技领域的上涨势头很可能持续。

如果看整体指数，今年A股的表现中规中矩，年内涨幅大概在十几个百分点，不算亮眼。但你要是拆开看，会发现高科技、生物医药、新消费这些细分领域，很多公司股价已经翻倍，走势非常强劲。

这些都在释放一个明确的信号：中国经济正在经历一场深刻的结构性转型。从过去高度依赖房地产的旧增长模式，逐步走向由科技、创新和新兴产业驱动的新轨道。

就像你刚才提到的那种“写字楼投资大幅萎缩、数据中心投资大幅增长”的情形，本质上就是经济模型在迁移。

我其实读过你不少关于经济周期的著作，特别是那本探讨商业周期的书，还有另一本我很喜欢的《金融心理学》（The Psychology of Finance）。

这让我想请教你一个问题：我们曾经做宏观预测时，总会用一整套领先指标，通过量化模型整合分析，来判断经济和市场的走势。

但我越来越感觉，这套方法在过去几年，特别是疫情之后，开始失灵了。

比如，美债过去曾是避险资产，现在却和股票同涨同跌，甚至在某些时间段，连美债和美元都变得像“风险资产”。原本我们最依赖的那些资产间的负相关性，正在瓦解。

很多领先指标也变得不那么“领先”了。面对这种高不确定性的时代，我们到底该如何判断未来？又该靠什么来重建我们的预测体系？

 拉斯·特维德 你说得非常对，其实我最近刚好读过一篇研究文章，标题就提到现在很多宏观指标正在失效。

一方面，资产之间的经典相关性在断裂；另一方面，连许多传统的宏观预测工具也变得越来越不可靠。比如企业不再愿意配合调查问卷，很多经济数据的基础质量都在下降。

为什么会这样呢？这是一个值得深入研究的现象。

对我来说，眼下最关键的转变是：我们必须更加依赖科技和系统方法，来理解这些复杂结构的变化。

这也是我创办Supertrends的原因，我们正在构建一个关于全球创新的知识图谱，希望能用系统化的方式对每一项重大创新进行评级与追踪。

目前，我们的数据库里记录了16,000个历史上的重要创新事件，时间跨度超过3300年；同时我们也追踪了4000多个正在发生或预测中的未来创新。

我们的目标是建立一套自动评分系统，量化每项创新的潜在影响，并尽可能还原其历史演进路径。

虽然系统还在迭代中，但我本人已经亲自读过每一个案例，希望通过深度理解，判断它们对人类未来的真正意义。

历史经验告诉我们：某些关键性的技术进步，确实能改变整个经济结构的底层逻辑。

所以如果你问我，现在怎么去判断未来，我会说：不能只靠经济数据，更要看：技术演化路径+创新集群+价值捕获机制。

比如我们刚才提到的“关键密度”概念，很多重大创新，并不是孤立发生的，而是在某些具有结构性优势的创新集群或生态系统中集中爆发的。

这些生态，往往是从一个人、一家公司开始，形成自我强化机制。

（聪投注：所谓“关键密度”，是指当人才、资本、技术与需求在特定时空高度聚合时，创新便可能突破临界点，形成自我强化的演进路径。硅谷的崛起正是这一机制的典型例证：高校、企业与投资共同构筑了一个具备持续涌现力的生态系统，使原本孤立的创新活动得以规模化、结构化展开，最终推动整个产业形态的重塑。）

举几个例子：当年的维也纳，为什么成了古典音乐的中心？因为只要你想成为作曲家，就必须去那里。又比如瑞士的皮尔（Piel），为什么成了机械手表之都？底特律为何一度成为全球汽车制造中心？

所以历史经验告诉我们：如果你想押注某个产业的未来，最好的做法往往是找准那个行业的“集群中心企业”。哪怕它的员工流动频繁，它依然是最活跃、最有创新密度的节点。

但也有例外。有时候，一个“集群之外”的公司突然崛起，那就值得特别关注，因为它可能采用了完全不同的范式。

比如马斯克。他没有在底特律造车，而是在加州、德州、上海造车。每一个地方、每一个路径，都是异于传统的创新路线。

我觉得，在未来，我们更应该把注意力放在这些“结构性突变”的节点上，而不是继续依赖旧范式的推演。这是理解未来的不二法门。

我觉得，这些现象都值得我们去观察、去思考。

顺便问一下——你熟悉经济学家卡洛塔·佩雷斯（Carlotta Perez）吗？

 洪灏 我读过她的一些作品。

 拉斯·特维德 这位经济学家是比尔·克林顿最喜欢的学者之一，也是我最推崇的经济学家之一。她研究的是：文明是如何诞生、演化、最终崩溃的。

历史上大约有200种文明，大多都遵循相似的路径、出于相似的原因走向终结。

我认为，她的理论不仅可以用来解释整个文明的命运，也同样适用于创新集群，甚至一家创新公司的生命周期。

她指出：最终摧毁一个文明的，往往是被称之为“过度制度化”的现象。

这个词很长，但其实意思很简单：当一个系统变得太僵化、太复杂、失去了弹性，它就难以再进化，最终变得脆弱，走向崩溃。

这件事在一个创新集群中也可能发生。

当一个产业或技术圈子过于封闭、过于内部化，就会有人从外部找到全新的方式去解决问题。

比如我们看AI，或者更大范围的信息技术，也就是现代科技结构：这个现代科技系统，并不是从中国古代的技术传统延续来的，而是从苏格兰开始的。随后，它向整个西欧扩展。

在很长一段时间里，全球超过一半的创新都发生在一小块地区，从意大利北部、瑞士、德国、英国、荷兰……一直延伸到西欧北部。

然后这个文明扩展到了北美、澳大利亚、新西兰。

但现在，这个体系的原始中心，也就是西欧，已经变得高度制度化，不再是最具活力的部分。

新的创新活力反而出现在“边缘地带”：比如东南亚、阿联酋、迪拜，甚至现在的沙特阿拉伯，他们开始说：“我们也要从头建立一个新的技术生态系统。”

这些地方的人，一方面在吸收已有技术，另一方面也带来了全新的视角与方式。

所以如果你真的想理解并预测未来经济，你不能只看传统的宏观指标或金融相关性。

你得真正把科技的引擎盖打开，深入理解每一项技术的底层逻辑，思考：它到底能做什么？哪些判断是原创的、实用的？又是谁提出了这些判断？

接下来，你还要问自己一个更重要的问题：谁能捕获这部分价值？也就是说，谁才是真正能从中赚钱的人？

我做过很多公开演讲，也参加了不少线上研讨会，最近刚好在中国、美国和欧洲都有访谈交流。

很有意思的是，不同地区的观众在提问时展现出完全不同的风格：

在中国，很多人会问我：“你觉得最难的技术领域是哪个？”“如果我要创业，现在最值得做的是什么？”

美国人也差不多，他们关注的是“机会在哪里”。

但到了欧洲，第一反应却常常是：“这太危险了。”“这是不是会让我们全部失业？”

从中可以看出，各地对技术的态度存在明显差异。

中国整体上对技术持更加积极、正面的态度。并不是没有顾虑，但与欧洲相比，后者的“怀疑主义”显然更为普遍。

给年轻人的几个诚恳建议

 洪灏 那你觉得，在这个新技术时代里，你会给中国的年轻人什么建议？

 拉斯·特维德 我想提几点，其实都很简单。

第一条，就是了解自己。

当时代变化如此之快，真正知道自己是谁，知道什么事情能带来快乐和满足感，这就显得格外重要。

现在网上有很多性格测试工具，我认为很值得尝试。

你得弄清楚自己适合做什么、喜欢做什么、能靠什么谋生，同时又能为社会创造什么价值。

日本人有一个很好的概念，叫“人生意义”，意思是：找到那个你热爱、擅长、能赚钱、还能造福社会的交汇点。

第二，如果你发现自己原本学的东西正逐渐被自动化取代，我认为，生成式人工智能是最值得探索的方向之一。

它是一种通用技术平台，几乎可以应用于所有领域，解决无数社会问题，同时也可能孕育出无限多种新产品。

所以，如果你还不知道未来该往哪走，不妨先了解这个领域的底层逻辑。哪怕只是“理解”，也非常有价值。

另外，我们都是投资人，对吧？

我曾写过一本给普通人看的投资入门书，书名是《泡沫、熊市与扯淡》（Bubble，Bears，and Bullshit）。

书里讲了很多投资中应该掌握的知识。如果只能记住两点，我认为最重要的是：

第一，长期持有股票。

经济学家杰里米·西格尔（Jeremy Siegel）曾追踪自1802年以来不同资产类别的长期表现，并指出：股票是长期回报最好的资产类型。

哪怕短期出现大幅下跌，时间拉长之后，它依然能恢复并追赶回来。

即便中国股市的长期复合收益率不如美国，长期持有依然是有意义的。

第二，一个简单却非常有效的方法，定投。

你只需要设定一个周期——比如每月、每季度或每年，按固定金额投进一个“投资桶”。

这个“桶”可以是整个股市，也可以是一个行业板块，甚至可以分成两个——一个稳健，一个波动较大。

这个方法最大的好处是：当市场便宜时你买得多，市场贵时你买得少。

它不依赖市场预测，却能做到“低买高卖”的效果，本质上是一种简化版的逆势投资。

你看巴菲特，他也是这么做的。他从不预测市场，只说一句话：“便宜的时候我买，至于涨不涨我不管。”

 洪灏 太好了。我相信你今天的建议，会对很多刚步入社会、刚从大学毕业的年轻人非常有帮助。

尤其是在中国经济经历转型的阶段，AI技术会带来更深刻的变化、更复杂的挑战，也会带来真正的机会。

就像你说的，“了解自己、找到热爱”，以及“便宜时买、贵了就让它涨”。如果大家能践行这几点，我相信，会有不少人走出自己的路。

 拉斯·特维德 这次聊得非常愉快，真是一次享受。

如果让我再补一句总结的话，我想说的是：我们在今天的对话中都提到，我们对长期的未来是看好的。

这大概是我希望每个听众都能带走的一个重要观点。