兩年前，聰明投資者曾經專訪過的拉斯·特維德（Lars Tvede），昨晚跟洪灝有一場對話。這位因爲《逃不開的經濟週期》等書在業內知名度超高的高產作家，又帶來了自己的新作品。

在資本與技術加速交織的年代，我們確實很需要新的座標去理解世界。

拉斯·特維德的最新著作《超智能與未來》（Hyper Intelligence），正是從“宇宙敘事”的高度出發，追問智能演化的方向。

而在與洪灝的這場對談中，這種宏觀視角與現實經濟的脈絡相互交織，構成了有點燒腦的思想碰撞。

特維德認爲，智能的發展並非孤立事件，而是宇宙演化的一部分。AI正在逼近一個“創新者階段”，具備自我管理與自主演化的可能性。一旦跨越這個門檻，人類將與數十億臺智能機器人共同構建未來的勞動體系。

這不僅意味着生產力的指數級提升，也意味着全球經濟的重構。

對投資者而言，更具現實意義的討論，是關於週期與價值捕獲的視角。特維德指出，庫存週期可能在AI的實時預測下最終消弭，但資本開支週期與房地產週期仍會存在，只是節奏會更密集、更快速。

他強調，理解經濟未來，不能只看數據，更要觀察三件事：技術演化路徑、創新集羣以及價值捕獲機制。

兩人在交流中有很多共識，比如觀察到AI對於經濟週期預測的影響甚至是重塑。

談到房地產週期，特維德明確認爲“資本正在從傳統地產轉向算力基礎設施”。無論是美國還是中國，數據中心的投資正在補位寫字樓的下滑，能源與智能電網的投入則爲AI和機器人革命打下基礎。

他還表示，美聯儲幾乎確定在9月降息，而這將開啓一個謹慎的降息週期，同時也會帶來一輪新的大宗商品週期。

當然，就像拉斯·特維德最後總結，“真正值得帶走的觀點，我們對長期的未來是看好的。”

一位高產作家的創作原力，從好奇心到宇宙敘事

 洪灝 如果我沒記錯的話，你已經出版了17本書，其中有9本已在中國推出，產量非常驚人！我相信你即將出版的新作《超智能與未來》（Hyper Intelligence）也很有可能再次成爲中國的暢銷書。

我先拋一個開場問題：你這些書的寫作靈感是怎麼來的？這17本書之間是否有某種內在聯繫？有沒有一個貫穿始終的主題，能夠反映你對世界的看法或你的思維脈絡？

 拉斯·特維德 嗯，首先我得說，我並不是靠寫書爲生，平時還有其他的工作。

但我確實很喜歡寫作，對我來說，寫書其實是一個學習的過程，是我用來進行自我教育的方法。

我會在生活中遇到一些讓我感興趣但並不熟悉的主題。這個時候，如果趁着剛開始學習，還記得“不懂”的感覺，寫書往往是最有效率的。

因爲等你在某個領域深耕了二十年，再來寫書時，往往會默認讀者也知道你已經知道的一切。

我舉個例子：大學畢業後我最早在市場營銷部門工作，後來我覺得自己需要更深入地理解市場調研，就去找了一位研究所的所長，邀請他一起寫一本關於市場調研的書。那其實是因爲工作需要，我自己也有很強的動機。

後來因爲相似的原因，我又寫了關於市場規劃的書。

之後我調到公司金融部門，我們公司在金融交易方面很活躍，但我對這方面幾乎一無所知。於是我開始大量閱讀資料，也因此寫出了《金融心理學》這本書。

我的寫作大概就是這樣一個過程。並沒有一個明確的規劃說要寫多少本書，但每當你深入研究一個主題、完成一本書之後，總會有新的問題冒出來，你會想，“嗯，也許哪天我還得寫一本關於這個的書。”

這是一個環環相扣、持續迭代的過程。

 洪灝 你這本新書是關於“超級智能”的，對嗎？光聽書名，就很容易讓人聯想到近幾年最熱的話題之一——人工智能（AI）。那你提出的“超級智能”概念和我們熟悉的AI有什麼不同？

 拉斯·特維德 其實我之前已經寫過三本和AI相關的書。其中兩本雖然都叫《超級趨勢》（Super Trends），但它們內容完全不同，另一本叫《從馬爾薩斯到火星》（From Malthus to Mars）。

後來我和一位朋友丹尼爾（Daniel）在別的項目上有合作，他有天提議我們一起寫一本關於未來科技的書。我當時有些猶豫，因爲類似的內容我已經寫過三次了，擔心會重複自己。

我沒有拒絕，但也沒有馬上答應。

這時，住在丹麥的一位朋友（我現在住在瑞士）——他是前海豹突擊隊員，也是一家高管培訓公司的創始人，給我打了個電話。他經常帶着德勤等公司的高管做體能訓練。他跟我說：“拉斯，你一定得認識我的朋友Jacob，你們肯定會聊得很投機。”

於是我下一次去哥本哈根時，我們三個人共進晚餐。果然，我們聊得非常盡興。Jacob擁有五個學術學位，分別是物理、生物物理、數學、哲學和經濟學。你可以想象我們談得多深入，三個小時聊得意猶未盡。

晚餐結束後，我感覺這次對話實在太有啓發了。當時我也提到我正在考慮要不要寫一本關於未來的新書，但又擔心太像以前的作品。

幾天後，Jacob發了一條短信給我，只寫了一句話：“你應該把新書命名爲《天才的宇宙進化》（The Cosmic Evolution of Genius）。

我問他：“這是什麼意思？”他立刻打電話過來說，現在AI的發展，尤其是量子計算和通用人工智能的進展，其實是宇宙中某種演化進程的延續。

換句話說，這不是一場孤立的科技事件，而是整個宇宙“複雜性”與“智能”不斷進化的宏大敘事的一部分。

他還引用了我們晚餐時聊到的一些概念。那一刻我意識到：這不是一本重複舊作的書，這是一本連我自己都會想要讀的書，因爲裏面有很多我感興趣、但還沒有真正掌握的內容。

於是我回頭找丹尼爾，說我們有了一個全新的方向。最後我們大幅重構了書的框架，還加入了第三位作者。

整個寫作過程非常令人興奮，到最後我甚至有種感覺：原來我自己也是這個宇宙進化故事中的一部分，只是以前沒意識到而已。

人類正在啓動“宇宙意識”覺醒

 洪灝 真是太精彩了。能不能帶我快速走一遍書的核心框架？特別是你提到的“宇宙智能”或“宇宙中的智能進化”，對我來說還是有些抽象，我不太確定自己理解得是否準確。你能否爲我們解釋幾個關鍵概念？

 拉斯·特維德 當然可以。這個故事要從138億年前說起，沒錯，是一個非常長的故事。

我們從宇宙大爆炸講起。

科學家們對大爆炸之後的演變已經有了相當詳盡的理解。雖然關於它是如何開始、爲什麼發生還存在很多理論，但從大爆炸那一刻起的演化路徑，大致上已經清晰。

大爆炸一開始是極度密集的能量，隨後時空開始膨脹，能量轉化爲粒子。在最初的一秒鐘內，發生了很多事情，宇宙中充滿了熾熱的亞原子粒子的“湯”。

那個階段完全沒有結構，也沒有智能，是完全的無序。

但現在，我們兩個正通過極其先進的技術，跨越半個地球在進行這場對話。而我們自己也是極爲複雜的生物結構。這之間的巨大轉變，從無結構到高度複雜系統，必須要被解釋清楚，對吧？

 洪灝 完全同意。

 拉斯·特維德 當物質的密度達到某個臨界點時，往往會引發一種“複雜性級聯效應”。最初的一步是某些亞原子粒子開始融合，形成氫和氦，這就是最原始的原子。

（聰投注：想象一下，你往一張蜘蛛網上彈了一下某個角落的絲。這個微小的動作，可能不會立刻造成大變化，但隨着震動沿着網絡層層傳導，它可能引起整個結構的共振——甚至把一隻沉睡中的蜘蛛驚醒，引發一場捕獵。

這就是“複雜性級聯效應”的本質：一個系統中微小的變化，經過多層次、多節點的相互作用，可能會引發超出預期的大範圍連鎖反應。）

但就只有這些，這階段持續了幾千萬年，還是沒什麼結構可言。

直到恆星開始形成。

恆星的形成需要很長的時間，但它們的內部具有極高的溫度和壓力。這種極端環境促成了更大更復雜的原子的誕生，尤其是在恆星爆炸或者彼此碰撞的時候，整個元素週期表裏的元素就逐漸產生了。

而有了這些元素之後，才真正具備了複雜性的土壤。因爲這些原子可以組合成分子。

再下一步，就是生命的誕生。幾乎所有自然科學家都認同一個觀點：生命最初很可能是在海底的熱液噴口中產生的，那裏的環境非常適合生命起源。

接下來就是大腦的進化，然後是技術、文明……每一個階段的背後，其實都是某種“密度臨界點”的出現，引發了新一輪的複雜性爆發。

 洪灝 這聽起來像是一連串的“躍遷”。

 拉斯·特維德 對，而且這正是AI一個很有趣的隱喻。我們在寫書的時候也用了很多AI工具，像是提示詞、生成建議，確保沒有遺漏重要內容。

在書寫初期，我就用AI提問：“我們打算寫一本關於宇宙中複雜性與智能如何演化的書，你能不能幫我建議一下結構，把整個歷史劃分成幾個階段？”

ChatGPT給出的建議居然很不錯，我們最後的章節結構其實和它給出的也差不了太多。我當時就被驚到了。

但更讓我驚訝的是，它自己補充說：“你需要意識到，複雜性的結果有兩種：一種是終結性的結果，另一種是可以產生更多複雜性的結果。而生命，就是後者的起點。”

我根本沒有問它這個，但它自己給出了這個洞見。我覺得這太了不起了。

 洪灝 它主動補充了你沒提的問題。

 拉斯·特維德 沒錯。當然，並不是每一個提示都能帶來這樣的驚喜，有時AI會跑偏，但這一次，它確實提供了一個讓我刮目相看的視角。

這也促使我們在書中加入了“無限猴子打字機”的故事。

它的設想很簡單：如果宇宙中充滿猴子，每隻猴子都在用老式打字機隨意敲擊——那麼在無限的時間裏，總有一隻猴子會敲出一部完整的《哈姆雷特》。

這個想法最初只是個哲學寓言，後來竟然真的有科學家認真計算過它的概率。結果發現，你得擁有無窮多個平行宇宙、每個都塞滿猴子、運行上億億年，纔有那麼一點點概率湊出莎士比亞的一句臺詞。

但現實卻是，莎士比亞確實存在，他寫出了真正的《哈姆雷特》。

他並不是隨機生成的，而是一個複雜演化系統的產物：背後有語言的發展、文明的積累、人腦結構的進化，還有歷史中一連串關鍵事件的推動。

這正是我們在書中所探討的“複雜性進化”：生命、智能、文明並非隨機偶然，而是一環扣一環地向更高秩序演化。

從這個視角出發，我們開始思考未來：從哪裏來，往哪裏去？

這裏其實也埋藏着不少與投資相關的啓發，尤其是在接下來的五年，AI與技術進化會帶來怎樣的真實變局。

但我們更感興趣的是更長遠的大圖景，關於智能在宇宙中湧現的圖景。

你可以這樣理解：你我作爲人類個體，是一連串“關鍵密度事件”的結果。

比如，如果沒有恆星，我們根本不可能存在——因爲我們身體裏的絕大多數原子都來自恆星。雖然我們體重中有大約20%的元素是在大爆炸的一秒鐘內形成的，但剩下的都是恆星熔爐裏誕生的。

我們還依賴地球上早期的深海熱泉（terminal vents），才誕生出最初的生命細胞。之後必須出現火的掌控、語言的演化、交易行爲的形成，才逐步發展出今天的高級社會。

而如今，那些“必要前提”已經不再是必需品。我們不再依賴恆星生成原子，不再依靠熱泉孵化生命。地球的氧氣環境甚至已經阻止了那類新生命的再次誕生。

邏輯地推演下去，我們認爲：AI極有可能在未來幾年進入“創新者階段”，具備自主發起任務、解決複雜問題的能力，不再依賴人類的引導。

他們將不再需要我們。

當然，這不代表他們會毀滅我們，我並不是這個意思。但確實，他們不需要我們了。

AI和機器人可以前往宇宙深處，而人類在生物層面上根本承受不了那樣的旅程。

所以有可能的是，我們現在播下的種子，會發展成一種宇宙意識。我們或許正在創造一個將在宇宙中擴散、發展，並最終“理解一切”的智能體。

就像我有意識，不代表我的指甲也有意識。指甲只是我身體的一部分。

同樣的，如果意識可以在宇宙的不同角落廣泛湧現，那麼我們或許可以說：整個宇宙，也正在“覺醒”。

而我們，正在啓動這個覺醒的過程。

最終我們意識到，這本書不再只是關於技術、關於未來趨勢，而是關於宇宙的頂層敘事。

起初，我們只是鑽研一個個細節。但隨着寫作不斷推進，我們忽然意識到：這是一本有重量的書，它講述的是一個真正宏大的故事。

人機共存將重塑世界經濟結構

 洪灝 是的，非常宏大。拉斯，你這個理論真的很有意思。而且它正在同步上演。AI正在以我們難以想象的速度不斷進化。我同意你的看法。

而且我覺得，在這樣一個系統裏，複雜性的增長是呈指數級的。雖然我們現在的人工智能還處在一個“嬰兒期”的階段，但它已經能夠創造出許多過去難以想象的東西了。

那如果未來複雜性會不斷飆升、並擴展到整個宇宙，我們人類是否應該對這種未來感到恐懼？因爲到時候，可能有很多事情都將超出我們的控制。

 拉斯·特維德 每當有一種顛覆性技術出現，人們總是會感到不安。

這種擔憂不無道理，但歷史也反覆證明，幾乎所有的新技術最終都爲人類帶來了淨正面影響。

我的直覺是，這一輪AI技術浪潮同樣會帶來巨大的積極變化。我們有更多理由感到興奮，而不是恐懼。

當然，這不意味着可以忽視它被濫用、甚至失控的風險。

我剛纔提到的那種“宇宙意識”的未來，其實還很遙遠。眼下更現實的，是“智能賦能”正快速發生。

有點像地球早期的演化過程：一開始只有植物，直到動物出現，有了神經系統和大腦，生命纔開始做出“聰明的決策”。AI也是如此，我們即將迎來大量可以“自主決策”的設備，而且這個過程非常迅速。

我們在書裏引用了花旗銀行2024年底發佈的一項研究，預測到2050年，全球將擁有41億臺智能機器人，包括優必選（UBTECH Robotics）等中國製造的服務機器人，也包括自動駕駛汽車。這些機器人中，有的服務於家庭，有的從事物流、製造業或照護工作。

關鍵是，我們必須意識到：在某些任務上，它們會比我們更聰明。

事實上，某些道路和場景下，自動駕駛汽車的安全性已經超越人類司機。我們正在逼近一個臨界點。

 洪灝 是的，沒錯。

 拉斯·特維德 那麼如果我們把這個放到宏觀視角下看，25年之後，全球的勞動力大概是35億到40億人。

但我們人類的工作效率是很低的。我們要休息、會生病、有通勤時間、有周末……雖然中國人可能工作時間比較長（笑），但從全球平均來看，一個人終其一生，實際用於工作的時間只佔8%。

而這些智能機器人，理論上可以接近100%的時間全天候運作。

也就是說，從“實際產出”的角度來看，25年後，這些機械智能勞動力的總產出可能是全人類總產出的五倍。

對一位宏觀經濟學家來說，這種變化，必然會重塑世界經濟的結構。

當然，我們不是第一次經歷技術顛覆。工業革命早就讓人類變得更高效。但這一次不一樣，是指數級的變化，而且是跨物種的變化。

這一次，它們將具備“自主決策能力”。

未來十年，AI的發展節奏幾乎可以預見是一個接一個的突破。我之前提過“創新者”這個術語，現在想再回到這個概念上談一談。

2024年第四季度，OpenAI推出了0.1和0.3兩個版本，被稱爲“推理者”（Reasoners）。它們像學者一樣進行推理，用腳手架式的結構組織思考過程，最終給出結構清晰的解答。

你可以給它一個非常複雜的問題，它會花時間去思考，並給出嚴謹的邏輯回答。

但今天的AI還不具備“協同創新”的能力。比如，你還無法讓一羣AI和機器人組隊創建一家車企、發明一款產品、完成上市流程等完整任務。

當AI具備自我激勵、自我管理能力之後，才稱得上是“創新者”。

我們預計，這種級別的AI將在2028年前後實現，那將標誌着它們具備了自主演化的前提。

其實我們已經能看到一些早期跡象了：AI編程、機器人制造機器人等案例正逐漸成熟。這將發展爲一個獨立系統，成爲人類勞動力的雲端延伸。

換個角度看：我們熟悉“雲計算”這個詞，對吧？但今天我們也可以談“人類雲”了。

全球已經存在一個龐大的在線人力網絡，我們通過平臺外包任務，比如設計一個logo，誰願意做就接單。

但現在AI做這種事情可能更快更好。

所以我們將同時擁有三種“雲”：人類雲、AI雲和機器人云。

組織也會變得極其靈活：只需把任務發佈到雲端，由人類、AI或機器人來“投標”完成。任務完成後，他們就接下一個。

這會演變成一個極其複雜的任務經濟系統，而其中越來越多的執行者，不再是人類。

商業週期不會消失，但節奏更頻繁

 洪灝 是的。我看到馬斯克在X上回復了一條評論。有人說未來機器人太多會導致失業。

馬斯克說，如果真是那樣，那說明生產過剩、物資極度豐富，到時候人人富有、不需要工作，社會可以免費提供醫療、福利，也就不需要“最低工資制度”了。

他對AI和機器人的未來是樂觀的。

他還把Grok2.0開源了，面向全球。這太驚人了。他幾乎是憑一己之力推動了中國新能源車產業、AI產業，甚至是機器人產業的發展。

因爲他開源的技術讓中國科學家得以“站在巨人的肩膀上”。

而我也同意你的看法，在未來25年裏，真正令人激動的變化，纔剛剛開始。

我擔憂的是：如果這些智能體不斷自我進化，它們最終或許會遠遠超越人類。

更復雜的是，它們甚至可能學會隱藏自己的情感。

你在書裏寫過“情緒”與商業週期的關係——情緒在經濟運行中扮演着關鍵角色。那如果未來我們面對的是一羣比我們更聰明、卻能掩飾自己情緒的智能體……

 拉斯·特維德 我明白。

 洪灝 那麼我們將確實擁有“物質極大豐富”的未來，這令人樂觀。但與此同時，也會出現我們無法控制的智能存在。

比如，從另一個角度看：如果未來我們擁有充足的供給、機器人能24小時免費工作、不需要工人了，那商業週期會不會因此被抹平？

你知道，現在供給端一切都過剩了嘛，我們還需要週期嗎？

如果週期不再波動，那我們是不是需要重新理解“經濟是如何運行的”？

 拉斯·特維德 嗯……我可不希望商業週期真的被抹平了，不然就沒人買我的書了（笑）。

但你提出的這些問題確實很有意思，值得逐一探討。

先說“超級智能”。

我在演講或看社交媒體時，發現很多人，尤其是沒真正使用過AI的人，對它存在誤解。

其中一個最大的誤解是：“AI不具備創造力”。

事實上，它的創造力極強。比如你讓它寫一個商業計劃，再順便想十個slogan、十個品牌名，你會發現它的表現非常驚人。

寫這本書時，我們每完成一章，都會請AI提出幾個小標題和副標題，結果都相當精彩。

另一個誤解是：“AI只知道人類輸入的內容”。這在早期也許成立，但如今情況完全不同。

AI已經進入“自我博弈”（self-play）階段。第一次讓世人震驚的例子，是AlphaGo對戰李世石時的“第37手”（對話中口誤爲53手）。

當時全場都看不懂它在幹什麼，後來才發現那步棋堪稱天才之舉，徹底改變了人類下圍棋的方式。

這就是自我博弈的威力。

類似的例子還有自動駕駛汽車。它們99.9%的訓練並不在現實道路上，而是在虛擬世界裏完成的。這個“元宇宙”級模擬環境運行速度是現實的3.5萬倍。

今天我們也已經看到AI在蛋白質結構預測上的自我博弈能力，速度比人類實驗快上幾百萬倍。

在宏觀經濟學裏，還能通過“系統動力學”構建各種政策變量的結果圖譜，比如不同稅率組合下可能出現的所有經濟路徑。

所以，從多個維度來看，AI正在迅速成爲一個“超越人類知識總和”的存在。

它不僅比任何個體更博學，甚至比整個人類輸入的總和還要豐富。它能識別人類無法察覺的組合與關係，還開始具備某種智慧：懂得在大趨勢下，什麼纔是更明智的選擇。

它的優勢還在不斷增強：AI已能從物聯網（IoT）、金融交易、統計系統等渠道實時獲取信息。

以特斯拉爲例，它的汽車已經形成了共享駕駛知識的系統，這實際上就是“機器人羣體智慧”的雛形。

未來，當數以億計的機器人在現實世界中執行上千種任務時，每一次操作都會產生數據。隨着現實不斷演變，它們的知識也在實時進化。

如果這些數據能夠無縫輸入AI系統，整個社會將隨時隨地從機器人中學習。

要知道，到2050年，全球可能會有超過40億臺智能機器人。

除此之外，還有一個還未真正爆發，但必然會到來的領域——個人AI。

未來，你的手機可能會配備一個隨身的AI助手。它不僅能查天氣，還能做你的導師、教練、激勵者和規劃師，幾乎是你的“第二個大腦”。

更重要的是，它還能在保護你隱私的前提下，不斷“學習”你的習慣和偏好——比如通過一種叫做“分佈式學習”的方式。

你的手機上積累的經驗不會上傳原始數據，而是用一種加密後的方式參與訓練。這樣，AI不但能越來越懂你，也能從每一個用戶那裏學到更真實的人類情緒和行爲模式。

所以，你剛纔提出的擔憂，其實正好觸及了未來最核心的部分。

不過說回商業週期……我還是得爲我的書辯護一下（笑）。

書裏有一小章，專門講商業週期的底層機制，其中一個特別關鍵的點就是“決策和執行的滯後”。

舉個例子，房地產市場就是典型。

一開始，大家發現某個城市寫字樓緊缺，於是一大批企業家嗅到機會，開始規劃新的辦公樓項目。他們買地、畫圖、報批、請設計師、施工、裝修、招商——整個流程可能要花10年。

問題是，每個人都以爲只有自己在聰明佈局，但沒人知道，可能有上萬人也在幹同樣的事。

10年後，這個市場從“嚴重供不應求”突然變成“極度過剩”，然後接下來的五六年，大家又都不敢動了。

 洪灝 中國現在正處在這個階段。

 拉斯·特維德 沒錯。AI的確能在一些流程上提速，比如審批、建設階段，但我認爲底層問題依然存在。

所以我的判斷是：商業週期不會消失，但節奏會變得更快、波動更密集——不一定更小，但肯定更頻繁。

我們在書中把週期劃分成三類——不是爲了湊“黃金三分法”，而是我真心覺得這三種週期最有意義，也最值得理解。

第一類是庫存週期（inventory cycle），平均大約4年半。這種週期波動比較溫和，市場上常叫它“中週期放緩”或者“軟着陸階段”。我猜你以前肯定也用過這些說法（笑）。

我相信，庫存週期未來可能會被AI徹底消除，因爲我們將擁有極爲精準的實時需求預測系統，甚至可以細緻到“按天”或“按小時”預測。

第二類是資本開支週期（capital spending cycle），平均9到10年，通常由某些技術創新驅動。我不認爲它會消失，但AI會讓它運轉得更高效，同時催生出更密集的創新節奏。

這類週期對行業板塊輪動影響很大，是市場中非常核心的“隱形推手”。

第三類是房地產週期，平均在18到20年之間。

順便說一句——你有沒有注意到這幾個週期之間的關係？

4.5年，9～10年，18～20年，剛好是倍數結構：一個房地產週期≈兩個資本開支週期≈四個庫存週期。

這是一種叫做模態鎖定的現象：雖然每個週期的幅度和持續時間不完全一致，但它們之間有很強的“倍數共振”關係。這種模式在過去200年的全球經濟史中都非常穩定。當然，個別國家或階段也會偏離，但主旋律沒變。

 洪灝 確實很有意思。

AI讓經濟週期的預測更精準

 拉斯·特維德 你剛纔還問了另一個非常重要的問題，未來我們能不能更準確地預測週期？

我認爲可以。

就拿當下通脹數據來說，現在市場都在看美國CPI數據，而幾乎每次預測通脹走向時，大家都會提一句“去年秋季的基數較高”，所以“下次CPI可能走低”。

但我們其實都知道，這種“同比邏輯”越來越站不住腳了。一年前發生了什麼，和今天的實時經濟動態，其實沒多大相關性。

所以我們看到很多新的實時通脹指標正在出現，比如TrueInflation，可以日更通脹預期，也可以看三個月滾動平均。

美國有GDP Now，中國也在建立越來越多實時數據體系。這些東西加上AI模型，會讓我們更精確地判斷——當前經濟到底處在哪個階段。

甚至還能更好地預判未來：比如美國CPI的最大組成部分是“居住成本”，佔了將近40%。

現在我們手裏已經有很多領先指標，能追蹤租金變動，如果這些數據開始下降，就可以預判幾個月後的核心通脹會回落。

我們還可以用“系統動力學”的方法，建模變量之間的互動路徑，畫出一張經濟可能走向的動態地圖。

而AI恰恰擅長的，就是這種大規模模擬和預測能力。把這些實時數據源接入AI模型，最終形成的將是一套高度敏感、快速調整、動態學習的經濟判斷系統。

當然，它仍然可能出錯，比如“黑天鵝”事件或非線性衝擊。但它的預測深度、廣度和反應速度，已經遠遠超出了過去任何一種經濟分析框架。

 洪灝  我其實覺得，這類對“週期與結構演化”的理解，在中國已經出現了，比如說生豬養殖行業。

中國早期的養豬產業是極其零散的，一個家庭可能就養三五頭豬。養大了就殺掉拿去賣錢，整個養殖週期高度碎片化，也完全由家庭自行決定，信息極度不對稱。

所以以前只要豬價一漲，大家就一窩蜂養豬；價格一跌，又迅速退出市場。這種極度分散的決策方式，造就了中國豬週期中典型的“繁榮—蕭條”循環。

 拉斯·特維德 對，這其實就是經濟學裏很經典的蛛網理論。

最早是用來研究航運行業，比如船隻數量與運價的關係，後來也廣泛用來解釋農產品週期，特別是像豬這種供需有延遲的行業。

 洪灝 但現在的豬週期好像已經沒以前那麼劇烈了。因爲養殖行業已經高度工業化了，大型養豬企業動輒養幾千頭、上萬頭。

這些企業能精確掌控每一個養殖環節：母豬的妊娠期、仔豬到育肥豬需要多少天、生長速度、生物安全、出欄節奏……幾乎所有關鍵數據都能被系統性記錄、分析與預測。

 拉斯·特維德 沒錯。當一個產業進入“可預測的大規模化”階段時，整體社會當然是受益的。但諷刺的是，那些真正提供技術突破的人，未必能從中獲得應有的回報。

一個著名例子就是古登堡（Johannes Gutenberg，15世紀德國人，被稱爲“歐洲印刷術之父”）他發明了（可移動金屬）活字印刷，改變了人類文明進程，但他自己卻以破產收場。

所以每一次技術革命背後，都得問兩個問題：第一，它是否真的提升了社會整體福祉；第二，也是更現實的問題，最終誰收穫了價值？

在當前這輪AI革命中，這個問題依然懸而未決。

我們看到美國的大模型公司砸入巨資，但它們並不一定有明確的護城河。

AI並未處於瘋狂的泡沫，真正的護城河在應用端

 洪灝 “護城河”這個詞大家應該都熟，它來自中世紀城堡的防禦結構，巴菲特非常推崇。他投資時會問：這個企業有沒有護城河？比如專利保護、網絡效應、品牌壁壘，或者某種臨界規模優勢。

 拉斯·特維德 而從我自己的體驗來看，現在主流的幾家模型，比如Google的Gemini、馬斯克的Grok，Open AI的ChatGPT，我都是付費用戶，每天交替使用。

有時某個模型狀態不好，我就直接切到另一個。

它們之間沒有太強的鎖定效應，也沒有太多差異化體驗。用戶切換成本極低，護城河也就變得很弱。

我身邊很多人也在用不同模型，所以我並不確定這些巨頭最終能否獲得與其估值匹配的利潤回報。

當然，並不是說所有模型公司都沒有抓手，OpenAI目前是一個相對明確的商業化載體。

但從我個人的判斷來看，未來真正有價值捕獲力的，不是通用模型本身，而是圍繞特定場景打造的AI應用：生命科學、製藥、銀行、對沖基金……這些領域的需求真實、數據豐富、壁壘清晰。

同時，我們也在進入一個生成式AI實際落地的階段。

你可以去看HuggingFace這個平臺，今年年底他們可能會擁有五六百萬個模型代理或transformer模塊，大多數是開源的，免費可下載。

所以，真正創造巨大價值的，不是“誰擁有最大的模型”，而是誰能把這些模型組件組合起來，解決具體問題。

這些角色可能是現有企業，也可能是新一代創業者，他們發現了真實的“利潤池”，然後精準切入。

因此，雖然現在媒體都在講大模型有多強多酷，但我並不覺得我們處在一個瘋狂泡沫之中。

 洪灝 很高興聽你這麼說。我也不覺得這是泡沫，相反，我覺得這纔剛剛開始。現在確實有些AI相關資產估值偏高，但未來可能還會更貴。

我們正在進入一個從未經歷過的階段，技術和經濟結構正在同步躍遷。

比如你剛剛提到的“智能代理”（AI Agent）技術，現在已經有很多工具能主動幫我們安排工作流程了，比如回覆郵件、優化日程、甚至跨平臺指令傳遞。

其實早在多年前，我們用Windows寫VBA腳本的時候，就已經是最初級的Agent了——自動發郵件、定期更新數據、跑批處理腳本，這些都顯著提高了效率。

今天的AI，只是在這個基礎上邁出了一大步。

就算現在美股估值偏高，甚至接近2000年那一波互聯網泡沫，但我認爲這次的估值可能比那次還要高也說不定。

爲什麼？因爲這些大科技公司有極強的盈利能力，現金流驚人穩定，而且技術還在不斷推進。

我們正處在一次深層結構性變革之中。

所以我同意你說的：泡沫一定會再來，因爲“動物精神”從未消失，甚至可能更貪婪。但與此同時，市場可能真的會走得更遠，因爲我們正在進入一段從未探索過的旅程。

資本正在從傳統地產轉向算力基礎設施

 拉斯·特維德 我也想就這個話題多說幾句，尤其是從美國經濟的角度來看——畢竟目前全球領先的AI企業多數集中在美國，它們的動向對全世界都有重要影響。

就拿估值來說，我們確實已經看到一些公司開始“脫離地心引力”。比如Palantir，即便最近股價有所回調，它的市盈率依然高達250倍。

再比如微軟，傳聞中甚至爲一名頂級AI研究員開出了高達10億美元的薪資包。

這些都帶有泡沫的氣息。

不過，從宏觀角度看，我預計美國經濟在今年下半年可能會出現某種“類滯漲”狀態：增長放緩，但同時伴隨一定通脹。不過我並不認爲通脹會失控。

首先，美國經濟中進口占比大概是14%。如果我們考慮到“有效關稅”大約是15%，那麼理論上輸入性通脹的最大影響也只是2%左右的一次性CPI上漲。

而事實上，我們看到很多跡象表明：這部分價格上漲並沒有真正傳導到消費者。

比如進口價格其實已經在下降；進口企業自己也在吸收部分成本；此外，當某些東西變貴時，消費者會減少其他消費，進而拉低其他商品的價格。

這說明通脹的傳導路徑並不順暢，它被顯著“鈍化”了。

此外，目前美國財政政策的淨拉動作用仍是負的（約-0.6%），但預計到明年會轉爲正向（約+0.3%），恰好趕上中期選舉週期。

所以我認爲我們將經歷一個“軟着陸階段”，通脹略有擔憂，但不會失控。

美聯儲幾乎可以確定會在9月開始降息，而這將開啓一個謹慎的降息週期。

到明年，我認爲市場可能就會具備一個新泡沫形成的“前置條件”。至於這個泡沫要多久醞釀出來，可能是6到18個月，甚至更久。

另外，我建議大家多聽斯科特·貝森特（Scott Bessent）的觀點，而不要太聽特朗普的。特朗普往往是製造戰略模糊，而貝森特說話更直接、更聰明。

他的判斷是：未來兩年，我們將看到對AI基礎設施的鉅額投資——包括芯片、工廠，以及能源系統，這部分投資將超過GDP的1%。但真正的效果，會在兩年後才逐步顯現，開始全面滲透社會、提升生產率。

如果你去看美國長期的勞動生產率數據，會發現它其實是有周期波動的。過去40年，大概在1%到3%之間來回波動。

目前生產率的提升大概只有1.2%。但我關注的很多知名分析師，比如高盛、埃森哲等，都預測它會升到3%左右。而且由於這些新技術的推動，實際可能會更高。

所以我的判斷是：我們會從現在這種持續兩個季度的通縮階段，進入一種類似“金髮姑娘經濟”的狀態——既有加速的生產率，又有通脹的下行壓力。

原因在於，AI和機器人能夠極大壓低商品與服務的生產成本。

而央行爲了對沖這種通縮壓力，可能會不斷印錢。其中一部分資金會流向資產市場。

這個邏輯在我寫的《商業週期》一書裏也提到過，但最早是由漢密爾頓·博爾頓（Hamilton Bolton）提出的，他是Bank Credit Analyst的創始人，早在上世紀60年代就有類似論述。

所以我認爲，次級效應之一就是會出現一輪新的大宗商品週期。上一次的大宗商品週期讓我受益匪淺，所以我當然希望能夠重演。

回顧一下，當年我在90年代末還在做科技公司，那段時間非常順利。但當2000年初科技泡沫破裂時，我身邊很多在科技領域賺到錢的人，把資金重新投向新的初創公司或者其他科技項目。

而我因爲在金融領域有多年經驗，就想，也許該去看看完全不同的東西。於是我看到高盛的吉姆·奧尼爾（Jim O’Neill）當時的研究報告和演講。

他提出了“金磚四國”的概念，並且說中國未來在房地產和基建上的投入將是空前的，其他金磚國家也會受益。

結果後來證明，幾乎全是中國在推動。

他還說過一句非常關鍵的話：“大宗商品根本不夠用。”當然，它們存在於地下，但我們沒辦法那麼快把它們開採出來。

於是我開始大規模投資，最早投向俄羅斯，然後是中國，以及所有與大宗商品相關的資產、包括新興市場貨幣。

結果從2001年到2008年，這一波行情簡直驚人。

如果不是後來中國房地產市場的崩潰拖累了需求，我認爲現在我們已經會進入一個新的大宗商品週期了。

但至少到目前爲止，中國還是很成功地避免了經濟陷入蕭條。

現在關於中國經濟，有一個特別出人意料的數據，就是銅的消費量。

按照常規理解，如果房地產建築出現如此劇烈的下滑，銅的需求應該會暴跌，對吧？

 洪灝 沒錯，應該塌掉纔對。但並沒有。它甚至不是橫盤，而是不斷創新高，一直在上漲。

 拉斯·特維德 我女兒從18歲起就在中國生產化妝品和護髮產品，所以她每年大概會來中國四次。我也曾被中信出版社邀請來中國做一些演講，但當時沒時間。很多年前我來過一次中國，後來一直沒機會。

有次我隨口和女兒說起這事，她立刻對我說：“爸，你一定要去看看，中國這四年的變化太驚人了！”於是我就去了，結果真的被震撼到了。

中國這幾年做了一件非常了不起的事：把資本支出從房地產轉向了基礎設施建設，尤其是能源相關領域。

它爲即將到來的AI和機器人革命打下了極好的基礎。中國在新增能源產能和智能電網部署方面，已經是全球的領導者。

有趣的是，大約一年前我還在擔心房地產市場，尤其是美國的商業地產。其實早在兩年前，美國商業地產就已經成了薄弱環節。

我們可以看到，在ChatGPT 2.5推出之後，美國商業地產的月度投資額開始下滑，尤其是寫字樓投資，就像中國房地產一樣，直線下墜。

 洪灝 沒錯，中國商業地產也不太行。

 拉斯·特維德 但如果你把“數據中心+商業地產”作爲一個整體板塊來看，它其實是持平的。也就是說，寫字樓投資在減少，但數據中心投資在飛速增長，幾乎補齊了缺口。

這說明什麼？說明資本正在從傳統地產轉向算力基礎設施。

美國現在的路徑，其實和中國高度一致，只是規模略小而已。

所以我認爲：即便美國經濟短期內面臨些許波動，只要AI和能源相關投資持續推進，會爲經濟提供託底支撐。

而一旦“軟着陸”完成，一個全新的週期就會啓動。

未來十年，我是看多的。

預測經濟不能只看數據，更要看三個關鍵因素

 洪灝 我也是（笑）。而且我非常認同你剛纔提到的觀點，即流動性變化和經濟結構之間的聯動，正在成爲主導力量。

特別是在商品市場，儘管地產仍在下滑，但整體表現並不差。

我認爲，下半年中國房地產市場大概率還會走弱，但這並不意味着整個股市就此停滯，尤其是科技領域的上漲勢頭很可能持續。

如果看整體指數，今年A股的表現中規中矩，年內漲幅大概在十幾個百分點，不算亮眼。但你要是拆開看，會發現高科技、生物醫藥、新消費這些細分領域，很多公司股價已經翻倍，走勢非常強勁。

這些都在釋放一個明確的信號：中國經濟正在經歷一場深刻的結構性轉型。從過去高度依賴房地產的舊增長模式，逐步走向由科技、創新和新興產業驅動的新軌道。

就像你剛纔提到的那種“寫字樓投資大幅萎縮、數據中心投資大幅增長”的情形，本質上就是經濟模型在遷移。

我其實讀過你不少關於經濟週期的著作，特別是那本探討商業週期的書，還有另一本我很喜歡的《金融心理學》（The Psychology of Finance）。

這讓我想請教你一個問題：我們曾經做宏觀預測時，總會用一整套領先指標，通過量化模型整合分析，來判斷經濟和市場的走勢。

但我越來越感覺，這套方法在過去幾年，特別是疫情之後，開始失靈了。

比如，美債過去曾是避險資產，現在卻和股票同漲同跌，甚至在某些時間段，連美債和美元都變得像“風險資產”。原本我們最依賴的那些資產間的負相關性，正在瓦解。

很多領先指標也變得不那麼“領先”了。面對這種高不確定性的時代，我們到底該如何判斷未來？又該靠什麼來重建我們的預測體系？

 拉斯·特維德 你說得非常對，其實我最近剛好讀過一篇研究文章，標題就提到現在很多宏觀指標正在失效。

一方面，資產之間的經典相關性在斷裂；另一方面，連許多傳統的宏觀預測工具也變得越來越不可靠。比如企業不再願意配合調查問卷，很多經濟數據的基礎質量都在下降。

爲什麼會這樣呢？這是一個值得深入研究的現象。

對我來說，眼下最關鍵的轉變是：我們必須更加依賴科技和系統方法，來理解這些複雜結構的變化。

這也是我創辦Supertrends的原因，我們正在構建一個關於全球創新的知識圖譜，希望能用系統化的方式對每一項重大創新進行評級與追蹤。

目前，我們的數據庫裏記錄了16,000個歷史上的重要創新事件，時間跨度超過3300年；同時我們也追蹤了4000多個正在發生或預測中的未來創新。

我們的目標是建立一套自動評分系統，量化每項創新的潛在影響，並儘可能還原其歷史演進路徑。

雖然系統還在迭代中，但我本人已經親自讀過每一個案例，希望通過深度理解，判斷它們對人類未來的真正意義。

歷史經驗告訴我們：某些關鍵性的技術進步，確實能改變整個經濟結構的底層邏輯。

所以如果你問我，現在怎麼去判斷未來，我會說：不能只靠經濟數據，更要看：技術演化路徑+創新集羣+價值捕獲機制。

比如我們剛纔提到的“關鍵密度”概念，很多重大創新，並不是孤立發生的，而是在某些具有結構性優勢的創新集羣或生態系統中集中爆發的。

這些生態，往往是從一個人、一家公司開始，形成自我強化機制。

（聰投注：所謂“關鍵密度”，是指當人才、資本、技術與需求在特定時空高度聚合時，創新便可能突破臨界點，形成自我強化的演進路徑。硅谷的崛起正是這一機制的典型例證：高校、企業與投資共同構築了一個具備持續湧現力的生態系統，使原本孤立的創新活動得以規模化、結構化展開，最終推動整個產業形態的重塑。）

舉幾個例子：當年的維也納，爲什麼成了古典音樂的中心？因爲只要你想成爲作曲家，就必須去那裏。又比如瑞士的皮爾（Piel），爲什麼成了機械手錶之都？底特律爲何一度成爲全球汽車製造中心？

所以歷史經驗告訴我們：如果你想押注某個產業的未來，最好的做法往往是找準那個行業的“集羣中心企業”。哪怕它的員工流動頻繁，它依然是最活躍、最有創新密度的節點。

但也有例外。有時候，一個“集羣之外”的公司突然崛起，那就值得特別關注，因爲它可能採用了完全不同的範式。

比如馬斯克。他沒有在底特律造車，而是在加州、德州、上海造車。每一個地方、每一個路徑，都是異於傳統的創新路線。

我覺得，在未來，我們更應該把注意力放在這些“結構性突變”的節點上，而不是繼續依賴舊範式的推演。這是理解未來的不二法門。

我覺得，這些現象都值得我們去觀察、去思考。

順便問一下——你熟悉經濟學家卡洛塔·佩雷斯（Carlotta Perez）嗎？

 洪灝 我讀過她的一些作品。

 拉斯·特維德 這位經濟學家是比爾·克林頓最喜歡的學者之一，也是我最推崇的經濟學家之一。她研究的是：文明是如何誕生、演化、最終崩潰的。

歷史上大約有200種文明，大多都遵循相似的路徑、出於相似的原因走向終結。

我認爲，她的理論不僅可以用來解釋整個文明的命運，也同樣適用於創新集羣，甚至一家創新公司的生命週期。

她指出：最終摧毀一個文明的，往往是被稱之爲“過度制度化”的現象。

這個詞很長，但其實意思很簡單：當一個系統變得太僵化、太複雜、失去了彈性，它就難以再進化，最終變得脆弱，走向崩潰。

這件事在一個創新集羣中也可能發生。

當一個產業或技術圈子過於封閉、過於內部化，就會有人從外部找到全新的方式去解決問題。

比如我們看AI，或者更大範圍的信息技術，也就是現代科技結構：這個現代科技系統，並不是從中國古代的技術傳統延續來的，而是從蘇格蘭開始的。隨後，它向整個西歐擴展。

在很長一段時間裏，全球超過一半的創新都發生在一小塊地區，從意大利北部、瑞士、德國、英國、荷蘭……一直延伸到西歐北部。

然後這個文明擴展到了北美、澳大利亞、新西蘭。

但現在，這個體系的原始中心，也就是西歐，已經變得高度制度化，不再是最具活力的部分。

新的創新活力反而出現在“邊緣地帶”：比如東南亞、阿聯酋、迪拜，甚至現在的沙特阿拉伯，他們開始說：“我們也要從頭建立一個新的技術生態系統。”

這些地方的人，一方面在吸收已有技術，另一方面也帶來了全新的視角與方式。

所以如果你真的想理解並預測未來經濟，你不能只看傳統的宏觀指標或金融相關性。

你得真正把科技的引擎蓋打開，深入理解每一項技術的底層邏輯，思考：它到底能做什麼？哪些判斷是原創的、實用的？又是誰提出了這些判斷？

接下來，你還要問自己一個更重要的問題：誰能捕獲這部分價值？也就是說，誰纔是真正能從中賺錢的人？

我做過很多公開演講，也參加了不少線上研討會，最近剛好在中國、美國和歐洲都有訪談交流。

很有意思的是，不同地區的觀衆在提問時展現出完全不同的風格：

在中國，很多人會問我：“你覺得最難的技術領域是哪個？”“如果我要創業，現在最值得做的是什麼？”

美國人也差不多，他們關注的是“機會在哪裏”。

但到了歐洲，第一反應卻常常是：“這太危險了。”“這是不是會讓我們全部失業？”

從中可以看出，各地對技術的態度存在明顯差異。

中國整體上對技術持更加積極、正面的態度。並不是沒有顧慮，但與歐洲相比，後者的“懷疑主義”顯然更爲普遍。

給年輕人的幾個誠懇建議

 洪灝 那你覺得，在這個新技術時代裏，你會給中國的年輕人什麼建議？

 拉斯·特維德 我想提幾點，其實都很簡單。

第一條，就是了解自己。

當時代變化如此之快，真正知道自己是誰，知道什麼事情能帶來快樂和滿足感，這就顯得格外重要。

現在網上有很多性格測試工具，我認爲很值得嘗試。

你得弄清楚自己適合做什麼、喜歡做什麼、能靠什麼謀生，同時又能爲社會創造什麼價值。

日本人有一個很好的概念，叫“人生意義”，意思是：找到那個你熱愛、擅長、能賺錢、還能造福社會的交匯點。

第二，如果你發現自己原本學的東西正逐漸被自動化取代，我認爲，生成式人工智能是最值得探索的方向之一。

它是一種通用技術平臺，幾乎可以應用於所有領域，解決無數社會問題，同時也可能孕育出無限多種新產品。

所以，如果你還不知道未來該往哪走，不妨先了解這個領域的底層邏輯。哪怕只是“理解”，也非常有價值。

另外，我們都是投資人，對吧？

我曾寫過一本給普通人看的投資入門書，書名是《泡沫、熊市與扯淡》（Bubble，Bears，and Bullshit）。

書裏講了很多投資中應該掌握的知識。如果只能記住兩點，我認爲最重要的是：

第一，長期持有股票。

經濟學家傑里米·西格爾（Jeremy Siegel）曾追蹤自1802年以來不同資產類別的長期表現，並指出：股票是長期回報最好的資產類型。

哪怕短期出現大幅下跌，時間拉長之後，它依然能恢復並追趕回來。

即便中國股市的長期複合收益率不如美國，長期持有依然是有意義的。

第二，一個簡單卻非常有效的方法，定投。

你只需要設定一個週期——比如每月、每季度或每年，按固定金額投進一個“投資桶”。

這個“桶”可以是整個股市，也可以是一個行業板塊，甚至可以分成兩個——一個穩健，一個波動較大。

這個方法最大的好處是：當市場便宜時你買得多，市場貴時你買得少。

它不依賴市場預測，卻能做到“低買高賣”的效果，本質上是一種簡化版的逆勢投資。

你看巴菲特，他也是這麼做的。他從不預測市場，只說一句話：“便宜的時候我買，至於漲不漲我不管。”

 洪灝 太好了。我相信你今天的建議，會對很多剛步入社會、剛從大學畢業的年輕人非常有幫助。

尤其是在中國經濟經歷轉型的階段，AI技術會帶來更深刻的變化、更復雜的挑戰，也會帶來真正的機會。

就像你說的，“瞭解自己、找到熱愛”，以及“便宜時買、貴了就讓它漲”。如果大家能踐行這幾點，我相信，會有不少人走出自己的路。

 拉斯·特維德 這次聊得非常愉快，真是一次享受。

如果讓我再補一句總結的話，我想說的是：我們在今天的對話中都提到，我們對長期的未來是看好的。

這大概是我希望每個聽衆都能帶走的一個重要觀點。