這篇講什麼
今日熱點 · 退一步看長期
誰該讀這一篇
- 如果你在2025年1月某個週一開啟賬戶，看到輝達跌超17%，不知道該止損還是加倉，甚至不確定自己持有這類股票的理由是否還成立——這篇文章從市場機制層面拆解這次下跌究竟在定價什麼，幫你在做決定之前先把問題想清楚
- 如果你持續關注AI投資賽道，已經對'算力需求無上限'的敘事有所懷疑，想理解當一個更低成本的競爭模型出現時，原有的晶片和雲端計算護城河到底會以什麼速度被侵蝕，以及歷史上類似的技術替代案例給出了哪些真實答案
- 如果你是有一定市場經驗的投資者，對短期情緒驅動的價格波動並不陌生，但仍然希望建立一套更系統的框架來判斷——某次板塊暴跌之後，市場的恐慌程度是否已經超過了基本面實際惡化的幅度，從而識別真正的機會與真正的陷阱
本篇 6 個核心觀點
- 1市場在恐慌時存在系統性的過度反應傾向：DeepSeek事件中，輝達單日跌幅超過17%，蒸發市值規模驚人。但將時間軸拉回三年前，其股價依然遠高於彼時水平。短期定價機制與企業長期價值創造機制執行在完全不同的頻率上，單日跌幅不等於長期價值的等比例損失。
- 2傑文斯悖論揭示了'更便宜的技術'的反直覺結論：19世紀經濟學家威廉·斯坦利·傑文斯觀察到，蒸汽機效率提升後煤炭總消耗量反而上升。技術史的規律印證了這一點——PC普及未消滅大型機市場，智慧手機崛起反而使半導體整體需求擴張數倍。更低的AI推理成本，可能意味著需求天花板被抬高，而非蛋糕被切走。
- 3擁擠交易的結構性脆弱是本次踩踏的核心機制：過去一年AI相關股票倉位集中度極高，當負面訊號觸發止損盤與被動贖回同時釋放，價格跌幅遠超基本面實際變化。這種流動性踩踏不是價值發現過程，而是倉位結構的集中爆破，理解這一點有助於避免把市場噪音當作基本面訊號。
- 4敘事切換的速度遠快於商業現實的切換速度：市場在一天之內從'AI算力需求無上限'切換至'AI成本驟降算力需求崩塌'，而真實的商業週期從不如此非此即彼。新技術的落地通常是漸進的，企業護城河的瓦解也需要時間，過於線性的敘事往往既高估上行速度，也高估下行速度。
- 5利用情緒與價格背離需要兩個前提同時成立：第一，對標的基本面有清醒獨立判斷，而非依賴市場共識；第二，有足夠的耐心與資金儲備撐過情緒修復週期。缺少任何一個條件，情緒定價造成的'低估'都可能成為陷阱而非機會，這是區分理性逆向操作與衝動抄底的關鍵標準。
- 6正確的第一問題是'這次下跌在定價什麼'而非'買還是賣'：面對板塊單日暴跌，投資者需要先確認市場恐慌所指向的那件壞事是否真的已經確定發生，還是僅僅是一種可能性被當作既成事實定價。這一認知習慣比任何具體的短期操作決策都更具長期價值，是投資者需要反覆練習的基本功。
試聽第一章音訊解讀
精讀全文
第 1 章 · 市場觀察 · 一個新名字攪動估值泡沫：讀懂「AI恐慌性拋售」背後的市場機制
今日熱點 · 退一步看長期
週一美股開盤後,輝達單日跌去 17%,市值蒸發近 6000 億美元。納斯達克 100 指數跌超 3%,費城半導體指數重挫 9%。觸發這場拋售的是一個來自中國科技公司的大語言模型——它聲稱用更少的算力、更低的成本,達到了接近前沿模型的效果。
訊息本身的技術細節還在爭論,但市場的反應已經完成:資金在幾小時內從「AI 基建股」流向黃金、日元、瑞士法郎這些傳統避險資產。這不是第一次,一個突然出現的技術敘事讓高估值板塊在一天內「信仰崩塌」。
這種劇烈波動背後,是一條在資本市場反覆上演的鐵律:當一個故事被定價得太滿,任何意外都會被放大成系統性風險。
過去兩年,AI 算力需求被當作「確定性」交易。輝達的市盈率一度超過 70 倍,支撐這個估值的假設是:訓練大模型需要海量 GPU,且這個需求曲線只會陡峭上升。但這個假設一旦被質疑——哪怕只是一個「可能更便宜的路徑」出現——整個估值體系就會瞬間失重。
這不是技術分析,而是情緒與擁擠度的算術。
當一個板塊漲幅過大、持倉過於集中,市場就會進入一種脆弱的平衡:所有人都在等一個「賣出的理由」。這個理由可以是一份財報不及預期,可以是一條監管傳聞,也可以是一個技術路徑的替代方案。內容是什麼不重要,重要的是它打破了「沒人會先跑」的默契。
2000 年網際網路泡沫破裂前,思科市值一度超過微軟,市盈率超過 200 倍。支撐這個價格的敘事是「網際網路流量永遠增長,路由器需求永不飽和」。但當電信公司開始削減資本開支,這個故事的裂縫就暴露了。思科股價在兩年內跌去 86%,不是因為它的產品變差了,而是因為估值已經提前透支了十年的增長。
輝達不是思科,AI 也不是 2000 年的網際網路。但市場對「確定性故事」的定價方式,從未改變。
這次拋售最值得注意的,不是跌幅本身,而是資金的去向。黃金當天上漲,瑞士法郎和日元走強,這說明資金不是在「換股」,而是在「退出風險」。這是一種典型的「信心收縮」:當一個高估值板塊的核心假設被挑戰,投資者會同時質疑所有需要「相信未來」的資產。
這種時刻,市場不會區分「誰的技術更好」,只會問「誰的估值最危險」。
歷史上,這種恐慌性拋售往往會過度。1987 年 10 月 19 日,道瓊斯指數單日暴跌 22.6%,觸發因素是程式化交易和流動性枯竭,但兩年後指數已經收復失地。2020 年 3 月,標普 500 指數在一個月內跌去 34%,但那些在恐慌中賣出的人,錯過了此後三年的牛市。
但「恐慌會過度」不等於「現在就是底部」。真正的問題是:這次調整是一次「估值擠泡沫」,還是一個更大週期的轉折點?
如果 AI 算力需求的增長曲線確實比市場預期的更平緩,那麼整個半導體供應鏈的估值錨點都需要重新校準。這不是一天能完成的,也不是靠「逢低買入」就能化解的。
投資者需要回答的不是「輝達會不會反彈」,而是「我為這個反彈假設支付了多少溢價」。
市場永遠在兩種狀態間擺動:過度樂觀和過度悲觀。當一個板塊從「不可能出錯」變成「什麼都可能出錯」,這個鐘擺的幅度會格外劇烈。但鐘擺的終點,從來不是在兩端,而是在中間那個無聊的、沒人關注的均值附近。
這次拋售最大的教訓,不是「AI 故事結束了」,而是「任何故事都可能被重新定價」。那些在估值最貴時仍然堅信「這次不一樣」的人,最終會為這份確定性支付最昂貴的學費。
當一個板塊的估值建立在單一敘事上,任何替代方案的出現都會引發超比例的拋售,因為市場交易的不是技術本身,而是「確定性」的溢價—— 投資啟示
本篇出現的關鍵概念
- 傑文斯悖論 (Jevons Paradox)
- 由19世紀英國經濟學家威廉·斯坦利·傑文斯提出：當技術進步使某種資源的使用效率提升時，對該資源的總需求量往往不降反升。本文用此解釋DeepSeek降低AI推理成本後，整體算力需求可能擴張而非萎縮的反直覺邏輯。
- 擁擠交易 (Crowded Trade)
- 指大量市場參與者持有相同方向的倉位，導致交易結構高度集中。當負面訊號觸發時，止損盤與贖回壓力同時湧現，形成價格的非線性下跌。本次AI股單日暴跌中，擁擠交易結構是跌幅遠超基本面變化的核心原因之一。
- 流動性踩踏 (Liquidity Cascade)
- 在市場快速下跌過程中，被動止損、強制贖回與恐慌性賣出相互疊加，導致流動性急劇枯竭、價格加速下行的現象。與基本面驅動的價格發現不同，流動性踩踏更多反映倉位結構的集中爆破，而非企業價值的真實重估。
- 敘事切換 (Narrative Shift)
- 市場參與者對某一資產或板塊所共享的主導解釋框架發生快速轉變。本文指出，AI板塊的市場敘事在一天內從'算力需求無上限'切換至'算力需求崩塌'，但真實商業現實的演變遠比敘事切換緩慢，兩者之間的錯位往往是定價失真的根源。
關於這位大師
宏觀對沖作為一種投資流派，興起於20世紀70至80年代的全球資本市場劇變期。佈雷頓森林體系於1971至1973年間徹底瓦解、石油危機重塑全球通脹格局，迫使一批交易員和基金經理開始系統性地跨越資產類別、地域與時間維度來構建投資邏輯。這一流派的核心主張是：任何單一資產的價格，都巢狀在更大的宏觀結構之中，忽視宏觀背景的個股分析往往是在黑暗中射擊。 宏觀對沖視角在分析科技板塊時有其獨特的稜鏡效應：它不僅關注某家公司的業務護城河，更追問這家公司所處的技術週期處於哪個階段、市場的流動性結構是否支撐當前估值、以及驅動資金流入的敘事是否與底層現實存在背離。2025年1月的DeepSeek事件，正是這種分析框架的典型應用場景——表面上是一個AI公司的模型釋出，深層則是擁擠倉位結構、過度線性的技術敘事與真實商業節奏之間的張力集中釋放。 從歷史上看，宏觀對沖視角對'技術顛覆敘事'保持結構性的審慎：網際網路泡沫破裂前，市場同樣將'可能'當作'已經發生'來定價；2011至2012年的雲端計算爭議中，傳統企業IT採購的慣性也遠比敘事切換的速度頑固得多。這一流派的價值，不在於預測價格的短期方向，而在於為投資者提供一個更寬的時間座標和更穩定的情緒參照系，幫助區分市場噪音與真正的結構性訊號。
本篇 6 句最值得抄進筆記的話
- 技術顛覆的敘事，往往比技術顛覆本身跑得更快——價格在恐慌中超跌，是市場的常態，而非例外—— 本篇金句
- 市場的噪音，永遠比訊號多。學會區分兩者，是投資者最需要反覆練習的基本功—— 本篇正文
- 情緒與價格的背離，是市場給理性參與者留出的空間—— 本篇正文
- 當你看到某個板塊單日暴跌，第一個問題不應該是現在該買還是該賣，而應該是這次下跌，到底在定價什麼—— 本篇正文
- 市場先生每天都會報價，但你沒有義務接受他的報價—— 本傑明·格雷厄姆《聰明的投資者》1949年版
- 短期來看，市場是一臺投票機；長期來看，市場是一臺稱重機—— 本傑明·格雷厄姆《證券分析》
