好投资人是怎么长出来的
这一期和其他几期都不一样。别的场合他谈的是判断，这一期谈的是判断是怎么长出来的。从德州的放养童年，到富达的第一份工作，到二十五岁在大盘制药股上从明星跌到垫底，再到他从那次崩塌里总结出的那套一直用到今天的方法。
其中有三段值得反复读。第一段是 2000 年 2 月那份纪要：他入行六周，用一个商品行业的供需框架去看半导体，发现客户库存、成品库存、芯片库存同时创历史新高，而估值处在没人见过的水平，于是写下一句这与需求环境不符。第二段是他对回撤的定义：亏钱就是错了，不存在只是太早这回事，你要做的不是解释，而是决定。第三段是那句他从导师那里学到的话：一个投资人要么早点恐慌，要么晚点加仓，几乎没有人两样都行，你必须知道自己是哪一种。
AI 的部分他讲得比其他场合更基础，也因此更适合当作入口：为什么泡沫在历史上是必然的，为什么现在不是估值泡沫，为什么瓦特与晶圆的短缺反而可能救了这一轮。
主持人先不聊 AI、半导体、太空和数据中心。我想从头开始，聊聊你是怎么长成今天这个人的。
Gavin我在德州长大，这塑造了我很大一部分。我父母对我所有的兴趣都是鼓励和纵容的。我最早的一批记忆，是那些讲古代史的插图书，腓尼基人、以色列人、埃及人、古希腊人、古罗马人。我对历史的兴趣是终身的。
我父母都是律师，所以我的成长条件很幸运。另一段最深的记忆是，我们大概每个月去三次书店，而我有一份无上限的买书预算，一去可能就是几个小时。我大概到了十几岁，才第一次出现全家出去吃饭我没带书的情况。
我父母常说，我会问这顿饭是一本书的饭、两本书的饭，还是三本书的饭。我想我当时读的书大概都不太长。
童年的另一半是在德州山地我外祖父母家过暑假。如果我在那儿待八周，我父母大概只在其中两周半。剩下的时间我和所有堂表兄妹在一起，我们睡在带纱窗的门廊上，基本上想干什么干什么，去山里徒步，去路对面的山坡上找箭头，去钓鱼。那是一个非常放养的童年。
我外祖父也一直鼓励我读书。有一件很有画面感的事：每天下午两三点，外婆都会对外公说，大卫，我第一杯金汤力差不多可以了。我当时只知道每天下午都这样，完全没觉得有什么。
我还一直喜欢那种既拼技巧又拼运气的游戏。西洋陆军棋、国际象棋，后来是扑克。不过我成年之后大概只打过两三次扑克。
我不是一个好学生，我是个很冷淡的学生。我很难在不感兴趣的事情上努力，但我在别的事情上极度投入。上高中之前，龙与地下城对我是很重要的事。
放养童年在这里不是抒情，而是一个具体的信息摄入结构
他描述的三件事其实指向同一件事：不受限的信息摄入，加上不被规定的方向。无上限的买书预算取消了选择的成本，八周暑假里父母只在两周半取消了监督，而对不感兴趣的事努力不来则说明了动机完全来自内部。
这与他后面反复出现的一个观点直接相连：投资的哲学与流程必须匹配你自己的情绪构造。一个从小按外部要求塑形的人，很难知道自己的构造是什么样子。
拼技巧又拼运气的游戏，是他整个职业生涯的原型
陆军棋、国际象棋、扑克、龙与地下城，加上后面会出现的梦幻橄榄球，他反复回到同一类活动：规则清晰、信息不完全、结果由概率决定。
这类游戏训练的不是赢，而是把决策质量与结果质量分开。这正是他后面那句听起来很反直觉的话的来源：想进最后一档和想进最前一档，在统计上一样难，因为过程是概率性的。
Gavin大学期间我从来没想过要做投资人。攀岩和滑雪是我生命里最重要的事，我基本是靠攀岩混过了大学。
我的计划是毕业以后，住在一辆很便宜的旧皮卡车斗里，加个车顶棚，换季的时候全职攀岩，同时试着做摄影师、写出下一部伟大的美国小说，冬天在滑雪行业打工，夏天在漂流行业打工。
我父母一辈子只对我提过两个要求。第一个是大一不许加入兄弟会。他们说，听起来是个很好玩的主意，那你告诉我们学费支票该寄到哪个地址就行，我们想确认一下确切地址。我说这什么意思。他们说，我们不会出钱送你上大学去混兄弟会。
第二个要求是，你必须去做一份真正的实习。他们说，除了不进兄弟会，我们从来没要求过你任何事。我们完全支持你去美国西部的计划，我们也爱山，我们理解你为什么爱山。但你就去做一份实习。
我唯一能拿到的实习，是在 DLJ 的一个零售经纪部门。我住在哈佛广场一个女士家的地下室。我的工作是把前一天卖方分析师发的每一份研报打印出来，查一下哪些客户持有这只股票，装进信封寄出去。
然后我就开始读那些研报，我心想，这太不可思议了。
我当时的感觉是，投资是一种既拼技巧又拼运气的游戏，而赢的方法是：把对历史尽可能透彻的理解，与对世界当下状态尽可能准确的把握，交叉在一起，形成一个与众不同的关于接下来会发生什么的判断。
这让我极度兴奋。我把巴菲特的股东信读了两遍，把《金融怪杰》读了两遍，自学了会计。回到达特茅斯之后，我把专业从英语与历史，改成了历史与经济，从此再没回过头。
历史的深度乘以当下的精度，等于差异化的判断
他给投资下的这个定义，把三样东西放进了一个乘法结构里。对历史尽可能透彻的理解提供的是模式库，告诉你现在这个局面像什么。对世界当下状态尽可能准确的把握提供的是事实基础，告诉你这次和过去哪里不一样。而差异化的判断是产出，因为与共识相同的判断不产生超额收益。
三者是乘法而不是加法：只懂历史会不断错误类比，只懂当下会缺少参照系，两样都有但结论与市场一致则赚不到钱。他后面几乎每一个具体案例，都可以拆回这三项。
一份最基层的工作，价值在于它强制你大量阅读
把研报装信封听上去毫无技术含量，但它有一个别的实习没有的特征：它让一个人被动地、每天地、系统地接触到一个行业的全部原始输出。
这与他后来在富达的做法是同构的：他反复强调自己读的是原始纪要而不是二手报告。入口是被动的，但因为读的是原始材料，积累是真实的。
Gavin富达是个了不起的地方。如果你在找一个学做投资的地方，我真的不认为有比富达更好的选择。
原因是这样：做一个成功的投资人，本质上是找到一套与你自己独特的情绪构造相匹配的投资哲学与流程，使得你在错的时候仍然能保持理性。而这套东西对每个人都不一样。
几乎每个投资人入行的时候，都读过格雷厄姆、巴菲特，也许还有费雪，然后觉得自己发现了什么独特的东西。可地球上所有人都把那些书读过很多遍了。所以大多数人是以价值投资者的身份入行的，但那对很多人来说未必是对的哲学。对某些人来说是对的。
而在富达，你会接触到你能想象到的每一种投资人。你会看到哲学、流程、方法都截然不同的人，都在成功。作为分析师，你必须在某种程度上学会每一位基金经理的思考方式，因为你的工作是服务所有基金经理。
富达另一个了不起的地方是，它给你完全的自由去用你自己的方式做这份工作，只要你交得出结果。它是极度以结果为导向的。当然这有点夸张，公司出财报你要更新模型、要发纪要，是有结构的，但你的工作就是创造超额收益。而创造超额收益有很多种方式。
还有一点，杰克·韦尔奇来公司的时候，任何人都可以去参加那场会。约翰·钱伯斯来的时候，任何人都可以去。所以作为一个非常年轻的人，你会被暴露在这些顶级高管面前，然后你会看到那些管着五百亿、一千亿、两千亿、三千亿美元的基金经理是怎么和这些高管交手的，你能听到他们问什么问题。那是多么难得的学习经历。
方法要匹配情绪构造，而检验的时点是你错的时候
他给的这条判据非常具体：不是让你在对的时候赚得多，而是让你在错的时候仍然能保持理性。
为什么是错的时候？因为对的时候任何方法都舒服。一套方法真正的成本，是在它失灵的那段时间里对你情绪的消耗：一个受不了看着账户天天缩水的人，不可能执行左侧加仓；一个受不了错过的人，不可能执行严格的估值纪律。
他还点出了一个行业性的错配：几乎所有人都从价值投资入行，因为那是入门书写的，但那只匹配一部分人的构造。很多人的问题不是学错了，而是学的那套不是自己能执行的那套。
不限制路径，只考核产出
这句话与他在另一场访谈里提到的无上限差旅预算是同一件事的两面。组织不规定你怎么做研究，只看你有没有创造超额收益。
它的代价也很明确：这种结构对能自我驱动的人极其有利，对需要外部结构的人则近乎残酷。而这恰好又回到上一条，方法要匹配构造，环境也一样。
Gavin我最开始覆盖的是水泥和骨料。我认为对一个投资人来说，从一个商品行业起步是极好的事。
因为在那里，一切都归结到供给与需求、归结到固定成本，而这些要素存在于每一门生意里，只不过在很多生意里它们被遮蔽了。但归根到底，一切都是供给与需求。
我做了三个月，这段商品行业的教育非常宝贵。而且就像建模一样，你会养成一个习惯：把价格和销量分开来建模，然后看价格的变化一路落到税前利润那一行是什么效果。如果没有这套训练，我觉得你会缺一块。
我确实喜欢水泥和骨料，但大概三个月以后，该学的差不多就学完了，它们不是最复杂的生意。所以三个月后，他们把我从骨料调到了半导体。
价格与销量分开建模，是一个被低估的基本功
把收入拆成价格乘销量，再看价格的边际变化如何穿过成本结构落到税前利润，这件事在商品行业是显然的，因为价格每天在报。
它的价值在于迁移：任何一门有固定成本的生意，都可以用同一个结构去看。一家云厂商的收入增长，究竟来自单价还是用量，含义完全相反；这正是他在其他访谈里判断算力短缺时用的同一把尺子。
而他说这些要素在很多生意里被遮蔽了，指的是软件、平台这类不报单价的生意：不是没有价量结构，而是它不告诉你。
原稿此处措辞混乱
原始转写在这一段里写成从半导体和骨料调到半导体，前后自相矛盾。结合上下文，他实际覆盖的顺序是先水泥与骨料，三个月后转到半导体，此处按语义还原，未作其他改写。
Gavin我大概在 2000 年 2 月发了一份纪要，那时我看这些股票才六个星期。我觉得那套供需框架对我帮助极大。
因为我做的分析是这样：我说，我们把每一家半导体公司的库存都看一遍，然后再把它们客户的库存看一遍。
我看到的是，客户的库存和库存周转天数处在历史最高位。在这里面，成品库存又处在历史最高位。然后半导体公司自己的库存也处在历史最高位。而这些股票显然在以从来没人见过的估值倍数交易。
于是我写了一份纪要，我说，这与需求环境不符，我们没法对这样的估值感到哪怕一点点安心。
我完全没想到这会是件大事。我坐在一个格子间里。当时那位明星分析师 Rajiv 有自己的办公室，因为他是资深的人。他在德国杜塞尔多夫长大，带德国口音。我听见他在走廊上走来走去，喊，Gavin Baker 呢？我得跟那孩子谈谈。他在哪儿？
我心想，天哪，我完全没考虑过这份纪要会怎么影响到他。
结果他抱着一大摞纸过来，捶了我胳膊一下，说，这份纪要写得太好了。我印了五十份，都在这儿。我已经把我的股票评级下调了，今天你跟我一起去见每一位基金经理。
库存三层同时创新高，是一个不需要预测未来的证据链
他做的事情结构非常干净，一共三层：客户的库存天数在历史最高，客户库存里的成品占比在历史最高，芯片公司自己的库存也在历史最高。
三层同时成立，含义是唯一的：渠道里的货，是被囤起来的，不是被消化掉的。成品占比高尤其关键，因为它说明积压发生在离终端最近的那一层，也就是最接近真实需求的地方。
这套分析的力量在于它不需要预测需求。他没有说需求会下滑，他只是指出当前的库存状态与被计入价格的需求水平互相矛盾。横截面上的自相矛盾本身就是结论，这与他二十六年后用来判断算力周期的方法完全一致。
一个入行六周的人能做出这个判断，恰恰因为他六周前还在看水泥
覆盖半导体多年的人，会被行业内部的解释框架束缚：产品周期、制程节点、设计中标。而他带来的是一个完全外部的框架，供给与需求，因此他看的是库存而不是订单。
这对经验的含义是双向的：经验提供细节，但也提供盲区。他后面在大盘制药股上的失败，正好是这条规律的反面证明。
Gavin接下来有一段对我影响很深。我当时看好的两只股票都是很小的公司。一只是 Integrated Circuit Systems，另一只是英伟达。
ICS 当时是 Hock Tan 在管，也就是现在博通的 CEO。Hock 让我有点怵，所以我跟他交流得没那么多。
他那个模型很有意思，它和戴尔模型完全相反。戴尔模型是找到一个丰厚的利润池，冲进去，把它抽干。而 Hock 的模型一直是：找到一个已经被抽干、已经没有竞争者剩下的利润池，进去，然后把价格提上来。这就是他这么多年一直做得如此成功的事。
另外我要给 Hock 很高的评价：和很多半导体同行不同，真正能留住顶尖工程师的人只有三个，黄仁勋、Hock、苏姿丰。大多数半导体公司留不住优秀的高管，而 Hock 显然有识别人才并留住人才的能力。
而黄仁勋，不知为什么，让我觉得没那么有压迫感。我猜他年纪跟我更接近，虽然我其实不知道。他当时是个挺年轻的人，我也是个挺年轻的人。我当时就很明显地感觉到他是个非凡的人，绝对是我见过的最非凡的人之一。但那时我才二十三岁，我还没见过多少真正非凡的人。
而到今天，黄仁勋绝对是我这辈子见过的两三个最非凡的人之一。在那么年轻的时候就接触到他，我觉得这真的塑造了我。
戴尔模型抽干利润池，Hock 模型接手被抽干的利润池
两者的差别不在效率，而在进入时点与竞争状态。
戴尔模型：找到高毛利的成熟市场，用更低的成本结构冲进去，把行业毛利打下来，自己拿走份额。它的前提是你比在位者成本更低，收益来自份额转移，代价是它同时摧毁了这个池子的利润。
Hock 模型：等到一个市场已经被打成低毛利、竞争者陆续退出、只剩下必需的存量客户，然后收购进入，凭借客户转换成本极高而提价。它的前提是产品不可替代而市场不再增长，收益来自定价权，代价是它不产生增长。
投资含义很直接：前者是成长股逻辑，看份额曲线；后者是现金流逻辑，看提价空间与客户粘性。用错框架，两者都会看起来毫无道理。
半导体行业真正稀缺的不是技术，是留人的能力
他点名的是三个人，而不是三家公司。这个说法把行业的分化归到一个通常不被建模的变量上：顶尖工程师的留存率。
逻辑并不玄：先进芯片的设计能力高度集中在少数人身上，而这些人的产出差距不是倍数级而是数量级的。一家公司流失掉几位核心架构师，可能在三年后才以一代产品失败的形式显现出来，这个时滞让它很难被及时定价。
Gavin下一个覆盖行业，他们给了我大盘制药。很难解释这个跨度有多大。小盘半导体几乎没人关注，而大盘制药在当时是市场里最重要的板块。我那年二十五岁，接手了大盘制药，同时接管了我的第一只基金。
小盘半导体的竞争面很窄，大概只有十五个人在覆盖，而且它是高度由产品周期驱动的、非常特异的行业。大盘制药在那个时点是所有人都在覆盖，是一百人里的一百人。而我是最后一批不是医学博士的覆盖者之一，我要竞争的那些人已经有很多是医学博士加博士了。
但归根到底，那还是一个板块层面的判断。而我把那个板块判断做错了。
结果就是，我从公司里排名最靠前的分析师之一，掉到了最底下。
我认为那段时间在两个意义上对我极其重要。第一，在职业生涯早期经历一次这种事，是非常有利的。
因为在公开市场做投资，和私募股权、风险投资完全不同。在私募和风投，大家都长得体面、穿得体面，你为一笔交易定价时可能只跟十个人竞争。而在公开市场，你是在和地球上所有人竞争。
而这世界上有大量非常聪明的人，他们既不体面也不善辞令。在私募和风投你不必和这些人竞争，但在公开市场你必须。所以那是地球上竞争面最大的一场游戏。
这就意味着这是一场非常难的游戏，你一定会经历非常艰难的时期。无论你多好，你都会有非常艰难的时期。
所以成功很大一部分就是韧性、顽强，以及热爱这场游戏。先别说成功，如果你不热爱这场游戏，你根本无法成功，因为你的对手是热爱它的人。
德约科维奇说过，要成为伟大的网球运动员，你必须热爱击球这件事本身。不热爱这场游戏你就无法竞争，但你同样也无法生存，因为热爱本身就是那个支撑你走下去的东西。
公开市场之所以最难，是因为它的竞争者筛选门槛最低
通常的说法是私募更专业、更辛苦。他给的是一个完全不同的角度：私募与风投的竞争是被结构性限制的，一笔交易只有少数几家能参与，而能参与的前提包括关系、资历、募资能力、以及某种程度上的社交呈现。
公开市场没有这层筛选。任何人只要有钱和一个账户就能与你竞价，其中包括大量在任何社交场合都不会被注意到、但判断力极强的人。
这个论证的实用含义是：不要用你能接触到的同行来估计自己的相对位置。报价里包含了你从未见过、也永远不会见到的对手的判断。
因为后面每一次的代价都更高
他给的理由不是心灵成长，而是一个很冷的算术：如果你的职业在推进，你的岗位会越来越重要，所以每一次没处理好的后果都比上一次更严重。
二十五岁把一只基金做砸，损失的是排名和自尊；四十五岁把一只基金做砸，损失的是机构、员工和客户。崩溃是必然要发生的，唯一可选的是发生在什么时候。
Gavin那段时间对我很艰难，而且我学到了一些一直留在身上的东西。
我小时候最喜欢的一本书是《地海巫师》。这本书之所以了不起，是因为它开篇就告诉你主角后来是大法师、是传奇，但第一部讲的全是他的挣扎，他被逐出了巫师学校。可以肯定 J.K. 罗琳把这本书读过好几遍，里面有很多哈利·波特的影子。
但它讲的核心是傲慢。而我确实认为，很多投资错误归根到底都是傲慢。
所以每当我经历艰难时期，我就会重读这本书，它成了我的一块试金石。而且每经历一次，下一次就更容易一点，因为你会记得上一次。有这些试金石是好事。
另一件我认为在艰难时期非常重要的事是：找一个爱好，在那件事上你可以让一个数字变好。跑步、举铁、打游戏都行。
但你需要一个能靠你自己的努力而改善的数字。我认为这在心理上极其有用。那是我第一次真正靠向这件事，我瘦了大概三十磅。我之前很不成体统，然后并没有特意去做什么，只是因为压力，就变得非常结实。
回撤期真正在损耗的，是反馈回路本身
他说的那个能靠努力改善的数字，解决的是一个很具体的问题：投资的反馈周期长且噪音极大，在回撤期，努力与结果之间的关联会短期内完全消失。
人在持续付出而看不到任何正反馈的状态下，会出现两种典型退化：一种是加倍交易以制造反馈，另一种是彻底放弃流程。两者都会让决策质量在最需要它的时候崩掉。
一个短周期、高确定性、完全由自己控制的数字，作用是把努力与结果的关联在别处维持住，从而保住流程。这不是养生建议，是风险控制。
预先准备好的、用于重置状态的固定动作
他用的方式是重读同一本书。关键不在书的内容，而在重复性：因为读过，所以它同时唤起的是上一次的处境以及上一次最终走出来了这个事实。
他明确说了效果是累积的，每经历一次下一次就更容易。本质上这是在给自己建立一份关于我在这种状态下做过高质量决策的历史记录，而这正是他在最后一段说的，最终要到达的位置是回撤期决策质量反而更好。
Gavin另一件对我影响极大的事是，富达当时刚刚招进第一支量化团队。很多资深基金经理是怀疑他们的，怀疑这些人是被拿来取代自己的。
这七个都有博士学位的量化人员来找我聊，开始跟我讲量化风险管理。我当时想，天哪，这太有道理了。原来在那些你根本不会觉得相关的股票之间，存在着这些共同因子。
而我当时刚开始管基金一个月。我就问他们，我下次什么时候能再见你们？
他们说，随时都行，因为到目前为止你是唯一一个想见我们的人。
于是我真的和这七位博士，每天见一到两个小时，见了整整一年。我把他们的风险手册读完了。那是一次极其幸运的机会。
共同因子这件事，对基本面选股的人杀伤力最大
核心事实是：你自以为分散的持仓，可能在因子层面高度重合。十只属于不同行业、你分别做过基本面研究的股票，如果同时暴露在成长、动量、高估值这几个因子上，那它们在压力期会一起下跌。
这对基本面投资人杀伤力最大，原因是他们的研究流程本身就在制造这种重合：一个人偏好的商业模式特征是稳定的，所以他挑出来的公司天然共享同一组因子暴露。研究越深入，重合越严重。
这也是他在别处强调总敞口与拥挤度的起点：风险不来自你选错了哪只股票，而来自你不知道自己实际上只下了一个注。
整个部门只有他一个人去，这本身就是那次机会的全部内容
他没有做任何困难的事，他只是去了。而其他所有人不去的原因也很清楚：他们把量化团队视为威胁，而不是资源。
这里可迁移的部分是：组织里被集体回避的东西，往往是获取信息成本最低的地方。因为无人竞争，所以对方有无限的时间给你。
Gavin在制药那次之后，他们给了我烟草。而烟草这个行业完全是关于诉讼风险的。
当时有三个案子是对这些股票构成生存威胁的。我不知道他们跟我讲得有多明确，但我的理解是，因为他们只给了我烟草这一个行业，而通常一个人会覆盖不止一个行业，所以如果我这三个案子不能全部算对，我就会被开掉。
这就是我当时的信念结构。而这其实很棒，因为需要是发明之母，而在富达你确实有很多资源。
于是我去了每一场庭审、每一次听证，所有公开的场合我都去。我找到那些曾经给每一位法官当过书记员的人，帮我解读。我读了成千上万、几万页的材料。
结果我把股票做对了，把案子全都判断对了。
如果你愿意做那种程度的工作，你在诉讼上确实可以建立优势，尽管它显然是二元的，而且陪审团审判什么都可能发生。
信息优势不在于难懂，而在于难做
他做的事情没有任何智力上的门槛：去现场、读原始材料、找了解具体法官判决习惯的人。每一项别人都能做，但每一项都极其耗时且无法外包。
这与他在另一场访谈里说实地打探被高估并不矛盾。区别在于这些信息是不是已经被充分披露：一家上市公司的经营信息有法定披露渠道，而一位联邦法官在类似案件中的倾向没有。优势存在于没有披露机制、只能靠脚力获取的地方。
而他自己给出的限制条件同样重要：结果仍然是二元的，陪审团审判什么都可能发生。做到极致的工作降低的是概率上的不确定性，不是消除它。
他做出这份工作的直接动力，是一个可能并不准确的恐惧
他自己说得很坦率：那只是他的信念结构，公司未必真的打算这么做。
值得注意的不是这个误解，而是它产生的效果。这与他后面反复讲的那件事互为镜像：投资人的产出很大程度上由情绪状态决定，而情绪状态可以来自一个错误的前提。这次它带来的是极致的努力，另一些时候它带来的是恐慌性卖出。
Gavin后来他们把日化家居和零售的其余部分也给了我。这又是一次极好的经历，因为那时候日化家居讲的全是全球化和金砖四国。我每年会去一次俄罗斯、一次中国、一次印度、一次巴西，然后再去其他一些国家。那是一次关于世界很大这件事的教育。
零售也很棒。在富达你会学到彼得·林奇那套：如果你喜欢这个故事、喜欢这个产品，你就会喜欢这只股票。就像丘吉尔和莎士比亚把英语里所有值得引用的话都说完了一样，投资上你需要的东西，彼得·林奇和巴菲特基本上都说完了，也许再加上索罗斯的反身性概念。
当时我所有东西都在亚马逊买，于是我问每一家零售商，你们为什么不投电商？他们都说，我们不喜欢那个利润率。我说，可这明显是未来啊。他们说，不，不是。
然后你在富达会学到这些东西。我永远忘不了 Tim Cohen 教我的一件事。所有好的想法在你听到的那一刻都显得如此显然。
我从来没意识到，如果你是一家零售商，你卖的东西是通胀的，那和你卖通缩的东西，处境有多么不同。
这就是为什么电商是从有通缩属性的品类起步的：营运资本周期对你有利，从而给了你一个定价优势。而像家得宝那种，东西并不真的会跌价。
通缩品类为什么天然适合电商
关键在营运资本周期，也就是你先收到钱还是先付出钱。电商的结构是客户下单即付款，而供应商货款延后支付，中间这段时间你是在用别人的钱周转。
把这个结构叠加到一个价格持续下跌的品类上，效果会放大：你今天卖出的货，是用未来更低的价格补进来的，跌价本身变成了利润。反过来，在一个价格上涨的品类里，同样的周期意味着你要用更贵的价格补货，收益被侵蚀。
这解释了电商的实际扩张路径：先是书籍、CD、电子产品这些单价明确、持续降价、标准化易配送的品类，很久以后才轮到建材、生鲜这些通胀且重物流的品类。顺序不是偶然的。
在位者拒绝转型时给出的理由，往往是真诚且正确的
那些零售商说不喜欢那个利润率，这句话在当时的账面上完全成立：早期电商的毛利率确实更低。
他们错的不是计算，而是比较对象。他们把新业务的利润率与自己现有业务比，而正确的比较是与新业务成熟后的利润率、以及不做这件事的后果比。这是在位者困境最常见的形态：不是看不见，而是用现有业务的口径去衡量新业务。
Gavin后来我覆盖电信，那是智能手机的早期。iPhone 出来的时候，我基本上就是那个 TMT 分析师。
然后从 2007 年一直到 2021 年，我在百分之九十的客户会议里都被问到泡沫。
谷歌、Meta、亚马逊、苹果，他们显然处在泡沫里。而从我第一次被问到泡沫开始，之后的十五年里，你作为配置者或基金经理的业绩，实际上就归结为一件事：你是超配还是低配了互联网。
（此处为 Rho 的广告口播，略。）
十五年的业绩差异，归结为一个二元选择
他说的不是选股，而是一个板块层面的方向判断：超配还是低配互联网。在这十五年里，这一个决定解释了大部分的业绩离散。
这与他自己的经历构成了一个残酷的对称。他二十五岁时正是因为板块判断做错而从明星跌到垫底，而这十五年里做对板块判断的人则拿走了几乎全部超额收益。
可迁移的部分是：在一个由单一技术浪潮主导的时期，个股层面的精细工作，其重要性远低于对这个浪潮方向的判断。这也正是他今天对 AI 的态度：他花大量精力在算力、能源、制造这些方向性问题上，而不是在个股的季度利润上。
被连续问了十五年的泡沫，本身就是那轮上涨的原因之一
他后面会明确讲到这个机制：泡沫恐惧压住了科技股的估值倍数，从而让盈利增长可以完整地转化为股价上涨。
换句话说，那十五年里持续存在的怀疑，不是上涨的对立面，而是上涨得以持续的条件。真正危险的时点是没有人再问这个问题的时候，那正是他引用的多样性崩塌。
主持人你说过你对投资的热爱来自对历史的深入理解。历史告诉我们，活在这种量级的变革中意味着什么？
Gavin这是个很好的问题。有一本对我的思考具有奠基作用的书，是卡萝塔·佩蕾丝写的《技术革命与金融资本》。
基于这本书，也基于人类过去三四百年的历史，因为我们有市场已经很久了，结论是：任何时候出现一项真正革命性的新技术，你一定会得到一个泡沫。
金融市场会正确地对这项新技术感到兴奋。金融市场大多数时候是有效的，所以它们正确地识别出这是革命性的、会改变世界的。
然后你会得到 Michael Mauboussin 所说的观点多样性的崩塌，而这正是泡沫的燃料。
接着泡沫导致对这项新技术的过度建设，过度建设又导致需求跟不上，于是崩盘。
而一个我们待会儿会回到的、非常重要的区分是：这一轮建设是靠债务融资的，还是靠经营性现金流融资的。这对 AI 是一个关键区分。
所以你看运河、铁路、无线电、互联网、个人电脑，你会觉得我们一定会有一个 AI 泡沫。
而泡沫对我这样的人来说是一场灾难。我对估值极度在意、极度自律。泡沫是噩梦，没人想要那个。
泡沫不是市场失灵，而是新基础设施得以被超额建设的机制
这个框架把泡沫的流程拆成四步：市场正确识别出革命性技术 → 观点多样性崩塌 → 资本涌入导致过度建设 → 需求跟不上而崩盘。
它最反直觉的一点是第一步是正确的。泡沫的起点不是错误判断，而是准确判断。错的只是规模与时点。
而它的社会功能是：过度建设留下的基础设施在崩盘后以极低的成本被后来者使用。铁路、光纤都是如此。这也是为什么他说泡沫对长期投资人是灾难，但对技术扩散未必是。
债务融资还是经营性现金流融资，决定崩盘的性质
他在这里埋了一个后面会用到的关键区分。差别不在于会不会跌，而在于跌下去之后会发生什么。
债务融资的建设：需求不及预期时，利息支付不会因此减少，于是被迫贱卖资产、违约、债权人受损，冲击从股权蔓延到信用体系，恢复期以年计。铁路与 2008 年的地产都是这个形态。
经营性现金流融资的建设：需求不及预期时，公司只需削减资本开支，利润表立刻改善，没有强制卖出方，也没有信用传染。
这就是为什么在其他访谈里他反复盯着一件事：这一轮的钱是从哪里来的。只要主体仍是自由现金流，最坏情形就是一次利润失望，而不是一次金融危机。
Gavin我认为我们显然不在泡沫里。任何说我们处在估值泡沫里的人，只是没在看数据。
科技股现在的估值倍数，和五六年前是一样的。从 2025 年初开始，科技股的估值倍数是压缩的。科技股现在相对必需消费品是折价的，这种情况极少发生。从估值角度看，我们不在泡沫里。
但考虑到这轮建设的规模，我们是不是处在一个资本开支泡沫里？我们是不是在过度建设？
到目前为止最简单的答案是，这些投入的投资回报率一直是非常正的。
我们现在处在一个投资回报率的小凹陷里，因为 Blackwell 是一笔极其庞大的支出，而且它正被用于训练，训练不产生回报。
但我认为很清楚，当你去看那些模型的时候，它们都还只是 Blackwell 世代非常早期的检查点，智能体 AI 已经到了，Blackwell 的投资回报率会非常高。
估值泡沫问的是价格，资本开支泡沫问的是产能
这个拆分很重要，因为两者的证据、后果和应对完全不同。
估值泡沫是价格相对盈利过高。检验方式是看倍数：科技股倍数与五六年前持平、自 2025 年初起压缩、相对必需消费品折价。这三条都是可核对的事实，所以他敢用显然这个词。
资本开支泡沫是物理产能相对最终需求过多。它不体现在倍数上，只体现在几年后的利用率与折旧上。这就是为什么估值不贵与建设过度可以同时成立，也是为什么他把这两件事严格分开来回答。
对投资者的含义是：用倍数便宜来反驳过度建设的担忧，是答非所问。
训练不产生回报，这是那个凹陷的全部来源
他说的投资回报率凹陷有一个很干净的机制：同一批芯片，用于训练时纯粹是成本，用于推理时才产生收入。
所以在一代新硬件刚上线、绝大部分算力被投入训练的阶段，账面上必然出现资本开支大幅上升而对应收入尚未出现的错配。这不是回报变差，而是收入在时间上滞后于支出。
它同时也是一个可证伪的预期：如果这批算力在转入推理之后，回报率没有随之回升，那么这个凹陷就不是时点问题，而是真实的过度建设。这正是需要持续核对的地方。
Gavin有一件事挺好笑的。市场一边担心 AI 会让所有人失业，一边又给那些最受益于 AI 的巨头相当有吸引力的估值。
也许这是因为存在某种恐惧，担心会出现全球性萧条那种情形。
主持人你怎么看那种情形？
Gavin我认为不太可能，我也希望它不太可能。
但我认为根本性的差别有两点。第一，那次泡沫留下的伤疤太深了。
2009 年很糟糕，你跌了大概百分之六十到六十五。而百分之六十到六十五，听起来和跌百分之四十或百分之三十不一样，但它们其实是非常不同的量级。而在互联网泡沫里，你跌的是百分之八十到八十五，那是天差地别。
那次泡沫留下的伤疤太深，这件事本身就给科技股的估值倍数封了一个顶。
我认为这正是科技股自谷歌上市以来能以那么高的速度复合增长的原因之一。
而且顺带一提，你把任何一家科技公司拿出来，把它的规模抽掉，只看它的利润率、收入增速、投入资本回报率，然后把这组财务特征放进任何其他行业，它都会以巨大的溢价交易。
估值就是被这件事一直压着的。
同一个市场不可能同时相信两件事
他指出的矛盾结构很清晰：如果 AI 强大到让所有人失业，那么部署 AI 的公司理应赚到人类劳动被替代所释放的全部价值，它们的估值应该极高；如果它们的估值不高，那么市场其实并不相信 AI 那么强大。
两个信念只能有一个为真。而这正是他反复使用的那种方法：不预测未来，只检查同一时点上不同资产隐含的假设能否同时成立。
他自己也给出了唯一能同时容纳两者的解释：市场担心的是 AI 引发的全球性萧条，在那种情形下 AI 很强大，但没人有钱付费。这是一个自洽但概率不高的情形。
跌 40% 与跌 85%，不是程度差别而是种类差别
他强调这个区分是有算术根据的。跌 40% 需要涨 67% 才回本，跌 65% 需要涨 186%，跌 85% 需要涨 567%。
这个非线性决定了心理后果的差异：跌 40% 的人会等待，跌 85% 的人会永久离开这个资产类别。而永久离开的人构成了后续十几年的估值天花板。
这就是他说的伤疤效应的实际含义，它不是一个比喻，而是一批具体的、不再回来的买家。
Gavin第二点，我们从根本上短缺瓦特和晶圆。而我认为这个短缺可能会阻止一次过度建设。
就算我们解决了建数据中心所需的电力短缺，台积电仍然是瓶颈。
在半导体制造上，如果你已经领先，你就拥有巨大的优势。这就像烘焙，大家用的原料是一样的。以前你还能在尼康的扫描仪和阿斯麦的设备之间做选择，现在所有人都用阿斯麦。你在光刻匹配上可以做不同选择，但大体上大家用的是同一套设备。
但关键在于你怎么把它们组合起来，配方、步骤，里面有大量的门道，有大量的试错。所以如果你领先，你就有巨大的优势，追赶非常困难。
而他们之所以能追上来，主要是因为英特尔犯了一个可怕的错误，而那个错误大部分源于自负。
台积电的高管，就是那些见过山姆·奥特曼、然后把他当作一个播客兄弟打发掉的人。他们是硬汉，他们绝不会按照世界希望的速度去扩产能。
所以我认为，瓦特与晶圆这个根本性的短缺，加上互联网泡沫留下的伤疤，我希望能让我们免于一场真正的泡沫，因为泡沫是每一个长期投资者的敌人。
供给瓶颈通常被当作利空，这里它是防止崩盘的机制
常规的读法是：短缺限制了收入增长，所以是坏事。他的读法完全相反：短缺限制了产能建设，所以防止了过度建设，而过度建设才是崩盘的根源。
沿佩蕾丝的框架看，这个逻辑是自洽的。泡沫破裂的直接原因是产能远超需求。而如果物理约束让产能根本无法超建，那么这一环就断了。
但它同时也给出了一个明确的反向信号：一旦瓦特或晶圆的瓶颈被解除，这个保护机制就消失了。所以对这一轮而言，产能扩张的加速本身才是风险信号，而不是利好。
他用烘焙做的类比指向一个具体事实：设备是可以买到的，工艺不是。
所有先进厂用的都是阿斯麦的光刻机，差异在于把数百道工序按什么顺序、什么参数组合起来，而这套配方只能靠大量试错积累。试错的成本由已经在量产的良率来承担，所以领先者用赚到的钱继续试错，落后者用亏损的钱试错。这是一个自我强化的结构。
他给出的唯一反例也很说明问题：台积电能追上来，主要是因为英特尔自己犯错。也就是说，这种领先通常不会被追上，除非领先者自毁。
Gavin我每天都努力让自己对不同的事情心存感激。我是幸福科学的忠实学生，而幸福很大一部分归结为你用来描述自己的词。
所以如果有人问我最近怎么样，我只会说：很好、棒极了、太好了、极好、了不起。就这些。光是这样说本身就会让你感觉更好。剩下的是你怎么回应事情，是有没有看得见水或山的视野，是屋里有没有植物，然后是感恩。
本着这个精神，我非常感激迈克尔·伯里。他的 Substack 简直是天赐之物。
他是个非常聪明、非常有见识的人，每天都在给出一个非常可信的看空理由。我对他心存感激。我们需要这个。我们需要一个真正聪明的人，可信地敲响看空的鼓点。
至于 AI，我认为它和太阳系的殖民一起，会是我这辈子最激动人心的事情。也许是人类历史上最激动人心的事情。
他感谢的是一个可信的对手，而不是一个礼貌的对手
回到他在前面引用的多样性崩塌：市场的有效性依赖参与者以互相独立的方式犯错，当所有人相信同一个故事，定价就失效了。
所以一个持续、公开、有质量的看空声音，对多头的实际功能是维持多样性。它让共识无法完全形成，从而让泡沫更难成型。
关键词是可信。一个论证粗糙的看空者不构成约束，因为很容易被驳倒之后忽略；一个每天给出可信理由的看空者，会迫使你反复检验自己的假设。这正是他一直强调的可证伪假设所需要的外部输入。
他把描述自己的词当作一个可以主动调节的变量
这一段与前面那个能靠努力变好的数字属于同一套体系。他并不是在讲乐观主义，而是在讲状态管理：因为投资的产出由决策质量决定，而决策质量受情绪状态影响。
这套做法的实用性在于它成本极低且完全可控，在你对市场毫无控制力的时期，它是少数你仍然能操作的变量之一。
Gavin我很感激我所处的位置。很多做科技基金的人，起家要么是很早押注了互联网，要么是押对了媒体分析师押的奈飞，要么是软件投资人押了 SaaS。
而对我来说，半导体是我的初恋。深科技是我的初恋。
而 AI 的本质是，如果 AI 吃掉世界，那么硅就会吃掉世界，因为它比人类写的确定性软件在计算上密集得多。
AI 就算你给它套上脚手架，就算你做思维链，就算你用多个智能体，它仍然是概率性的，而且它每一次都在重新计算答案。
这让它能做到人类写的软件做不到的超人类的事，但这也意味着它在计算上极其昂贵。所以半导体、瓦特与晶圆，就是一切。
确定性软件查表，概率性 AI 每次重算
这是理解 AI 成本为何与传统软件根本不同的关键。
传统软件：逻辑由人写死，运行时基本是查表与分支判断，边际计算成本接近于零。这就是为什么软件行业的毛利率可以到八九成，也是为什么它规模化几乎不增加成本。
AI：没有写死的逻辑，每一次回答都要把输入完整地通过整个网络重新算一遍。边际成本不趋近于零，而是与调用次数近乎线性。叠加思维链与多智能体，同一个问题的计算量还会再翻若干倍。
投资含义是直接的：AI 的规模扩张必然伴随算力消耗的同步扩张，这就是他说硅会吃掉世界的全部依据。它也解释了为什么按量计费在这个行业里是必然的，而不是一种选择。
他把自己的优势归结为入行时的偶然，而不是眼光
他列举同行的起家路径，指出大多数科技基金经理的能力圈来自软件、媒体或互联网，而这一轮的核心在半导体、能源与制造。
这个说法的可迁移之处不在于谦虚，而在于它提示了一个通常被忽略的问题：一轮技术浪潮的胜负手，未必落在上一轮胜者的能力圈里。过去十五年最成功的科技投资人，其经验结构未必适配这一轮。
Gavin特斯拉解禁前有一次硅谷的巴士参访。我错过了它的 IPO。但我一直挺喜欢车，也喜欢战斗机、坦克、机械工程这些东西。
那天晚上六点有一场和特斯拉、和马斯克的会，因为当时它市值才十五亿美元，很多人没去。而我去了。
马斯克在讲，从第一性原理看电动车为什么是更优的。
第一，它是唯一一种核心投入是通缩的交通工具。车里的发动机、几乎所有东西，随着时间推移都会通胀，因为我们处在一个资源受限的世界。但电池的价格、电池的能量密度，长期以来一直在以中高个位数的速度复合改善，大概比太阳能光伏的效率提升低两百个基点。所以它只会越来越便宜，而其他一切只会越来越贵。
第二，因为你可以把电池放在底盘，你同时得到了更低的重心和更低的转动惯量，这意味着它的操控会比内燃机车更好。
第三，因为电机能以毫秒级精度控制牵引力，它的加速会更快。顺带说一句，一辆两驱电动车的抓地力，可能比一辆四驱内燃机车还好。
第四，因为你不需要在乘客前面或后面放一块八百磅的大铁块，你可以同时拥有前后溃缩区，这意味着它从根本上更安全。
不管你把内燃机车工程做得多好，如果你开的是前置发动机的车，发生正面碰撞，安全气囊和安全带都没用，因为那块八百磅、温度上千华氏度、还在高速旋转的铁块，会落到你腿上，你就死了。
所以它们更安全、更快、操控更好、储物空间更大，因为有前备箱和后备箱，更安静，噪声振动粗糙度更低。这对我来说完全说得通。
五条论据里，只有第一条是关于时间的
操控、加速、安全、噪音这四条讲的是产品在当下就更好，而第一条讲的是成本曲线的方向，两者的投资含义完全不同。
产品更好只能带来溢价，而核心投入持续通缩、竞争对手的核心投入持续通胀，意味着成本差距会随时间单向扩大。这才是一个可以支撑十年持有的结构。
这与他覆盖零售时学到的通胀品类与通缩品类是同一套思维：先判断这门生意的核心投入往哪个方向走，再谈别的。
把重物放在中间底部，物理上就更好开
重心低决定过弯时的侧倾与翻车倾向。转动惯量低决定车头转向时的响应速度，因为重量集中在中间时，改变旋转方向所需的力更小。
他提到跑车之所以做成中后置发动机，正是为了降低转动惯量。而电池平铺在底盘，天然同时满足了这两点，这不是调校出来的，是结构决定的。
原稿此处有明显笔误
原始转写在这一段将内燃机车描述为一般是前置发动机和后置发动机，跑车是后置发动机，语义重复。按上下文应为一般车为前置发动机，跑车为中后置发动机。温度数字原稿自己也在犹豫，此处保留其口述的两个数值，不作判断。
Gavin说真的，我最大的荣幸和最大的乐趣，就是能一路跟着特斯拉、跟着英伟达走过来。因为当你认出一家非凡的公司，你就要一直贴着它，看它在发生什么。
我不认为存在一份特斯拉公开发言的纪要是我没读过的。英伟达也一样。
就算我不再覆盖它，每当他们出一款新 GPU，我都会去读那些横向评测。而且我是个重度玩家，所以我总想拥有最好的显卡，因为我不是一个很好的玩家。
游戏里有句话说，年龄加狡诈可以战胜青春加技术。在游戏里，年龄加一块顶级显卡，可以帮你稍微拉平和青春加技术之间的差距。因为屏幕刷新更快，你能先看到敌人。这就是玩游戏要买大显卡的原因。
所以我有幸密切跟踪英伟达二十五年，跟踪特斯拉十五年。
贴着看，是把发现的机会转化为可持有的头寸的唯一方式
他描述的动作很朴素：读完每一份公开纪要，即使不再覆盖也持续跟踪产品评测。
它解决的是一个非常实际的问题：发现一家伟大的公司不难，难的是在它经历几次五成回撤时还拿得住。而拿得住依赖的不是信念，是持续更新的、细到产品层面的判断依据。
这与他对回撤的定义直接相连：亏钱就是错了，你要做的是决定。而只有持续跟踪的人才有能力区分这次回撤属于假设被证伪，还是属于假设完好而价格反向。放弃跟踪的人，实际上是放弃了做这个区分的能力，只能靠情绪决定。
他强调自己是个不太行的玩家，这恰好是关键
正因为技术一般，他才对显卡带来的边际优势极其敏感：更高的刷新率让你先看到对手。这是一种在自身能力不足处对工具价值的直接体验。
这段闲话其实与他的产业判断同构：他对算力价值的直觉不来自模型论文，而来自二十多年里作为最终用户对每一代硬件差别的亲身感受。
Gavin在马斯克的公司工作的工程师，是真的非凡。我认为这是马斯克成功的一部分，而且一直没有被很好地记录或解释。
马斯克的公司永远是使命导向的。
如果你是一个非常有才华的工程师，在很长一段时间里，你的选择是：去让人们稍微更可能点击谷歌搜索里那条蓝色链接，或者点击 Meta 上那条广告，或者在 Instagram 上展示一个在伊维萨岛的好看的人。
又或者，你可以去做给世界脱碳这件事，那就是特斯拉。
可以肯定，特斯拉和马斯克为世界脱碳所做的，比所有环保活动人士加起来还多。我认为电动车、太阳能、电池最终都会到来，但我认为马斯克把电动车提前了二十到三十年，这对世界、对环境是了不起的事。
SpaceX 让人类成为一个能在小行星撞击中幸存的多行星文明。X 是言论自由。xAI 是理解宇宙。
这些使命是真诚的、他自己相信的、并且服务于人类的，我认为这是他能吸引到如此非凡的工程师的一个巨大原因。
我认为历史学家会把这个时代称为马斯克的时代。而如果他像他那些千亿身家的同辈那样早早停止工作，那就不会是这样。我们不会有星链。
我认为我能看到火星上蓝色日落的概率是相当高的。而且我们不会像现在这样把排放曲线扭过来，美国的人均排放现在大概是 1925 年的水平。
使命是一种可以降低人才成本、且不体现在报表上的资产
他的论证结构是：顶尖工程师的产出差距是数量级的，而他们的择业不完全由薪酬决定。因此一家能提供真诚使命的公司，可以在同等薪酬下拿到更好的人，或者在更低薪酬下拿到同样好的人。
这项优势在财务上是隐形的，它不出现在资产负债表上，只在若干年后以产品能力的形式显现。这与他前面说的半导体行业真正稀缺的是留人能力是同一件事。
而他强调真诚这个限定词是必要的：使命宣言本身没有筛选力，能筛选人的是这家公司实际在做的事与宣称的事是否一致。顶尖工程师对这件事的判断力通常很强。
公司归属与人物姓名
本段中的 SAI 在原始转写中出现，按上下文应为 xAI。另外本文中多次出现的 Antonio，原始转写未给出全名，据上下文为特斯拉早期的重要外部参与者，此处按原样保留，不作补全。
需要提醒的是，本系列访谈发生在 2026 年，其中 xAI 与 Cursor 已归入 SpaceX 体系，与更早期的公司归属不同，阅读时请注意时点。
主持人你说你是玩家。你在别处把 AI 比作骑着摩尔定律的那种人类参与形式。你认为人类的创造力，哪些部分是不可替代的？
Gavin我不知道它是不是不可替代的。甚至有可能，人类身上没有任何东西是不可替代的。
马斯克说过，也许最后会发现，人类只是数字超级智能的生物引导程序。
我认为对我们人类来说，一件很重要的事是我们可能必须去寻找新的意义来源。对太多人来说，工作一直是他们意义的来源。
我学到的一件事是，当马斯克说某件事的时候，要认真对待。当他说工作会变成可选的、金钱会变得没有意义，我认为那是一个真实的可能性。
有人讲星际迷航式的未来，或者终结者式的未来。我非常希望是星际迷航式的未来，我甚至想把它稍微改一改，改成伊恩·班克斯的《文明》系列里描绘的那种人类未来，那些书非常好。
他拒绝给出安慰性的答案，这本身是一种诚实
主持人问的是人类创造力哪些部分不可替代，这个问法预设了存在一个安全区。而他直接否定了这个前提，说也许没有任何东西是不可替代的。
这与他在整场访谈中的姿态一致：他是一个极端的 AI 乐观主义者，但他的乐观不建立在人类保有某种特殊性之上。这两件事在他这里是分开的，而多数人的乐观是靠前者支撑的。
对读者的实用含义：任何以人类不可替代为前提的投资论证，都需要单独检验这个前提，而不是把它当作公理。
一个把人类放在过渡位置上的说法
引导程序是计算机启动时那段极小的代码，作用只有一个：把真正的操作系统加载起来，然后自己退场。
用它来形容人类，含义是人类文明的功能可能只是创造出数字智能，之后不再是主体。他引用它并不表示认同，而是用来说明他所说的谦卑指的是什么：连人类是不是主角这件事都不应该被当作已知条件。
Gavin短期看，AI 对游戏平台会是极好的事。我认为 AI 对电子游戏的影响被严重误解了。
AI 世界模型会把开发一款游戏的成本降低九成。如果以前做一款《使命召唤》那种 3A 大作要花三亿美元，或者两亿、一亿，不管具体是多少，它会降九成。
所以这对做游戏的公司可能反而是很糟糕的事，因为竞争会多得多。但如果你是一个游戏平台，我们都知道那些平台是谁，这对你会是极好的事，因为内容会爆炸式增长。
但认为我们会在未来五到七年里用 AI 在手机上实时生成一款游戏画面，而不是用每一部手机、每一台 iPad、每一台电脑上都有的 GPU 去渲染，这是荒谬的。
我清楚记得 2010、2011 年埃里克·施密特说过，永远不要与互联网对赌，也永远不要与 AI 对赌。但在可预见的未来，游戏仍然会由引擎在本地渲染。
比如 Monopoly Go，我们有它的收入和游玩时长数据，如果按 VO3 那类模型的目录价来生成它的画面，成本会比它的收入高出两个数量级以上。
生产成本下降九成，受损的是内容方，受益的是平台方
逻辑链条是：制作成本下降 → 供给爆炸 → 单款游戏的竞争强度上升、生命周期缩短 → 内容公司的定价权下降。而平台的收入按抽成计，与总交易额挂钩，供给越多、总量越大，平台越受益。
这与他在其他访谈里讲的应用层价值被净毁灭是同一个结构：当某项能力的边际成本坍塌，价值就从生产这项能力的人，转移到控制分发与聚合的人手里。
可迁移的检验方法：凡是 AI 让某件事变便宜的行业，先问谁在这个行业里靠稀缺性收费，再问谁靠总量收费。前者受损，后者受益。
高出两个数量级，意味着这条路径现在完全不成立
他用了一个可以核对的口径：拿一款已知收入与游玩时长的游戏，按视频生成模型的目录价去估算实时生成的成本，结果是成本超过收入一百倍以上。
这个算法的价值在于它把一个模糊的争论变成了一道算术题。要让实时生成在经济上成立，生成成本需要下降两个数量级以上。
而这也正好给出了一个可跟踪的指标：视频生成的单位成本每下降一个数量级，这个判断就需要重新做一次。他说的是五到七年内荒谬，不是永远荒谬。
Gavin那人类创造力的角色到底是什么？我不知道。
Neuralink 之所以是一家如此令人兴奋的公司，马斯克给出的发明理由是：帮助生物智能，也就是人类，与数字智能共存。
因为人脑最惊人的地方在于，我们能在所有这些 AI 基准测试上拿到分数，而我们只用二十到三十瓦。
训练那样一个模型要用几百兆瓦，而推理所需的功率也远远超过二三十瓦。所以我们的头脑在能量效率上是极高的。而在一个受瓦特和能源约束的世界里，我乐观地认为我在很长时间里仍然是有价值的。
但关于 AI 的一切，正确的回答都是也许。我们需要带着大量的谦卑去面对 AI。
Neuralink 存在的意义是，人类有一个输入输出的问题。
同样的道理，我更喜欢读文字纪要而不是听人说话，因为我读的速度比他们说的快。那就是一个输入输出问题。
如果 Neuralink 解决了这个输入输出问题，让我们能以远高于说话、写字、打字的速率接收和输出信息，那会是一次巨大的解锁。因为除了人际互动中那些非语言线索之外，说、写、打字就是全部了。
在能源约束的世界里，效率差距就是竞争优势
他把人脑与模型放在同一个口径下比较：人脑约二十到三十瓦，而训练需要几百兆瓦，推理的功率也远高于人脑。这是六到七个数量级的差距。
这个比较之所以有投资含义，是因为他反复强调这一轮的根本约束是瓦特。只要电力是稀缺的，单位能耗能产出多少有效智能就是核心竞争指标，而人在很多任务上仍然处在这条曲线的极端位置。
他自己给这个乐观加了限定：在一个受瓦特约束的世界里。这个前提如果解除，比如能源变得极度充裕，这条论证也就随之失效。他把条件说出来了，这是他一贯的做法。
限制人类的可能不是思考速度，而是传输带宽
他用一个日常习惯来说明：读比听快，所以他读纪要而不是听录音。这背后是一个可量化的事实，语音的信息传输率远低于阅读，而打字的输出速率又远低于思维速度。
推到极端，如果一个人的思考能力远超他表达的速度，那么真正的瓶颈在接口而不在处理器。这就是他所说的巨大解锁的确切含义。
Gavin还有一件事我想再说一遍，因为我觉得我讲得不够。就是韧性、顽强，以及认识你自己。
一定会有非常艰难的时期。你的目标应该是到达一个位置，比如有一块试金石、一本会重读的书，或者回头去读自己写过的日志。
早年我在大回撤里的时候，总会想起电影《完美风暴》里的一场戏。天空短暂放晴，他们乐观起来，站在阳光里，然后天又黑了下去，乔治·克鲁尼说，她不会放我们走的。然后浪又变大了。
在回撤里，尤其是在职业生涯的回撤里，你就是这种感觉。所以你必须有一套机制、一个系统。对我来说是运动，是回到那些试金石，是回头读我在别的回撤里写下的笔记。
目的是让你在那种时候，不是绷紧、不是握短了球棒，而是放松下来。
还有一句在心理上很有帮助的话。当我在制药基金第一个月过得极其艰难的时候，Wymer 对我说，你要意识到，要落在最后一档，在统计上和落在最前一档一样难，因为这是概率性的。
就算你非常努力地想落到最后一档，你也未必到得了；同样地，你非常努力地想进最前一档，你也未必到得了。这个念头对我很重要，尤其是在金融危机期间，我反复对自己引用它。
最后一档和最前一档同样难，因为结果分布的尾部同样稀薄
它说的是：如果结果主要由概率决定，那么落在分布的任何一个极端都是低概率事件。能力可以让你的分布中心右移，但把你送到最左侧尾部的，和把你送到最右侧尾部的，是同一批运气因素。
它在回撤中的实际功能，是阻断一种特定的归因灾难化：处在垫底位置的人会自然地推论我一定做错了很多事，而这个推论会摧毁流程。这句话提供的替代解释是，极端结果本身就包含大量随机成分。
要注意它的边界。他并不是说结果与能力无关，他在同一场访谈里明确说过，亏钱就是错了。这两句话管的是不同的事：单笔判断要严格归因于自己，整体排名要允许概率解释。
棒球里紧张时的动作，用来形容回撤中的行为退化
击球手在压力下会把手往上握、缩短挥棒幅度，追求接触球而放弃力量。放到投资上，对应的是缩小仓位、缩短持有期、只做最容易解释的决定。
它的问题在于，这些动作降低的是短期的痛苦，而不是长期的错误率，同时还会让你在反弹时无法参与。他说目标是放松下来，指的正是保持原有的挥棒结构。
Gavin但我认为，处理回撤这件事，最终还是回到认识你自己，回到拥有一套匹配你独特情绪构造的哲学与流程，使得你在错的时候仍然能做出高质量的决策。
而按定义，如果你处在回撤里，你就是错了。就这么简单。
我不是那种说只是太早、不是错了的人。富达的基金经理 George Vanderheiden 说过，太早和错了是一回事。如果你在亏钱，你就是错了。
不是市场犯傻，不是别人漏看了什么，是你错了。那么你要做什么决定？
我前面提到的那位朋友和导师 Jennifer，她有一句话我一直在想。作为投资人，你最终要么早点恐慌，要么晚点加仓。而本质上没有人两样都能做。
认识你自己。而我不是一个早点恐慌的人，我是一个晚点加仓的人。
我认为知道这一点，是帮助我度过回撤或者业绩低谷的东西。
主持人你花了多久才认识你自己？
Gavin我是在二十五岁那年在制药股上炸掉的时候，被迫弄清楚我是谁的。
当你从科技股上的明星、被提前晋升、拿到各种赞誉，而且因为你才二十三四岁、年轻又傻，你开始相信其中一些赞誉，然后你立刻从部门里的大明星，掉到最底层。
在回撤里，事后看总是清楚的，所以那些错误显得如此明显。
要么早点恐慌，要么晚点加仓，没有人两样都行
这两种做法都能赚钱，但它们要求的情绪构造完全相反，因此互斥。
早点恐慌：对坏消息高度敏感，一有不对就先出。代价是频繁卖在半途、经常错过反弹，好处是永远不会被埋在最坏的情形里。
晚点加仓：把下跌视为机会，在最难受的位置加码。代价是可能一路加在下跌途中，好处是持仓成本极低，一旦判断成立回报极大。
关键在于试图两样都做的人，会在最坏的时点做最坏的事：在恐慌时卖出，在反弹后追回，来回都是亏。他要求的不是选出更好的那种，而是诚实地识别自己是哪一种，然后只用那一种。
太早和错了是同一件事
只是太早这个说法之所以危险，不在于它有时候是假的，而在于它在事前无法与真正的错误区分开来。两者在账面上完全一样，都是浮亏。
他把这条路堵死之后，逼出来的是一个可操作的问题：既然我错了，那么现在这个决定是什么。是减仓、持有还是加仓，必须给出答案。
而这与他在另一处强调的可证伪假设是配套的：正因为不允许用太早来搪塞，才必须事先写下什么情况算假设被推翻。否则每一次亏损都会退化成一场自我辩护。
Gavin制药是一个非常重要的板块，我很庆幸那次让我难堪的经历来得那么早。而且这些道理对我并不是自动明白的，我必须自己弄清楚。
我当时正意识到自己之前有多骄傲。我就想，讲骄傲的书是《地海巫师》。于是我读了它。它讲的是一个人因为自我而彻底失败，然后从中走出来。我大概是在那段极其艰难的时期过了九个月之后才读的。
然后我意识到，与其周六早上五点起来工作，不如去举铁或者跑步，那让我感觉更好。
所以你必须靠试错，就像你必须找到一套适合你情绪构造的哲学与流程一样，你也必须找到在业绩糟糕时对你管用的东西。而最终，你只能自己来做这件事。
几乎每个人每隔两三年或三四年，都会经历一次非常艰难的时期。
而你想到达的位置是，决策质量在那种时候反而会提升，因为你有一堆数据可以告诉自己：看，这些时刻我都经历过，我在这里做过高质量的决策。
于是你处在最有信心的状态，而不是最畏手畏脚的状态。
回撤期决策质量提升，靠的是一份自己积累的历史记录
他描述的机制并不神秘：因为经历过多次并且每次都保留了当时的笔记，所以在下一次回撤中，你面对的不再是一个未知处境，而是一个有先例的处境。
这解释了他为什么反复强调回头读自己在过往回撤里写下的笔记。那些笔记的价值不在内容，而在它们证明了你在类似状态下曾经做出过高质量决策。
而它的必然推论是：这份记录无法从别人那里获得，也无法提前购买。这就是他说几乎每个人每隔两三年都会经历一次的原因，那些经历本身就是构建这份记录的唯一材料。
信心的来源是数据，不是意志
他明确说的是你有一堆数据，而不是你要相信自己。这个区分很重要，因为靠意志维持的信心在压力下会崩溃，靠记录维持的信心不会。
这也与他前面那个能靠努力变好的数字属于同一套方法论：凡是需要在高压下保持的东西，都必须锚定在可核对的客观事物上。
主持人这是我每一期都会问的问题，我现在十六岁。如果你只能给今天的一个十六岁的人一条建议，会是什么？
Gavin我是家里这一辈最年长的表兄，所以我被叫去在无数场高中毕业晚宴、大学毕业晚宴上讲话，而我每次给的都是同一条建议：善良，而且拼。
很多善良的人不拼，很多拼的人不善良。
我认为善良是极其强大的。这世界上是有因果的。你不会总是察觉到，但如果你对人善良，很多人会回报你。
我的规则是，我会先把球传给任何人一次。如果他不传回来，我再传一次，然后就再也不传了。最后你会落在一群志同道合、互相帮助、彼此合作的人里面。
因为作为一个年轻人，你会看到很多鲨鱼一样的人往上爬。而确实有一些鲨鱼最后会爬到顶。但善良的人也能成功，我不会低估这一点。
第二件事，施瓦茨曼的传记对我很有意义，他讲了创立那家基金有多难。有个著名的场景，他和当年美国金融界的一位偶像人物彼得森，在一个炎热的周五下午去波士顿见一家非常有声望的捐赠基金。结果那家机构的人全都已经下班了，他们被彻底放了鸽子，然后开始下暴雨。那是没有网约车的年代，路面积水，他们只能蹚着齐膝深的水走回酒店。
创办一家投资公司很难。做一个投资人，需要大量的顽强、韧性和决心。
但施瓦茨曼说的那句话是，你正在以一种你自己意识不到的程度建立你的声誉。当你踏进一家投行、一家私募、一家像富达这样的公司的时候。人们会记得你在二十出头、二十五六岁时的行为方式。
他在书里说，今天有些人是当年和我一起参加培训的，我帮过他们，或者他们帮过我。我们可能二十年没说过话，但当我真的需要他们的专长时，我打电话过去，他们立刻就接。反过来也一样。
投资是一个正和游戏，不是零和游戏。就算你不是你那届高盛、摩根士丹利、摩根大通里最好的那个人，也没关系。人们不会记得你是不是最好的，他们会记得你怎么对待同届的其他人。
先给一次，再给一次，然后停
这是一个很干净的合作策略：默认合作，容许一次不回应，第二次不回应则永久退出。它在博弈论里对应的是带宽容度的以牙还牙。
它之所以有效，是因为它同时解决了两个问题。默认合作让你能进入正和的关系网络，而多数有价值的合作机会都始于一次无回报的付出。而两次即止的止损规则限制了被利用的成本，使善良不至于变成消耗。
他补的那句限定同样重要：确实有一些鲨鱼会爬到顶。他没有说善良必然胜出，只说善良是可行的路径之一，并且它筛选出来的人际网络质量更高。
声誉的形成期，是你以为自己还不重要的时候
施瓦茨曼那句话的锋利之处在于时点：声誉是在二十出头形成的，而那正是你觉得自己微不足道、行为最不受约束的阶段。
兑现却发生在二十年后，而且往往是在你最需要的时候。这个巨大的时滞使得短期的机会主义在当下几乎没有代价，因此极难自我纠正。
他把投资定义为正和游戏，正是为了说明这件事在算术上说得通：你的收益并不来自同届人的损失，所以对他们的苛刻不带来任何回报，只带来延迟的成本。
Gavin所以我会说：善良，要拼，相信这世界上有因果。还有，只有在你热爱它的时候，才去做投资人。
如果你第一次经历一段真正艰难的业绩期时，找不到在情绪和心理上稳住自己的办法，那也许公开市场投资不适合你。你可以去私募股权，那里没有这种情绪上的波动。
我刚读完的《食日者》系列里，主角反复念诵的一句箴言是，去寻找困难。
而你希望困难早点到来，尤其是作为一个公开市场投资人，因为无论你多好，你一定会碰上它。
回到那篇论文，我想是 Alpha Architect 写的，连上帝来做主动管理都会被开掉。
你一定会遇到困难，而你在那些时刻做的决定，会定义你的职业生涯。就这样。
主持人这是我聊过的最愉快的对话之一。
Gavin我也很享受。而且我必须说，请把这段留在节目里，我非常佩服你的拼劲。我想你大概发了一百封邮件我才回你。
顺带再给一条建议。如果你是一个年轻人，想让一个不认识你的人来指导你，第一，你必须坚持，不能很快放弃。第二，试着提供价值。
回到彼得·林奇那个概念，作为一个年轻人，你知道一些你想请教的人不知道的事情。也许你知道现在酷小孩开始穿什么鞋、不再穿什么鞋。
所以你是知道一些东西的，在你索取价值的时候，试着提供价值。永远给出的比你拿到的多。如果你要开口要什么，先确保你已经给了很多。
连上帝来做主动管理都会被开掉
这项研究的设定是：给一个拥有完美先见之明的组合，也就是精确知道未来哪些股票表现最好，然后观察它的路径。
结果是，即便是这样一个终局完美的组合，中途仍然会出现幅度巨大、持续时间足以让任何机构客户赎回的回撤。
它的含义非常硬：回撤的存在与判断是否正确无关。因此用回撤来评估管理人，在数学上就是一个有缺陷的做法，而这恰恰是行业最普遍的做法。这也解释了他为什么反复强调你的资金结构必须撑得住，正确本身并不足以保证你活到兑现的那天。
他建议不热爱的人去私募，理由是情绪波动而不是难度
这个建议听起来像贬低，实际上是一个很实际的匹配问题。私募股权没有每日报价，因此不产生持续的情绪冲击；公开市场则每天都在给你一个关于自己是否错了的、通常带噪音的评分。
回到他全篇的主线：方法要匹配情绪构造。这里他把这条原则从选择方法推广到了选择行业，逻辑是一致的。
十条带走的东西
- 成功的投资是找到一套匹配你自己情绪构造的哲学与流程，而检验它的时点是你错的时候。对的时候任何方法都舒服。
- 先看历史，再看当下，然后形成与共识不同的判断。三者是乘法关系，缺一项就不成立。
- 库存三层同时创历史新高，而估值处在没人见过的水平，这本身就是结论。不需要预测需求，只需要指出矛盾。
- 戴尔模型抽干利润池，Hock 模型接手被抽干的利润池。前者是成长逻辑，后者是现金流逻辑，用错框架两者都看不懂。
- 公开市场是竞争面最大的一场游戏，因为它没有对参与者的任何筛选。不要用你能见到的同行来估计自己的相对位置。
- 回撤期要有一个能靠自己努力变好的数字。它维持的是努力与结果之间的反馈回路，而那正是回撤真正在摧毁的东西。
- 泡沫的关键区分不是会不会跌，而是这轮建设靠债务还是靠经营性现金流。前者引发信用传染，后者只是一次利润失望。
- 估值泡沫问的是价格，资本开支泡沫问的是产能，两者可以同时一真一假。用倍数便宜来反驳过度建设，是答非所问。
- 瓦特与晶圆的短缺可能反而防止了过度建设。因此瓶颈解除才是需要警惕的信号，而不是利好。
- 要么早点恐慌，要么晚点加仓，没有人两样都行。而在回撤里，太早和错了是同一件事。