本周，根據(jù)美國證券交易委員會公布的三季度持倉報告，因2008年做空美國樓市、提前預感到次貸危機而成名的對沖基金經(jīng)理、大空頭伯里，做空美國國本英偉達等Ai企業(yè)。

其中買入了100萬股（1.86億美元）英偉達的看跌期權(quán)，500萬股的（9.12億美元）Palantir看跌期權(quán)，占據(jù)該基金80%倉位，總計名義價值逾10億美元。

01

開篇照例說故事。

上周末，老南在公司加班時，發(fā)現(xiàn)幾個頂上的筒燈有點頻閃，以為燈泡老化原因，就直接把燈給關(guān)了，準備下周換個燈泡。

到工作日時，和石榴叔一起發(fā)現(xiàn)，我桌面顯示器，有明顯的滋啦電流聲，而且燈也跟隨頻閃，當即覺得有點異常，但畢竟我們對電沒那么專業(yè)，就找了物業(yè)。

物業(yè)電工上來倒是挺硬氣，說肯定是你們燈壞了，然后各種檢測，的確有異常，但在辦公室里沒發(fā)現(xiàn)原因。

于是電工說去樓層配電房看看，不到1分鐘，整個辦公室的電閘直接被拉了。原來電工給嚇到了，說我們房間的電表已經(jīng)爆漿了，還有火花。

再晚一點發(fā)現(xiàn)，明天報紙就能看到，我們這電線老化，引發(fā)火災的新聞了。

風險這東西，總會有一些提前征兆，需要經(jīng)驗去發(fā)現(xiàn)，但即使你發(fā)現(xiàn)了，到風險真正爆發(fā)，往往還有不短的時間。

02

面聊正題。

先說結(jié)論，我認同這哥們的邏輯，但感覺他這次和08年次貸那次一樣，動手太早了，這挺危險的，搞不好要給散戶踩踏。

當前美國也好，美股也好，唯一的依靠就是Ai了，如果這團火熄了，會發(fā)生什么腳指頭都能想出來。

最近大家看到很多的新聞，Open Ai各種復雜的結(jié)構(gòu)，和美國各頭部互聯(lián)網(wǎng)、硬件，鐵索聯(lián)舟，甚至最新的新聞，是要美國政府為其擔保。

而這里面的交易結(jié)構(gòu)，也越來越復雜。

上個月，Meta弄了個非常復雜的融資結(jié)構(gòu)，各位感受下：

交易結(jié)構(gòu)是：Blue Owl出資約80%，Meta出資約20%，通過SPV發(fā)行約270億美元的債券（比美國國債高出225個基點），配套約25億美元股權(quán)，錨定了PIMCO、BlackRock等長期機構(gòu)資金。

核心在于，這些資產(chǎn)不并入Meta資產(chǎn)負債表，數(shù)據(jù)中心建成后由Meta長期回租。這樣財務(wù)報表就優(yōu)化了，很好看。

但很多人忽視了一點，即Meta提供殘值保證，承擔技術(shù)折舊和殘值的尾端風險。如果合約期滿后資產(chǎn)實際價值低于預期，甚或者在合約期內(nèi)發(fā)生大的技術(shù)迭代造成資產(chǎn)價格的劇烈下跌，Meta需要按條款補足差價。

如果這段你看的頭暈，那就對了，還記得08年次貸危機，那些各種復雜的打包的次級債券不？

也因此，伯里認為AI領(lǐng)域存在“循環(huán)交易”泡沫，英偉達市盈率超60倍，Palantir市盈率超200倍，估值壓力顯著。

03

現(xiàn)在也有不少人認為，當前Ai估值遠低于90年代末納斯達克互聯(lián)網(wǎng)泡沫時期。

從表面看的確如此，但有個細節(jié)大家忽視了，就是折舊問題。這事我?guī)讉�月前在和不少客人聊美股時就提過，“16號內(nèi)參”里也寫過。

互聯(lián)網(wǎng)泡沫時期，大家的硬投入，光纖、服務(wù)器、交換機這些，使用周期還是比較長的。

而算力的GPU這些，折舊速度非�？欤坏阅苊磕甓荚诳焖俚�2年基本就拿不出手了。

簡單用民用顯卡感受下：

所以這就意味著，如果明年，市場看不到AGI（通用人工智能）的影子，還是當前這種迭代，而老黃還在瘋狂加班推出更牛逼的算力卡，那這2、3年投入的資金，隨著折舊，各家的財務(wù)數(shù)據(jù)就相當難看了。

這個風險，相信很多人看得到，無非美國還在放水，下車早了就意味著失去客戶、失去管理規(guī)模。

也因為此，美國機構(gòu)投資者，黃金持有占比還非常低，因為沒人愿意花費成本去買保險。

而且大量的散戶都相信，納斯達克永遠漲。

也因此，這時候最好的策略，是謹慎持有，發(fā)現(xiàn)不對就要撤。加倉，就算了。

當然，我倒不認為英偉達短期會出問題，至少現(xiàn)在市場情緒看，機構(gòu)和散戶還在亢奮期。搞不好大家努努力，能把大空頭這哥們給拉爆掉。

但明年Open Ai更新版本，是否超出預期，非常重要，如果顯著低于預期，那這個游戲，就玩不下去了。

而且業(yè)界也有懷疑，LLM大語言模型，是不是真的能通向AGI？畢竟LLM本質(zhì)，僅通過海量文本數(shù)據(jù)訓練，學習的是詞語之間的統(tǒng)計關(guān)聯(lián)，而非對現(xiàn)實世界如何運作的內(nèi)在理解。