Fu Peng: The key to determining the rise and fall of global assets in 2026—Is there really a car running on the AI "highway"?

付鵬表示，當前 AI 產業的核心矛盾在於 “路修好了，等待車跑”。上游算力基建投入已基本完成，2026 年將進入下游企業級應用能否落地並兑現盈利的 “證偽之年”。

他還表示，2026 年投資者應重點關注特斯拉。它將在明年面臨類似當年英偉達的 “身份驗證” 時刻：究竟只是一一家汽車公司，還是真正的企業級 “重 AI 應用” 載體。付鵬指出，這正如檢驗 “高速公路修好後有沒有車跑”，如果特斯拉能證明其作為 AI 應用的價值，市值空間將巨大；否則以當前作為汽車股的邏輯看，其估值並不具備吸引力。

付鵬還強調，如果 AI 被證偽，全球股市都將面臨劇烈波動。當前美股（特別是AI 板塊）是全球 “生產力” 的核心，全球主要資產的波動率都與其高度綁定。如果 AI 最終被證實為泡沫，那不僅是美股，包括日本、歐洲在內的全球股市都會崩盤，“這是一根繩上的螞蚱”。

他認為，目前加息或降息已不重要，核心在於資產端（AI）能否產生真實回報率，若資產端出問題，負債端的調整無濟於事。

以下為演講實錄：

生產力、生產關係與制度秩序的聯動

這個話題的底層邏輯，在《見證逆潮》章節中有所探討，也對應 2024 年諾獎得主阿西莫格魯的 AJR 模型——聚焦生產力與生產關係的互動，尤其落腳於 “制度與秩序” 這種特殊生產關係。

“秩序” 多用於國與國之間（如基辛格《世界秩序》所指的貿易、金融、安全維度），“制度” 則常見於企業內部的規則（如打卡考勤）。二者本質上都是特殊形式的生產關係。今天我們討論的，是生產力、生產關係與制度秩序三者的聯動。很多人誤以為宏觀經濟指標是股市的 “晴雨表”。但在我看來，股市真正反映的是全要素生產率（TFP）——經濟系統將生產要素轉化為產出的效率。

這個過程就像一套齒輪：生產力拉動生產關係，生產關係重塑制度秩序，制度秩序反過來推動生產力。齒輪轉動的效率，就是 TFP。

大量研究（包括美聯儲論文）證實，多數國家股市的長期走勢都與 TFP 的變化趨勢高度匹配。

以美股為例，1929 年至今，推動其長期向上的核心動力，始終是經濟效率的提升，而非短期經濟波動。這種提升可來自齒輪的任一環節：科技突破、生產關係優化、或制度調整（如上市公司治理改革）。

在我常用的 “分子分母乘以 G” 股市模型中，G 就代表制度與秩序這一維度。美國資本市場的發展也印證了：從薩班斯法案到股東積極主義，制度優化始終是市場長期健康的關鍵。

需強調的是，沒有任何環節是完美的。科技是雙刃劍，生產力、生產關係、制度秩序都有兩面性。真正的 “完美”，是形成良幣驅逐劣幣的進化機制：好的制度能淘汰壞的制度，系統在糾錯中向前。

產業生命週期視角：從廣撒網到去偽存真

回到 AI 話題。2015、2016 年是關鍵節點：不僅是美股打破十幾年寬幅震盪、開啓趨勢性行情的起點，也是市場意識到美國經濟效率將躍升的轉折點。

此時，木頭姐離開機構自立門户。她常被稱為 “女版巴菲特”，但邏輯完全不同——她是在二級市場運行一套一級市場的成長股投資策略。這涉及佩雷斯的 “產業生命週期” 理論：真正的產業投資往往從一級市場開始，二級市場看到的是一級市場未來的表現。

產業早期，無人能預判哪條技術路徑會勝出。因此最優策略是廣泛佈局——如木頭姐的操作，把所有技術路徑納入組合。這是風險投資的核心邏輯：投 100 個項目，死 90 個，活 10 個就是成功。

該策略在產業早期估值擴張階段非常有效，能享受所有賽道紅利。但當產業進入成熟期，市場必然去偽存真：資金從 90 個被淘汰項目，集中到 10 個真正跑出來的贏家。此時仍分散投資，回報必然落後。

2022 年的市場殺估值，正是這一 “去偽存真” 過程。英偉達跌 70%，比特幣從 8 萬跌至 2 萬，所有估值型資產深度調整。這一輪調整的核心，是逼產業交出答卷：例如英偉達，必須證明自己不是遊戲顯卡公司，而是 AI 算力基礎設施提供商。

而 2022 年底、2023 年初 ChatGPT 的出現，標誌着市場從眾多技術路徑中，明確了少數能跑通的賽道。英偉達用後續財報給出了答案，確立了 AI 時代的核心地位——“想富先修路，修路先買鏟子”，英偉達的鏟子成了確定性標的。

波動率與市場風險：確定性越高，風險越大

分析市場，波動率是核心指標。它是確定性的反面：不確定性越高，波動率越大；確定性越強，波動率越小。

2022 年英偉達跌 70% 後，市場逐漸確認 AI 將帶來巨大資本開支，其業績也逐步兑現。從那時到 2023、2024 年，波動率持續下降——説明市場共識越來越強，確定性極高。但問題恰恰出在 “確定性太高” 上：高確定性催生貪婪，場外槓桿、民間配資、押房押車 all in 的現象日益普遍。

2024 年 6 月 14 日，付鵬在華爾街見聞《付鵬説》專欄第 20 期中提醒：英偉達應該考慮買入保險。8 月市場波動上升後，付鵬隨即分享了應對方法。

可以這樣理解：《付鵬説》專欄中的很多內容，是專門面向普通投資者朋友的。大家並非金融機構，無法通過券商渠道每季度參與線下交流。付鵬的專業性內容主要集中於該專欄，而非短視頻平台——短視頻僅為閒談，深度分析與觀點輸出都在這裏。

果不其然，2024 年英偉達 “閃崩” 印證了這一邏輯。當時許多分析歸因於 “日元套息交易拆倉”，但在我看來，核心原因只有一個：全球資產都綁在了 AI 這一 “生產力資產” 上，當資產端的確定性被過度透支，負債端的任何變化都只是導火索。

這也是我一直強調的：別盯負債端，要看資產端。如果 AI 被證明是泡沫，全球市場都會崩，屆時加息降息都無濟於事；如果 AI 能兑現生產力價值，市場的上漲才具備堅實基礎。

AI 的 “修路” 與 “通車”——生產力到生產關係的傳導

英偉達閃崩後，市場一直在問：AI 是不是泡沫？這個問題的本質，和 2002、2003 年謝國忠關於中國基建的爭論如出一轍。

當年有人認為修高速公路是浪費、是債務；但事實證明，“要想富先修路”，基建拉動了城鎮化和經濟增長。現在的 AI 行業，正處在 “路修完了，有沒有車跑” 的關鍵節點。

過去幾年，幾萬億美元的 AI 上游基建已投下，算力、電力等 “高速公路” 基本成型，但真正的企業級 AI 應用——“車”——尚未大規模跑起來。目前的 ChatGPT、圖生文、文生圖等只是表層應用，遠非能拉動生產力變革的核心應用。

市場的疑慮和等待，本質上是在等一個答案：這些 AI 基建，究竟是能拉動經濟增長的資產，還是無法產生回報的債務？答案將決定全球資產的未來走向。

從利率曲線結構，也能看到美聯儲的 “預防性操作”：英偉達閃崩後，美國國債 “三個月減十年期” 利差迅速倒掛，每一次倒掛都對應波動率的下降。這背後是美聯儲通過短端流動性調節，避免系統性風險擴散，為 AI 應用落地爭取時間。

但這種操作也是雙刃劍：好處是延緩市場快速崩盤，壞處是讓估值變得更貴。到了今年年底、明年年初，這個問題已壓不住了。

明年將是 AI 從生產力到生產關係傳導的證明或證偽之年。

特斯拉就是這個證明過程的關鍵標的。就像 2021、2022 年的英偉達需要證明自己是算力提供商而非顯卡公司，特斯拉明年需要證明：它到底是一家汽車公司，還是一個企業級重 AI 應用平台？答案不同，估值天差地別。

如果只是汽車公司，萬億市值已透支；如果是 AI 應用平台，萬億市值只是起點。

當前美股（特別是 AI 板塊）是全球 “生產力” 的核心，全球主要資產的波動率都與其高度綁定。如果 AI 最終被證實為泡沫，那不僅是美股，包括日本、歐洲在內的全球股市都會崩盤，“這是一根繩上的螞蚱”。

目前加息或降息已不重要，核心在於資產端（AI）能否產生真實回報率，若資產端出問題，負債端的調整無濟於事。

兩條路徑與時代機遇

回到最初的問題：AI 是不是泡沫？明年的利率曲線走勢，只有兩條路徑：

第一條是證偽路徑：如果 AI 上游基建無法轉化為下游應用的生產力，過去幾年的投資都會變成債務，全球市場將崩盤，無一資產能獨善其身。

第二條是證實路徑：如果 AI 完成從 “修路” 到 “通車” 的傳導，生產力真正拉動生產關係變革，我們將迎來第二波浪潮——不僅是生產力創造的財富，更是生產關係優化和制度秩序革新的系統性機會。

每一輪長週期裏，都有三次大機遇：生產力提升、生產關係改變、制度秩序重構。人這一輩子，能趕上一個齒輪的週期，就已經很好了。英偉達已證明自己是確定性的生產力標的，未來會成為成熟的成長股；而接下來的機會，就在生產關係的變革裏——也就是 AI 應用的落地和普及。

這就是我們當下所處的時代節點：要麼見證一場生產力革命的崩塌，要麼親歷一次生產關係重構的崛起。答案，就藏在明年的市場驗證裏。