AI热潮可能重演电信泡沫 | 钱德·苏兰（Chand Sooran），Sextant AI首席执行官

（原标题：The AI Boom Could End Like the Telecom Bubble | Chand Sooran, Sextant AI CEO）

📡 市场微观结构与“群鸟效应”

• 市场被定义为复杂适应系统，其运行机制高度类似生物学中的“群鸟效应”（Murmuration）。在该系统中，个体参与者仅感知邻近节点的变化，但整体行为会迅速传播方向性转变，导致市场出现非线性的剧烈波动。
• 信息触发源发生了根本性迁移。传统的电话沟通模式（如对冲基金间的“传话游戏”）已逐渐被社交媒体（X/Twitter）和电子交易流取代。这种转变使得信息传播速度极快，但也增加了噪音干扰，要求投资者具备更高的信息筛选能力。
• 不同时间维度的参与者对信息的敏感度存在显著差异。高频做市商关注毫秒级的流动性变化，而长期投资者则关注宏观基本面。投资者需匹配相应的时间视野，避免被短期噪音干扰，同时通过筛选高质量信息源（而非仅看粉丝数）来捕捉边缘信号，例如特定时间点的货币交易流动性变化。
• 高杠杆交易者在市场情绪逆转时易引发连锁反应。当多家银行同时追加保证金时，高杠杆机构被迫以大幅折扣出售资产，这种强制平仓行为会进一步加剧价格波动，形成负反馈循环。
• 系统性风险不仅来自基本面恶化，更来自市场结构的脆弱性。在情绪化市场中，过度暴露于高杠杆头寸的投资者极易成为“群鸟效应”中的牺牲品，导致市场出现剧烈的回调和流动性枯竭。

🏗️ Sextant AI 的业务逻辑与架构

• Sextant AI 致力于解决供应链管理软件（如 SAP、Oracle、Blue Yonder）与企业内部数据模型之间的语义映射难题。传统集成依赖高薪顾问，耗时数月甚至数年，且数据模型随业务变化而失效，导致系统输出错误结果，最终用户弃用系统。
• 其核心解决方案是构建专有代理（Agents）层，动态执行每日语义映射、数据清洗、预处理和验证。通过插入标准化数据模型作为中间层，将客户数据（比喻为“法语”）翻译为标准语言（“英语”），再对接解决方案提供商（“希腊语”），实现双向翻译，从而降低集成成本并提高数据准确性。
• 与 Palantir 使用驻场工程师构建定制化数字孪生不同，Sextant AI 通过生成式工作流替代工程师，使用统一数据模型以支持跨客户协作。这种模式不仅降低了人力成本，还通过标准化提升了系统的可扩展性和维护效率。
• Sextant AI 具备显著的网络效应。通过匿名化共享行业数据，Sextant 充当“诚实中介”，能够利用聚合数据提供行业洞察。例如，在2019年若拥有足够多的医疗行业客户数据，可提前预警亚洲供应链异常（如疫情前兆），这种数据优势构成了其核心竞争壁垒。

💰 宏观视角下的 AI 投资与估值逻辑

• 当前 AI 基础设施投资类似电信泡沫。虽然初期导致部分投资者亏损，但长期看对经济有益，基础设施将被充分利用。基础模型提供商（如 Anthropic、OpenAI）可能沦为商品化基础设施，而真正的价值将流向垂直应用层。
• 估值逻辑需结合波动率理解。市盈率（PE）应结合波动率分析，低波动率公司（如 Costco，PE 43倍）可承受高估值，而高波动率行业（如半导体 SK Hynix，PE 6倍）需通过实物期权分析评估不确定性。这种差异反映了市场对不同资产的风险定价逻辑。
• 资金流向通常从基础设施提供商流向 NeoClouds，最终沉淀至 AI 原生应用。拥有强垂直整合能力的超大规模云服务商（Hyperscalers）在 AI 领域前景最佳，因为它们能够控制从芯片到应用的全链条成本。
• 市场当前关注 AI 如何支撑 7%-9% 的长期增长预期。若进入去通胀周期且经济增长稳健，价值股（包括中小盘价值股）可能受益，因其拥有定价权且此前被用作科技股融资工具而遭冷落；科技股叙事可能向应用层机会转移。
• 需警惕债务驱动的基础设施过度投资导致的通缩环境。高杠杆交易引发的市场“群鸟效应”可能导致剧烈回调，投资者应严格管理杠杆，避免在情绪化市场中过度暴露。

📊 系统化投资与技术分析的角色

• 系统化投资（Systematic）因逻辑透明、可解释性强而受青睐，投资者能理解决策依据，避免“黑箱”操作带来的不确定性。许多主动（Discretionary）投资在长期视角下本质也是系统化的，通过基本面筛选候选标的，只是未完全公开其规则。
• 被动投资（如标普500指数）降低了执行成本，但被指扭曲市场。其本质是降低费用而非消除风险，股票长期波动大且回撤恢复期长，并非绝对“安全”。量化投资旨在提炼最佳主动投资者的判断逻辑，以更低成本实现类似效果，但需警惕信号失效风险。
• 技术分析是量化投资中最基础的过滤器，用于从市场价格信息中提炼可执行信号。尽管存在更复杂的新型过滤器，技术分析（如200日均线）仍是多数量化系统的底层基础。
• 技术信号的有效性具有条件依赖性，在特定市场环境下有效，但在其他环境下可能失效。量化基金同样面临信号因市场复杂交互或拥挤交易而失效的问题。技术信号相比复杂量化模型可能更具鲁棒性，常被用作观察市场形态变化的辅助工具。

🌍 宏观展望与资产配置策略

• 美国国债曲线长端陡峭化，反映政府及 AI 领域私人部门对资金的巨大需求，财政支出缺乏权衡考量。实际收益率处于高位，但贵金属（特别是黄金）在利率上升背景下逆势上涨，显示其作为替代资产的吸引力。
• 中国投资者面临选择有限，黄金可能成为其避险渠道之一。中期选举对市场的潜在影响被低估；伊朗局势对油价的上行冲击有限，WTI 原油在 70-80 美元/桶存在自然支撑，存在不对称交易机会。
• 半导体行业存在“鞭梢效应”，目前因需求强劲未显现，但供应链非理性可能导致剧烈周期波动。Tesla 估值高部分源于对 Elon Musk 及其团队管理能力的溢价，而非单纯基于物理资产或知识产权。
• 交易策略上，趋势跟随优于盲目逆向。仅在价格、叙事与基本面/技术面出现显著背离时，才进行小仓位逆向操作。Citadel 在上市股票上获得 10% 折扣，体现了其对市场流动性和认知的优势，这种优势源于其系统化的交易流程和深厚的市场理解。
• 投资者应关注下游垂直应用及特定半导体领域，但需严格管理杠杆，避免在情绪化市场中过度暴露。同时，需警惕高杠杆交易引发的市场“群鸟效应”导致的剧烈回调，保持灵活性和流动性储备。