橡树资本联合创始人霍华德 · 马克斯（Howard Marks）在最新备忘录中，以一个 " 外行 " 的视角系统梳理了围绕人工智能投资的核心问题。他的结论并不乐观：AI 投资涉及的关键变量数量异常庞大，预测难度远超以往任何一次技术革命，而真正能从中获利的究竟是谁，目前在很大程度上仍是一个信仰问题。
马克斯在备忘录中援引 Anthropic 旗下 AI 模型 Claude 的评估指出，AI 整体的可预测性评分仅为 3 分（满分 10 分）。其中，技术方向的可预测性尚可达到 6、7 分，但投资者真正关心的问题——盈利速度、利润规模以及利润归属——可预测性仅约 2 分。这一判断直接指向 AI 投资的核心困境：方向清晰，但回报高度不确定。
马克斯同时警告，AI 已成为贯穿整个投资组合的 " 断层线 "。AI 相关公司贡献了标普 500 指数自 2024 年 1 月以来约三分之二的价格涨幅（据摩根大通数据），市场对单一板块的依赖程度已达到历史罕见水平，一旦出现负面冲击，其影响将远超一般行业风险。
谁能从 AI 中获利：用户还是厂商？
马克斯在备忘录中提出了一个核心问题：AI 将提升效率，但效率的提升能否转化为盈利，以及盈利归谁所有？
他援引巴菲特在互联网泡沫时期的判断指出，变革性技术未必能回报投资者。如果多个 AI 模型在某一领域的能力趋于同质化，其服务将沦为无差异化的商品，竞争将压低价格，经济收益可能更多流向 AI 的使用者而非供应商。在这种情形下，数万亿美元 AI 基础设施投资的回报率将面临严峻考验。
另一种可能性则截然相反：部分 AI 公司可能凭借技术壁垒形成垄断地位，其产品对企业的生存与竞争至关重要，从而获得强大的定价权。马克斯以英伟达（Nvidia）和台积电（TSMC）为例，指出强竞争壁垒带来的丰厚利润已有现实印证。
此外，马克斯还提出了一个鲜少被讨论的问题：AI 替代劳动力后，政府税收将如何弥补？他指出，如果 AI 取代大量工人，政府可能对 AI 征税，而当前许多高收入者的综合税率已超过 50%，AI 未来将处于哪个税级，值得投资者认真考量。
今日领先者未必是明日赢家
马克斯对当前 AI 领域的竞争格局持审慎态度。
他指出，OpenAI 和 Anthropic 在几年前对大多数人而言还默默无闻，这一事实本身就说明 AI 行业的格局可以在极短时间内发生根本性变化。
他以 20 至 25 年前的互联网时代为参照：微软、亚马逊、苹果和谷歌最终胜出，但 Napster、雅虎和 Netscape 却销声匿迹。在一个快速变化的技术领域维持领先地位殊为不易，而 AI 的新颖性和进步速度更使这一挑战倍增。马克斯由此追问：今日 AI 领导者在五到十年后仍保持领先的概率究竟有多大？
他还特别提示了地缘政治风险。几乎所有领先芯片均来自台积电，美国限制向中国出口最先进芯片，这促使中国推出低成本模型以冲击美国市场。一旦这一格局发生变化，美国的竞争优势将面临实质性威胁。
数据中心并非稳妥的 " 避风港 "
对于希望规避技术路线不确定性、转而投资基础设施的投资者，马克斯提出了 " 卖铲子 " 策略的逻辑——无论哪家 AI 公司最终胜出，都需要使用基础设施。当前算力供不应求，也为数据中心投资增添了吸引力。
然而，马克斯明确指出，数据中心并非 " 稳赚不赔 " 的选择。他列举了多重风险：数据中心成本的大头是芯片（GPU）而非建筑本身，芯片的折旧与淘汰风险通常由使用方承担；大型选址面临监管障碍和社区阻力；电力供应、冷却设备和建筑服务均存在潜在瓶颈；部分数据中心租约含有 " 退出条款 "，允许租户在特定条件下终止合同；以芯片作为抵押品的债务，还面临抵押物寿命短于债务期限的风险。
马克斯总结认为，数据中心投资的成败分化可能比一般基础设施投资更为悬殊。
信贷市场—— AI 的资本胃口引发连锁风险
马克斯在备忘录中专门审视了 AI 对信贷市场的影响。
据高盛数据，今年迄今全球 AI 相关债务发行规模已接近 6000 亿美元，其中约 4000 亿美元流入美国投资级债务市场，占美国投资级债券供给总量的逾五分之一，AI 相关债券在彭博美元投资级企业债指数中的占比已升至约 12%。
展望未来，马克斯估计 AI 每年可能需要平均 1 万亿美元的新增资本，其中相当大比例将通过债务融资实现。他对此提出了 " 挤出效应 " 的担忧：对利率不敏感、愿意不惜代价融资的超大规模科技公司，其旺盛的借贷需求可能推高整体利率水平，包括政府融资成本。
他还对 AI 行业内部的 " 循环交易 " 表示警惕——芯片制造商、超大规模科技公司、前沿实验室和数据中心建设方之间存在相互融资、相互购买的现象，资金有时从 A 流向 B 再回到 A，有时经由多方辗转循环。马克斯质疑，这些交易是否真正基于公平市场原则，还是供应商在补贴买家以维护市场份额，其中潜藏的相互依赖风险不容忽视。
泡沫之问：信仰还是理性？
面对市场持续争论的 "AI 是否是泡沫 " 这一问题，马克斯给出了他的定义：非理性繁荣导致的轻率行为、过度投资和过高的参与价格。他认为，判断 AI 是否构成泡沫，需要从三个维度分别考量：技术本身是否被过度炒作？企业的资本支出是否过度且注定回报不足？投资者是否承担了过多风险并支付了过高价格？
马克斯表示，他仍然相信 AI 技术本身将产生深远影响，改变企业、经济乃至整个社会的面貌，" 技术本身不是幻觉 "。但他坦承，在尚不清楚 AI 将如何被使用、谁将从中获利之前，无法评估企业支出的合理性，也无法判断当前股票价格或债券收益率是否合适。
他援引一句被归于美国经济学家 Stuart Chase 的话作为注脚："对于信者，无需证明；对于不信者，证明亦无用。"马克斯认为，这句话是目前对 AI 投资争议最为贴切的总结。
校准谦逊，而非回避
尽管充满疑问，马克斯并不主张投资者对 AI 袖手旁观。他认为，AI 是至少一代人以来最具影响力、同时也最难预测的投资命题，正确的回应不是瘫痪，而是 " 校准式谦逊 " ——在策略选择、仓位规模和风险承担上保持克制，同时愿意在不确定性中采取行动。
他提出，不同的 AI 投资形式需要回答不同的问题。投资前沿实验室的股权投资者，需要对技术进步、竞争格局、定价能力、未来盈利和估值同时做出正确判断；而为长期合同下的数据中心提供贷款的投资者，需要判断的变量更少，但关注点截然不同——租户信用质量、合同条款、电力供应和资产残值。
马克斯建议投资者在做出决策前，扪心自问以下几个问题：需要多少件事同时成真才能获得可接受的回报？如果核心假设被证伪，最大损失是多少？哪些风险获得了补偿，哪些只是在默默承担？价格中已经包含了多少乐观预期？这笔投资是放大了还是分散了现有组合的风险？
他以巴菲特 1979 年刊于《福布斯》的一段话作结："未来从不清晰；在股市中，为皆大欢喜的共识支付的代价极为高昂。不确定性，实际上是长期价值买家的朋友。" 马克斯认为，这段写于近半个世纪前的话，是为这篇 AI 备忘录量身定制的完美结语。
