- 日期:2026-10-16
- 来源:阅读原文 (笔记侠 第9907篇)
- 讲者:瑞·达利欧(Ray Dalio,桥水创始人)|原访谈:《The Most Interesting Thing in AI》(主持人:尼古拉斯·汤普森,大西洋月刊 CEO、前《连线》主编),2026-10-14
- 信源层级:二手(笔记侠对达利欧访谈的精编整理版)
- 标签:AI投资 / 泡沫 / 债务周期 / 判断系统化
- 渠道:微信公众号
- 体裁:访谈
- 一句话:AI 是一项好技术,但它未必是一笔好投资——别把全部身家押在一件动荡的事情上。
一、五种力量交织,AI 不能单独拎出来看
达利欧的五大力量:①货币/债务/支出/资本 ②国内政治与社会秩序 ③地缘政治与国际秩序 ④自然力量 ⑤人类创造力(尤其新技术)。
- AI 是变量,但不是唯一的变量。 “不管怎么拆,这五种力量都是交织在一起的,它们绑得比大多数人以为的更紧。”
- 第一种(债务货币)在今天的 AI 讨论里恰处核心:所有人都在问“这是不是泡沫、这套模式能不能跑通”——本质是我们处在债务周期的哪个阶段。
- 经济运行底层逻辑是机械的,从来没有变过:持有债券预期到期收回本息,欠债到期就得还钱。AI 会影响这一点,但改变不了它。
- 第二、三种力量周期性很强:危机/战争后债务清零→新周期开启→债务相对收入攀升→贫富差距拉大→对立/民粹→秩序动荡。二战后的美主导多边秩序(联合国/国际法院/世行/WHO)“已经结束了”,世界正回到实力说了算的状态,冲突会变多。
- 第四种自然力量:历史夺命最多;未来一两年可能出现超强厄尔尼诺。
二、把判断标准写成程序,情绪就插不上手
桥水的决策方法(注意:是基于规则的系统,与今天的大模型不是一回事):
- 每做一个决策,先问一句:我凭什么这么判断。 把标准清楚写下 → 放回历史数据回测 → 编成程序。
- 例:用初次申请失业救济人数衡量经济增长(频率高、及时);用大宗商品价格作为每日通胀指标(比月频官方数据灵敏)。
- 规则化系统三大优势:适用面广(标准明确可迁移到任何市场)、能更好处理复杂问题、速度更快且情绪干扰更少。
- “这就像建一座不需要工人的工厂。” 他认为过去几乎所有投资者都犯了个根本错误:全凭脑子权衡各种因素——而正确做法是理清逻辑、写成程序、再去验证。
- 人机对照闭环:系统怎么走 vs 我会怎么走;不一致就追问为什么。约 65–70% 是我漏了什么/没把复杂性写进程序;剩下约三分之一是系统没覆盖的新情况,就补进去。久而久之,人和系统合二为一。 靠这套规则,桥水 2008 年股市崩盘期间取得 9% 正收益(约几百条规则)。
- 个人可复用的版本:做了决定 → 停下来想“我为什么这样决定、依据什么标准” → 随手记下、反复琢磨 → 逐渐摸清自己在用哪些标准 → 系统化 → 回测 → 提炼成“原则”(“如果我这样做,会比那样做得到更好的结果”)。“而这,正是 AI 要走的方向。”
三、AI 是门好技术,但未必是笔好投资
- 1920 年代的故事今天又在上演:伟大发明出现→人们亲身感受、相信、想投资→热潮形成。但任何东西都有价格,问题是价格会不会太高。好故事推高价格→想买的人越多→对现金需求越大→开始借钱投入→一个完整周期走完。
- 企业困境:前景极不确定——要么油门踩到底(不全押会输),要么就投过了头,没人能拿捏得恰到好处。“现在一家公司年底的年化收入,可能是年初的一千倍。”
- 好技术 ≠ 好投资:“AI 是一项好技术,但它未必是一笔好投资。而人们历来分不清。”
- 财富不等于钱(泡沫被扎破的机制):任何时候都可用 10 亿估值融 5000 万——实际投进来只有 5000 万,公司却一下子值 10 亿,市面平白多出一大笔账面财富。但财富不能直接花(不能拿估值去超市买面包/交税)。兑现只有两条路:卖掉资产,或去借钱(而借钱迟早要还现金)。→ 财富相对于货币越涨越多,然后泡沫破裂。
- 判断问题不是“技术最后能不能成”(终局也许 25 年后见分晓,那不是判决),而是“这期间会不会崩盘、大跌” —— 往往发生在人们想卖或不得不卖的时候(如征收财富税:人人都得交,可手里没那么多现金,只能卖资产)。
- 还要看资产握在“强手”(扛得住波动)还是“弱手”(一跌就割)手里。
- 眼下摆着几根针:财富税在讨论中、Anthropic 即将 IPO、员工想变现买房子游艇、杠杆极高的基金一有风吹草动就得补仓。
- 集中度极不寻常:几乎所有东西都押在 AI 身上(在 GDP/财富/股市中的占比,对债市/贸易/就业/战争的意义)。同时地缘恶化、美国国内撕裂加剧、气候风险、美债收益率走高。
- 泡沫指标结论:眼下这轮泡沫在量级上可对标 1929 与 2000 互联网泡沫(“当然,也可能是我错了”)。2008 那轮泡沫没那么大,问题出在债务(房子+围绕它的金融结构)。
- 给每个人的建议:别把全部身家押在 AI 上——无论押涨押跌,都别把一个高波动、带杠杆的东西当成唯一赌注。
四、中国在修水电,美国在算利润
- 美国的体制高度由利润驱动;中国看待 AI 大体像看待电力、自来水、修路修铁路这样的基础设施——利润不是主要目标(是配置资源的手段),主要目标是让一切运转得更有效率。“人人都应该用上 AI,就像人人都应该用上电一样。成本是次要的考虑。”
- 最大收益不在前沿模型,在制造业产品里:中国更看重把 AI 用起来、提高生活水平,把更简单更便宜的 AI 放进各种制造业产品。冲击“前沿模型”(Frontier Model)、追求最高水平的能力,并不是大部分收益所在。
- 数据:中国生产了全球 32% 的制成品,超过美、德、日总和(全球每三件工业品差不多一件是中国生产)。他们想的是怎样用 AI 把这种竞争力保持下去;也很清楚,无论经济战还是军事冲突,AI 都是必须握在手里的东西。
五、年轻人在 AI 时代,该怎么站?
- 和 15 年前没太大不同。 若有不同,就是你必须站在 AI 浪潮的最前沿、站在浪尖上(crest of the wave),否则会被浪潮吞没。
- 三条普遍原则:
- 了解自己的天性(爱冒险 or 求稳,内向 or 外向)——追寻与自身天性相符的道路。
- 学习最重要,而学习来自犯错——“痛苦 + 反思 = 进步”(Pain + Reflection = Progress)。
- 尽可能让工作和热爱合二为一,但别忘了钱的问题。
- “工作原则和生活原则并没有区别。人生是一场冒险,那就放手去冒险吧。”
读后判断
- 这篇给了我们三样外部坐标,其中两样直接可对接我们自己的方法论。
- ① “把判断标准写成程序”= 我们一直做的 Skill / 判断沉淀,而且是达利欧本人背书。 他那句“过去几乎所有投资者都犯了一个根本错误:全凭脑子权衡”——正是我们“把经验从步骤层升到判断层”的同一逻辑。他是用回测验证原则;我们是用 judgments.md 带 holder/置信度/过期条件验证判断。结构同构。
- ② “人机对照闭环”(65–70% 是我漏了,1/3 是系统没覆盖)——这是一套比我们现存的“skill + memory”更清楚的自我修正比例心智模型。值得吸收进我们给 Agent 写 skill 的方式:每次不一致,先假设自己漏了,再假设是新情况。
- “AI 是好技术,未必是好投资”——这是本周归档的第四条同轴判断,但角度是“投资/资产端”。 与前几天三条(Dan Shipper 判断权 / Anthropic 上下文 / 阿西莫格鲁隐性知识)拼在一起,形成完整三角:能力端说“判断最贵”、组织端说“上下文是资产”、资产端说“别只押 AI”。 三条合起来的一句话:这轮 AI 的确定性在“能力与判断”,不确定性在“估值与资产”。
- “财富 ≠ 钱 / 泡沫被扎破的机制”是本篇最实用的部分。 对懿武的造物云/自营收业务有直接借用:“估值”是纸面,“现金流”才是钱(“不能拿估值去超市买面包”)。可与朱啸虎那条“1000 万美金 ARR 否则别做”合看——都在说“别拿故事换面包”。
- “中国修水电 vs 美国算利润”是给造物云/教育业务的一记对位。 中国路线 = 把 AI 变成基础设施、追求渗透率而非单点最高能力。这恰是懿武在做的(教育知识图谱、AI 学徒、把判断力装进组织)——不是冲前沿模型,而是让 AI 变成人人用得起的水和电。 这句话可以直接用在对外叙事里。
- “站在浪尖上,否则被吞没”——反对它的一个点:达利欧给年轻人“没有太大不同”的建议,其实回避了“学什么”这个真问题。阿西莫格鲁说“学数学物理经济学工程学”,达利欧只说“站浪尖+了解天性+热爱+别忘了钱”——前者给了内容,后者只给了姿态。两条对照着看,“浪尖”是位置,不是能力;站上去之后凭什么不被冲下来,达利欧没答。
- ⚠️ 可核钩子:① 一手访谈(《The Most Interesting Thing in AI》2026-10-14)未直听,关键引语(如“对标 1929/2000 泡沫”“Anthropic 即将 IPO”)为笔记侠转述,引用前须回一手;② “Anthropic 即将 IPO”是个可证伪的强断言——若为转述失真,会显著改变“针”的构成;③ 泡沫指标是达利欧自建口径,非客观标准。