硅谷坐标 x 喜马拉雅资本常劲：AI时代的价值投资

摘要

• 常劲的核心判断：只要大模型还基于 Transformer 的统计生成，“它可能就很难替代我们人的判断”。 投资结论是方向、倾向而非确定会发生的结果，其中有概率因素——喜马拉雅持有比亚迪约二十三四年，期间股价波动超过 50% 的情况历史上有六次，短期表现无法验证长期判断。人的思维也不完全是概率产物，可能反而选择小概率的东西；常劲据此说，真理掌握在少数人手里。
• 喜马拉雅买谷歌不是追共识：“今天大家觉得谷歌好的不得了所以喜马拉雅买了它，不是的，我们可能是在大家都认为这家公司很糟糕、很快就要被干掉那个情况下买了它。” 逻辑是自下而上的安全边际：投资这家公司时，downside risk 没有那么大，同时享受 upside 红利；市场悲观时会过度给 downside 定价，错杀可能成为买点。对谷歌激进 capex 的态度：“我觉得是好事儿。”
• 模型层看不到持久壁垒：“至少在目前为止，我还没看到谁做出一个模型来别人就赶不上了。” 资金和算力砸够，“那个 barrier 也没那么高”；用最先进芯片、最强 computing power “也不见得就能永远跑在最前面”，终局是能力与成本的匹配，没客户的纯模型公司最后必须落地。
• AI 相关硬件、软件及数字世界需求的泡沫"肯定是存在的"：需求以软件速度扩散，产能却要像建房子一样一砖一瓦建好几年，类似中国太阳能当年扩产后"很多投资打水漂"的周期。 英伟达护城河"确确实实很深很宽"，但作为 AI 泡沫最核心、受益最大的 player，“对我而言，肯定是有 downside risk 的”。
• AI 更像工业革命而非互联网：蒸汽机放大体力，AI 释放脑力，是可能持续百年以上的影响。 且与互联网的 paradigm shift 不同，AI 直接给已经在数字世界做得很好的公司赋能，把数据、知识、能力重新组织、重新放大，“并不需要一个跃迁的过程”——拥有用户、数据、算力、人才等优势的公司长期"肯定是正面的影响，除非管理层脑子进水"。
• AI 擅长抓资料、不擅长判断，遇到知识 gap 就编故事，而研究要求"对知识的诚实"。 正确姿势是人机分工形成良性互动：AI 收集组织信息，人判断来源质量并反馈；跨学科 mental model 无法外包——“知识必须是我们自己的，AI 再聪明，我没掌握也不能很好利用它。”
• 芒格留给常劲的两件工具：普世智慧（多元思维模型）与 25 种误判心理倾向，加上"spider web of deserved trust"的生活原则。 理性之所以生死攸关，是因为管别人的钱背着 fiduciary duty，错误成本随规模放大。场外一线：常劲创办 UCA Community Foundation，以 $500–5,000 天使式 grant 资助华人社区项目，直言国会层面"还没看到大陆背景的参议员或众议员"；对下一代的处方是 AI literacy 加创造力，鸡娃与快乐教育要"找到平衡而不是推到极端"。

精读

1. 芒格给的两件工具：普世智慧与误判心理学

• 常劲深度参与了中文版《穷查理宝典》的制作；英文版叫《Poor Charles Almanac》，由芒格的好友皮特考夫曼编辑出版。从芒格身上学到的两件事：worldly wisdom——multi-disciplinary mental model，把各学科知识串在一起用于投资研究产生洞见；以及误判心理学——芒格在一次演讲中提出 25 个常见误判心理倾向，帮助投资人"深度认识我们自身的局限性"，避免陷入"自我设置的陷阱"，与巴菲特的能力圈（circle of competence）相通。
• 理性为何生死攸关：投资最怕被情绪左右，错误的成本随管理规模放大，而管别人的钱还背着 fiduciary duty——自己的钱亏了自己承受，“如果我们亏了别人的钱，这就是对我们的 fiduciary duty 一个很大的损伤”。

2. 生活侧的芒格：deserved trust 的信任之网

• 常劲引用芒格的生活原则：“spider web of deserved trust”——要生活在值得信赖的信任网络里。这种关系必须是双方的：你要值得别人信任，也要值得拥有这样的信任；芒格总是站在别人的 position 想问题：“我要给你的东西是不是你想要的？”
• 表面高冷、“直言不讳、无所顾忌"的芒格对朋友和周围的人很关心、很善良，也积极为社区贡献：斯坦福、UC Santa Barbara、USC 的捐赠建筑，洛杉矶一家大型医院和 Harvard Westlake 的 board member，活到 99 岁。常劲的收尾：“他给做价值投资的人设了一个非常高的灯塔，将来如果我的人生能够像他一半，我就已经非常满意了。”

3. AI 更像工业革命：释放脑力而非又一次互联网

• 面对"AI 像互联网还是移动互联网"的常见类比，常劲的框架不同：AI 更像工业革命——蒸汽机把人的体力放大成百上千、甚至数百万倍，AI 则释放脑力，“我们基本上拥有了无穷无尽的记忆力”，让原本难以成为芒格式百科全书大家的我们，也能随手获得许多所需知识。
• 影响可能是百年以上的长期影响：可能要求社会"乃至整个人类文明形态都要随之发生一些重大变化”。

4. 与互联网的关键差异：AI 直接给数字世界的存量玩家赋能

• 工业革命和互联网都是 paradigm shift（农田到工厂、offline 到 online），但 AI 和互联网不同：它在已经数字化的生意上直接 empower，把数据、知识，更重要的是能力的沉淀"重新组织、重新放大"，“并不需要一个跃迁的过程”——已经在数字世界拥有巨大用户群、数据、计算能力和人才的公司，AI 长期带来的影响"肯定是正面的，除非管理层脑子进水犯了一个巨大的错误，把机会白白让给别人"。

5. LLM 为何难以替代价值投资判断：概率产物与人的判断

• 曹卿云的问题：大模型日新月异，是挑战还是赋能价值投资的可预见性？常劲：到目前为止是赋能。做交易有可能交给机器——Renaissance Technology 没有大模型也用 algorithm 做得非常成功——但长期投资仍存在很大问题：投资结论是方向和概率而非确定结果，“很多时候，大概率发生的事件反而没有发生”；持有期长于五年、十年甚至二三十年，比亚迪持有约二十三四年、期间超 50% 的波动历史上就有六次，无法用短期表现验证长期看法。
• 更底层的问题在 Transformer 本身：生成结果完全是概率参数的产物，“看起来像跟我们在对话，并不是因为它真正理解了我们在讨论什么”。人的思维并不完全是概率产物，有时反而会选择小概率的东西；常劲用此说明：“真理是掌握在少数人手里头的。如果是个概率事件，真理应该永远掌握在大多数人手里头。“它也难以解决人的跳跃性思维，人的思维可以跳跃，但模型一跳跃就容易乱掉。

6. 知识缺口会让模型编故事：AI 收集、人来判断

• LLM 的结构性长短板：结构化、结果可即时验证的任务它做得好——写程序"是骡子是马，拉出去遛一遛就知道了”；但知识点之间有 gap 时它就会编故事，研究结论"似是而非”。编故事本身就是它训练过程中的一种能力，而研究恰恰要求"在没有掌握事实的情况下，我们不能编故事，必须对知识保持诚实"。
• 分工方案：AI 抓资料、收集并组织信息，人做判断——AI 所谓的判断往往建立在公众共识上，“大家都认为它重要，所以它也认为它重要”，但对你的研究可能毫无意义；人判断来源质量、可能存在的问题以及还应查看哪些其他来源，再把反馈给 AI，形成良性互动，让研究结果更可靠。
• 多元思维模型也无法外包给 AI：哪门学科的知识用在哪，需要人判断；“这些知识必须是我们自己的……如果知识只是 AI 的，AI 再聪明，我也不能够很好地去利用它。“AI 没有人的眼睛、嘴巴、鼻子、感知、经验、对过去的记忆和对未来的感受；常劲还提到"我们女性非常厉害的这种直觉”，并认为 AI 能否上升到人对世界的感知、认可和理解，“对我是一个巨大的问号”。

7. 喜马拉雅买谷歌的逻辑：在"快被干掉"的共识里买入

• 曹卿云直问：大仓位在谷歌、位置是否过高？常劲因合规不能具体评价个股，但纠正了叙事：“今天大家觉得谷歌好的不得了，所以喜马拉雅买了它，不是的。我们可能是在大家都认为这家公司很糟糕、很快就要被干掉那个情况下我们去买了它。”
• 方法论是自下而上：不从行业、宏观找机会，而是作为股东理解生意——AI 会不会冲击它的搜索模式、它怎么应对、护城河到底在哪，看明白后找安全边际；投资这家公司时，“downside risk 没有那么大”，持有还可以享受 upside 红利。市场悲观时会过度给 downside 定价，正如乐观时吹出泡沫，错杀提供买点——曹卿云的类比获得确认：“被市场错判、错杀的公司，但护城河很深也很宽，能长期持续。”
• 对谷歌激进的资本开支：“我觉得是好事儿，对它未来的发展有好处。“只要 AI 继续发展、出现做得更好的公司，谷歌总是可以向别人学习。

8. 硬件与泡沫：产能一砖一瓦，需求软件速度

• 面对 GPU、CPU、存储等硬件的周期风险，常劲指出：数字世界的需求以软件速度传播（email 式扩散），但硬件 capacity “像建房子一样一块块砖建起来，不是拿软件 copy 一下就能生成”，要投入好几年；中国太阳能产业爆发时也曾产能不足、随后纷纷扩张过剩，“很多投资打水漂”。今天是否重演？“我不知道，但这个泡沫肯定是存在的”——产能建成后能否被彼时的需求消化，落差风险要求"保持冷静、对未来有理性判断”。
• 英伟达：常劲坦承没做很深研究，护城河"确确实实很深很宽”，但作为 AI 泡沫"最核心的 player、受益最大的 player”，“毫无疑问会有泡沫在里头……对我而言，肯定是有 downside risk 的”。

9. 模型竞争无终局：barrier 没那么高，最后拼成本落地

• 头部模型竞争，常劲自称只有直观感受：“至少在目前为止，我还没看到谁做出一个模型来别人就赶不上了”；用最先进的芯片、最强大的 computing power，“你也不见得就能够永远就跑在最前面”。
• 长期来说，最后还是能力与成本的匹配：“谁的能力做得更好，谁的成本控制得更好。“没有客户的纯模型公司必须落地；已有大量用户的公司不必着急大规模投入，“可以等到有些东西做得比较好以后拿过来使用，直接让客户受益”。至于完全垄断某一方面的能力，常劲认为至少目前还看不到，barrier 也没有那么高。

10. 华人社区与下一代：UCA 基金会、AI literacy 与平衡的教育

• 常劲对硅谷华人生态位的三块短板：政治上"至少到目前为止，我还没有看到在国会层面有大陆背景的参议员或众议员”；corporate world 里做到顶尖、达到 senior executive 位置的人不够多（NVIDIA 是 Jensen Huang 自己创办的例子）；社区草根投入不足。疫情中的领悟直白：“不能积极参与社会，进入主流政治并产生影响，我们可能就是摆在砧板上、任人宰割的羔羊——只有你自己去争取，才能保护自己的权益。”
• UCA Community Foundation：天使式 grant $500–5,000，专注六个方向（公民权利保护和教育、公民参与、二代及青年领导力、传统文化传承、社区服务、中美民间交流和相互了解），案例是湾区话剧《哥大的椅子》——讲华人丁龙把一生积蓄捐给哥大做东亚研究；UCA 每年还有青少年领导力培养夏令营，参加者约 100–200 人，并提供在国会议员办公室实习一到两周的机会。最大挑战：“完成了从零到零点五”，仍完全依靠志愿者运作，正招募职业化人才。
• 下一代如何不被 AI 替代：首先要懂 AI——“AI literacy”，其次专注创造力，“AI 可能很难替代人的信仰、创造力，以及丰富的想象力”。鸡娃还是快乐教育？“两个都需要……最后是需要找到一个平衡，而不是把它推到一个极端。“对二代的观察：视野是全世界，AI 带来的变化也是需要共同合作解决的世界性问题——“我是一个和平的倡导者。”