橡树资本联合创始人霍华德·马克斯在最新备忘录中，以“外行”自居，系统拆解了围绕人工智能投资的核心难题。他的总体判断偏谨慎：AI涉及的关键变量数量异常庞大，预测难度超过以往任何一次技术革命，而最终谁能从中获利，在相当程度上仍是一个信仰问题。

马克斯援引Anthropic旗下AI模型Claude的评估作为参照：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至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。这一落差直接指向AI投资的核心困境：方向大致清晰，回报却高度不确定。

他同时警告，AI已成为贯穿整个投资组合的“断层线”。据摩根大通数据，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，市场对单一板块的依赖程度达到历史罕见水平。一旦出现负面冲击，其影响将远超一般行业风险。

在利润归属问题上，马克斯提出一个关键追问：AI会提升效率，但效率提升能否转化为盈利，盈利又归谁所有？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，从而获得强大定价权。马克斯以英伟达和台积电为例，指出强竞争壁垒带来的丰厚利润已有现实印证。

他还提出一个鲜少被讨论的问题：AI替代劳动力后，政府税收如何弥补？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。

在竞争格局上，马克斯持审慎态度。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。他由此追问：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？

地缘政治风险也被特别提示。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。

对于希望规避技术路线不确定性、转而投资基础设施的“卖铲子”策略，马克斯承认其逻辑——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增添了数据中心的吸引力。但他明确指出，数据中心并非“稳赚不赔”。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。他总结认为，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。

在信贷市场层面，马克斯专门审视了AI的资本胃口。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“挤出效应”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。

面对“AI是否是泡沫”的争论，马克斯给出自己的定义：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？他表示，自己仍然相信AI技术本身将产生深远影响，改变企业、经济乃至整个社会，“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投资争议最贴切的总结。

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决策前自问：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。