P2A-C3 · 历史可比 (dotcom / mobile / 工业革命)¶
核心一句话
给 AI 找历史 anchor, base rate 不背叛 — 历史不会重复但会押韵。
通用投资模型 — 任何行业都用
P2A-C3 (Part 2.A 第 3 章). 学完这一章, 你能找 AI 跟 3 个历史 paradigm shift 各自像哪里, base rate 怎么提示你下一步。
1. 问题: AI "这次不一样" — 怎么验证?¶
AI 当前共识: "AI 改变一切, NVDA 永远涨".
历史 4 次 "这次不一样" (P1-C1 教过) 都崩了. 怎么知道 AI 不是第 5 次?
→ 找历史可比 + base rate. 不是预测, 是风险定价.
3 个候选历史 paradigm: - dotcom 1995-2002 (互联网泡沫) - mobile 2008-2018 (智能手机革命) - 工业革命 1760-1840 (蒸汽 + 铁路)
每个都有教训, AI 跟每个都部分像.
2. 解决方案: 3 个历史 paradigm + 5 维对比¶
| 维 | dotcom (1999) | mobile (2010) | 工业革命 (1840) | AI (2026) |
|---|---|---|---|---|
| 基础设施 | Cisco / Lucent / Sun | iPhone / TSM / ARM | 铁路 / 蒸汽机 / 钢铁 | NVDA / HBM / 数据中心 |
| 应用 | Amazon (有 revenue) + 大量 0 revenue | App Store + Google / Facebook | 工厂 + 大量 transport | OpenAI / Copilot + vertical |
| Capex / GDP 比例 | 高 (1.8% peak) | 中 (0.9%) | 高 (3%+ peak) | 当前 ~1.2%, 上升中 |
| 真实用户 | <5% Internet 渗透 | 50%+ 智能手机 (2015) | 大量制造业 worker | 300M ChatGPT MAU (实需求) |
| 估值疯狂 | Cisco PE 200x | iPhone OEM PE 15-25x | 铁路 PE 20-30x | **NVDA PE 30-35x** |
| 崩盘后跌幅 | -80% Nasdaq | 无 (持续涨) | 1840s+ 铁路泡沫 -50% | TBD |
→ AI 各维度跟 mobile 最像 (真用户 + 中估值) + 跟 dotcom 部分像 (capex 飞涨).
3. 工作原理: 3 个历史 paradigm 详解¶
3.1 Dotcom (1995-2002)¶
繁荣 (1995-1999): - Internet 渗透从 1% → 5% (1999) - Cisco / Lucent / Sun (basic infrastructure) PE 飞到 100-200x - Amazon / eBay / Yahoo (应用) 估值疯狂 - 大量 0 revenue 公司 IPO (Pets.com / Webvan / Boo.com)
崩盘 (2000-2002): - Nasdaq -80% peak to trough (5132 → 1108) - Cisco -90% - Amazon -94% (2.5 年低)
为什么崩: - Capex 远超应用 ROI 兑现速度 - 真用户量 (5% Internet 渗透) 撑不起估值假设 - 第一次"基础设施泡沫 → 应用层冷却"循环
为什么 Amazon / Google 后来反而成最大 winner: - 危机时真有 revenue + 客户 - Capex 真转 ROI (Amazon 把 AWS 做出来) - survival bias — 同期 100 家应用层公司, 99 家死, Amazon 是 1%
AI 类比: - AI 当前 capex / GDP ~1.2%, 接近 dotcom peak 1.8% (不到, 但快) - ChatGPT 300M MAU 远超 dotcom 真用户 (Internet 渗透时) - NVDA PE 30-35x 远低于 Cisco 200x — 估值合理多
→ AI 比 dotcom 健康, 但 capex 趋势要警惕.
3.2 Mobile (2008-2018)¶
繁荣 (2008-2015): - iPhone 2007 发布 - 智能手机渗透 0% → 50% (2015) - TSM / ARM / Qualcomm (基础设施) 持续涨 - App Store + Google + Facebook (应用) 主导
关键差别 vs dotcom: - 真用户 + 真 revenue (App Store 2010 $10B GMV) - 应用层多元化 (Uber / Instagram / WhatsApp 各自巨头) - 没崩盘 — TSM / ARM / AAPL 持续涨, 偶尔回调
为什么没崩: - Capex / GDP 比 dotcom 小 (0.9% vs 1.8%) - 应用层 ROI 真兑现 (iPhone 卖 + App Store revenue) - 客户长期付钱 (vs dotcom 免费 + 广告依赖)
AI 类比: - ChatGPT / Copilot 类应用层有真 revenue (类 mobile) - 应用多元 (foundation + SaaS + vertical + agentic, 类 mobile) - Capex 比 mobile 高 (类 dotcom)
→ AI 是 dotcom + mobile 混合体.
3.3 工业革命 (1760-1840)¶
繁荣 (1820-1840 铁路 boom): - 蒸汽机 + 工厂 + 铁路 + 钢铁 - 英国 GDP 100 年 +200% - 铁路泡沫 1845-46 (Cisco 类)
崩盘 (1846-1850 铁路恐慌): - 铁路股 -50% (peak to trough) - 大量 small 铁路公司破产 - Major 铁路 (LMR / GWR) 后来成 century winners
关键 lesson: - 真技术革命 (蒸汽 + 铁路) 持续 80+ 年 - 短期泡沫 + 崩盘 → 长期 winners 仍涨 5-10x - "winner survive base rate" 极低 (10-20%)
AI 类比: - 真技术革命 (LLM + scaling) 可能持续 20-50 年 - 短期可能有泡沫 + 崩盘 (eg. 2027-2028 hyperscaler 顶?) - 长期 winners (NVDA / MSFT) 仍涨, 但短期 -30~50% 风险存在
4. AI 综合 base rate 评估¶
| 维 | AI 2026 vs 历史 | Base rate 提示 |
|---|---|---|
| 真用户 | 类 mobile (强) | 不会像 dotcom 5% 渗透 → 崩 |
| 应用层 revenue | 类 mobile (App Store-like 起来) | 真 ROI 兑现中 |
| Capex 速度 | 类 dotcom + 工业革命 | 短期泡沫风险 |
| 估值 | 比 dotcom 健康, 类 mobile | 不极端 |
| 基础设施 vs 应用 lag | 类 dotcom (基础设施 ahead 2-3 年) | 应用要赶, 风险窗口 2026-2028 |
综合判断: - AI 不是 dotcom 复刻 (估值 + 用户更健康) - 但 capex 飞涨 + 应用 ROI 兑现 lag = 2-3 年内有 -30~50% 风险 - 长期 (10+ 年) 应像工业革命 — winners 持续涨, 中间有 cycle
→ 你 thesis 应该: - 长期 hold winners (MSFT / 部分 NVDA) - 短期留 cash for 可能的 cycle 顶 retreat - monitor capex / revenue ratio (>35% 警告)
5. 试一下: 给 AI 找 1 个最像的历史 paradigm¶
任务 (~30 分钟): 你 thesis 涉及的 sub-sector (eg. AI 芯片 / AI 应用 / AI 电力), 找最像的历史 paradigm:
| Sub-sector | 历史可比 | 哪段最像 |
|---|---|---|
| AI 芯片 (NVDA) | Cisco 1999 / Intel 1990s / TSM 2000s | ? |
| AI 应用 (OAI / Copilot) | Amazon 1999 / Google 2004 / Salesforce 2000s | ? |
| AI 电力 (CEG) | 1990s 电力 deregulation / 1980 油气 | ? |
| AI 数据中心 REIT (EQIX) | 2000s 数据中心 REIT (EQIX 2007 IPO) | ? |
Self-check (3 项符合 → 进 P2A-C4):
- 你能给你 thesis ticker 找出 1 个最像历史 paradigm
- 你能说出base rate (该 paradigm 中 winner 占比 / 长期收益)
- 你能从历史 base rate 推当前最大风险
6. 接下来¶
历史 anchor 你有了. 但 thesis library 5-10 只票, 怎么 size? Portfolio construction.
→ P2A-C4 · Portfolio construction — sizing + concentration + risk parity。
7. 深入 (optional): 1840 铁路恐慌 + 1929 / 1973 历史比较¶
点开看 3 个历史泡沫详细
1845-1846 铁路恐慌: - 英国 1840s 铁路股 PE 30-50x (今天看 reasonable, 当时疯狂) - 6000 mile 铁路批准, 实际建 1000 mile (over-building) - 1846 银行 raise rates → 铁路股 -50% - 1850s 真正"铁路时代", winner 涨 5-10x - Lesson: 真革命中有泡沫, 泡沫后 winner 反而更强
1929 大萧条: - 1920s 美国 GDP +50%, 股市 +200% - 1929 Dow -89% (peak to trough) - 真技术 (汽车 / 电力 / 收音机) 长期 winner, 但中间 25 年 underperform 国债 - Lesson: 即使技术真革命, 估值极端时崩盘 25 年才回 (1954 才回 1929 peak)
1973-1974 Nifty Fifty: - 50 只 "growth at any price" 股票 (Polaroid / Avon / Xerox / IBM) - 1973 PE 50-100x - 1973-74 -45% (Nifty Fifty 跌更多) - Lesson: 即使大公司 + 真增长, PE 50-100x 不可持续
AI 当前: - NVDA PE 30-35x — 不 Nifty Fifty - 真 user / revenue — 不 dotcom - 但 capex 飞涨 — 类 dotcom + 工业革命
综合: AI 不是泡沫顶, 但未来 2-3 年 capex retreat 风险存在.