普通人投资 AI，现在还能上车吗？先过 EV、SIZE、EXIT 三关

我坚信 AI 会是一场时代性的变革，也确实下了重注。

但我同样害怕——怕估值泡沫，怕被资本高位收割。

这或许是当下所有普通投资者最真实的状态：长期极度看好，短期却始终战战兢兢。

相信 AI，是对大时代方向的理智判断；担心泡沫，是对自己认知局限的必要警惕。

“看好一个行业改变世界”与“行业里的某只股票是好投资”，这中间隔着十万八千里的距离。好的商业叙事并不等于合理的安全边际。

每次在准备“上车”或调整仓位前，我都强制自己先通过一套严格的决策三关：EV（期望值）、SIZE（仓位管理）、EXIT（退出机制）。这不仅是一套方法论，更是防止自己在狂热市场中被情绪推着走的防御系统。

01｜EV 关：“AI 是时代变革”，离买入结论还差得远

“AI 会带来巨大的长期价值”——我坚信这一点，但这句话完全不能告诉我今天该买什么、用什么价格买。

回顾历史，互联网和智能手机都毫无争议地改变了世界。但回头看，行业爆发初期跑在最前面的，有最终长成千亿巨头的极少数，也有大量估值跑在业绩前面、最后被彻底淘汰的沙砾。在投资中，我们必须将“公司/业务层（Company Thesis）”与“股票/价格层（Stock Conditions）”严格区分开来。

面对 AI 投资，真正的 EV（期望值）计算必须逼问以下三个核心问题：

价格隐含了多少预期？ 当前股价到底计价了未来多少年的高速增长？
赔率是否合理？ 在这个高预期下，剩余的风险收益比（Odds）是否还值得承担潜在的下行风险？
增长依靠什么兑现？ 未来的利润增量，是靠真正的技术壁垒、规模效应、现金流回流，还是仅仅依靠市场暂时愿意为一个宏大的故事支付溢价？

拆解产业链：黄仁勋的“五层蛋糕”

为了不把 AI 当作一个模糊的“概念”来泛泛而谈，我借用黄仁勋提出的“五层蛋糕”框架，将复杂的 AI 产业链拆解为不同性质的生意：

1. 能源层（Energy & Power）｜瓶颈与约束

算力不是飘在云上的虚无概念。GPU、数据中心、液冷系统都需要庞大的电网支持。能源正从背景条件转化为 AI 增长的物理约束层。
2. 芯片层（Chips & Hardware）｜高确定性 vs 高预期

“卖铲人”生意。虽然议价权极强且最快变现，但当全球投资者都极其明确这一点时，当前价格通常已经装进了相当饱满的乐观预期。
3. 基础设施层（Infrastructure）｜重资产与回收期

数据中心、网络、存储与冷却。这一层没有大模型性感，却需要实打实砸入沉没成本，核心考验是“巨额 Capex 何时能真正回收”。
4. 模型层（Models）｜格局未定与成本通缩

开源与闭源的博弈、推理成本的迅速下降，导致竞争异常惨烈。谁能最终将技术优势转化为长期的商业垄断和超额利润，目前尚无定论。
5. 应用层（Applications）｜闭环验证点

Agent、机器人、自动驾驶等。这是检验前面四层投入能否形成经济闭环的最终出口。如果应用层接不住，上游的增长预期就必须面临重算。

五层纵向关系图，自下而上依次为能源、芯片、基础设施、模型和应用。能源问供给能否跟上需求；芯片问增长与价格是否已脱节；基础设施问重投入何时收回；模型问技术优势怎样变成利润；应用问经济价值能否接住前面投入。结论：同叫 AI，增长来源各不相同。

图注：把 AI 拆成五层以后，才知道每一层要验证的增长、回报与风险并不相同。图中是本文的研究框架，不构成投资建议。

警惕“假分散”：许多人觉得在能源、芯片、基础设施各买一点就是分散风险。其实这只是用不同的股票，重复押注同一个假设——“AI 资本开支会无休止地持续增长”。面对逻辑相近的标的，我强制自己“去二留一”，只留逻辑最硬的那一个。

关系图。能源、芯片、基础设施、模型和应用五个节点汇入“共同前提：AI 资本开支持续兑现”。右侧是两条复核线：投入是否转成收入和现金流，效率变化是否让需求需要重新估算。结论：标的不同，仍可能共享一个前提。

图注：能源、芯片、基础设施、模型和应用可能是不同生意，却仍可能共同依赖“AI 资本开支持续兑现”这个前提。分散之前，先检查前提有没有重复。

02｜SIZE 关：重仓之后，警惕“仓位反向绑架大脑”

当人面对一个“几十载难逢”的时代机遇时，很容易产生一种心理偏见：“既然我看好，只买一点有什么意义？”就是这种想法，让人一步步从理智推向过载的重仓。

最危险的不是重仓本身，而是重仓之后，人会本能地寻找各种蛛丝马迹来证明自己是对的。你不再是根据证据持有仓位，而是根据仓位在强行寻找证据。

仓位一旦过大，决策者的心态就会发生质变——从“我看好 AI”变成“我下了重注，所以 AI 绝对不能错”。此时，仓位已经反过来绑架了你的认知与大脑。

正确的仓位管理（SIZE）应该包含以下原则：

承认认知局限：即使长期方向明确，也要承认估值过高、竞争格局剧变、技术路线切换等不确定性，并将这些不确定性用“安全边际”折算进仓位里。
保留现金弹性：永远留有余地，耐心等待市场情绪宣泄、价格进入具备绝对吸引力的区间，而不是因 FOMO（害怕错过）而在任何高位肆意买入。
触发条件分批收回：当某项资产的风险敞口超出预设纪律线时，按既定条件分批落袋，不试图去赌最高点，给自己的思考留出重新评估的物理空间。

03｜EXIT 关：月度控情绪，季度变仓位

“我担心 AI 有泡沫”——这句空话对投资没有任何指导意义。因为当泡沫真正疯狂时，身处其中的人总能找到无尽的理由为高股价辩护：上涨时是“新范式不能用旧指标”，下跌时是“短期波动，长期逻辑没变”。

为了避免被情绪裹挟，我借助 AI 工具搭建了“三频复核机制”，将退出和调整纪律固化为机械流程：

复核周期	核心监控事项（雷达 / 警报）	决策定位与边界
周度复核 (Weekly)	异常价格信号、市场情绪指标、纪律线触发情况、重大新闻事件。	只负责“看见变化”。绝不因为单条新闻或单日波动而推翻长期投资逻辑。
月度复核 (Monthly)	市场抱团程度、龙头股对利好的反应敏感度、利率与信用环境变化、组合集中度。	主要负责“管控情绪”。检查自己最近是否处于“上头”状态，防范集中度风险。
季度复核 (Quarterly)	云厂商 Capex 兑现情况、AI 商业化收入跟进、芯片链毛利与库存、电力 / 基础设施建设进度。	真正决定“变更仓位”。只有在季度级别看到基本面与商业闭环发生结构性变化时，才调整长期仓位。

月度控情绪，季度变仓位。 机制不一定能帮你卖在最高点，但至少能确保当基本面事实彻底改变时，你不会因为“执念”而装作什么都没看见。

三层复核节奏图。每周负责看见近期变化、纪律线和异常价格信号，不因单条新闻推翻长期判断；每月检查抱团、利好反应、行业链条、利率信用与组合集中度；每季复核资本开支、AI 收入、毛利库存、电力数据中心和信用环境，并重新判断长期仓位。结论：月度控情绪，季度变仓位；机制帮助看见，不保证结果。

图注：周报负责看见变化，月报负责检查情绪与集中度，季度复核才重新判断长期仓位。机制帮助看见，不保证结果。

04｜实操工具：投资决策检查清单

在实际操作中，我建议将所有投资逻辑具象化为一张简单的表格。清单的意义不在于“证明自己绝不会错”，而在于给未来的自己留下一份不可篡改的决策证据。

决策维度	关键提问与检查项	自查记录 / 证伪条件
EV 期望值	1. 当前价格计价了多少年增长？ 2. 赔率是否具备安全边际？ 3. 利润增长靠技术壁垒还是故事？	写下具体的估值假设与业务兑现指标（如：云厂商 Capex 同比增速低于 X% 即预警）。
SIZE 仓位	1. 仓位来自客观证据还是 FOMO 情绪？ 2. 组合中的标的是否押注了同一个前提？ 3. 最坏情况下，亏损是否可承受？	设定单标的及同类底层逻辑资产的持仓上限比例，坚决执行“去二留一”。
EXIT 退出	1. 什么事实发生时说明初始逻辑已失效？ 2. 触发止损或分批获利结清的条件是什么？ 3. 审查周期与纪律线是什么？	明确写下具体的“退出触发条件”，避免在市场大跌或大涨时临时凭感觉做决定。

半年后，如果一笔投资走到了意料之外的方向，拿出这份清单复盘：是当时忽略了明显的风险？还是发生了不可预测的黑天鹅？只有区分“坏决策赚了钱”与“好决策亏了钱”，认知才能真正迭代。

写在最后

AI 最后会不会形成一个巨大的估值泡沫？老实说，没人能百分之百确定。

它未来会不会创造远超今天的巨大经济价值？我的理智告诉我，依然会。

所以我依然留在牌桌上，也愿意继续为这份认知承担对应的下行风险。但我绝不愿意因为“害怕错过”就盲目冲进高位；更不会在已经上车之后，忘记给自己留一扇通往安全地带的出口。

EV、SIZE、EXIT。 在按下买入键之前，先在纸上把这三栏写清楚，剩下的，平静地交给市场。

免责声明：本文仅为作者个人投资思考复盘与决策框架记录，不构成任何具体的投资建议、邀约或推荐。市场有风险，投资需谨慎。行业趋势、公司基本面及估值均可能随时发生剧烈变化，读者应保持独立思考，自负盈亏。