郝倩/发自上海
在可持续全球领导者大会期间，北欧知名投资人、《逃不开的经济周期》作者拉斯·特维德（Lars Tvede）对话新浪财经，深度解析了人工智能时代的增长逻辑与投资机会。
在特维德看来，AI的发展并不只是一次技术升级，而是可能推动全球经济进入一种新的增长模式——“精准经济”（Precision Economy）。
技术进步有望让人类以更少的能源、土地和物质资源创造更多产出，“真正重要的，不是简单地减少技术使用，而是利用技术本身，让整个经济体系更加高效、节约资源。”
对于市场高度关注的AI投资泡沫，他认为，通用技术的发展历史表明，泡沫几乎难以完全避免，然而现在就断言AI已经陷入系统性泡沫还为时过早。与其只盯着科技巨头的估值，更值得关注的是芯片、电力等基础设施的供需变化，以及AI如何真正进入传统产业、创造经济价值。
在全球产业竞争方面，特维德尤其强调人才与教育的重要性。在他看来，拥有模型、芯片和数据中心固然重要，但真正决定一个国家长期竞争力的，是有多少人能够理解具体行业的运行逻辑，并将AI转化为真实的生产力。
“在AI时代，芯片、算力和电力决定了技术发展的基础条件，而人才决定了这些资源最终能够创造多少经济价值。”特维德对新浪财经分析说。
AI可能帮助人类找到更可持续的能源解决方案
AI的快速发展正在带来一个现实矛盾：一方面，人工智能有望显著提高生产效率；另一方面，数据中心扩张也带来了巨大的电力需求，使能源消耗成为产业发展的重要约束。
对于AI究竟会给可持续发展带来怎样的长期影响，特维德表示，目前还无法给出确定答案。但他认为，更值得关注的是技术进步能否改变经济增长对资源投入的依赖。
“我认为，我们已经进入了一种新的经济发展模式，我把它称为‘精准经济’。”
所谓精准经济，是指通过技术进步，以更少的资源实现更多的产出，使经济增长不再必然伴随着能源消耗、土地占用和物质资源投入的同比例增加。
特维德以全球农业为例解释这一逻辑。
过去，随着全球人口不断增长，人们曾普遍担忧粮食供应将难以满足需求。美国生物学家保罗·埃利希在《人口爆炸》一书中就曾对人口增长可能引发的粮食危机发出警告。
然而，农业技术的进步，特别是绿色革命，提高了粮食生产效率。此后，全球人口持续增长，人均粮食供应也有所改善，而耕地面积并未按照人口增长的比例持续扩张。
在特维德看来，这正是精准经济的典型体现：人类并非只能通过投入更多土地和资源来获得更多产出，技术创新同样能够改变资源与产出之间的关系。
他认为，AI也可能发挥类似作用。
不过，特维德提醒，当前更值得担忧的不是AI本身，而是能源供给及其解决方案是否足够高效。
他希望，AI能够帮助人类找到更加紧凑、高效和可持续的能源解决方案。与此同时，AI产业自身也要不断提高效率。在特定场景下，软件进步甚至可能带来数百倍乃至更高的效率提升，具体幅度则取决于任务和比较基准。
因此，特维德并不赞成仅仅因为AI消耗能源，就试图减缓AI的发展。
“真正重要的，不是简单地减少技术使用，而是利用技术本身，让整个经济体系更加高效、节约资源。”
AI算力走向分布式 欧洲虽落后但仍有机会
在算力需求持续增长的背景下，特维德认为，大型数据中心仍将是AI基础设施的重要组成部分。但与此同时，AI计算也正在向更多终端设备延伸。
特维德对新浪财经分析说，AI的未来不仅是建设更多大型数据中心，也包括将智能能力分散部署到企业、设备和日常经济活动中，使AI逐渐成为一种普遍存在的基础能力。
谈及欧洲在AI领域的竞争力，特维德的判断则更为谨慎。
“坦率地说，在AI领域，欧洲已经明显落后了。”
他认为，在最先进的大型基础模型开发方面，欧洲面临明显劣势。开发具有全球竞争力的基础模型，需要投入巨额资金，并持续承担算力、研发和人才成本。欧洲相关企业能否获得足够资本，与美国最强大的竞争者展开长期竞争，仍存在不确定性。
法国AI公司Mistral是欧洲值得关注的代表，但欧洲整体上仍缺乏足够多具有国际影响力的基础模型开发商。
不过，特维德并不认为欧洲已经失去了参与AI竞争的机会。
他特别看好去中心化应用、小型语言模型以及AI在工业领域的落地，在他看来，未来AI竞争的参与者将更加多元。基础模型的领先者未必能够垄断全部经济收益，而那些善于将AI嵌入实际生产流程的企业，同样可能获得重要的竞争优势。
未来三至五年关注芯片与电力，AI投资价值将从基础设施向应用层转移
对于投资者最关心的AI投资机会，特维德将其放在通用技术的历史演进中观察。
他认为，每当一种通用技术出现，其经济价值通常会经历三个阶段。第一阶段，收益主要集中在技术本身及其基础设施提供商。
互联网发展初期，网络设备、路由器和通信基础设施需求快速增长，思科等企业因此成为市场关注的焦点。
第二阶段，价值逐渐转移到应用这些技术的企业。
随着互联网基础设施成熟，亚马逊、阿里巴巴等企业利用互联网重塑商业模式，创造了新的产品、服务和消费场景。真正获得巨大经济收益的，不再只是生产基础设施的公司，也包括善于利用基础设施开展业务的企业。
第三阶段，技术进步带来的收益进一步传递给消费者。
特维德援引美国经济学家威廉·诺德豪斯关于创新经济收益分配的研究指出，创新最初创造的利润可能集中于发明者和技术生产者，但从长期看，社会获得的收益中有相当一部分最终体现为消费者能够以更低价格获得产品和服务。
他认为，AI也可能沿着类似路径发展。
对于未来三至五年的投资方向，特维德首先看好芯片制造商。
在他看来，目前高性能算力仍然受到供应能力和交付速度的制约。即使芯片供给不断增加，AI应用扩张也可能带来更大的算力需求。因此，芯片仍是值得重点关注的领域。
第二个方向是能源，尤其是能够在美国市场迅速提供AI所需电力和能源解决方案的企业。
随着数据中心建设加快，电力供应已成为影响项目落地的重要因素。能够快速提供可用能源、帮助数据中心及时获得电力的企业，可能因此获得竞争优势。
不过，特维德强调，AI的投资机会不会永远停留在基础设施层面。
随着技术逐渐成熟，生物技术、媒体、金融、保险等行业有望通过AI改变生产流程、降低运营成本，甚至创造全新的产品和服务。
相反，如果一家企业始终无法有效应用AI，就可能在竞争中处于不利地位：竞争对手可以利用AI，以更低的成本提供相同的产品，或者以相同的成本提供更好的产品。
因此，特维德的投资逻辑并非简单押注所有AI相关企业，而是沿着技术演进的路径，寻找不同阶段的价值创造者。他认为短期看芯片和电力，中长期则需要关注那些能够真正利用AI改善经营效率的企业。
AI是否存在系统性泡沫？现在下判断为时过早
AI投资热潮不断升温，市场对于估值泡沫的担忧也在增加。
特维德对新浪财经分析说，“如果AI最终也出现一次明显的投资泡沫，我不会感到意外。但我不认为，我们现在就可以断言AI已经处于泡沫之中。”
他回忆称，2000年3月互联网泡沫达到顶峰时，思科曾是市场最具代表性的公司之一。当时思科股价相对于过去12个月盈利的市盈率约为135倍，按照预期盈利计算，估值也处于极高水平。
与之相比，特维德在采访中引用的英伟达预期市盈率约为18至20倍。两者在不同时间点的股价、盈利水平和估值口径并不完全一致，因此这一比较不能直接作为判断AI整体估值的依据。
但他借此强调，不能仅仅因为AI相关公司股价上涨，就认定整个行业已经形成泡沫。
他还提到，SK海力士、三星电子和美光科技等存储芯片企业，如果按照市场对2026年至2028年的盈利预测计算，部分公司的预期市盈率可能处于较低水平，某些预测甚至达到个位数。
当然，低市盈率并不意味着没有风险。周期性行业的盈利预测可能过于乐观，一旦需求增速放缓、价格回落或供给增加，实际盈利就可能低于预期。
在特维德看来，判断AI是否存在泡沫，还必须关注一个更重要的问题：行业是否正在出现竞争性过度投资。
互联网泡沫时期，许多企业基于极其乐观的增长预期，大规模建设光纤网络。投资者相信，这些企业未来能够占据市场主导地位，但实际数据流量不足以支撑庞大的基础设施规模，最终形成大量闲置资产。
特维德认为，当前AI产业的情况有所不同，部分关键环节面临的主要问题仍是供给不足，而不是需求不足。
“但这并不代表AI投资不存在过度扩张的风险。随着企业持续投入，如果未来算力供给增长过快、应用需求未能兑现预期，某些领域仍可能出现产能过剩和资产回报下降。”特维德对新浪财经分析说。
因此，特维德认为，AI可能出现泡沫，但判断泡沫不能只看估值，还需要观察真实需求、供给约束以及资本开支最终能否转化为经济收益。
AI的长期竞争力关键在于培养创造AI的人才
谈及中国在全球AI竞争中的位置，特维德认为，能源、数字化和技术人才构成了重要基础，但这些优势能否转化为持久的产业实力，最终取决于人才培养与应用能力。
在他看来，拥有先进模型并不意味着企业就能自动获得生产率提升。当AI真正进入具体工作场景时，企业必须有人理解业务本身，知道如何调整工作流程、重新组织生产，并将技术能力转化为经济价值。
“如果中国能够让更多学生学习AI，理解AI的基本原理，并掌握如何开发AI应用、智能体式AI和小型语言模型，那么这将成为一种巨大的竞争优势。”
在特维德看来，未来的AI教育不应局限于教会学生使用现成工具，还应帮助他们理解技术原理、掌握开发能力，并学习如何将AI应用于不同的专业领域。
这种能力需要从学校教育开始培养，并贯穿中学及其他教育阶段。
他认为，中国拥有大量技术人才，如果能够进一步加强AI教育，让更多人具备创造AI应用、开发智能体和改造行业流程的能力，就有机会把现有优势转化为长期竞争力。
这一逻辑同样适用于美国和欧洲。
“真正决定长期竞争力的，不只是拥有多少芯片、多少数据中心或多少电力，而是有多少人能够把AI转化为真实的生产力。”
从“精准经济”到投资周期，从基础设施竞争到人才培养，特维德的分析指向同一个问题：技术本身并不自动创造持续的经济繁荣，真正重要的是人类如何运用技术、组织生产，并将创新转化为长期价值。
在这场仍处于早期阶段的AI变革中，谁能更有效地完成这一转化，谁就更有可能在未来的全球竞争中占据主动。
