Cathie Wood如何解释选后跌势：从信用风险、数据中心到AI生产率

一、主讲人与议题背景

本期节目时长3599秒，接近一小时，元数据将其归于《FYI: For Your Innovation》，主持方列为ARK Invest / Cathie Wood。所提供的内容主要由Wood连续讲解，没有可核实的受访嘉宾背景。贯穿节目的，是她如何将选举、市场变化与技术创新放在一起理解。

Wood开场列出的议题包括近期艰难的市场环境、选举对创新的影响，以及AI、通胀和经济与市场指标。她既要解释眼前的资产价格变化，也要说明为何仍然看好更长期的技术增长。市场是否反应过度，是她试图回答的问题；技术能否持续提高生产率，则是她判断市场前景的重要依据。

她还在开场悼念John Nosta，称他长期参与ARK的Brainstorm讨论，并谈到他的《The Borrowed Mind》及其对AI时代人类思考的关切。Nosta是本期被追忆的人物，并非出场嘉宾；后续投资观点也不应归于他。文中涉及的案例、图表数字与预测，均依据Wood在节目中的陈述展开，不代表这些内容已经得到独立核实。

二、本期主要内容

Wood先用历史市场数据回应选举后的不安。她说，覆盖1958年至2022年中期选举的图表通常显示，选后一年市场走高，无论总统来自哪个党派。她将这一规律与选前焦虑的积累联系起来，也提到执政党失去席位并不罕见。不过，她对这段历史的态度是希望规律重现，而非认定当前市场必然沿同一路径运行。

她对1987年股灾的回忆，也揭示了年度收益比较的局限。按Wood的讲述，投资者原本依赖组合保险控制风险，但跌幅超过预期、大量投资者同时寻求退出，最终使保护机制失灵。她讨论的选举相关一年比较仍略为正值。期末的小幅上涨与期间的剧烈冲击并不矛盾，也说明一个年度收益数字无法呈现投资者途中承受的全部压力，更不能保证所有人都能持有至市场反弹。

在解读政治结果时，Wood区分了国会选举与州及地方公投。按她的判断，国会席位变化看起来有利于民主党，但部分地方税收议题呈现出更保守的倾向，包括对加州财富税的反对，以及对税负限制的支持。她据此认为，选民对生活成本的不满，不能直接理解为对某一整套政策的统一授权。她也承认，ARK此前预期伊朗战争很快结束，这一判断错了。战争持续带来的燃油通胀，是她解释选民愤怒和市场不确定性的因素之一；节目并未进一步分离战争、价格与其他因素各自的影响。

数据中心让这场政治讨论落到了AI投资的具体条件上。Wood认为，开发者起初强调高薪就业和新增税源，却低估了居民对电费、用水、备用发电机污染、社区景观以及潜在搬迁的担忧。一个项目在全国层面可能创造增长，并不意味着地方居民承担的成本已经得到解释或补偿。

她转述的两则地方案例，指向了如何让居民分享项目收益。第一则涉及马斯克在得州一个城镇提出的方案，Wood认为镇名是Sulphur Springs。按她的说法，方案包括补贴20%的房产税、降低40%的电费，以及提供五千个岗位。这些属于她转述的拟议收益，不能视为已经兑现的结果。第二则来自Brainstorm参与者Matt。Wood转述说，他所在的弗吉尼亚社区因开发获得税源和新的公共设施，部分税负也有所下降。她明确表示，自己不确定销售税的细节，也记不清学校建设的频率。两则案例能够说明收益共享的思路，但不足以构成可直接复制的地方财政模型。

这些建设争议最终回到Wood对技术产业的整体判断。她将AI视为连接机器人、储能、区块链和多组学的催化剂，并预期技术价值会向前沿模型实验室及硬件重新分配，具身智能也可能进一步带动设备投资。正因如此，她认为地方阻力需要认真处理，却不足以单独推翻长期技术增长的判断。建设能否推进、收益如何分配，仍是这套判断必须面对的现实条件。

三、核心观点：推理、例子与边界

Wood判断市场风险的一个重要依据，是信用市场是否印证股票市场的恐慌。她将高收益债和银行的信用违约掉期（CDS）图表与过去的危机时期比较，认为近期指标虽有恶化，却尚未出现同等程度的压力。CDS反映投资者为防范违约风险支付的保护成本。在她看来，股价大跌并不必然意味着金融系统正在失灵。不过，这些指标尚未发出严重警报，只能说明她所观察的信用压力仍然有限，不能排除其他风险，也不能保证压力不会继续上升。

数据中心建设放缓，可能对不同企业产生相反影响。Wood认为，大型云厂商受到信用市场关注，原因之一是资本开支增加、自由现金流转弱。如果地方阻力拖慢建设，支出减少反而可能缓解它们的现金流压力。CoreWeave的业务则高度集中于新型云基础设施，同样的建设延误可能直接影响其需求与收入。她给出的比较是：CoreWeave的CDS超过1000，高收益债的参照值接近300。即使大型云厂商的合同提供了一定支撑，市场仍在为其集中经营的风险定价。节目没有完整交代合约期限、单位及比较口径，这组数字因而不足以推算精确的违约概率。她预计利差最终会回落，这仍是对后续走势的判断。

企业AI支出的悬殊差距，是Wood看好采用空间的另一项依据。她援引Ramp数据称，支出最高的1%企业，每月每名员工用于前沿模型的费用接近一万美元；前10%略高于八百美元，其余约十五美元。她据此判断，采用周期仍处于早期，先行者建立的竞争优势将推动其他企业跟进。但支出与收益之间还有两道关口：模型账单能否转化为有效使用，有效使用又能否带来持续利润。她也承认，高支出者中包括科技企业和获得创投支持的公司；如果创投资金完全枯竭，短期损害会很大，尽管她并不预期这种情况发生。高支出既可能反映采用领先，也可能意味着对融资更敏感。

她对效率的判断，同时建立在成本下降和资源短缺之上。Wood称，在性能固定的条件下，AI推理成本每年下降99%，因此赞成将能力要求较低的任务交给更便宜的模型。电力、芯片以及潜在的数据中心短缺，则可能迫使企业在投资周期更早阶段提高效率，减少技术与电信热潮中曾出现的浪费。不过，同等能力的价格下降，并不意味着企业总账单也会同步下降：使用量可能增加，任务也可能变得更复杂。资源短缺能够推动优化，但节目没有量化这些节省能否抵消建设延误、供应受限和需求流失的成本。

从企业投资走向宏观增长，生产率是Wood论证中的关键环节。她引用季度年化生产率增长3.6%、单位劳动成本下降0.7%的数据，解释每小时报酬上升与每单位产出的劳动成本下降可以同时发生。生产率收益也有多种去向：提高工资、扩大利润率、增加研发和投资，或通过降价让利。她预计其中几条渠道会同时发挥作用。这为更快增长与更低价格压力并存提供了解释，但收益如何分配仍取决于企业决策、竞争强度和劳动者的议价能力，不能由生产率数据直接推定。

Wood还称，AI密集行业每个受薪岗位的实际产出较趋势高出11%，并将其视为先行采用者已经取得收益的迹象。这项观察支持继续追踪AI与生产率的关系，却不足以将全部增益归因于AI。节目没有建立Ramp支出分组与行业产出数据之间的逐一对应关系，也没有排除需求、资本投入和行业结构的影响。她同样援引Ramp关于AI使用更密集的企业招聘更快的观察，并结合退休和移民离境带来的劳动力变化，反对AI必然造成大规模失业的判断。但总体招聘增长仍可能与具体岗位被替代并存，产出扩张也可能伴随工作内容的重组。

沿着这条逻辑，Wood暂将2030年前后的实际增长率放在7%左右，2035年前后放在9%左右。她对年份有所保留，也承认这些数字听起来相当激进。这些预测依赖融资、基础设施建设、企业执行和收益分配等多个环节顺利衔接。节目勾勒了从AI采用到宏观增长的因果链，但现有证据尚未证明每一环都能按她预期运转。

四、学习与应用

研究这期节目的市场判断，可以从三个相互关联、但不能混为一谈的问题入手：股价下跌反映了什么预期，银行与高收益债的信用指标是否同步恶化，基础设施企业的现金流又发生了什么变化。Wood对大型云厂商与CoreWeave的区分，尤其适合用于公司分析：建设减少究竟是在释放现金，还是在压缩核心业务？答案取决于收入来源、支出承诺与融资依赖，不能仅凭企业都与AI有关就作出相同判断。节目中的CDS比较提供了一条线索，但在核对合约口径之前，还不足以直接排列各家公司的信用安全程度。

企业评估AI时，可以先确定一项边界清楚的任务和稳定的验收标准，再比较不同模型带来的成本、返工和人工复核需求。这才与Wood所说的固定性能下降本相对应。能力要求较低的任务可以尝试更便宜的模型，复杂任务则仍须满足能力与可靠性要求。评估也要延伸到流程和产出：是否缩短了完成时间，是否提高了有效产出，收益最终体现在哪里。Wood关于生产率、单位劳动成本及收益分配的讨论提示，账单变化本身不能证明效率改善，行业层面的产出增长也不能直接替代企业自身的验证。对于依赖外部融资的团队，还需检验资金收紧后能否维持投入，避免将高支出直接视为已经成立的竞争优势。

公共项目的讨论，则需要把总体收益落实为居民能够理解和核查的具体安排。电费由谁承担，污染和景观问题如何处理，税收优惠持续多久，公共设施是否有对应资金，都比笼统的增长承诺更能回应地方关切。Wood转述的得州方案包含明确百分比，但仍是承诺；弗吉尼亚案例也带有她对细节的记忆保留。这些故事适合帮助提出问题，不能直接用来估算另一个社区将获得多少收益。

观察通胀，需要分别追踪不同价格渠道。Wood称，过去一年汽油价格上涨约30%，天然气价格下降逾35%，并预计较便宜的天然气会逐步传导至电力相关价格。燃油、发电投入与终端账单因此需要分别观察，不能将投入品的跌幅原样套用到居民支出。她认为软件通胀可能低估AI训练与推理成本下降，也提示价格比较应同时考虑性能变化。不过，这仍是她对现有测量的质疑，单凭节目内容不足以重新计算整体通胀率。

Wood对个人AI助手的判断，也给职业和产品规划提出了一个具体问题：当用户只想完成交易时，未来还需要逐个打开应用吗？团队可以据此检查，产品价值究竟来自入口、操作流程，还是任务完成后的可靠结果。这是值得验证的方向，尚不能推导出交易类应用必然消失。她对部分产品名称也表示不确定，因此评估应落在实际能力上，而非依赖节目中提到的名称。

更快增长的预期，也需要与资产价格和家庭现金流分别分析。Wood预计增长增强会推高利率，且短期利率的升幅可能超过长期利率；她同时承认，债券配置较重的投资者可能承受资本损失。看好增长，并不能替代对持有期限和资金需求的判断。住房方面，她描述了疲弱的市场、偏高的开发商库存，以及未充分体现在所展示房价数据中的按揭利率补贴。比较住房负担能力时，因而需要同时考虑净价格、融资条款和持续支付能力。无论用于企业、产品还是资产研究，这期节目的价值都在于提出可检验的关系；增长预测、成本降幅和地方个案，仍需各自核实后才能进入具体决策。

来源

• 原始节目：Cathie Wood: Did The Market Overreact To The Election? | In The Know