美国从红潮到蓝潮，仅仅用了两年时间，究其原因，可以总结为两句话：川普背叛了他的竞选承诺，背叛了MAGA的群众路线，中选本质上是美国人对生活成本、腐败、AI和伊朗战争做了一次全民公投，对川普的背叛做了一次彻底清算，民意通过中选，对接下来的政策走向做了一次重置。

先说AI政策，不仅包括AIDC建设，还包括AI研究和应用端的监管，分析美国，不能套用我们习惯的家国天下的集体主义逻辑，要去分析不同的利益团体诉求，今天的美国AI，可以说是极少数利益群体的自嗨和狂欢，而成本由广大普通民众承担。历史上看，每一次技术进步，首先是个需求端的故事，大多数人从技术进步中获益，而这次由科技极右翼推动的AI，从一开始是个供给端的故事，对占人口大多数的普通民众而言，只有成本和对未来生活的恐惧，所以不难理解，无论是驴党还是象党的选民，大多数都反对建AIDC，选举结果是民意的表达，跟政客是什么党派，政客自己的意愿，都关系不大，不尊重民意，或者对民意阳奉阴违，其结果就是被民意淹没，川普就是前车之鉴。去美国看看就知道，美国的AIDC，绝大部分都建在人口密集社区旁边，电水污染噪音等导致民怨极大，那是不是可以把AIDC建到其他的地区或国家，或者建到美国偏僻的地方去。对第一点，其他选票制的地区或国家，AIDC所面临的环境和利益格局，跟在美国本土没有两样；对第二点，理论上可以，类似我们的乌兰察布，但美国的基础设施很难支持，电、水、管网、光纤网络和土地，在美国做AIDC的绿地开发，想想就头大。

对AI需求端的影响，有三个方面，一是监管政策趋严后对融资的影响，市场看到的是融资趋紧后对AIDC建设的影响，很少有去分析，AI需求端，到底有多少是靠融资支撑的；二是目前相当的AI研究和应用需求，是游走在监管的边缘，监管宽松的时候，事都不是事，但监管趋严后，事就都是事了；第三，由于目前AI是全社会注意力的焦点，有一部分token的消耗，属于时尚消费，有注意力的时候，有需求，注意力消散后，需求就没了，类似于9992股价上涨阶段的labubu销量。这些潜在影响，市场几乎没有定价。

扯远一点，在这波硅谷黄毛鼓吹的AI is everything之前，我们经历过network is everything、software is everything、new energy is everything，回头看，我们承认这些对经济社会的巨大推动作用，但everything还是everything，network\software\new energy is just itself，是经济社会的一个有机组成部分。绝大多数人对AI的认知，来源于硅谷KOL的propaganda，自媒体放大了认知偏差；LLM模型的机理和局限，鲜有人去研究，这才是市场暴涨暴跌的根源所在。从7月份AI硬件见顶以来，硅谷在短短三四个月时间内，在需求端连续讲过行业应用、FDE、AI4S、personal agent和具身智能的故事，回到MUSE和具身，基本可以对终局下个结论，personal agent面临的是任务完成率偏低、任务达成率偏低、成本高、耗时长，且应用场景价值量低等固有基因缺陷，MUSE留存率数据基本验证了这个判断，这个故事也基本讲完。而具身智能，面临同样的问题，成本高、任务完成率偏低和应用场景价值量偏低。具身无论是训练成本还是将来应用时的推理成本，都是不可想象的高，看训练端，具身没有LLM训练时互联网的零成本语料，真实场景数据靠人工采集，仿真数据的起步模型是astra，在VLA框架下，10W小时数据，大致相当于2B的token数据量，目前具身基座模型参数量在10B量级，OPUS4.6是5T量级的，按一个参数最低需要20个token数据量，可以去大致估计下训练数据的成本；再到应用时的推理成本，机器人面临的真实环境复杂度，远不是coding能比的，输入端是视频、声音、触觉等物理数据，这个数据体量，一个机器人一天的token消耗，估计比雇一个人打一个月螺丝工资都要高；再说说成功率，目前的SOTA模型，在简单代码场景下的pass@1在80%左右，就算机器人能到这个水平，也很难进入生产和生活场景，且不说这种场景的价值量还低。但我们也看到，LLM模型在coding场景的产业演进，确实可以在具身上复刻一遍，这条技术路径是通的，some day我们能看到很惊艳的demo，这个时候，市场是交易具身产业的进步，还是因刚经历过大模型的ROI问题而交易终局，我们也不知道。

再说说应用端，市场现在的预期是，后AI时代会复刻科网泡沫破裂后产生类似MSFT、AMZN和GOOGL这样伟大的公司，但我们认为概率不大。虽然我们也认为，AI应用会对经济社会各个方面产生巨大影响，我们也一直在寻找这样的投资机会。我们知道，企业规模的上限取决于边际成本曲线的拐点，互联网时代，应用端面临的是一条边际成本递减的成本曲线，企业的规模在理论上可以无限大，反观AI，虽然单token成本一直在下降，但推理成本是递增的，更高的推理质量，需要更大的模型参数、更多的算力、更多的loop，最终体现为更多的token消耗，换句话说，边际智力成本是递增的，这个行业有点类似于往山上推石头，坡度越来越陡，往上需要更大的力，往下会砸着自己。在边际成本递增的行业里，很难产生超大体量的企业。

回到利率端，以我们对美国政治粗浅的理解，蓝潮以后，美国财政僵局、AI监管和伊朗战争的缓和，是可以预期的，这有利于利率在一段时期内的下行，对利率敏感的可选消费，有一定的促进作用。至于会不会因为AI问题导致期限溢价提高，我们再观察。