第十六篇：Bill Miller的跌落与救赎：这位“时代最伟大的基金经理”如何重新赢回自己｜Bill Miller真正值得学习的不是“连续15年跑赢”，而是他如何把价值投资从“低PE”升级为“低于未来现金流价值”

Bill Miller最容易被记住的是两个极端：一边是连续15年跑赢S&P 500的传奇纪录，另一边是2008年Value Trust暴跌约55%的巨大失败。但如果只记住这两个数字，反而会错过他真正对投资思想留下的贡献——价值投资并不等于买低PE、低PB股票，而是用低于企业长期经济价值的价格买资产。

这看起来今天已经非常普通，但放在1990年代和2000年代初，并不是主流价值投资观念。当时很多传统价值基金经理几乎天然排斥科技公司，因为科技公司账面资产少、PE高，而且未来现金流难以估计。Miller反过来认为，股票属于什么行业并不重要，只要市场价格低于未来自由现金流的折现价值，它就是价值投资。

这可以写成一个最简单的公式：

企业内在价值 = 未来所有自由现金流的折现值。

如果：

市场价格 < 内在价值

那就是价值投资。

因此，“价值”是价格和价值之间的关系，而不是某一个静态估值倍数。

这解释了为什么Miller可以买Amazon、Google、AOL和Dell，同时仍然认为自己是价值投资者。

一家20倍PE的成熟企业，如果未来盈利停滞，可能非常贵；一家50倍PE的公司，如果未来十年自由现金流能够增长十倍，则可能反而很便宜。关键不是倍数本身，而是市场对未来现金流的预期是否正确。

这正是Miller与传统Graham式价值投资最大的区别。

Graham和Dodd更重视资产负债表、清算价值和安全边际，因为他们成长于一个企业资产主要由工厂、库存、铁路和土地构成的时代。到了Miller所处的时代，企业价值越来越来自品牌、网络效应、软件、数据和规模经济，这些东西在账面价值里往往几乎看不到。

因此，仅仅用price-to-book筛选，很容易系统性错过新经济中最优秀的企业。

Amazon就是最典型的案例。

Amazon很长时间看起来都“不便宜”，甚至长期没有传统意义上的高利润。但如果投资者能够看到电商规模效应、AWS、物流网络和巨大的未来自由现金流，那么所谓“高PE”就可能是一个错误观察角度。

Miller对Amazon的一句话尤其值得反复琢磨：

“最好的价值往往不会在当时看起来便宜，因为它们的前景很好。”

这里其实包含一个非常深的投资悖论。

真正优秀的企业人人都能看出来，因此市场价格往往不便宜；真正便宜的股票通常又有某种非常明显的问题。所以投资者真正需要寻找的是：

市场已经看到好公司，却仍然低估了“它究竟能好到什么程度”。

Amazon、Google等超级赢家很多时候属于这种“预期差型价值”，而不是传统的“静态便宜”。

但Miller的2008年失败也恰好证明，这套方法并不是无敌的。

他在Bear Stearns、AIG等金融股暴跌时不断买入，理论逻辑可能仍然是“价格已经远低于正常化价值”。问题在于，金融企业和普通企业存在一个致命区别：资产负债表尾部风险可能让所谓未来现金流直接消失。

一家普通制造企业如果暂时利润下降50%，只要不破产，未来还可能恢复；但高度杠杆的金融机构如果资产价格下降几个百分点、融资市场冻结，就可能直接出现资本不足甚至破产。

因此2008年给Miller留下的最大教训之一，可以理解为：

估值便宜不能弥补生存概率判断错误。

更完整的企业价值模型其实不只是：

价值 = 未来现金流折现。

还应该是：

价值 ≈ 生存概率 × 未来现金流折现值。

如果一家企业存在10%、20%甚至更高的永久资本损失概率，那么即使“正常情况下”看起来非常便宜，也可能是价值陷阱。

Bear Stearns和AIG正好属于这一类。

这也是Miller职业生涯非常有意思的矛盾：他最伟大的成功和最严重的失败，其实都来自同一种性格——愿意逆着市场共识大量下注。

Amazon没人相信时，他敢买，这是独立思考；金融危机中别人恐慌卖出金融股时，他继续买，同样也是独立思考。

问题在于，独立思考本身并不能保证正确。

所以真正优秀的逆向投资，不能只是：

“别人都卖，所以我要买。”

而应该是：

“别人都卖，但我能够证明市场正在错误定价。”

这两者差别非常大。

Miller今天拿1873年的铁路投资狂潮类比AI，同样非常有启发性。

19世纪铁路是当时真正改变世界的基础设施技术，需要巨额资本建设轨道、车站和设备。技术最终确实改变了经济，但资本市场同时发生巨大投机和过度建设，大量铁路公司最终破产。

互联网时代也一样。互联网显然是真正的革命，但绝大多数dot-com股票后来表现很差，只有Amazon、Google等少数赢家创造巨大价值。

所以Miller对AI的判断并不是简单的“AI泡沫”或者“AI不是泡沫”，而是一个更有价值的框架：

革命性技术可以是真的，资本泡沫也可以同时是真的。

这是理解当前AI投资最重要的概念之一。

铁路是真的，铁路泡沫也是真的；互联网是真的，dot-com泡沫也是真的；AI完全可能改变生产率，同时大量AI项目又可能无法赚回资本成本。

这与此前文章反复讨论的AI资本开支问题完全吻合。

Miller关注“AI正在吸收多少资本”，就是因为技术成功与投资回报并不是同一件事。

假设整个社会投入3万亿美元建设AI基础设施，AI最终确实改变世界，但如果这些资产只产生1万亿美元折现后的经济利润，那么社会层面取得了技术进步，投资者却依然可能亏钱。

所以投资者要问的不只是：

AI会不会成功？

而是：

哪些企业能够把AI成功转化为股东自由现金流？

这一点与铁路时代极其相似。铁路创造了巨大社会价值，但建设铁路的很多原始投资者并没有获得相应收益。

Miller的Amazon持仓则是这种思想的另一面。他表示自己从未卖出Amazon，只持续增加，甚至认为自己可能是除Bezos家族之外持股最多的个人之一。

这种长期持有真正优秀企业的行为，实际上已经非常接近后来Warren Buffett越来越强调的“优秀公司合理价格”框架。

Miller与Buffett思想趋同并不奇怪。

Buffett早期受Benjamin Graham影响，更倾向购买非常便宜的“烟蒂股”；后来受到Charlie Munger影响，越来越愿意为拥有持久竞争优势、能够长期复利的公司支付合理价格。

两条路线最后都走向同一点：

最好的投资并不一定是今天最便宜的股票，而是能够把资本以高回报率持续再投资很久的公司。

这也是Amazon长期投资逻辑最强大的地方。

如果一家企业ROIC很高，又拥有巨大再投资空间，那么哪怕起始估值不低，长期复利仍然可能压倒最初PE。

反过来，如果一家企业PE只有8倍，但业务持续萎缩、资本回报低，而且需要不断投入才能维持现状，那么它可能永远都只是“便宜”。

Miller现在持有Adobe、Figma、Nebius以及Apollo、KKR、Ares，也延续了这种思维。

例如他说Adobe“just too cheap”，这里的“便宜”显然不是传统意义上的绝对低PE，而是他认为市场在SaaS恐慌中对未来现金流折价过度。

他买Apollo、KKR和Ares也是一样。这些private-equity公司的软件相关资产受到市场担忧，于是整个股票遭到抛售。Miller判断这种恐慌超过实际损害，因此逆向买入。

这一策略可以总结成：

优秀资产 + 暂时叙事恐慌 + 现金流价值没有同步恶化 = 潜在价值机会。

这与简单抄底最大的区别，是必须确认企业的长期现金流没有被永久破坏。

Bitcoin则揭示了Miller投资哲学中另一个值得注意的部分：他愿意接受“价值并不一定来自现金流”。

他承认Bitcoin可能没有传统意义上的“内在价值”，但用Honus Wagner棒球卡和Picasso做类比。这属于一种稀缺性价值框架。

黄金、艺术品、收藏品和Bitcoin都不会产生现金流，但只要具备：

稀缺性 + 社会共识 + 持续需求

就可能具有货币价值。

Miller尤其强调Bitcoin供应固定。在他的框架里，Bitcoin更像一种数字稀缺资产，而不是企业。

这和股票估值完全不是一套模型。股票可以根据自由现金流估值；Bitcoin更多依赖未来有多少人愿意把它当作储值资产。

所以他同时持有Amazon和Bitcoin，并不矛盾：前者属于现金流复利资产，后者属于稀缺性货币资产。

但Bitcoin也说明Miller并不是传统意义上只追求低风险安全边际的价值投资者。他愿意承担非常大的模型不确定性，只要潜在回报呈现足够强的不对称性。

他最初只是按Wences Casares建议投入净资产的1%，这其实是一种很经典的风险管理方法：

如果Bitcoin归零，损失最多约1%；如果它上涨100倍、200倍，却足以显著改变整个投资组合。

这类交易的重点不在于胜率必须极高，而在于：

有限损失 + 巨大潜在收益。

这和他的Amazon集中持有又有所不同。Amazon后来已经成为高置信度核心资产，而Bitcoin最初更接近“小仓位高凸性”投资。

文章最后再一次回到“悔恨与救赎”，其实很有意味。

Miller自己说，最理想的世界里，他应该55岁退休，因为那样他可能永远以“连续15年跑赢S&P 500的传奇基金经理”身份退出，不会经历2008年的巨大失败。

但如果他真的提前退休，我们今天看到的Bill Miller故事反而会少掉最重要的一部分。

因为2008年之后，他并没有简单消失。他建立新公司、继续投资、长期持有Amazon、早期投资Bitcoin，并在后来重新积累巨额财富。

所以Miller的职业生涯实际上展示了投资世界中一个非常重要的现实：

优秀投资者并不是不会遭遇巨大失败，而是一次巨大失败并不一定否定此前和此后的全部能力。

连续15年跑赢市场不能证明一个人永远正确；2008年亏55%同样不能证明他过去15年的成功只是运气。

真正困难的是区分：

过程正确但结果暂时错误，还是过程本身已经出现结构性缺陷。

Miller的金融危机失败显然暴露了他在金融机构尾部风险和杠杆问题上的判断缺陷，但他的长期投资框架——自由现金流、长期竞争优势、逆向思考、跨行业寻找价值——并没有因此完全失效。

这也是为什么Chris Davis会说，他的投资天赋因为离开Value Trust的时间点而被低估。

如果把Miller今天的投资组合放在一起看，会发现一个非常明显的共同特征：Amazon、Bitcoin、Clear Secure、Nebius、Adobe、Figma、Apollo、KKR、能源股——表面上毫无关系，但底层都符合他的一个核心习惯：

他不喜欢按照传统分类给资产贴标签。

科技股不一定是成长股；能源股不一定是价值股；32倍PE的Figure也可能是价值；没有现金流的Bitcoin也可能值得配置。

Miller真正问的始终是：

市场现在给出的价格，与未来可能出现的价值相比，到底有什么差异？

所以这篇文章最值得投资者记住的，并不是“寻找下一个Bill Miller”，也不是模仿他重仓Amazon或Bitcoin，而是他的三个核心思想：

第一，价值不是低PE，而是价格低于未来经济价值。
第二，伟大技术和巨大泡沫完全可以同时存在，真正赚钱的是少数最终赢家。
第三，逆向投资只有在你比市场更准确地理解价值时才有意义，仅仅与市场相反并不是优势。

而Bill Miller本人最值得记住的一点，则可能来自他的失败而不是成功：一个投资者可以在某一次危机中严重犯错，但只要资本、思维能力和继续学习的意愿仍然存在，职业生涯并不一定就此结束。

从这个角度看，这篇文章的标题“Fall and Redemption”比“Greatest Money Manager”更加准确。Miller真正传奇的地方，也许并不是连续15年跑赢S&P 500，而是经历了2008年几乎毁掉声誉的失败之后，他仍然能够重新成为“另外一个人”。

第十七篇：Brookfield押注日本房地产：人口连续17年下降，为何国际资本反而加速涌入？｜Brookfield买的不是“日本人口增长”，而是Tokyo核心资产的稀缺性、低融资成本和通胀回归

这篇文章最容易让人产生的第一反应是：日本人口连续17年下降，为什么全球房地产巨头Brookfield反而要花约6.3亿美元收购50栋公寓？

答案在于，房地产投资从来不能只看一个国家总人口。Brookfield真正押注的是几个更具体的变量：Tokyo核心区域人口与就业集中、通胀回归、工资上涨、极低融资成本、新增供应受限，以及存量优质资产的稀缺性。

换句话说，日本整体人口下降，与Tokyo核心资产价格上涨完全可以同时发生。

这是理解日本房地产最重要的一点。

一个国家可以出现：

全国人口减少 + 地方城市萎缩 + 核心都市人口继续集中 + 核心地段资产越来越贵。

因此，研究日本房地产不能简单使用“人口下降=房价下跌”这样的全国平均逻辑，而必须看人口究竟流向哪里。

文章已经给出了很明显的空间分化：房地产繁荣主要集中在Tokyo核心区域，只有有限部分向其他城市扩散。这说明Brookfield投资的并不是“日本房地产”这个模糊概念，而是高度精选的大城市住宅资产。

这也是为什么文章最后说投资者开始“更加挑剔”。

未来日本房地产很可能不是全国一起上涨，而是越来越明显的两极分化市场：人口持续流失的区域可能继续承压，而Tokyo等就业、资本和高收入人口聚集地区反而可能进一步稀缺。

Brookfield选择studio和一居室，也进一步说明它并不是押注日本家庭数量全面增长，而是押注一个非常明确的租户群体：年轻、高收入、城市就业、租住频率较高的人群。

这类住宅的优势在于流动性通常比大型家庭住宅更高。年轻租户因为换工作、结婚、迁居等原因周转较快，房东也就拥有更多重新定价租金的机会。

这一点在日本尤其重要，因为文章提到日本存在一种“准租金管制”制度，房东通常不能轻易对现有租户单方面大幅涨租。

因此，如果一套公寓被长期租户占据，即使市场租金上涨，业主也不一定能够迅速兑现。

但如果租户周转较快，房东就可以在新租约签订时更接近市场价格重新定价。

所以Brookfield所谓“younger people and higher turnover”其实不是一个简单的客户画像，而是一个非常具体的资产收益策略：

更高租户周转率 → 更多重新定价机会 → 更容易把通胀转化成租金增长。

这也说明为什么摆脱通缩对日本房地产如此重要。

日本过去几十年最大的问题之一，就是租金、工资和物价长期缺乏上涨动力。在通缩环境里，即使融资成本很低，房地产收入也很难增长，资产价格长期受到压制。

现在如果日本真正进入：

物价上涨 + 工资上涨 + 名义GDP增长

的环境，房地产的投资逻辑会发生根本变化。

因为房地产本质上是一种长期名义资产。只要工资和租金能够持续上涨，而融资成本仍然明显低于租金收益增长，杠杆回报就会改善。

这就是Brookfield所谓“站在摆脱通缩正确一边”的含义。

文章里另一个极其重要的数字是：日本浮动房贷平均利率约0.95%，最长甚至可以做到50年。

这与很多其他发达市场形成巨大差距。

对于机构投资者来说，低融资成本具有非常强的杠杆作用。假设一项房地产资产能够产生3%—4%的净收益率，而融资成本只有1%左右，那么即使资产本身收益率并不高，股权回报仍然可能非常有吸引力。

简单来说：

房地产杠杆回报 ≈ 资产收益率 − 融资成本，再叠加租金增长和资产升值。

当融资成本接近1%时，日本房地产很容易出现正利差。

这也是为什么文章说，对美国债券投资者来说痛苦的低日元、低利率环境，对收购者来说却“像天堂”。

但这里同时埋藏着一个非常重要的风险：日本房地产估值很大程度上建立在融资长期维持便宜的基础之上。

如果未来Japan利率明显上升，而房租又因为租赁法规无法同步快速上调，那么资本化率可能上升，房地产估值就会受到压力。

所以Brookfield实际是在押注一个相对精细的宏观组合：

日本可以有适度通胀，但不能有过快加息。

最好是工资和租金逐渐上涨，而融资成本仍然相对低。

如果出现这种组合，房地产所有者获得的好处最大。

反过来，如果通胀迫使Japan央行快速提高利率，那么今天0.95%左右的低成本融资就可能成为历史，而资产价格也需要重新定价。

这也是为什么房地产和日本债券市场其实在交易同一个宏观转型，只是站在不同的一边。

债券投资者害怕日本摆脱通缩，因为通胀和利率上涨会导致长期债券价格下跌。

房地产投资者却可能欢迎温和通胀，因为租金、工资和资产重置成本都会上涨。

所以可以简单理解为：

通缩时代：债券舒服，房地产痛苦。
温和通胀时代：房地产舒服，长债痛苦。

Brookfield显然是在押注日本从前一种状态向后一种状态转换。

文章还强调了另一个很重要的供给因素：新建筑越来越贵。

劳动力短缺推高人工成本，进口建筑材料价格上涨，而日元偏弱又进一步增加进口成本。

这会造成一个房地产市场非常典型的结果：

新建成本上涨 → 新项目开发减少 → 现有物业供给价值上升。

Brookfield买的是现有公寓，因此它不需要承担从零开始开发项目的全部建设风险，却可以享受新供应减少带来的租金和资产价值支撑。

这其实和此前炼油股文章的逻辑高度相似。

炼油行业是：

新炼厂没人愿意建 + 旧炼厂关闭 → 现有炼厂价值上升。

日本房地产则是：

人工材料越来越贵 + 新建供应受限 → 现有优质物业价值提高。

底层都是同一个投资框架：replacement cost（重置成本）上升会保护存量资产。

办公楼的数据甚至比住宅更值得注意。

Tokyo所有等级办公楼空置率只有1.4%，这是非常低的水平。

如果办公需求继续稳定，而供应有限，那么这种市场通常具有较强租金定价权。

更有意思的是，文章给出的原因不是传统意义上的“企业疯狂扩招”，而是日本劳动力人口减少以后，公司需要通过更好的办公空间吸引和留住员工。

这意味着Tokyo写字楼的需求逻辑可能从：

员工数量增长

转变为：

每名员工的办公环境投入增加。

对于成熟经济体而言，这是一个很有意思的变化。人口减少不一定让高端办公需求下降，因为企业之间争夺稀缺人才，反而可能愿意为更优质地段和空间支付更高成本。

所以人口老龄化和劳动力减少有时并不是房地产单向利空，它也可能强化优质资产集中化。

不过，日本住宅市场的社会和政治风险同样不能忽视。

全国公寓价格从2010年以来已经翻倍，而Tokyo高端住宅价格被形容为“高得离谱”。如果工资虽然上涨，却仍然追不上房价，那么住房负担能力就会越来越成为政治问题。

文章已经出现几个信号：

年轻双收入家庭把贷款杠杆推到极限；外国富裕买家被认为在挤压本地购买者；政府开始要求外国人登记日本房地产所有权。

这些变化意味着外国房地产投资者未来可能面临更严格监管。

现在只是产权登记，并不等同于限制外国人买房，但如果社会压力继续上升，政策可能逐渐转向更严格的税收、信息披露或者投资限制。

对于Brookfield这种大型机构来说，这可能比小型投资者更值得关注，因为政治舆论很容易把大规模外国资本收购物业与住房负担问题联系起来。

这也是为什么Brookfield选择租赁型studio和一居室有一定战略意义。相比直接抢购高端豪宅，把物业用于长期出租更容易论证其为城市住房供给的一部分，而不是纯粹将住宅作为财富储藏品。

还有一个值得注意的变量是日元。

对于美元投资者来说，便宜日元意味着日本资产以美元计价更便宜。

但最终回报也会受到汇率影响。

如果未来日元升值，那么Brookfield不但获得房地产本身收益，还能获得汇兑收益；如果日元继续贬值，则部分本地资产升值可能会被美元计价后的汇率损失抵消。

因此，对国际资本而言，日本房地产实际上包含三个回报来源：

租金现金流 + 房地产升值 + 日元汇率变化。

这也是为什么当前Japan特别吸引海外资本：资产价格相对于全球核心城市仍有某些相对价值，融资便宜，同时日元又处于历史低位附近。

但也正因为如此，如果Japan房地产越来越成为国际资金共识交易，未来回报率就会逐渐被压低。

日本已经成为全球第三大跨境房地产投资目的地，本身就是一个值得警惕的信号：当所有人都发现同一个“便宜市场”之后，它就会越来越不便宜。

全国住宅价格已经翻倍，Tokyo高端房价甚至成为社会问题，也说明最容易赚的钱可能已经过去。

因此Brookfield现在的重点已经不是“日本所有房地产都便宜”，而是寻找具有明确供需优势的细分资产。

这也是文章最后“people are being a little more selective”的真正含义。

如果把Brookfield此次投资逻辑浓缩，可以概括为：

低利率融资 + 温和通胀 + 工资上涨 + Tokyo人口与就业集中 + 新建筑供给受限 + 存量资产重置成本提高 = 核心日本房地产重估。

而它最大的风险则来自另一套组合：

利率快速上涨 + 房租调整受限制 + 房价负担政治化 + 外资监管收紧 + 日元继续走弱。

因此，这不是一个简单的“日本房地产牛市”故事，而是一个典型的资产稀缺与宏观转型交易。

整篇文章最值得记住的一句话是：Brookfield并不是在赌日本人口重新增长，而是在赌一个人口减少的国家里，资本、年轻高收入人口和企业会越来越集中到少数核心城市，而这些城市里的优质存量房地产会因此变得更加稀缺。

第十八篇：债市抛售后，优先股收益率变得更有吸引力｜优先股现在最吸引人的不是“6.5%收益率”，而是高利率已经把很多优质发行人的价格打到面值六七折

这篇文章最核心的逻辑是：过去几年利率上涨伤害了优先股价格，但也正因为这种伤害，现在很多优质优先股重新出现了值得研究的收益率和价格机会。

优先股处在一个非常特殊的位置。它既不是普通股票，也不是标准公司债。

资本结构大致可以理解成：

高级债务 → 次级债 → 优先股 → 普通股。

公司一旦遇到问题，债权人的偿付优先级最高，普通股股东最低，而优先股位于中间。因此它通常比债券风险高，却比普通股安全一些。

这也是为什么银行优先股现在能提供约6.5%的收益率，而30年期Treasury只有约5.25%。多出来的1个百分点左右，并不是免费的，而是在补偿信用风险、永续久期风险以及股息可暂停风险。

优先股真正特别的一点是，它的收益率结构有点像债券，但股息税务待遇又更接近股票。

假设一位高税率投资者面对两个选择：

公司债收益率6.5%，利息税率37%；
合格优先股股息6.5%，税率20%。

粗略税后收益分别是：

公司债：
6.5% × (1−37%) ≈ 4.10%

优先股：
6.5% × (1−20%) ≈ 5.20%

税后差距超过1个百分点。

因此，对于持有在应税账户里的高收入投资者，优先股的税收优势非常实际。这也是为什么文章开头把“tax-advantaged income”放在如此重要的位置。

但如果是在IRA、401(k)等税延账户里，这一优势就明显下降，因为账户本身已经具有税务保护。

所以优先股是否特别有吸引力，很大程度上取决于投资者持有它的账户类型和税率，而不仅仅看表面收益率。

文章里JPMorgan、Bank of America和Wells Fargo的几个例子尤其值得理解。

例如JPMorgan 4.2% Series M面值25美元，但市场价格只剩约16.50美元。

它每年仍然按照25美元面值支付4.2%的票息，即：

25 × 4.2% = 1.05美元年度股息。

但投资者只需要花16.50美元购买，因此当前收益率约为：

1.05 ÷ 16.50 ≈ 6.36%。

这就是为什么固定票息本身没有改变，但市场收益率从4%左右变成6%以上。

原因并不是JPMorgan突然大幅提高股息，而是价格跌了。

这也是所有固定收益资产的基本关系：

利率↑ → 旧固定票息证券价格↓ → 市场收益率↑。

由于很多优先股没有到期日，这种价格敏感性尤其严重。

普通债券即使跌价，最终还有一个到期日。如果发行人不违约，投资者最终可以拿回面值；而一只真正永久不赎回的优先股，则没有强制回归25美元面值的日期。

所以它的duration可能非常长。

这也是为什么文章称优先股与30年期Treasury一样，对长端利率异常敏感。

因此，今天看到JPMorgan优先股从25美元跌到16.50美元，并不能简单理解成“肯定会涨回25美元”。

如果长期利率永久处在5%—6%的新环境，那么一只票息只有4.2%的永续优先股长期交易在折价位置完全合理。

但如果未来长端利率回落，比如10年、30年期Treasury重新下降100—150个基点，那么这些低票息优先股就可能同时获得：

6%以上现金收益 + 价格上涨。

这正是当前优先股投资最大的凸性机会之一。

所以这一类证券真正适合的投资逻辑不是“存款替代品”，而是：

高当前收入 + 对未来利率下降的潜在资本利得。

当然，反方向也成立。如果30年期Treasury从5.25%继续升至6%，很多永续优先股可能进一步跌价。

这意味着投资者不能因为看到6.5%收益率就忽略久期风险。

文章更偏好机构优先股也是有原因的。

固定到浮动重置结构，比如：

前5年固定6.45% → 第5年后按照5年期Treasury + 固定利差重新定价

能够显著降低传统永久固定票息优先股最严重的久期风险。

如果未来利率仍然高，票息会跟着重置提高；如果利率下降，发行人可能选择按面值赎回。

因此这种结构对投资者更加友好。

尤其当证券低于面值交易时，还可能存在一种额外收益来源：

当前高票息 + 被按100%面值赎回产生的资本利得。

不过这里也存在明显的“发行人选择权”。

当赎回对发行人有利时，它会赎回；当赎回对投资者最希望发生时，发行人不一定配合。因此优先股估值不能只看yield-to-call，还必须考虑yield-to-worst。

这和可赎回公司债非常相似。

文章强调银行优先股，也是因为当前美国大型银行资产负债表相对强健。

优先股的第一大风险始终是发行人能不能持续支付股息。如果银行资本充足、盈利良好、坏账可控，那么JPMorgan、BofA、Wells Fargo这些大型银行暂停优先股股息的概率通常不高。

而且公司一般不能在暂停优先股股息的情况下继续向普通股支付股息，因此管理层会非常不愿意碰优先股分红。

这让银行优先股在资本结构中形成一种比较有趣的位置：

没有债券那么安全，但现金收益远高于高级债；又没有普通股那么大的盈利上涨空间，但波动通常低于普通股。

因此它更接近“收入资产”，而不是增长资产。

如果投资者的目标是获得稳定现金流，它可能有价值；如果目标是长期资本复利，普通股通常仍然拥有更高上限。

REIT优先股则明显属于更高风险一档。

Vornado优先股收益率达到约7.5%，高于大型银行，这不是市场白送收益，而是因为商业地产尤其office本身存在更高经营风险。

REIT优先股又无法享受普通合格股息20%的最高优惠税率，只能通过20%收入扣除把37%最高税率有效降到约29.6%。

所以同样是7.5%表面收益率，真正比较时必须看：

税后收益 + 信用风险 + 利率风险。

不能只比较coupon。

Strategy优先股则完全属于另一类资产。

12.5%甚至14%的收益率看起来极高，但原因也非常清楚：公司本身缺乏足够传统经营收入，却每年要支付约15亿美元优先股股息，需要依赖增发股票或出售Bitcoin融资。

因此Strategy优先股的信用风险实际上高度依赖Bitcoin。

它可以简单理解成：

Bitcoin价格↑ → Strategy资产价值和融资能力增强 → 优先股安全性提高。
Bitcoin大跌 → 融资能力下降 → 优先股风险迅速上升。

所以12.5%的收益率并不能与JPMorgan的6.3%直接比较。

前者更接近一种带有Bitcoin信用敞口的高收益资本结构交易，后者更接近大型银行的投资级收入证券。

这也是固定收益投资最重要的原则之一：

收益率不是回报承诺，而是市场给风险贴出的价格。

收益越高，通常越应该先问“为什么这么高”。

Alphabet的强制可转换优先股又属于第三种逻辑。

它支付6.25%股息，但三年后会转换成Alphabet普通股。因此投资者得到的是：

固定收益增强 + Alphabet股价风险。

本质上更像一个带高股息的股票敞口，而不是传统永久优先股。

如果Alphabet股价大涨，投资者能够参与一定上涨；如果股价明显下跌，转换机制则可能让投资者承担普通股损失。

所以文章说它们属于“yield-enhanced common stock”非常准确。

Baby bonds则又不同。它们名字里虽然有“baby”，交易方式也像优先股，但法律性质是债务。

这意味着如果公司出现严重问题，它们的偿付优先级通常高于优先股；同时利息一般按照普通所得税税率缴税，没有合格股息的税收优势。

W.R. Berkley 2061年次级债从25美元面值跌到约14.60美元、收益率达到7.5%，就是一个典型的超长久期债券案例。

它的信用可能很好，但期限太长，所以利率上升会让价格发生巨大变化。

因此把文章里所有产品放在一起，其实可以形成一个很清楚的风险光谱：

JPM/BofA/WFC优先股：高质量银行信用 + 高久期。
机构重置优先股：高质量信用 + 较低久期风险。
REIT优先股：更高收益 + 更高行业信用风险。
Strategy优先股：极高收益 + Bitcoin/融资风险。
Alphabet强制可转优先股：收益增强 + 股票价格风险。
Baby bonds：真正债务 + 超长久期。

表面上它们都可能在交易软件里显示“6%—12%收益率”，但背后的风险完全不同。

如果结合目前30年Treasury约5.25%的环境来看，我认为这篇文章真正提出的是一个很有价值的问题：现在是不是值得开始用一部分资金锁定6%—7%的税收优惠型现金收益？

对于希望获得长期现金流的投资者，答案确实比几年前更有吸引力。

但关键不是追逐最高yield，而应该寻找：

高信用质量 + 折价价格 + 可持续股息 + 合理重置机制。

在这一框架下，大型银行发行的投资级优先股和部分机构固定转浮动优先股，比12%—14%的高风险产品更符合“收入资产”的初衷。

而如果投资者本身认为美国长期利率已经接近周期高位，那么低于面值很多的固定票息银行优先股还拥有另一层机会：一旦未来利率下降，不仅能够持续拿6%左右股息，价格也可能显著回升。

因此可以把今天的优先股投资逻辑总结为：

2022—2026年的高利率，是旧优先股持有者的痛苦，却可能成为新买家的机会。

不过前提非常明确：投资者必须接受价格仍然可能随着长端利率继续大幅波动，而且很多优先股没有到期日保证你拿回25美元面值。

整篇文章最值得记住的一句话是：优先股现在真正诱人的地方，不是它比Treasury多了1个百分点收益，而是在优质发行人的信用依然强劲时，高利率已经把不少永续证券打到面值的大幅折价，让投资者同时获得较高现金收益和未来利率下降时的价格修复可能。

第十九篇：Nvidia持仓太多怎么办？别让资本利得税阻止你降低集中风险｜真正危险的不是Nvidia赚太多，而是为了“不想交税”，把已经失衡的投资组合继续留在原地

这篇文章表面在讲资本利得税，真正讨论的其实是一个非常典型的牛市后期问题：一只赢家股票涨得太多之后，税务成本会让投资者越来越不愿意减仓，而这种“不愿卖”反过来可能把税务问题变成投资组合风险问题。

Nvidia过去三年上涨408%，S&P 500同期上涨77%。这意味着即使投资者三年前只给Nvidia一个并不夸张的仓位，今天也可能已经严重超标。

举一个简化例子。假设三年前投资组合是100万美元，其中：

Nvidia 10万美元，其他资产90万美元。

如果Nvidia上涨408%，意味着约变成50.8万美元；假设其他资产只按照S&P 500同期77%增长，则90万美元变成约159.3万美元。

整个组合约210万美元，而Nvidia单一股票已经占到：

50.8 ÷ 210 ≈ 24%。

也就是说，一个最初只有10%的仓位，仅仅因为上涨，就可能自动膨胀成整个投资组合接近四分之一。

如果原始仓位本来就是20%，集中程度会更惊人。

因此，“我没有主动增加Nvidia仓位”并不等于风险没有增加。牛市本身会自动把赢家变成集中仓位。

文章里Cindy Wilson提出的“现金测试”非常实用：

如果你今天手里不是50万美元Apple或Nvidia，而是50万美元现金，你还会不会一次性全部买进这只股票？

如果答案是否定的，那么继续持有全部仓位，本质上就和今天主动拿50万美元重新买入没有太大区别。

这是投资中一个很重要但经常被忽略的原则：

不卖，本身也是一个投资决定。

投资者经常把“持有”理解成什么都没做，但经济意义上，每一天你继续持有一项资产，都等于重新选择把这部分资本继续配置在那里。

所以判断是否应该卖Nvidia，不应该先问：

“我卖掉要交多少税？”

而应该先问：

“如果我今天持有同样数量的现金，我还愿不愿意用这个价格买这么多Nvidia？”

税收应该影响“怎么卖”和“什么时候卖”，而不应该完全决定“该不该卖”。

dot-com时代那个案例就是整篇文章最值得记住的警告。投资者因为不愿意支付资本利得税，一直持有已经大幅上涨的股票，最后股票崩掉，大部分财富也随之消失。

顾问的那句话非常尖锐：

“税务问题消失了，因为股票也消失了。”

假设一只股票成本10万美元，后来涨到100万美元。

如果卖出后对90万美元资本利得支付20%税，大约缴18万美元税，仍然留下约82万美元。

但如果为了避免18万美元税而继续持有，最后股价跌回30万美元，那么投资者“成功避免了税”，却损失了70万美元财富。

所以投资决策真正应该比较的是：

缴税后的确定性财富损失

与

继续集中持仓可能产生的资本损失风险。

很多投资者心理上会把交税看成“真实损失”，却把股票潜在回撤看成“还没发生，所以不算损失”。这是典型的心理账户偏差。

事实上，如果仓位高度集中，潜在下跌风险可能远大于资本利得税。

文章对退休人士特别强调这一点也有充分理由。年轻投资者还有工资收入，而且未来几十年能够等待市场恢复；退休者则需要持续提款。

如果退休后的生活费用需要从投资账户中提取，而投资组合又集中在Nvidia、Apple、Microsoft等科技股，那么一次大型科技熊市会同时带来两个问题：

资产价值下跌 + 被迫在低位卖股票支付生活费用。

这就是sequence-of-returns risk，也就是收益顺序风险。

因此，退休阶段的集中持仓问题不能只看“这家公司好不好”，还必须考虑什么时候需要用钱。

即使投资者长期仍然非常看好Nvidia，也可能有理由把仓位从30%降到15%，并不是因为看空Nvidia，而是因为个人资产负债表已经无法承受单一公司带来的尾部风险。

文章另一个重要提醒是，投资者可能低估了自己实际拥有多少科技股。

今天科技股约占S&P 500的38%。如果一个人70%的退休资产放在S&P 500指数基金，本身就已经有：

70% × 38% ≈ 26.6%

的组合资产暴露于科技板块。

如果另外再直接持有大量Nvidia、Apple或者其他科技股，真实科技敞口很容易超过40%、50%。

这就是所谓的look-through exposure（穿透后真实敞口）。

投资者不能简单说：“我70%买指数，只有10%买Nvidia，所以很分散。”因为指数内部已经大量持有Nvidia及其他Megacap Tech。

真正应该计算的是：

基金内部持仓 + 直接个股持仓 = 总体真实暴露。

这也是过去几年大型科技股高度集中之后，退休投资组合特别值得检查的地方。

在确认“应该减仓”以后，资本利得税才进入第二阶段：怎样以更低的税务成本完成再平衡。

文章实际上提供了五种不同路径。

第一种是分年度卖出。

例如需要卖出40万美元Nvidia，可以今年卖20万美元，2027年再卖20万美元。这样做的核心不是减少总资本利得，而是避免某一年收入突然大幅上升，把部分收益推入更高税率或者触发其他附加成本。

这里尤其需要关注长期资本利得税的分档结构。文章给出的2026年标准是0%、15%和20%，再叠加高收入人士可能面对的3.8%净投资所得税。

所以不同的资本利得“落在哪个收入区间”，会直接影响边际税率。

第二种是利用低收入年份进行gain harvesting，也就是资本利得收割。

这是退休规划中特别有价值的一段时间。

例如一个人60岁提前退休，工资收入已经停止，但Social Security还没领取，同时还没有开始强制从退休账户大额提款，那么某几年税表上的普通收入可能非常低。

这时主动出售升值股票，部分长期资本利得甚至有机会落入0%税率区间。

所以退休并不意味着应该尽量不卖股票，恰恰相反，退休初期的低收入窗口可能是主动重新配置应税资产最好的时期之一。

第三种是tax-loss harvesting，用亏损抵消盈利。

如果Nvidia产生20万美元资本利得，但投资组合中还有5万美元已经实现或者可以实现的资本亏损，那么净应税资本利得可以降低。

当前牛市让股票亏损机会减少，但文章指出今年Bitcoin和其他token大跌，一些投资者可能正好拥有加密资产亏损。

其核心思想是不要单独看某一只股票，而应该从整个税务账户层面管理：

Capital gains − Capital losses = Net taxable gains。

第四种是捐赠升值股票，而不是先卖出再捐现金。

这一点对于本身就准备做慈善的人非常重要。

假设投资者持有成本10万美元、现在价值50万美元的股票。

如果先卖股票，再拿50万美元现金捐赠，可能先需要对40万美元资本利得缴税；但如果直接把股票捐给符合条件的慈善机构，通常可以避免这部分资本利得税，同时可能按照当前公允价值享受慈善扣除。

所以最佳操作常常不是：

卖股票 → 缴税 → 捐现金

而是：

直接捐升值股票。

Donor-Advised Fund进一步解决了一个实际问题：今年想获得税务扣除，但还没决定未来几年具体捐给哪些机构怎么办？

可以今年把资产捐入DAF，实现税务处理，然后未来几年再逐步向真正的慈善机构分配。

这相当于把：

税务决策时间

和

慈善资金分配时间

分离开。

第五种是留给继承人，利用step-up in basis。

这可能是文章里经济效果最强，但同时最容易被误用的策略。

如果一项资产原始成本10万美元，到去世时价值100万美元，在现行规则下，继承人的成本基础通常会重置到去世时的市场价值附近。

假设继承人之后以105万美元卖掉，潜在应税资本利得可能只有约5万美元，而不是原持有人一生累积的90万美元。

从纯税务角度看，这极其强大。

但它只适合一个前提：

投资者本身不需要这些资产承担生活支出，而且继续持有不会制造过大的集中风险。

不能因为step-up很有价值，就让一个80岁的退休者把80%净资产继续压在一只股票上。

税务最优和投资组合最优并不总是同一个答案。

文章还提醒了一个容易忽略的问题：资本利得不仅影响资本利得税本身，还会通过AGI影响其他成本。

例如Medicare Part B和Part D保费附加费。一次特别大的股票出售可能让某一年AGI突然上升，从而导致之后对应年度的Medicare保费增加。

这类问题的特点是它不像资本利得税一样直接出现在股票交易确认单上，所以投资者往往事后才意识到。

同样，出售长期自住房也可能与股票资本利得叠加。如果同一年刚好卖房，又大量出售Nvidia，那么总收入可能出现非常大的跳升。

因此真正成熟的做法不是只问：

“卖多少股票？”

而是做一个multi-year tax map（多年税务地图），把未来几年可能发生的事件同时放进去：

退休时间、Social Security开始领取时间、房产出售、退休账户提款、慈善捐赠、资本利得实现，以及可能的Medicare附加费。

这样才能决定每一年最适合实现多少资本利得。

不过，文章最重要的投资原则始终比具体税务技巧更简单：

不要为了省20%的税，承担可能损失50%的集中风险。

特别是在Nvidia这类已经创造巨大财富的股票上，投资者很容易陷入一种心理：既然过去持有是正确的，那么未来继续持有全部仓位也一定正确。

这是错误的。

最初买入10万美元Nvidia和今天持有100万美元Nvidia，是两个完全不同的投资决策，因为它们对个人总财富的影响完全不同。

所以真正应该管理的是position size，而不仅仅是股票质量。

一家企业完全可能仍然非常优秀，但仓位已经太大。

这也是为什么“Own Too Much Nvidia?”这个问题的正确答案并不是取决于Nvidia下一季度EPS，而更多取决于：

Nvidia占你净资产多少、你距离用钱还有多久、如果股票跌50%你的生活计划会不会改变。

如果跌50%仍然完全不影响退休计划，那集中程度可能还能接受；如果会迫使你推迟退休、减少支出或者出售其他资产，那就说明持仓已经超出了财务承受能力。

整篇文章可以浓缩成一个非常实用的决策顺序：

第一步，先决定应该持有多少。
第二步，再决定如何用最低税务成本减到这个水平。
不要把这两个顺序倒过来。

资本利得税应该是一个执行约束，而不是投资论点。

而Cindy Wilson那个50万美元现金测试，可能是整篇文章最有用的方法：如果今天给你等量现金，你不会重新买这么多Nvidia，那么你就不应该因为“卖了要交税”而假装现在的持仓比例依然合理。

第二十篇：AI开始争抢“企业真实数据”：软件代码、内部邮件和运营记录正在成为新资产｜AI的下一场资源争夺，可能从“GPU和电力”转向“真实企业工作数据”

这篇文章非常值得和前面关于AI资本开支、数据中心、GPU以及AI买方ROI的几篇文章放在一起看。过去几年，AI投资主要围绕三种稀缺资源展开：算力、电力和资本。现在正在出现第四种越来越重要的稀缺资源——高质量、合法、真实且具有商业语境的数据。

互联网公开文本已经训练了第一代大型语言模型，但如果未来AI真正要进入企业内部，完成财务分析、客服、合同审查、航班调度、供应链管理、销售跟进这些复杂工作，那么仅仅读Wikipedia、新闻和公开网页显然不够。

模型真正需要学习的是：

现实世界里的公司到底怎么工作。

这也是Spirit Airlines破产数据为什么能够卖到1000万美元。

单从绝对金额看，1000万美元对于Google几乎微不足道，但这批数据的特殊价值在于，它可能包含几十年公开互联网无法提供的企业内部关系：软件如何运行、员工如何沟通、财务系统如何记录、运营问题如何处理，以及航空公司面对真实业务场景时如何做决策。

这些信息的价值与普通网页完全不同。

可以把AI数据大致分成三个阶段：

第一阶段：公开互联网数据。
新闻、网页、论坛、Wikipedia、代码仓库等，用来建立基础语言与知识能力。

第二阶段：专业内容数据。
例如Reddit讨论、出版商文章、学术文献、专业数据库，提高领域知识和信息质量。

第三阶段：企业流程数据。
内部邮件、合同、软件代码、客服记录、订单、财务流程和运营数据，让AI真正学习“工作是怎么做的”。

第三类数据很可能是未来最稀缺、商业价值也最高的一类。

原因在于，公开网页可以被很多AI公司同时获得，但一家航空公司的内部运营历史、一个大型企业几十年的合同、某个平台积累的真实用户行为，则往往是专有资产。

因此，数据竞争正在从“谁抓得更多”逐渐走向：

谁拥有合法独占或半独占的数据访问权。

这和AI基础设施发展路径非常相似。早期大家认为GPU本身就是护城河，后来发现电力、数据中心土地、网络和冷却都是瓶颈；现在又开始发现，即使拥有大量GPU，如果没有新的高质量训练材料，模型提升也可能越来越困难。

Spirit这笔交易尤其值得注意，因为它发生在破产拍卖中。

对传统投资者而言，一家破产航空公司的价值通常包括飞机、机场时刻、品牌、航线、设备以及其他有形或许可证资产。

现在却多出一个全新的破产资产类别：

公司几十年积累的数据。

这意味着未来分析企业清算价值时，“数据资产”可能越来越不能简单按零处理。

尤其是拥有大量真实业务记录但传统经营状况不佳的企业，其数据甚至可能对AI公司比对原企业更有价值。

这会产生一种非常有意思的投资机会：一些低估值、成熟甚至衰退行业的公司，可能坐拥AI时代十分稀缺的数据，但市场此前几乎没有为这部分资产定价。

例如保险公司拥有几十年的理赔数据；银行拥有信贷行为数据；物流企业拥有运输和供应链数据；医院拥有临床流程数据；工业企业拥有设备故障与维修记录；软件企业拥有大量代码、工单和客户交互数据。

这些数据如果能够在符合法律和隐私规则的前提下被授权，可能形成新的高毛利收入来源。

Reddit已经证明这不是纯粹理论。

OpenAI和Google各自每年大约向Reddit支付6000万美元，意味着数据许可已经能够成为一项真正具有规模的收入业务。而且Reddit当前还在重新谈判Google协议，如果数据价值上升，新合同可能进一步扩大。

这里最大的特点是数据许可收入的边际成本极低。

Reddit本来就拥有这些帖子和讨论，John Wiley本来就拥有出版内容。授权给AI公司，并不需要像传统业务那样额外建设工厂或者大量增加员工。

因此一旦数据授权合法成立，其增量利润率可能非常高。

可以把它粗略理解为：

已有数据资产 + 新AI需求 → 高毛利增量收入。

这也是为什么内容出版商可能成为AI时代一个容易被低估的二阶受益者。

过去市场担心AI会降低内容价值，因为模型可以直接回答问题；现在另一面越来越明显：恰恰因为模型需要高质量内容训练，拥有版权内容的企业可能获得新的授权收入。

John Wiley自2024年以来已经获得超过1.1亿美元AI授权收入，就属于这种价值重估。

不过这里需要特别注意原文的更正。文章正文最初列出了Microsoft、Anthropic和AWS等合作对象，但最后明确修正称，公司并没有公开披露AI开发商客户名称。因此投资者分析Wiley时，应该确认的是AI许可收入已经存在且金额超过1.1亿美元，而不能把正文里那些具体公司名称当成已确认客户。这也是处理财经新闻时一个很重要的原则：最终更正优先于正文早期错误表述。

整个数据交易趋势最大的推动力之一，是AI公司当前资本规模实在太大。

文章称五大cloud provider今年合计资本开支约8000亿美元。无论最终所有这些投入能否获得足够ROI，对于最前沿AI实验室来说，几百万美元的数据购买成本几乎只是项目预算中的小数点。

但对于一家中型公司来说，500万、1000万甚至5000万美元授权收入却可以非常重要。

于是出现了明显的议价不对称：

AI实验室觉得“很便宜”，数据所有者觉得“很多钱”。

这种环境通常非常适合形成新的市场。

Cloudflare收购Human Native，micro1在11天内承诺超过2000万美元采购运营数据，都说明“数据中介”可能成为AI价值链中的新角色。

未来甚至可能形成一个类似商品市场的体系：

企业拥有数据 → 数据平台清洗、匿名化、标注 → AI实验室购买 → 模型训练和评估。

因此除了直接持有数据的公司之外，数据交易平台、数据治理、安全、隐私处理和合规软件也可能获得机会。

但这篇文章真正重要的地方，是它没有把“出售数据”简单描述成免费赚钱，而是提出了两个非常严重的反向风险。

第一个是隐私与信任风险。

Opera的判断非常典型。如果一个浏览器品牌的核心承诺之一是用户隐私，那么出售用户行为数据即使短期赚到钱，也可能破坏核心品牌资产。

假设出售数据一年能带来5000万美元收入，但用户因此流失、市场份额下降，企业价值可能损失远远超过5000万美元。

所以数据价值不能只用：

AI愿意付多少钱

衡量。

还必须减去：

用户信任损失 + 法律风险 + 监管风险 + 品牌伤害。

尤其是医疗、金融、浏览器、社交和通讯企业，隐私风险会远高于普通出版商。

第二个风险更加深刻：你卖给AI的数据，会不会帮助AI把你自己的公司干掉？

Hostelworld把自己的数据称为“皇冠上的明珠”，非常准确。

它知道谁预订什么旅舍、去什么城市、参加什么活动、和什么人互动。如果把这些数据完整提供给某个大型AI平台，那么对方是否可能最终建立一个更聪明的旅行助手？

比如用户不再打开Hostelworld搜索住宿，而是直接问AI：

“我下个月去Barcelona，一个人旅行，想住能认识同龄人的旅舍。”

AI利用Hostelworld多年积累的数据，直接推荐并完成预订。

此时Hostelworld虽然赚到了数据授权费，却可能失去自己的用户入口。

这就形成了一个极其重要的AI商业战略问题：

你究竟是在卖数据，还是在卖掉自己的护城河？

可以把企业数据分成两类。

第一类是可变现但非核心的数据。卖出去不会削弱自己的竞争优势，例如历史内容、低敏感度运营记录或者已经过时的数据。

第二类是核心竞争数据。用户关系、实时行为、定价算法、交易网络、推荐系统等，一旦让别人充分学习，很可能帮助竞争对手复制你的产品。

第二类数据即使AI公司开价很高，也未必值得出售。

这也是为什么“数据是新石油”这个比喻并不完全准确。石油卖出去后，卖方只是少了一桶库存；企业数据卖出去以后，买方可能利用它制造一个直接与你竞争的智能系统。

因此，企业真正需要比较的不是一次性许可收入，而是：

数据授权现值 vs 数据独占带来的长期竞争价值。

如果前者是5000万美元，后者可能是数十亿美元，那就不能卖。

这也是为什么Reddit的情况特别有意思。Reddit数据对LLM很有价值，因为它包含大量真实人类讨论，但Google或者OpenAI使用这些讨论训练模型，也可能减少用户直接进入Reddit寻找答案的需求。

所以Reddit本质上正在进行一种复杂交换：

今天获得高毛利AI许可收入，但承担未来搜索和流量被AI中介化的风险。

真正理想的情况是，Reddit在出售数据的同时，保持内容实时性、社区参与和用户生成内容的持续生产，让AI只能购买历史和授权访问，却无法完全替代社区本身。

换句话说，静态数据可以卖，持续生成数据的网络最好不能被复制。

这也是投资者判断“AI数据受益股”时最值得使用的框架。

一家公司拥有数据，并不自动意味着它是AI赢家。应该问四个问题：

第一，这些数据是否独特？如果网络上随处可见，议价能力很低。

第二，数据是否合法、能够长期授权？如果涉及版权、隐私或监管问题，收入质量较低。

第三，生成数据的边际成本是多少？已有数据库授权通常利润率高，而为了AI专门生产数据则可能成本很高。

第四，出售数据会不会削弱原业务？这是最容易被忽视、却可能最重要的问题。

按照这个框架，Reddit和John Wiley具有相对明显的优势，因为它们拥有大量难以替代的人类讨论或专业内容；而像Hostelworld这样的交易平台则需要更加谨慎，因为用户行为数据本身可能就是未来AI旅行代理最需要的竞争资源。

Spirit案例则代表另一种类型：企业已经破产，因此“被AI颠覆自己的业务”几乎不再是核心顾虑。这时候把历史数据卖掉，就是非常典型的资产价值最大化。

这甚至可能改变未来破产重组过程。债权人和法院以后可能越来越关注：

这家公司的数据能卖多少钱？代码能卖多少钱？内部流程档案能不能单独变现？

于是数据会从一种账面上很难体现的无形资产，逐渐变成真正可以在拍卖中明确标价的资产。

从整个AI产业链来看，这篇文章也揭示了一个新的利润转移路径。

过去大量AI资本流向：

Nvidia → 数据中心 → 电力 → 网络设备。

未来越来越多资金可能再向上游流向：

版权方 → 数据平台 → 企业数据拥有者 → 数据清洗和治理公司。

这意味着AI投资主题正在继续扩散。第一波是卖算力的人，第二波可能是拥有稀缺数据的人。

但与GPU不同，数据资产的质量差异极其大，所以不能简单买所有“有数据”的公司。

真正稀缺的数据应该同时具有：

独特性、真实性、规模、合法使用权、持续更新能力，以及不会轻易被公开网络复制。

如果一家企业同时满足这些条件，它的数据就可能成为新的“AI收费站”。

整篇文章可以浓缩成一句话：当互联网公开数据越来越难抓、模型又需要学习真实企业如何工作的细节时，几十年积累下来的代码、合同、邮件和运营记录正在从“企业内部档案”变成AI时代的新型资产。

但对企业来说，更困难的问题不是“AI愿意为我的数据付多少钱”，而是：如果我把这些皇冠上的明珠卖给AI，它最终会不会拿这些数据造出一个比我更好的生意。

第二十一篇：生物科技基金如何穿越周期：老将Evan McCulloch的攻守之道｜生物科技投资不是“猜哪款药会成功”，而是把成功概率、赔率和仓位大小同时算清楚

这篇文章真正有价值的地方，并不是推荐Parabilis或者Oruka，而是完整展示了一套非常成熟的生物科技投资框架：周期判断决定总仓位风格，临床概率决定个股估值，而仓位大小决定即使判断错误也不会伤筋动骨。

Evan McCulloch从1997年开始管理同一只生物科技基金，经历至少三轮完整行业周期。这种经历的重要性在于，生物科技不是一个稳定线性增长行业，而是典型的“资本周期+临床周期+政策周期”叠加市场。

他总结的周期规律非常简洁：

低估值 + M&A启动 → 牛市开始；
估值升高 + 政策/立法威胁 → 牛市结束。

当前他判断处于“第五或第六局”，意思不是行情已经结束，而是最便宜、最容易赚钱的早期阶段已经过去。估值从极端低位回到历史中枢，同时并购仍在继续，因此市场仍然偏多，但已经不再是闭眼买都便宜的阶段。

基金目前约50%配置于市值低于20亿美元的小型生物科技公司，而历史配置区间是33%—55%。这个数字本身就是一个非常好的“基金经理风险温度计”：接近55%意味着明显进攻，接近33%意味着主动防守。

这比单纯听基金经理说“我们比较乐观”更加有价值，因为真实持仓比语言更能说明观点。

Franklin Biotechnology Discovery过去一年上涨72%，略逊于SPDR S&P Biotech ETF的77%，但过去五年年化13%，明显高于ETF的5.3%。这说明McCulloch的优势并不主要体现在牛市里冲得最快，而是下跌周期里少亏一些。

这个差别长期极其重要。

假设两个基金，一个上涨周期赚100%，下跌周期跌60%；另一个上涨只赚80%，但下跌只跌30%。

第一个组合从100涨到200，再跌60%，只剩80；第二个从100涨到180，再跌30%，还剩126。

因此长期复利真正重要的不是每一轮牛市都赢，而是避免重大永久损失。生物科技尤其如此，因为单个临床失败经常可以让股票一天跌50%甚至80%。

这也是为什么McCulloch对早期公司平均只配置0.66%。

这个数字看起来很小，却体现了专业投资中非常核心的原则：

高潜在回报，并不等于应该给大仓位。

Parabilis最初只有0.30%，Oruka最初0.5%。如果药物失败，基金受到的伤害非常有限；如果成功，股价可能涨几倍甚至十倍，最终仓位自然会成长起来。

Oruka就是完美例子。

初始仓位0.5%，随后股票上涨633%，现在权重达到2.5%。这意味着基金不是一开始就“豪赌”，而是让市场和临床数据逐步证明自己。

这可以概括成一种很优秀的策略：

先买一个“有资格继续研究”的仓位，而不是一开始就买一个“必须判断正确”的仓位。

这种方法特别适合具有巨大不确定性的行业。

文章中McCulloch说，一只生物科技股票是“药物未来现金流的概率加权总和”。这是理解整个行业最重要的一句话。

普通公司可以粗略估值为：

价值 = 未来自由现金流折现值。

临床阶段生物科技则应该进一步写成：

价值 = Σ（药物成功概率 × 成功后的未来现金流现值）− 研发成本 − 现金消耗。

例如一款药如果成功后价值100亿美元，但成功概率只有20%，理论概率加权价值并不是100亿美元，而是大约20亿美元，再扣除未来研发和商业化成本。

随着临床节点通过，概率不断提高，理论价值也会出现跳升。

McCulloch给出的简化框架非常直观：

Phase 2成功：成功概率33% → 66%；
Phase 3成功：成功概率进一步 → 90%。

这解释了为什么生物科技股在临床数据公布当天经常出现几十个百分点的大涨或大跌。不是投资者情绪突然发疯，而是DCF模型中的核心变量——成功概率——一夜之间改变了。

例如假设一款药成功后的净现值为30亿美元：

33%成功概率对应概率加权价值约：

30亿 × 33% ≈ 9.9亿美元。

如果Phase 2成功后概率升到66%，其他条件不变：

30亿 × 66% ≈ 19.8亿美元。

理论价值几乎直接翻倍。

因此生物科技估值最大的变量往往不是PE，而是PoS（Probability of Success）。

这也说明为什么传统财务报表分析在临床前或早期生物科技中作用有限。公司可能几乎没有收入，利润全是负数，但真正有价值的是药物机制、临床数据、安全性、竞争格局、适应症市场以及监管路径。

McCulloch亲自查看Parabilis患者的结肠镜照片，就是主动管理在专业行业中可能具有优势的典型案例。

指数不会看照片。

传统量化筛选也无法知道一个治疗前“几乎从未见过那么严重”的结肠，治疗后是否变得接近健康20岁患者的状态。

这类行业真正的研究对象往往不是Excel里的Revenue和EPS，而是：

生物机制、临床终点、患者反应、对照组、剂量、安全性和竞争药物。

这也是为什么生物科技可能是少数主动管理相对指数更有理由存在的板块之一。

但专业研究也不能消除生物学的不确定性。McCulloch明确提醒：进入临床试验的药物最终只有约15分之1能够获批。

也就是说，即使机制听起来再漂亮，大多数药最后都会失败。

这说明在生物科技领域，“看懂科学”只是第一层能力；第二层更重要的能力是控制判断错误的成本。

这也是他为什么把单只早期公司控制在0.3%—0.7%左右。

可以把这种方法理解成“风险预算”：

如果15家公司每家初始0.5%，总风险资本约7.5%。假设其中多数失败，但一两家上涨5倍、10倍，就有机会覆盖其他失败并创造超额回报。

这其实是一种类似venture capital的公开市场组合方法。

但与VC不同的是，上市生物科技拥有每天可以交易的流动性，而且随着临床节点推进，可以动态增加或者减少仓位。

Parabilis的投资逻辑也体现了一种值得关注的“高难度靶点”投资方法。

Zolucatetide针对beta-catenin与T-cell factor之间的相互作用。文章强调，这条癌症驱动机制过去长期被认为难以成药。如果一家公司真的攻克一个此前“undruggable”的机制，它的商业价值可能非常高，因为竞争者通常较少。

但与此同时，“以前没人能做出来”本身也是风险提示。越难成药的靶点，失败概率通常也越高。

因此这类机会天然适合：

大潜在市场 + 小初始仓位。

Parabilis目标市场约40亿美元，而初始仓位仅0.30%，正是赔率和风险控制的配合。

Oruka则代表另一种更容易建立置信度的方法：基于已验证药物进行改良创新。

ORKA-001并不是从零证明一种完全新机制，而是类似AbbVie已经成功商业化的Skyrizi，只是通过修改使半衰期明显延长，从而降低给药频率。

这种药物的风险结构通常比完全新机制更友好：

已知机制有效 → 生物学风险较低；
改进半衰期 → 有明确产品差异化；
降低给药频率 → 患者便利性提高；
如果疗效还更好 → 商业竞争力进一步增强。

所以McCulloch即使在“没有临床数据、只有Phase 1”的时候，也愿意配置0.5%。

本质上，他不是在赌“一个未知药物会不会有效”，而是在赌：

一个已经被Skyrizi证明有效的机制，经过药代动力学改进后，能不能成为更好的版本。

这属于较高可解释性的临床风险。

而4月份Phase 2数据显示更好的skin clearance之后，投资逻辑得到验证，股价一年上涨633%，市值从5亿美元扩大到75亿美元。

这个案例也揭示生物科技投资另一个关键现象：真正巨大的回报经常发生在市场完全确认药物成功之前。

等Phase 3全部完成、FDA批准、商业化收入已经出现时，风险确实低很多，但股价也往往已经上涨很多。

因此投资者必须在“信息不完整”和“赔率最有吸引力”之间做选择。

这和所有成长股投资一样，只是在生物科技里更加极端。

基金中的Amgen、Gilead、Regeneron、Vertex和Jazz则承担完全不同的作用。

这些公司拥有多款商业化药物和大型研发管线，因此单一临床试验失败不会摧毁整个企业。它们更像基金的“压舱石”。

McCulloch明确说，这些公司：

在下跌阶段稳定组合，但不是上涨阶段创造超额收益的主要来源。

所以他的基金实际上采用一种非常清晰的“杠铃结构”：

大型成熟Biotech = 防守；
小型临床Biotech = 进攻。

中间再通过单股仓位限制避免某家公司失败伤害整个组合。

这比单纯“买一堆小盘生物科技”成熟得多。

文章还展示了行业指数的一个潜在问题。Healthcare Select Sector SPDR ETF对Eli Lilly配置15%、Johnson & Johnson配置10%。这种市值加权指数天然会集中到最大赢家。

而McCulloch最大的持仓通常不超过5%左右，即使Jazz因为上涨已经达到5.7%，整体102只股票仍然非常分散。

这意味着主动基金牺牲了一部分超级大盘股上涨带来的收益，却降低了单一公司风险，同时保留大量小公司提供的凸性。

在当前生物科技牛市“第五到第六局”这个位置，这种结构尤其值得注意。

如果当前牛市继续，M&A仍然活跃，小盘股可能继续贡献高回报；如果未来出现药价监管、医疗立法或者其他政策威胁，McCulloch可以降低小盘比例，从50%向33%靠近，把组合切回大盘防守。

因此真正值得跟踪的并不仅仅是他买了哪些股票，而是：

小盘股配置比例是否开始下降。

如果未来从50%明显降至40%、35%，可能比一次采访里说“我们开始谨慎”更有信息含量。

整篇文章给普通投资者最大的启示，是生物科技不能简单用“这款药听起来很厉害”作为投资理由。至少要同时考虑四个变量：

潜在市场 × 药物成功概率 × 成功后的竞争力 × 仓位大小。

一个100亿美元市场、成功概率10%的药，不一定比20亿美元市场、成功概率70%的药更有价值。

同样，即使一家公司拥有10倍潜在上涨空间，如果失败概率很高，也不意味着应该投入10%的组合。

所以生物科技投资最重要的公式其实不是某个估值倍数，而是：

期望价值 = 成功概率 × 成功收益 − 失败概率 × 失败损失。

然后再根据不确定性控制仓位。

这正是McCulloch几十年经验最值得学习的部分：不是努力让每一个药物判断都正确，而是让正确判断能够逐渐长成大仓位，让错误判断始终停留在小仓位。

最终，优秀的生物科技投资组合并不要求你预测所有临床试验，而是要求你在高度不确定的行业里，持续把概率、赔率和风险控制做对。