AI 股票派對仍在繼續之際，實證證據卻開始顯示，這場科技革命有其極限。目前，市場正將最佳情境納入定價。但風險正日益高漲。如果你有 AI 相關投資，你必須做好準備。
每個人都堅信，投資的未來將由人工智慧主導。新型模型承諾能做出更佳決策，並持續獲利。然而，近期的一項實驗卻帶來了真正令人驚訝的結果。
去年底，一項理應登上所有財經報紙頭條的實驗進行了，但它幾乎被忽視了，而其結論直到現在才開始被認真討論。一個名為「Nof1」的研究實驗室組織了「Alpha Arena」：他們提供 10,000 美元的真實資本給全球六個最先進的 AI 模型——ChatGPT、Gemini、Claude、Grok、DeepSeek 和 Qwen——並讓它們在加密貨幣市場中獨立運作兩週。全程無人為干預。所有操作都是公開且可審計的。
結果：六個模型中有四個最終虧損。OpenAI 的明星模型 GPT-5 虧損超過 60% 的資本。Google 的模型 Gemini 則虧損超過一半。所有模型的成功率僅徘徊在 25% 至 30% 之間，而大部分損失來自於一個非常人性的原因：過度交易、支付過高的手續費以及使用未經風險控制的槓桿。
那麼贏得資金的兩個模型呢？最有趣的細節在此。當他們數週後重複這個實驗——這次改用美國股票，如 Tesla、NVIDIA 和 Microsoft——第一輪的贏家並未能重複他們的成功：它們最終和幾乎所有其他模型一樣，以虧損收場。在統計學上，這種現象有一個名字：當第一輪的贏家無法在下一輪重複成功時，你所測量到的並非技能，而是運氣。
與此同時，在社交平台 X 上，充斥著各種帳號告訴你「某某人用 ChatGPT 在五分鐘內建立了一個機器人，正在賺取數百萬」。但數據卻顯示了相反的情況，而理解箇中原因，是思考市場最熱門板塊可能發生何事的关键之一。
AI 應用於交易的隱含承諾是：一個能處理比任何人類都更多資訊的機器，理應能夠發現人類看不到的機會。而這個實驗表明，至少在今日，這並未發生。
看不見的障礙：資訊並非判斷力
為何它會失敗？這是最有趣的發現，源自另一項研究。一組來自普林斯頓大學及其他大學的研究人員設立了 CryptoBench，這是一項由專業分析師設計的考試，用來衡量這些模型在真實市場中的表現。他們將任務分為兩組：「資訊檢索」（X 的價格是多少？、某協議有多少資本？）和「預測」（這件事會如何發展？）。
對比結果極為懸殊。GPT-5 在資訊檢索問題中答對了將近十分之六。而在預測問題中，卻答對不到十分之一。同一個能出色地尋找數據的模型，在需要於不確定情況下做出決定時，便崩潰了。
這就是那看不見的障礙。語言模型在檢索、總結和組織既存資訊方面表現非凡。但投資並非資訊問題：它是一個「判斷」問題。它是在數據不明確時決定該承擔多少風險，是不過度交易，是接受你不知道接下來會發生什麼事並據此調整倉位大小。專業投資者稱之為風險管理——也正是區分投資者與賭徒的關鍵——而這正是模型失敗的地方。
「但這次有實際獲利」
在此，我們連結到影響你投資組合的重要問題。為科技股估值辯護時最常聽到的論點是：「這和網路泡沫不同，因為現在有實際獲利。」這說法沒錯——但僅部分正確。值得探討的是這些獲利從何而來。
其中很大一部分來自科技巨頭的資本支出（capex）。Microsoft、Amazon、Google 和 Meta 計劃在 2026 年投資超過 6000 億美元於 AI 基礎設施，而 2025 年約為 3800 億美元。我們來做個對照：這個金額接近阿根廷的 GDP，全部花在單一年度，且主要用於數據中心和晶片。
還有第二個細節：這些資金有很大一部分在一個封閉的循環中流動。NVIDIA 向 OpenAI 投入數億美元的投資；OpenAI 與 Oracle 簽約使用其數據中心；而 Oracle 則反過來用 NVIDIA 晶片填滿那些數據中心。同一筆錢在同一批玩家之間流轉，每轉一圈，就記作某人的收入。業界術語稱之為「AI 循環經濟」，越來越多的分析師開始好奇，如果這條鏈條中的任何一環斷裂，會發生什麼事。
重點不在於這些獲利是假的。而是在於它們依賴於這些巨頭持續以當前速度支出。而這裡又連回我們前面看到的：這些支出正當化理由，來自於 AI 將改變一切的預期。如果這些實驗所顯示的極限——擅長處理資訊，但判斷力薄弱——固化為市場共識，那麼這些公司的董事會將面臨來自股東要求削減資本支出的壓力。而如果資本支出放緩，當今支撐該板塊估值的收入鏈條將會迅速弱化。
我們該如何應對？
三個具體想法。首先，如果你的投資組合中有很大一部分集中在美國科技股——如果你投資 S&P 500 指數，你的確如此，因為少數幾家公司就占了該指數的很大一部分——那麼現在是檢視這個集中度風險的好時機。
其次，要關注的指標並非 NVIDIA 的股價，而是 Microsoft、Amazon、Google 和 Meta 在每次財報發布中的「資本支出指引」。一旦其中任何一家開始縮減投資計畫，市場將立刻接收並解讀這個信息。這是預示週期變化的領先數據，而非事後確認的數據。
第三，質疑任何向你承諾透過 AI 獲得自動回報的產品。如果地球上最先進的模型——背後有頂尖研究團隊支持——獨立運作都會虧損，那麼他們在 Telegram 上賣給你的機器人也不會是例外。科技可以是處理資訊的絕佳工具——至於判斷，目前仍需要你或專業人士來提供。
總而言之，這個應用於交易領域的實驗，具體體現了一個日益明顯的事實：人工智慧的極限。我們這些日常使用它的人都能注意到，在涉及批判性思維的任何任務中，它都缺乏人類所擁有的那種「判斷力」和「創造力」。
科技革命是真實的，許多目前以手動完成的工作終將被自動化。
但也許，AI 取代我們所有人的那一天，終究比我們想像的更遙遠。而重要的是，市場目前並未將這個情境納入定價。
發表於 @InversoresClub：https://clubdeinversores.com/se-viene-la-noche-para-la-ia-lo-que-un-experimento-con-plata-real-revelo-sobre-sus-limites/
