ai产业链

这个逻辑我觉得有点道理，值得一看

Jeff Currie说未来十年属于硬资产，但他可能低估了AI才是最大的推手

信源：The Master Investor Podcast｜Jeff Currie，2026年9月

前高盛大宗商品研究主管 Jeff Currie 最近提出了一个非常鲜明的判断：未来十年真正值得拥有的资产，可能不是科技，而是黄金、能源、铜、铀以及其他硬资产。他甚至认为，当前的大宗商品超级周期可能只走到了九局比赛中的第二、第三局。

这个判断最有意思的地方，并不是黄金还能涨多少，也不是能源股能不能跑赢科技股，而是 Currie 抓住了过去十几年全球资本配置中一个越来越明显的失衡：我们在数字世界投入了太多资本，却长期低估了维持现实世界运转所需要的能源、矿产、电网和基础设施。

但我不同意他的“Forget Tech”。

因为如果把今天的 AI 基础设施建设继续向下拆，会发现一个看似矛盾、实际上非常重要的变化：这一轮硬资产重估并不是科技繁荣结束后的替代交易，反而可能是科技繁荣向物理世界传导的结果。AI 正在成为硬资产需求增长的新发动机。

黄金上涨的本质，已经不只是降息交易

Currie 对黄金非常乐观，长期甚至给出了每盎司 1 万美元的目标。这个数字当然足够激进，但如果只把他的判断理解成“美国降息，所以黄金上涨”，就低估了这一轮黄金行情背后的结构性变化。

真正的问题是全球财政体系。

美国政府债务持续扩张，而在高债务环境下，财政系统很难长期承受极高的实际利率。历史上处理高债务通常只有几种办法：提高税收、削减支出、通过经济增长消化债务，或者让通胀和货币贬值逐渐降低债务的实际价值。前三种办法都存在明显的政治或者经济约束，因此金融压抑和货币贬值始终是市场无法忽视的尾部路径。

黄金的意义恰恰在这里。债券本质上是一张政府信用凭证，现金对应的是主权货币，而黄金没有交易对手风险。当市场开始怀疑长期财政纪律时，黄金承担的就不只是通胀对冲，而是某种“财政信用保险”。

更重要的是，过去几年全球央行的行为已经发生变化。世界黄金协会数据显示，全球央行过去四年的年度购金规模大约维持在 1000 吨左右，明显高于此前长期均值。美元并没有失去全球储备货币地位，但越来越多央行正在提高黄金在储备资产中的战略权重。

所以 Currie 对黄金的判断，我基本认同。黄金真正交易的已经不仅是下一次降息，而是一个更漫长的问题：当全球债务增长速度长期高于实体经济增长速度时，什么资产可以逃离主权信用体系本身？

更大的问题，是物理世界被低估了太久

但 Currie 真正重要的观点，其实在能源和大宗商品。

过去十五年全球资本市场最成功的资产是什么？软件、互联网、云计算、智能手机、半导体。它们有一个共同特点：资本回报率高、边际成本低、规模效应强，而且扩张速度非常快。

资本自然不断向这些行业集中。

与此同时，现实世界却发生了完全相反的事情。矿山、炼厂、发电厂、电网、管道以及各种重资产基础设施，投资周期长、监管复杂、回报慢，还经常面临环保和政策风险，因此长期资本开支意愿明显不足。

结果就是全球经济形成了一种非常特殊的资本结构：数字世界越来越富裕，物理世界却越来越缺乏冗余。

在需求平稳的时候，这个问题并不明显。但一旦需求突然加速，物理世界的供给弹性就会成为问题。

软件服务器不够，可以迅速增加部署；芯片不够，晶圆厂可以提高资本开支；但铜矿、电网、天然气管道、燃气轮机甚至大型变压器，都不是几个季度能够复制出来的产能。

商品市场最大的特点就在这里：价格并不是由平均供需决定，而是由边际供给决定。当一个系统拥有大量闲置产能时，需求增加 5% 可能不会发生什么；但当系统已经接近满负荷时，再增加 5% 的需求，价格反应可能完全不同。

这也是 Currie 所谓商品超级周期真正值得重视的部分。它并不意味着所有商品一起上涨，而更像是一场持续发生的“瓶颈迁移”：某个环节的冗余被耗尽，价格上涨刺激投资，随后瓶颈又转移到另一个供给更加刚性的环节。

AI正在把数字繁荣变成物理需求

也正是在这里，我和 Currie 的判断出现了分歧。

他倾向于把科技和硬资产放在天平两端，但 AI 正在让这种传统分类越来越失去意义。

AI 看起来是一个纯粹的数字产业，但它可能是过去几十年最“物理”的科技革命之一。训练和运行模型需要 GPU，GPU 需要数据中心，数据中心需要电力，而电力背后又需要发电设备、天然气、核燃料、电网、铜、变压器、冷却系统以及大量基础设施。

IEA 的数据已经开始显示这种变化。2025 年全球数据中心用电继续高速增长，其中 AI 数据中心的电力需求增长尤其明显。按照目前预测，到 2030 年全球数据中心用电量可能超过 900TWh，较当前水平翻倍。美国的变化更加极端：未来几年相当一部分新增电力需求都可能来自数据中心。

这意味着 AI 基础设施真正的约束正在发生迁移。

过去三年市场最担心的是 GPU 不够。随后变成 HBM 不够、先进封装不够、光模块不够。但这些问题本质上仍然属于半导体供应链内部，而且市场已经通过巨额资本开支快速响应。

下一阶段的问题可能更加困难，因为瓶颈正在逐渐走出服务器机房。

如果一个 AI 数据中心需要几百兆瓦甚至 GW 级电力，那么真正的问题就不再只是能够买到多少 GPU，而是当地有没有足够的电力、输电线路能不能承载、变电设备是否到位、稳定电源从哪里来，以及新增发电能力需要多长时间才能投入运行。

芯片产能的扩张周期以年计算，而大型能源和电力基础设施的扩张周期可能更长。

这正是硬资产最喜欢的宏观环境：需求增长很快，而供给无法快速响应。

这可能是一次完全不同的大宗商品周期

如果这个判断成立，那么今天的大宗商品周期和 2000 年代其实存在一个重要区别。

上一轮超级周期最重要的发动机是中国工业化和城镇化。房地产、公路、铁路、汽车和制造业共同创造了巨大的钢铁、煤炭、石油和铜需求，本质上是一场十几亿人口进入工业经济的资本开支周期。

今天当然不存在第二个中国。

但 AI 提供了另外一种需求来源：计算基础设施工业化。

过去我们习惯把数据中心理解成互联网基础设施，但未来的 AI campus 越来越像大型工业设施。一个数百兆瓦乃至 GW 级 AI 集群，本质上就是一座巨大的“算力工厂”。它需要稳定的能源供应，需要大量铜，需要输配电设备，需要冷却，需要备用电源，也需要持续扩建周边基础设施。

于是，一个非常有意思的资本开支传导开始出现：最初的 AI 投资主要体现在 GPU 和服务器，随后扩散到 HBM、网络和光通信，再进一步向数据中心、电力和能源基础设施传导。

每向外扩散一层，供给弹性都可能下降一个数量级。

这可能才是未来几年最重要的宏观变量。

所以，不是“Hard Assets over Tech”

Currie 的“Hard Assets over Tech”非常适合作为标题，但我认为它并没有真正描述正在发生的事情。

更准确的说法应该是：

Hard Assets because of Tech。

黄金的上涨反映的是财政体系和货币信用的问题，而能源、铜、电网以及其他物理资产的重估，则越来越可能来自另一股完全不同的力量——AI 带来的巨大资本开支周期。

这两个趋势甚至可能同时发生。一边是政府债务不断增长，推动资金寻找无法被轻易增发的资产；另一边是 AI 投资不断增长，开始消耗过去十几年没有充分扩建的物理基础设施。

一个来自货币体系，一个来自实体需求。

最终却共同指向了硬资产。

因此，我并不认为未来十年的核心交易是从科技逃向资源。如果 AI 的能力继续提升、推理成本继续下降、Token 消耗继续增长，那么科技行业本身仍然可能创造巨大的经济价值。真正发生变化的，是 AI 创造价值的边界正在迅速突破半导体和数据中心。

过去三年，我们主要在计算一颗 GPU 能带来多少算力。

接下来，市场可能越来越需要计算另一件事情：1GW 的 AI 算力究竟需要多少现实世界的资源？

需要多少电力、多少铜、多少天然气、多少核燃料、多少输电能力，以及多少过去十几年没有建设的基础设施？

这也是 Currie 这场访谈最值得关注的地方。

他看到了硬资产重新进入资本回报中心，却可能低估了推动这一变化的最大新变量。未来十年的硬资产牛市如果真的出现，它未必建立在科技繁荣结束之上。

恰恰相反，它可能建立在 AI 比今天绝大多数人想象得更加成功之上。

数字世界越繁荣，对物理世界的索取就越大。

而当一个指数增长的数字需求，撞上一套只能线性扩张的物理供给体系时，真正值得关注的，就不只是 AI 能创造多少需求，而是整个现实世界究竟还有多少冗余。