李录谈 AI 与价值投资：变化越快，越要守住能复利的东西

AI 能写代码、做研究、组织任务，投资者仍然需要回答一个老问题：一家企业最终能创造多少价值，今天付出的价格又是否合算。

李录在哥伦比亚商学院的这场对谈里，把这个问题放进了更大的背景：资金向少数科技公司集中，中国家庭财富与制造业竞争力出现分化，全球政治关系正在调整。技术变化很快，判断企业、理解风险、等待价值兑现的工作仍然存在。

贯穿整场谈话的，是他对复利的理解。资本要持续增长，需要先保住已有的基础；知识和信任也遵循相似的积累逻辑。AI 可以帮助完成工作，人仍然要判断，哪些工作值得长期做下去。

六条原则，最后落在购买力上

李录把自己理解的价值投资归纳为六条原则。

• 股票代表企业所有权。 研究对象是企业如何经营、如何创造价值，股价只是买入这份所有权时面对的报价。
• 把市场当作可以利用的报价来源。 市场情绪会变化，投资判断需要有独立于涨跌的依据。
• 为错误和意外留出安全边际。 未来无法被准确预测，价格和判断都需要容纳不确定性。
• 清楚能力圈的边界。 知道哪些问题理解得足够深，也知道哪些问题尚无把握。
• 寻找有机会、又没那么拥挤的地方。 过多竞争会压低回报，被忽略的行业、企业和市场值得研究。
• 用全球购买力的份额衡量财富。 名义金额会受通胀和货币变化影响，最终有意义的是这些资产能换来多少真实资源。

在他的归纳中，前三条来自本杰明·格雷厄姆，能力圈来自沃伦·巴菲特，寻找更好机会的思路来自查理·芒格。最后一条，是他长期进行全球投资后加入的观察。

这也解释了他为什么重视优秀企业的长期所有权。企业持续创造价值，股东才有机会分享增长，并维持或扩大自己的购买力。

他还把市场参与者按主要活动分成长期投资者、纠正定价偏差的套利者、猜测他人交易行为的投机者，以及经纪和做市者。现实中，同一个人可能混合多种角色。关键在于，回报主要依靠企业创造价值，还是依靠下一位交易者改变报价。

AI 越能做事，人的判断越需要有依据

主持人 Tano Santos 提出了学生们关心的问题：AI 时代，股票分析师还有什么价值？

李录先承认生成式 AI 的用途。它能够整理和调用人类积累的知识，把某些过去稀缺的专业能力带给更多人。他同时把当下的技术放在一个连续变化的区间里观察：从提供信息的工具，到推理、编程、执行任务，再到多个智能体协作。

他担心的是，关于技术的叙事开始跳过中间环节，把能力增长直接连接到全面超越人类，再把这个终点当作巨额投资的理由。

这里需要分清两层内容。他对 AI 如何处理人类数据的解释，是一位投资者提出的暂时理解；他要求保留人的监督，则是一项关于技术治理的主张。两者都不能直接充当对未来技术能力的科学证明。

他明确反对脱离人类监督的递归自我改进，即 RSI。在他看来，系统如果自行形成目标、分解子目标并持续改变自身，控制问题会变得更难。他希望技术发展同时考虑就业、情感依赖、安全风险、经济成本和社会承受能力。

Santos 随后给出了一个职业层面的推论：如果 AI 输出仍需要判断，能够理解问题、识别错误、有效沟通的人，就可能成为更稀缺的资源。李录大体赞同，同时提醒其中仍有细节和差异。

工具提供的答案越多，判断答案是否可靠就越有价值。 从这段讨论可以推导出，研究者的积累不能停在生成报告的速度上，还包括理解企业、核查证据，以及知道何时应该拒绝一个看似完整的答案。

技术前景再大，也要算清持续发生的成本

李录特别强调，AI 的使用伴随着持续发生的增量成本。一次部署之后，后续服务仍然需要算力和其他投入。评估这类企业，收入、利润、资本需求和成本纪律都不能被跳过。

在他的框架里，发展速度还取决于社会对风险的容忍度。技术能力、资本供给和社会接受程度未必同步，期间可能经历多次繁荣与收缩。

讨论随即转向资本市场的集中。Santos 在现场粗略比较：历史上，市值最大的公司占 GDP 的比例常在 2% 至 4%，而他当时给出的英伟达估计约为 15%。这是主持人在谈话中的比较，不能直接当作发布当日的实时估值数据。

李录的回应，是把时间尺度拉长。他估算，标普指数从 2010 年起的约 16 年，年均回报约为 14% 至 15%；此前的 2000 年至 2010 年则接近零，甚至略为负值。放在约 26 年的跨度上看，结果回到较高的个位数。

他又用约 2% 的实际经济增长、2% 至 3% 的通胀，以及约 4% 至 5% 的名义增长，解释企业长期回报为什么需要经济活动支撑。这些都是对谈中的数量级估计，未展开指数收益口径和完整计算过程，不能据此推算未来收益。

他的关注点在另一处：当大量资金集中到少数热门企业时，其他好生意可能缺少关注。技术热潮扩展了人们的想象，也可能扩大不同资产之间的定价差异。

优秀技术、优秀企业和合适的买入价格，需要分别判断。 接受 AI 的价值，并不自动意味着接受市场给每一家相关企业的报价。

中国经济的分化，要同时看家庭和企业

谈到中国，李录把过去约 10 年概括为制造业向更高附加值迁移的过程。他提及《中国制造 2025》，并认为 2021 年之后，技术自主和产业升级进一步成为政策重点。

这套变化，在他的叙述中有收益，也有代价。家庭资产负债表承受压力，部分制造企业则积累了新的竞争力。

他在现场给出了一组粗略数字：典型中产家庭约 70% 的净资产与住房相关，住房承载约 50% 的按揭杠杆；在他估计的房价下降约 40% 的背景下，家庭财富可能受到约 60% 至 70% 的冲击。他据此解释消费收缩、增加储蓄和偿还债务的行为。

这些比例来自李录的口头概括，原讨论没有提供完整家庭样本或可复算的资产负债表。它们应被理解为他的解释框架，不能合并成一个适用于所有家庭的计算公式。

他还提到约 165 万亿元人民币、相当于 GDP 约 120% 的存款规模。这里描述的是存量，不能误读为一年新增储蓄占收入的比例。

另一边，是他看好的制造业。他认为《中国制造 2025》的目标已经实现，并以新能源、电动车、电池、储能和重型设备为例，说明竞争力如何积累。这是他对政策效果的评价。

谈及半导体时，他认为外部限制给本土供应商带来了订单，使收入、利润、研发和产品改进形成循环。他对成熟制程的自给能力评价较高，也承认先进制程仍有关键缺口。谈话中的乐观判断，不能被改写成所有技术瓶颈已经解决。

他还提到 AI 编程可能帮助补齐软件生态的短板，包括围绕 CUDA 等体系展开的替代努力。这是在讨论改善的可能性，并没有提供替代已经完成的验证。

在资金规模上，他估算房地产年度新销售额较高位减少约 70%，减少的量级约为 10 万亿元人民币，并将其与每年约 10 万亿元的制造业升级和技术投入作比较。这是宏观量级的对照，不能据此认定每一笔房地产资金都直接转入了制造业。

这一节最有操作价值的观察，是他对企业处境的区分：一家公司正在被作为政策目标支持，还是正在承担实现其他目标的成本？ 同一个行业的位置会改变，过去受到支持，也不保证未来继续受益。

政治关系在变，经济依赖仍然需要研究

李录把政治秩序与经济联系分开讨论。政治安排会调整，企业长期形成的分工、市场和供应链，也有自己的延续力量。

他的判断是，退出共同市场需要付出很高代价。贸易壁垒可能改变交易路径，部分联系会通过第三国继续存在。半导体产业的跨境依赖，则是他用来说明相互依存的例子。

这是一种观察全球经济韧性的视角，并不意味着政策风险可以忽略。在问答环节，他强调要研究一个国家的目标、历史和实际记录，而且这项工作适用于中国、美国和其他市场。

他也比较了中美 AI 企业的侧重点：在他的概括中，硅谷更关注技术边界还能推多远，中国企业更强调技术能为消费者和企业客户解决什么问题。这是对不同取向的描述，不能覆盖每一家公司的实际选择。

从这些讨论回到企业研究，值得追问的是：需求来自哪里，供应链依赖什么，政策变化会怎样影响客户与成本，以及公司是否能在这些约束下持续创造价值。

成长与价值，可以用同一套问题检验

有人问，价值投资能否用于成长企业和科技公司。

李录的回答建立在价格与价值的关系上。停滞但能返还现金的企业、快速增长的企业，以及成功概率较低但潜在回报较大的机会，都需要判断未来可能创造什么，再与付出的价格比较。

他把这些问题归结到未来现金流及其折现，但也留下了关键条件：投资者需要能够理解和估计这些现金流。高增长不会自动消除不确定性，能力圈的边界同样适用。

在随后的问答里，他提醒 AI 还受到芯片、电力和劳动力约束。这让前面关于持续成本的讨论更加具体：数字能力的增长，仍然依赖现实资源。

他对加密资产则持明确否定态度，认为它们缺少主权国家提供的强制执行基础，并预测最终会自行消失。这里记录的是他的立场与预测，不把它当作已经得到证明的结论。

长期投资，先解决短期考核的矛盾

一位刚进入投资行业的提问者提出了更现实的难题：认同长期价值，但业绩暂时落后，职业生涯怎么办？

李录没有提供迅速缩小业绩差距的办法。他指出，同时追求长期价值与每个季度、每个月都表现出色，会让人的行为逐渐转向猜测市场。

长期策略需要匹配的资金和合作关系。投资者不仅要有自己的判断依据，也需要理解这种方法、愿意共同经历波动的人。追求最大的管理规模，可能与保持这套方法发生冲突。

他也承认，这种做法并不适合所有人。如果无法接受独立判断与市场暂时分歧的压力，他认为指数化投资可以是另一种选择。

投资期限写在策略里，也必须体现在资金安排和评价方式里。 从他的回答可以看出，长期主义既是个人心理问题，也是合作关系和组织方式的问题。

复利的前提，是让已有的积累留得下来

谈话最后，李录回到自己怎样学习。

早年知识有限时，他从相对容易理解的资产负债表入手，再逐渐研究更复杂的企业。能力圈既要有边界，也可以通过持续学习向外扩展。

他把知识积累与资本积累联系起来：能够持续理解更多事情，才有机会更好地判断和保护资产。这是他的经验判断，不意味着学得更多就必然获得投资回报。

同样重要的是信任。他谈及芒格对可靠合作关系的重视，也明确承认，自己的投资经历包含许多幸运的机会。成果不能全部归因于个人能力。

于是，复利的范围从资金延伸到了知识、可信赖的关系，以及保持健康、继续从事有意义工作的时间。它们共同的特点，是今天的投入可以成为明天的基础。

李录这场谈话留下的，是一种选择长期工作的标准：已有的知识是否仍在发挥作用，合作中的信任是否持续增长，所持有的企业是否继续创造价值。AI 加快了许多步骤，这些积累仍然需要时间，也需要人去保护。

原始资料：36th Annual Graham & Dodd Event with Li Lu ’96, Founder and Chairman of Himalaya Capital，Columbia Business School 发布。

嘉宾为喜马拉雅资本创始人兼董事长李录，主持人为哥伦比亚商学院教授 Tano Santos。活动日期为 2026-10-05，见官方活动页；视频上传于 2026-10-15，时长 1:28:17。

本文依据视频提供的英文字幕进行原创整理，并用哥伦比亚商学院正式文字稿核对日期、人名和术语。字幕标注为非自动生成，仍存在听写错误。文中市场与宏观数字保留发言者的估算属性，预测和评价均归属于发言者。