当AI推动美股不断创新高、黄金成为市场最一致的看多资产、全球投资者热议“这次不一样”时，市场真正的主线究竟是什么？
在本期「大咖会客厅」直播中，思瑞投资首席经济学家、原华泰证券金融工程首席分析师林晓明，从其长期研究的“三周期框架”出发，系统拆解了当前全球市场最核心的矛盾：
AI资本开支究竟是在创造新周期，还是在延长旧周期？
美元信用问题是否正在被市场忽视？
黄金是否已经进入长期顶部区域？
油价会不会成为下半年最大的预期差？
以及当AI全面进入投研领域之后，投资者真正稀缺的能力究竟是什么？直播回放→2026下半年市场还有哪些机会？
核心观点速览：
1、AI资本开支正在拉长周期，但并没有消灭周期，本轮市场最大的特征是AI相关资产持续强势，而非全面牛市。
2、周期可以被拉长，但很难被消灭。任何一轮周期如果没有经历必要调整，下一轮周期也很难真正启动。
3、当前市场存在两条主线：AI叙事与美元信用叙事。AI暂时掩盖了美元信用问题，但并没有解决它。
4、当前市场最大的风险未必是AI估值，而是美国财政赤字扩张与美元信用的长期可持续性。
5、这一轮市场面临的问题，可能比2000年互联网泡沫和2008年金融危机更复杂，因为核心矛盾已经从资产泡沫转向货币信用。
6、AI改变世界几乎是确定的，但技术进步不等于投资回报，AI最终能否形成真正的商业护城河仍有待验证。
7、从周期角度看，“This time is different”几乎是每一轮牛市都会出现的叙事，技术会变化，但周期规律始终存在
8、黄金最重要的驱动力来自200个月左右的长周期。从周期模型看，黄金更像处于长期顶部区域，而非新的长期起点，因此当前不会主动配置黄金。
9、下半年最值得关注的变量不是黄金，而是油价。如果油价回调后重新走强，可能意味着能源价格已经进入新一轮上行周期。
10、如果能源价格持续上涨，市场风格可能发生切换，高估值科技股面临压力，而亚洲市场及工业制造相关资产有望受益。
11、AI能够显著提升投研效率，但当所有人都拥有AI之后，真正稀缺的将不再是工具，而是框架、认知与判断能力。
主持人：按照您的周期框架，现在的市场究竟处于什么位置？为什么一直维持高位？
林晓明：
我觉得这一轮是我做研究近20年来最复杂的一轮周期。
按照传统基钦周期，也就是大家熟悉的库存周期来看，当前市场本来应该进入调整阶段。但自2022年10月以来，全球市场已经连续上涨接近4年，周期出现了明显偏离。
最大的原因在于，这一轮叠加了库兹涅茨周期，也就是基建周期。
上一轮基建周期对应的是中国的高速公路、机场、电厂等传统基建；而这一轮则是全球数字基建周期。
AI带来的算力中心、数据中心以及相关资本开支，正在持续拉动全球经济和市场，这也是为什么过去一年市场出现了明显的K型分化——很多与AI无关的资产已经开始走弱，但AI相关产业链依然非常强势。
本来应该下行的基钦周期，被这一轮AI资本开支强行拉长了。
但从更长期的康波周期来看，我认为市场仍然处于下行阶段。
很多人把康波理解成技术周期，但我更倾向于把它理解为生产力与生产关系再平衡的周期。它最终反映的是债务、信用和分配问题。
这几年市场对于美元信用和美国债务可持续性的讨论越来越多，本质上都属于康波周期的表现。只是过去几年AI行情太强，暂时掩盖了这些问题。
主持人：您一直认为市场最终还是要完成一次周期性调整。站在今天，您还坚持这个判断吗？
林晓明：
我依然坚持。
因为任何一轮周期如果没有经历必要的调整，就很难开启下一轮周期。
按照基钦周期的规律，市场需要经历一轮风险释放，让利率水平、要素成本和市场预期重新回到合理区间，下一轮扩张周期才有启动的基础。
如果市场始终维持在一个偏热状态，没有完成必要的修整，那么下一轮周期其实很难真正展开。
周期可以被拉长，但很难被消灭。
主持人：经济数据并不算强，但全球主要指数却不断创新高。您怎么看这种基本面与资产价格的背离？
林晓明：
这种背离本质上是不同周期相互作用的结果。
从基钦周期和康波周期来看，目前基本面都偏向下行，因此经济数据偏弱并不意外。
但与此同时，AI又带来了一轮强劲的资本开支周期，重新激活了半导体、算力和云计算等产业链。
所以当前市场并不是全面牛市，而是一种典型的K型分化。
弱的是基本面，强的是AI。
与AI相关的资产持续上涨，而与AI关系不大的资产则明显偏弱。
因此当前市场最大的特征，不是基本面和价格完全背离，而是不同周期叠加下产生的结构性分化。
主持人：您经常说：“逢利好不涨，见顶概率高；逢利空不跌，见底概率高。”这套经验在当前市场依然有效吗？
林晓明：
我认为依然有效。
但它更像是一个验证工具，而不是预测工具。
周期研究能够帮助我们判断市场大致处于什么阶段，比如牛市前期还是后期，熊市前期还是后期。
但周期本身很难精确预测短期走势。
真正到了交易层面，最终还是要回到价格本身。
如果我判断市场已经进入底部区域，那么接下来最重要的观察，就是市场是否出现“利空不跌”的特征；反过来，如果面对持续利好却不再上涨，那么见顶概率往往会明显提升。
周期决定位置，价格决定方向。
归根结底，金融市场的资产价格本身，才是最灵敏、最重要的宏观指标。
主持人：很多人认为，当前市场最大的风险是AI估值过高。但在您的框架里，似乎更值得担心的是信用问题。如果必须二选一，您更担心AI泡沫，还是美元信用？
林晓明：
我认为这其实是两个交织在一起的问题。
当前市场最强的叙事当然是AI。尤其3月底以来，费城半导体指数和纳斯达克重新走强，AI仍然是推动市场上涨的核心力量。
但与此同时，还有另一条更长期的主线——美元信用。
过去十几年，美国经济增长越来越依赖财政赤字。美国财政部借钱、美联储买债，再通过财政支出转化为企业利润。这种模式持续运行了一二十年之后，市场开始担心一个问题：财政扩张是否还能无限持续？
从黄金、比特币到长端利率的持续上行，本质上都反映了市场对于美国财政可持续性以及美元信用的担忧。
所以我认为当前市场实际上存在两条叙事：
一条是AI叙事；
另一条是美元信用叙事。
AI让市场焦点发生了转移。
当利率和美国国债规模都来到较高水平，原来的财政扩张路径很难继续走下去时，美国正好遇到了17-18年一轮的基建周期。这一次不是传统基建，而是数字基建。
美国互联网巨头把过去多年积累的利润，通过AI资本开支打了出来。
所以，从去年以来驱动市场的主线，已经从单纯流动性或财政扩张，转向了AI资本开支。
下半年核心要观察的，仍然是AI行情本身。如果AI叙事继续强，美元信用问题可能继续被掩盖；一旦AI叙事转弱，美元信用问题可能会重新浮出水面。
主持人：您为什么认为，这轮市场面临的问题，甚至比2000年互联网泡沫和2008年金融危机更复杂？
林晓明：
这要回到康波周期。
2000年互联网泡沫时，美国其实处在康波周期明显上行阶段。2008年时，也仍然处于康波上行的后期。但这一轮不同，这一次碰到了康波周期的下行阶段。
市场上很多人讨论康波周期，主要集中在技术层面，比如重工业时代、电气化时代、AI时代。但我对康波周期的理解不完全一样。
我认为，任何一次大的技术周期都不是单一技术，而是一个技术生态。这个生态包括四个部分：科学技术、工程技术、商业管理技术，以及社会道德和法律体系。
这些技术的底层，都是人类劳动实践和试错的结果。一个社会试错越多，积累的信息和经验越多，技术就越繁荣。
而劳动实践取决于什么？取决于社会的激励效率。激励效率越高，劳动积极性越高，技术积累就越强。
再往下看，激励效率取决于生产力和生产关系的矛盾运动。
所以我认为，康波周期表面上看是技术周期，实际上是生产力和生产关系再平衡的周期。
目前，康波周期已经进入下行阶段，也就是人类社会生产力和生产关系重新平衡的阶段。在这个阶段，社会运行成本会上升，收入效率会下降，债务问题就会起来。
因为美元是全球本位货币，所以债务问题最终会表现为美元信用问题。
2000年对美国而言，主要是股票市场估值偏高；2008年主要是房地产和债券市场出了问题；但这一轮面对的是美元信用问题。
对于任何市场经济体而言，最重要的商品就是货币信用。
如果美国信用出问题，这是一个长期、很难解决的问题。
当然，当前还有一个变量，就是AI资本开支。美国企业把过去多年积累的盈利打出来，形成了一轮AI资本开支周期。现在关键要看，AI到底能不能带动新一轮收入增长，能不能解决美国长期财政问题。
目前只能说，资本支出已经打出来了，产业链订单也起来了。但它最终能不能产生足够收入，能不能解决长期财政问题，还需要观察。
所以我认为，这一轮的问题比2000年和2008年更复杂。
主持人：很多人相信“This time is different”。AI、算力革命、大模型，似乎都在创造前所未有的新叙事。从周期研究的角度看，您认同“这次不一样”吗？
林晓明：
从技术角度看，每一次重大技术革命当然都不一样。
铁路时代、电气化时代、互联网时代，再到今天的AI时代，它们都深刻改变了人类社会。
但从周期的角度看，其实又非常相似。
每一次技术革命出现时，市场都会相信这是一个全新的时代；每一次也都会伴随着情绪高涨、估值扩张和资产价格的大幅波动。
人类社会始终是在曲折中前进的。
会不断出现新的技术，也会不断出现新的乐观情绪；有繁荣的时候，也会有回落的时候。
所以从周期研究的角度看：
技术会不断进步。
但资本市场不会线性地定价技术进步。
主持人：AI正在改变世界，但为什么技术革命未必一定对应投资回报？
林晓明：
因为技术进步和投资收益本来就是两回事。
我对AI技术本身并不悲观。恰恰相反，我认为AI未来很多年都会持续改变人类社会，提高整个社会的生产效率。
但从商业角度看，目前还有很多问题没有答案。
历史上很多伟大的技术革命都是如此。
互联网最终改变了世界，这一点毫无疑问。
但2000年互联网泡沫破裂时，大量互联网公司的股东依然损失惨重。
技术的红利最终会扩散。
刚开始的时候，创新企业可能获得超额收益；但随着技术扩散、竞争加剧，技术红利会逐渐变成整个社会的红利。
目前AI给我的感受也是这样。
2022年底刚看到大模型时，大家都觉得非常震撼。
但很快又发现，OpenAI有了之后，其他公司也在快速追赶。
相比微软当年的Windows、Office，或者谷歌当年的搜索引擎，AI今天展现出来的商业护城河似乎并没有那么清晰。
所以我认为：
AI改变世界几乎是确定的。
但谁最终赚到钱，以及投资者是否一定赚钱，目前并不确定。
主持人：如果市场担忧美元信用，那么谁能替代美元？会不会出现新的全球核心资产？
林晓明：
我认为短期内很难出现美元的替代者。即便美元信用出现问题，欧元、日元等主要货币面临的问题未必更小。
如果美元信用开始收缩，本质上意味着市场对货币体系的信任下降，风险偏好下降，信用扩张能力减弱。
这种情况下最先出现的往往不是新的货币崛起，而是流动性收缩。
今年市场已经出现过类似现象——股票、债券、商品一度同步下跌，甚至黄金也不再具备明显避险属性。
因为当信用开始收缩时，投资者首先需要的是流动性。
所以如果未来真的出现美元信用问题，首先看到的可能是全球流动性收缩，而不是某种新货币迅速取代美元。
毕竟二战以来的全球金融体系和贸易体系，本质上都建立在美元基础之上。短期内，很难找到一个能够替代美元的全球核心资产。
主持人：市场普遍认为，美元信用问题会长期利好黄金。您怎么看黄金未来的表现？
林晓明：
我的观点和市场主流有一些差异。
从周期研究来看，黄金是一个非常特殊的资产。大部分资产主要受42个月左右的基钦周期影响，但黄金最重要的驱动力是大约200个月的长周期。
正因为如此，我们在2016年前后就开始持续推荐黄金，当时判断它进入了长期上升周期，而过去几年的走势基本验证了这一点。
但站在当前时点，我们的看法已经发生变化。
市场普遍认为美元信用问题会持续推动黄金上涨，但从我们的周期模型来看，黄金更像是进入了一个长期顶部区域，而不是新的长期起点。
我不是说黄金会立刻见顶，但从未来两三年的维度来看，它继续大幅上行的空间可能已经比较有限。
所以如果是我自己的资产配置，当前不会主动配置黄金。
从周期角度看，黄金最值得配置的阶段可能已经过去了。
主持人：如果让您展望下半年，您最关注的资产或者变量是什么？
林晓明：
我觉得下半年最重要的问题，其实是油价。
市场现在普遍把油价上涨归因于美伊冲突，但我认为更值得思考的是：
如果没有美伊冲突，油价是不是也会涨？
因为从时间上看，今年1、2月份油价其实已经开始企稳回升，而那时候美伊冲突还没有真正发酵。
这让我想到2016年的供给侧改革。
当时很多人认为黑色系大涨是因为供给侧改革，但我们的判断一直是：
供给侧改革只是催化剂，真正驱动行情的是大周期见底。
今天的油价，我认为也可能存在类似情况。
从我们的模型来看，除了42个月左右的基钦周期之外，还有一个大约60个月左右、与通胀和能源价格关系密切的周期。
目前无论是42个月周期还是60个月周期，都处于相对低位。
所以我最关注的问题是：
如果未来几个月油价回调后仍然能够站稳，并重新走强，那么它可能意味着能源价格已经进入新一轮上行周期。
如果这一判断成立，整个市场的逻辑都可能发生变化。
主持人：也就是说，您认为油价上涨未必只是战争因素，更可能是新一轮能源周期启动的信号？
林晓明：
对。
这和2016年非常类似。
当时大家看到的是供给侧改革，但我们看到的是商品周期见底。
今天大家看到的是美伊冲突，但如果从周期角度看，即使没有美伊冲突，油价也有可能已经进入上升周期。
换句话说：
战争可能加快了油价上涨，但未必创造了油价上涨。
如果未来油价能够维持强势，那么它更可能是周期力量在发挥作用。
主持人：如果这个判断成立，会对下半年的资产配置产生什么影响？
林晓明：
如果油价和能源价格进入趋势性上行，那么最大的影响就是市场对于通胀和利率的预期可能重新调整。
年初市场还在讨论美联储降息，但最近几个月，无论是欧洲还是日本，市场对于利率路径的预期都已经发生变化。
如果能源价格继续上涨，那么高估值科技股面临的压力可能会增加。
与此同时，市场风格也可能发生切换。
过去十几年，美国科技股一直是全球表现最强的资产之一。
但如果未来进入能源和工业品主导的阶段，那么受益于制造业和实体经济的市场，可能会拥有更好的表现。
所以我会重点观察两个方向：
第一，AI相关资产是否开始走弱；
第二，亚洲市场特别是中国市场，是否出现逆势走强的迹象。
如果这两个信号同时出现，那么下一轮周期的主线，可能就不再是过去几年市场熟悉的那套逻辑了。
主持人：AI已经深度进入投研领域。您认为它是在帮助投资者获得Alpha，还是仅仅提升了研究效率？
林晓明：
我认为AI肯定能够提升Alpha，但它的本质还是提升效率。
因为资产管理行业本质上是一个数据处理行业。从数据采集、清洗、分析，到交易和风控，最终比拼的是谁的数据处理效率更高。
过去十几年量化投资的发展，其实就是不断提高数据处理效率的过程。
而大模型最大的意义，是进一步降低了人与算力之间的门槛。
过去如果想调用算力，需要学习编程语言；现在通过自然语言就能完成很多工作。
对于研究员来说，大量基础性的工作未来都可以交给AI完成。
但这里有一个问题：
当所有人的效率都提高之后，竞争反而会变得更加激烈。
因为AI提升的是整个行业的效率，而不仅仅是某一个人的效率。
所以未来真正决定投资收益的，未必是谁掌握了更多工具。
AI会让答案变得便宜，但判断仍然昂贵。
风险提示：大师课为甄选第三方合规机构人士，讲授投研理论课程之平台，所授内容不构成对任何具体产品的买卖或投资建议。平台课程所表述的意见仅供学习与参考，不代表华尔街见闻意见或观点，也不解决用户特殊的投资目标、财务状况或需要。市场具有波动性和不确定性，平台不对任何与您依赖课程观点或信息而遭受的损失承担责任。投资有风险，请谨慎决策。