Silicon Valley Coordinates x 常劲 of Himalaya Capital: Value Investing in the AI Era

Summary

• 常劲的核心判断是：只要大模型仍然基于 Transformer 做统计生成，“它可能就很难替代我们人的判断”。 投资结论是方向和概率，而不是确定会发生的结果，其中始终有概率因素——喜马拉雅持有比亚迪约 23-24 年，期间股价波动超过 50% 的情况历史上有 6 次，短期表现无法验证长期判断。人的思维也不完全是概率产物，有时反而会选择小概率事件；常劲据此说，真理掌握在少数人手里。
• 喜马拉雅买谷歌不是因为共识看好：“今天大家觉得谷歌好的不得了所以喜马拉雅买了它，不是的，我们可能是在大家都认为这家公司很糟糕、很快就要被干掉那个情况下买了它。” 逻辑是自下而上的安全边际：投资这家公司时，downside risk 没有那么大，同时还能享受 upside 红利；市场悲观时会过度给 downside 定价，错杀可能成为买点。对谷歌激进 capex 的态度是：“我觉得是好事儿。”
• 在模型层面，至少目前还看不到持久的壁垒：“至少在目前为止，我还没看到谁做出一个模型来别人就赶不上了。” 只要砸够资金和算力，“那个 barrier 也没那么高”；即便使用最先进的芯片和最强的 computing power，“也不见得就能永远跑在最前面”。终局仍是能力与成本的匹配，没有客户的纯模型公司最终必须落地。
• AI 相关硬件、软件以及数字世界需求的泡沫“肯定是存在的”：需求以软件速度扩散，产能却要像建房子一样一砖一瓦地建设数年，类似中国太阳能当年扩产后“很多投资打了水漂”的周期。 英伟达的护城河“确确实实很深很宽”，但作为 AI 泡沫最核心、受益最大的 player，“对我而言，肯定是有 downside risk 的”。
• AI 更像工业革命而不是互联网：蒸汽机放大体力，AI 释放脑力，这种影响可能持续 100 年以上。 而且，与互联网带来的 paradigm shift 不同，AI 直接赋能那些已经在数字世界做得很好的公司，把数据、知识和能力重新组织、重新放大，“并不需要一个跃迁的过程”——拥有用户、数据、算力和人才等优势的公司，长期影响“肯定是正面的，除非管理层脑子进水”。
• AI 擅长抓取资料，却不擅长判断；一旦遇到知识 gap 就会编故事，而研究要求“对知识的诚实”。 正确的做法是人机分工、形成良性互动：AI 收集和组织信息，人判断来源质量并向 AI 反馈。跨学科 mental model 无法外包——“知识必须是我们自己的，AI 再聪明，我没掌握也不能很好利用它。”
• 芒格留给常劲的两件工具是普世智慧（多元思维模型）与 25 种误判心理倾向，外加“spider web of deserved trust”这一生活原则。 理性之所以生死攸关，是因为替别人管钱背负着 fiduciary duty，错误成本会随管理规模放大。投资之外，常劲创办 UCA Community Foundation，以 $500–5,000 的天使式 grant 资助华人社区项目，并直言在国会层面“还没看到大陆背景的参议员或众议员”。他给下一代的处方是 AI literacy 加创造力；鸡娃与快乐教育需要“找到平衡，而不是推到极端”。

Deep dive

1. Munger’s Two Tools: Worldly Wisdom and the Psychology of Misjudgment

• 常劲深度参与了中文版《穷查理宝典》的制作；英文版名为 Poor Charles Almanac，由芒格的好友 Peter Kaufman 编辑出版。他从芒格身上学到两件事：worldly wisdom，即跨学科的 mental model，把不同学科的知识串联起来，用于投资研究并产生洞见；以及误判心理学。芒格曾在一次演讲中提出 25 种常见的误判心理倾向，帮助投资人“深度认识我们自身的局限性”，避免掉入“自我设置的陷阱”，这与巴菲特的能力圈（circle of competence）一脉相通。
• 理性为何生死攸关：投资最怕被情绪左右，错误的成本会随着管理规模放大，而替别人管钱还背负着 fiduciary duty——亏掉自己的钱，自己承担后果；“如果我们亏了别人的钱，这就是对我们的 fiduciary duty 一个很大的损伤”。

2. Munger in Life: A Spider Web of Deserved Trust

• 常劲引用芒格的生活原则：“spider web of deserved trust”——要生活在一个由值得信赖的人组成的信任网络里。这种关系必须是双向的：你要值得别人信任，也要值得拥有这样的信任。芒格总是站在对方的 position 上思考：“我要给你的东西是不是你想要的？”
• 表面高冷、 “直言不讳、无所顾忌”的芒格，对朋友和身边的人却非常关心、善良，也积极回馈社区：他曾向 Stanford、UC Santa Barbara 和 USC 捐赠建筑，是洛杉矶一家大型医院和 Harvard-Westlake 的 board member，并活到了 99 岁。常劲这样收尾：“他给做价值投资的人设了一个非常高的灯塔，将来如果我的人生能够像他一半，我就已经非常满意了。”

3. AI Is More Like the Industrial Revolution: Unlocking Mental Capacity, Not Another Internet

• 面对“AI 像互联网还是移动互联网”的常见类比，常劲的框架不同：AI 更像工业革命。蒸汽机把人的体力放大数百倍、数千倍，甚至数百万倍；AI 则释放脑力，“我们基本上拥有了无穷无尽的记忆力”，让原本很难成为芒格式百科全书大家的普通人，也能随手获得大量所需知识。
• 这种影响可能持续 100 年以上，甚至要求社会乃至整个人类文明形态随之发生重大变化。

4. The Key Difference from the Internet: AI Directly Empowers Incumbents in the Digital World

• 工业革命和互联网都是 paradigm shift——从农田走向工厂，从 offline 走向 online；但 AI 与互联网不同，它直接赋能已经数字化的生意，把数据、知识，更重要的是能力的沉淀“重新组织、重新放大”， “并不需要一个跃迁的过程”。那些已经在数字世界拥有庞大用户群、数据、计算能力和人才的公司，长期受到 AI 带来的影响“肯定是正面的，除非管理层脑子进水犯了一个巨大的错误，把机会白白让给别人”。

5. Why LLMs Struggle to Replace Value-Investing Judgment: Probabilistic Output vs. Human Judgment

• 曹卿云问：大模型日新月异，对价值投资的可预见性究竟是挑战还是赋能？常劲的回答是，到目前为止，AI 是赋能。交易有可能交给机器——Renaissance Technology 即便没有大模型，也已经用 algorithm 做得非常成功；但长期投资仍然存在很大问题。投资结论是方向和概率，“很多时候，大概率发生的事件反而没有发生”。持有期超过 5 年、10 年，甚至 20-30 年，比亚迪被持有约 23-24 年，期间股价波动超过 50% 的情况历史上就有 6 次，短期表现无法验证长期判断。
• 更底层的问题在于 Transformer 本身：生成结果完全是概率参数的产物；它“看起来像跟我们在对话，并不是因为它真正理解了我们在讨论什么”。人的思维并不完全是概率产物，有时反而会选择小概率的东西。常劲以此说明：“真理是掌握在少数人手里头的。如果是个概率事件，真理应该永远掌握在大多数人手里头的。”这也使模型难以处理人的跳跃性思维：人的思维可以跳跃，但模型一旦跳跃，就很容易失控。

6. Knowledge Gaps Make Models Invent Stories: AI Collects, Humans Judge

• LLM 擅长结构化、结果可以即时验证的任务——写程序“是骡子是马，拉出去遛一遛就知道了”；但知识点之间一旦存在 gap，它就会编故事，研究结论听起来似是而非。编故事本身就是模型训练过程中形成的一种能力，而研究恰恰要求“在没有掌握事实的情况下，我们不能编故事，必须对知识保持诚实”。
• 分工方案是 AI 抓资料、收集并组织信息，人来做判断。AI 所谓的判断往往建立在公众共识之上：“大家都认为它重要，所以它也认为它重要”，但这对你的研究可能毫无意义。人需要判断来源质量、可能存在的问题以及还应查看哪些其他来源，再把反馈交给 AI，形成良性互动，让研究结果更可靠。
• 多元思维模型同样无法外包给 AI：究竟该使用哪门学科的知识，需要人来判断。“这些知识必须是我们自己的……如果知识只是 AI 的，AI 再聪明，我也不能够很好地去利用它。”AI 没有人的眼睛、嘴巴、鼻子、感知、经验、对过去的记忆以及对未来的感受。常劲还提到“我们女性非常厉害的这种直觉”，并认为 AI 能否上升到人对世界的感知、认可和理解，“对我是一个巨大的问号”。

7. Why Himalaya Bought Google: Buying into the Consensus That It Was “About to Be Killed Off”

• 曹卿云直问：谷歌是大仓位，position 是否过高？常劲因合规不能具体评价个股，但纠正了市场叙事：“今天大家觉得谷歌好的不得了，所以喜马拉雅买了它，不是的。我们可能是在大家都认为这家公司很糟糕、很快就要被干掉那个情况下我们去买了它。”
• 方法论是自下而上：不从行业或宏观层面寻找机会，而是以股东身份理解这门生意——AI 会不会冲击谷歌的搜索模式、公司如何应对、护城河究竟在哪里。看明白之后，再寻找安全边际；投资这家公司时，“downside risk 没有那么大”，同时还可以享受 upside 红利。市场悲观时会过度给 downside 定价，就像乐观时会吹出泡沫；错杀的公司可能因此成为买点。曹卿云的类比获得确认：被市场错判、错杀，但护城河很深很宽、能够长期持续的公司。
• 对谷歌激进的资本开支，常劲的看法是：“我觉得是好事儿，对它未来的发展有好处。”只要 AI 继续发展、出现做得更好的公司，谷歌总是可以向别人学习。

8. Hardware and Bubbles: Capacity Is Built Brick by Brick, Demand Spreads at Software Speed

• 面对 GPU、CPU、存储等硬件的周期风险，常劲指出，数字世界的需求以软件速度传播，像 email 一样扩散；但硬件 capacity “像建房子一样一块块砖建起来，不是拿软件 copy 一下就能生成”，需要投入数年。中国太阳能产业爆发时也曾经历产能不足，随后纷纷扩张并最终过剩，“很多投资打水漂”。今天是否会重演？“我不知道，但这个泡沫肯定是存在的。”产能建成后能否被届时的需求消化，其中的落差风险要求投资人保持冷静、理性判断未来。
• 英伟达方面，常劲坦承自己没有做很深的研究；其护城河“确确实实很深很宽”，但作为 AI 泡沫中“最核心的 player、受益最大的 player”，“毫无疑问会有泡沫在里头……对我而言，肯定是有 downside risk 的”。

9. No Endgame in Model Competition: The Barrier Is Not That High; the Final Contest Is Cost and Deployment

• 对头部模型的竞争，常劲自称只有直观感受：“至少在目前为止，我还没看到谁做出一个模型来别人就赶不上了。”即便使用最先进的芯片和最强大的 computing power，“你也不见得就能够永远就跑在最前面”。
• 长期来看，最终还是能力与成本的匹配：“谁的能力做得更好，谁的成本控制得更好。”没有客户的纯模型公司必须落地；已经拥有大量用户的公司则不必急于大规模投入，“可以等到有些东西做得比较好以后拿过来使用，直接让客户受益”。至于彻底垄断某一方面的能力，常劲认为至少目前还看不到，barrier 也没有那么高。

10. The Chinese Community and the Next Generation: UCA Foundation, AI Literacy, and Educational Balance

• 常劲认为，硅谷华人生态有 3 块短板。政治上，“至少到目前为止，我还没有看到在国会层面有大陆背景的参议员或众议员”；corporate world 里做到顶尖、达到 senior executive 位置的人还不够多，NVIDIA 的 Jensen Huang 是自己创办公司的例子；社区层面的草根投入也不足。疫情期间他形成了一个直白的判断：“不能积极参与社会，进入主流政治并产生影响，我们可能就是摆在砧板上、任人宰割的羔羊——只有你自己去争取，才能保护自己的权益。”
• UCA Community Foundation 以天使式 grant 资助项目，每笔 $500–5,000，聚焦 6 个方向：公民权利保护和教育、公民参与、二代及青年领导力、传统文化传承、社区服务，以及中美民间交流和相互了解。一个案例是湾区话剧《哥大的椅子》，讲述华人丁龙把一生积蓄捐给 Columbia，用于东亚研究。UCA 每年还举办青少年领导力培养夏令营，参加者约 100–200 人，并提供在国会议员办公室实习 1–2 周的机会。最大挑战是“完成了从零到零点五”：机构仍完全依靠志愿者运作，正在招募职业化人才。
• 下一代要避免被 AI 替代，首先要理解 AI，即具备“AI literacy”；其次要专注创造力，因为“AI 可能很难替代人的信仰、创造力，以及丰富的想象力”。鸡娃还是快乐教育？常劲的答案是：“两个都需要……最后是需要找到一个平衡，而不是把它推到一个极端。”在他看来，二代的视野是全世界，AI 带来的变化也是需要共同合作解决的世界性问题——“我是一个和平的倡导者。”