信用的形态学

熊彼特的隐性命题:信用是预支的未来

熊彼特 1912 年出版《经济发展理论》的时候,他做的事情在今天看来有些奇怪:他写了一本经济学书,但书里几乎没有关于"如何配置稀缺资源"的讨论。他关心的不是均衡状态下的经济,而是经济如何打破均衡向前演化。

这本书最常被引用的概念是"创造性破坏"和"企业家精神"。但我觉得更重要、也更被忽视的,是他对"信用"的理解。

在熊彼特之前,主流经济学对银行的理解大致是这样的:银行是储蓄者和投资者之间的中介。社会上有人有闲钱,有人需要钱,银行把前者的钱搬运给后者,赚一个利差。在这个图景里,金融是被动的——它服务于已经存在的实体经济活动,本身不创造任何东西。

熊彼特把这个图景彻底推翻了。他的关键洞见是:在一个稳态的经济里,所有的生产要素都已经被现有的生产用途占满了,没有"闲置资源"在等着被新企业家调用。如果一个新组合(熊彼特所说的 innovation)要发生,企业家必须把劳动力、土地、机器从现有用途中抽调出来——而这种抽调,需要一种事先并不存在的购买力。

这种购买力从哪里来?熊彼特的答案是:银行凭空创造。

凭空。这是一个很激进的词,但熊彼特用得非常严格。他说银行家的真正功能不是"中介",而是"创造对未来生产力的索取权"。当银行给企业家发放一笔贷款,它不是在转移已有的购买力,而是在用自己的信用,为一个尚未存在的未来开出一张票据。如果企业家成功了,这张票据就会被未来的生产力兑现;如果失败了,这张票据就成了银行体系的坏账。

所以熊彼特的命题不是"金融服务于实体经济",而是反过来——金融制度决定了哪些"实体经济的可能性"能够被实现。没有信用创造,蒸汽机就只是瓦特的一项发明;有了信用创造,它才能成为产业革命。

这个命题的激进性,直到今天也没被充分消化。我们仍然习惯把金融想象成"水龙头",好像只要有钱在那里,产业革命自然就会发生。但熊彼特让我们看到的是:钱本身是一种制度,而不同形态的"钱"匹配不同形态的"产业可能性"。

但熊彼特的命题里,有一个他自己没有专门展开、却隐藏在所有论证背后的前提——信用创造的可持续运转,依赖于产权制度的稳定。

这个前提为什么重要?因为信用创造本质上是一种对未来的承诺:银行预支购买力给企业家,企业家把这笔购买力转化为新的生产组合,新的生产组合创造未来的现金流,这些现金流最终偿还银行的贷款。这条链条能够闭环,有一个隐含条件——企业家创造出来的财富,在法律意义上确实归他所有,并且这种归属在任何情况下都不会被任意剥夺。

如果产权不稳定,这条链条会从两端同时断裂:前端,银行不敢预支信用,因为它无法确定企业家未来真的能拥有自己创造的现金流来偿还;后端,企业家不愿意全力投入,因为他无法确定自己创造的财富最终归谁。最终的结果是,即使一个社会名义上有"银行"、有"贷款"、有"企业家",真正的熊彼特意义上的"信用创造"也无法发生——只能发生信用的搬运(把存量财富在不同主体间转移),而不是信用的创造(为尚未存在的未来预支购买力)。

这个前提在熊彼特讨论的 19 世纪欧洲是默认成立的,所以他不需要专门论证。但当我们把这条线索推到 21 世纪、推到不同的政治经济体时,这个前提是否成立、以什么形式成立、在哪些边界条件下会失效——就成了一个必须正面面对的问题。这个问题会在第四节关于中国的部分重新浮出。

这是这篇札记接下来要展开的全部命题的根基。

戈登与第二次革命:证券化的发明

熊彼特在 1912 年写下"信用创造"这个命题的时候,他主要的实证参照系是 19 世纪的欧洲——尤其是德国的全能银行体系。但其实在大西洋的另一边,一个更激进的金融形态实验已经在进行,而且已经接近完成。这就是约翰·斯蒂尔·戈登在《伟大的博弈》里讲述的故事:华尔街如何在第二次产业革命中,把熊彼特的"信用创造"推到一个全新的制度形态。

第二次产业革命的标志性产业——铁路、钢铁、电力、石油——和第一次产业革命的纺织、煤炭相比,有一个根本的不同:资本需求的量级跃迁了至少两个数量级。

修一条横贯北美大陆的铁路,需要的资本不是任何一个银行家、任何一个家族、甚至任何一个城市的财富所能承担的。摩根再有钱,他个人的财富也撑不起一条联合太平洋铁路。修一座现代钢铁厂,从矿山到码头到高炉到轧机的整套基础设施,资本回收周期是 20-30 年——超出了任何一代人的耐心和寿命。建一个全国性的电力网络,意味着要在几十年里持续投入,且投资和现金流的匹配存在严重错配。

这种量级和时间结构的资本需求,单纯的银行信用是无法满足的。商业银行的负债端是短期存款,资产端不能太长——这是任何商业银行的生死线。让一家银行去给一条铁路提供 30 年期的资本,等于让这家银行自杀。

所以华尔街要做的事情,不是"提供更多的银行信用",而是发明一种新的金融制度,能够把分散的、休眠的、各种不同期限偏好的社会资本,汇聚成产业级的、长期的、可承担巨大不确定性的资本。

这套制度的几个关键发明:

第一是投资银行辛迪加。摩根的真正贡献不是他个人有多有钱,而是他发明了一种把发行风险横向分摊给一群银行的机制。一笔几亿美元的债券发行,任何单一机构都吃不下、不敢吃,但如果由 30 家银行组成辛迪加,每家承销几百万、上千万,就变得可行了。这是一种"金融上的合作社"——它让单个机构不可能完成的事情,通过制度协作变成了可能。

第二是公开股票市场。这个发明的真正意义,不在于"让普通人也能投资公司",而在于它给长期资本提供了一个退出机制。一个投资者把钱投进了一条修了 20 年才能盈利的铁路,但他自己可能 5 年就需要把钱拿回来。怎么办?如果有一个流动的二级市场,他可以把自己的股权卖给下一个投资者,而下一个投资者可以再卖给下下个。资本的"长期性"就这样通过持有者的接力被实现了——每个持有者其实持有的时间都不长,但资本本身在企业账上是长期的。这是一个非常深刻的制度发明:它把资本的时间性从单一持有者的耐心里解耦了出来。

第三是债券市场。这是把"未来现金流"标准化、可交易化的发明。一条铁路未来 30 年的运营收入,可以被切成不同期限、不同优先级、不同风险等级的票据,卖给不同风险偏好的投资者。这本质上是把"对未来的索取权"做了精细化的切片——熊彼特说的"对未来生产力的预支",在这里被工业化了。

第四是信息披露和会计标准。这个常常被忽略,但其实是上面所有制度能够运转的基础设施。一个纽约的投资者要敢于买一家位于堪萨斯州的铁路公司的债券,他必须能够远距离地、相对可信地了解这家公司的财务状况。所以现代会计准则、季度报告、独立审计、SEC 监管——这套今天我们觉得理所当然的东西,其实是为了让"陌生人之间的远距离金融关系"成为可能,而被一步步发明出来的。

把这四样东西放在一起看,你会发现它们在做的事情,本质上是熊彼特"信用创造"的制度化和市场化。在熊彼特最初的图景里,信用创造主要靠银行家的个人判断——一个 J.P. 摩根坐在他的办公室里,用他个人的信誉和判断,决定要不要给某个项目预支信用。但华尔街的发明,把这个个人化的判断升级成了一套集体化的、市场化的、可分散风险的定价机制。

结果是什么?结果是美国在 19 世纪最后 30 年里,完成了人类历史上最快的工业化跃迁。1870 年的美国还是一个以农业为主的国家;1900 年的美国已经是全球最大的工业国;1914 年的美国已经成为全球最大的债权国。这背后,钢铁、电力、石油的技术革命固然是必要条件,但华尔街发明的这套金融制度才是充分条件。如果没有这套制度,那些技术发明依然会发生,但它们能够实现的产业规模,会被旧的金融制度死死地卡在一个低得多的水平上。

这里值得停一下,做一个对中国语境的反思。中国在最近 30 年的高速工业化里,很大程度上复用了第二次产业革命时代发明的那套金融制度——商业银行体系、股票市场、债券市场。但有一个关键差异:中国的这些制度,并不是为了"证券化未来生产力"而被发明的,而是作为现成工具被引进的。

更深的差异在于上一节提到的那个产权前提。在产权不稳定的环境里,即使搭建起完全相同的金融机构形式,这些机构所能进行的也只是"信用的搬运"而不是"信用的创造"。中国的银行体系把储户的存款搬运给国企和地方政府,股票市场为成熟产业提供退出和再融资,债券市场为政府融资和大型企业融资——这些都是有用的金融功能,但都不是熊彼特意义上的"对尚未存在的未来预支购买力"。

这导致中国的资本市场长期更像一个为存量资产定价的场所,而不是一个为未来生产力预支信用的场所。这个差异,会在后面我们讨论 AI 时代的金融形态时,以一种比表面看起来更尖锐的方式重新浮现。

马拉比与第三次革命:为不确定性定价

把华尔街的故事讲完,我们来到了 20 世纪中期。这时候发生了一件事:技术革命的形态又变了,而且变得让华尔街那套精密的制度也不够用了。

塞巴斯蒂安·马拉比的《风险投资史》(原书名 The Power Law)讲的就是这个故事:为什么半导体、个人电脑、互联网、生物技术这些产业,用不了华尔街的老办法,只能等待一种全新的金融制度被发明出来。

要理解这一点,得先看清楚华尔街那套制度的隐含前提是什么。

公开股票市场、债券市场、投资银行辛迪加,这一整套制度能够工作,有三个前提条件:

资产可估值:你能算清楚这家公司大致值多少钱(不管是用 P/E 还是 DCF); 现金流可预测:未来若干年的收入和成本有大致的可预见性; 风险可分散:通过投资组合,你能把单个项目的风险消化掉。

铁路、钢铁、电力、石油这些第二次革命的产业,完美匹配这三个前提。资产是看得见摸得着的固定资产——铁轨、矿山、炼油厂、电网。现金流是相对稳定的——只要经济在增长,这些基础设施的需求就在增长。风险是可分散的——你不会指望一条铁路成为下一个谷歌,你只期望它给你 8% 的稳定回报。

但仙童半导体在 1957 年从肖克利实验室出走的时候,它面对的处境是这样的:

公司的"资产"是 8 个工程师的脑袋,几张实验室的工作台,以及一个还没完全验证的硅晶体管制造工艺。这些资产没有任何会计意义上的价值。

公司的"现金流"是负的,而且看不到正的方向。当时的硅晶体管市场还不存在——他们要做的是一边发明产品,一边发明市场。没有任何 DCF 模型能给这种公司估值。

公司的"风险"不是 10%、20% 的失败率,而是 90% 以上的失败率。而且这种风险不能通过分散来消除——半导体行业不是一个均值稳定的行业,而是一个赢家通吃、输家归零的行业。你不能像投资 50 条铁路那样投资 50 家半导体公司,然后期望平均收益是 8%。你的实际结果可能是 49 家归零,1 家变成英特尔。

面对这种结构,华尔街所有的制度工具都失效了:投资银行不会承销一家没有现金流的公司的债券;公开市场不会接纳一家估值无法计算的公司上市;商业银行不会给一家没有抵押物的公司放贷。仙童如果出现在 1900 年的纽约,它根本融不到任何钱。

所以风投的发明,不是华尔街制度的"延伸",而是一次针对全新不确定性结构的金融制度重新设计。马拉比的书里把这个发明的几个关键要素讲得很清楚:

有限合伙制(Limited Partnership)。这是风投制度的根基。LP(有限合伙人)出钱但不参与管理,只承担有限责任;GP(普通合伙人)管事但只出小部分钱,承担无限责任,作为回报拿到 carry(超额收益分成,通常是 20%)。这个结构解决了一个根本问题:在极端不确定性面前,如何让出钱的人和懂行的人形成稳定的合作? 答案是:让出钱的人放弃对单笔投资的控制权,把判断权完全交给 GP;同时让 GP 通过 carry 把自己的命运和基金的整体表现绑在一起。这是一种信任的制度化——它假定 LP 永远无法直接判断单个项目的好坏,但可以通过 GP 的长期业绩记录来判断 GP 本身。

阶段性融资(Staged Financing)。VC 不会一次性把所有钱给一家创业公司,而是分成种子轮、A 轮、B 轮、C 轮……每一轮只给企业撑到下一个里程碑的钱。这个机制解决了"如何为持续递归的不确定性定价"的问题——每一轮融资都是一次重新评估,创业公司必须证明自己达到了上一轮承诺的里程碑,才能拿到下一轮。这本质上是把一个巨大的、不可定价的不确定性,切成了一系列较小的、可逐步定价的不确定性。

董事会控制权。VC 投资换来的不只是股权,还有董事会席位、否决权、关键决策的批准权。这是用治理结构来弥补信息不对称——既然 VC 没法事先判断创业公司的所有决策是否正确,那就在事后通过控制权来纠偏。这个机制其实承认了一个事实:在极端不确定性下,所谓"理性的事先判断"是不可能的,你只能通过持续的事中干预来管理风险。

期权激励。把员工绑进幂律回报里——你不能用"工资+奖金"留住能改变世界的工程师,因为他们有更好的现金 offer 在等着他们。但你可以用"股票期权"许诺他们一个未来——如果公司成功,他们能拿到的财富远远超过任何工资水平。这个机制其实是把企业内部的人力组织,也变成了一个微型的风投基金——员工以青春和机会成本作为投资,以期权作为可能的回报。

幂律退出逻辑。这是 VC 商业模式的数学根基。一只 VC 基金投 30 个项目,期望的不是每个项目都赚钱,而是 1-2 个项目赚 100 倍以上,5-6 个项目不亏不赚或小赚,剩下 20 多个项目全部归零——而那 1-2 个超级回报覆盖整只基金的所有损失,还能给 LP 带来 3 倍以上的总回报。这个逻辑只在幂律分布的回报世界里成立,而幂律分布只在赢家通吃的产业里才会出现。所以 VC 制度本质上是为"赢家通吃产业"设计的金融形态。

把这五个要素放在一起,你会看到一个完整的、自洽的、与第二次革命的金融制度完全不同的新形态。它不是华尔街的"增量改进",而是一次针对完全不同的不确定性结构的从零设计。

这套制度让什么变成了可能?它让仙童成为了仙童,让英特尔成为了英特尔,让苹果、思科、谷歌、Facebook 成为了它们后来的样子。没有这套制度,即使有那些天才工程师,即使有那些技术发明,他们也找不到能给自己定价的资本。第三次产业革命之所以发生在硅谷,不仅仅因为加州的阳光、斯坦福的人才、嬉皮士的文化,根本上是因为美国发明了一套能为这种产业的不确定性定价的金融制度,而这套制度恰好聚集在了 Sand Hill Road 上。

到这里,我们已经看到了金融制度的两次重新发明:第一次,商业银行的信用创造,匹配了第一次革命中"单一企业家的新组合";第二次,华尔街的证券化体系,匹配了第二次革命中"大规模长周期基础设施";第三次,硅谷的 VC 体系,匹配了第三次革命中"无形资产+极端失败率+赢家通吃"。

每一次,都是技术形态先变了,然后金融制度被逼着发明出新的形态来匹配。每一次,新的金融制度都不是旧制度的延伸,而是一次基于全新不确定性结构的从零设计。

那么现在,轮到 AI 了。

第四次革命的悖论:风投本身被甩开了

这一节是这篇札记最想钻进去的地方。

如果按马拉比的逻辑——"VC 是为不确定性定价的金融制度"——那么 AI 公司,尤其是基础模型公司,本来应该是 Sand Hill Road 的经典客户。它们做的事情完全符合 VC 制度设计的初衷:无形资产为主、失败率高、赢家通吃、需要长期耐心资本。

但实际发生的事情是:在 AI 基础模型层,VC 已经被边缘化了。Sequoia、a16z、Founders Fund 这些顶级 VC,在 OpenAI、Anthropic 这些公司的股东名单里,要么完全缺席,要么只是早期的小股东,后续的大额融资几乎全部由战略投资者和主权基金主导。

为什么?因为 AI 基础模型这种产业形态,已经把 VC 合伙制这套制度的承载能力击穿了。

接下来我会按四个递进的环节来分析这个击穿过程。这四个环节不是平行罗列,而是一条逻辑链:量级问题逼出了战略资本+算力抵账;算力抵账的本质又逼出了主权基金的下场;主权基金的下场又逼出了国家产业政策的资本化;而所有这些加起来,正在催生一种全新的、还在雏形中的金融制度——算力本身的证券化。

4 · 1第一环:战略资本与算力抵账——VC 合伙制的容量极限

让我们从一个最直白的数字感觉开始。

训练一个前沿大模型,目前公开可见的算力成本已经在十亿美元量级,而下一代很可能要到百亿美元。推理基础设施(让模型对外提供服务的算力部署)的成本可能是训练成本的若干倍。再加上人才成本——顶级 AI 研究员的年薪已经在千万美元量级——一家有竞争力的基础模型公司,单年的现金消耗就在百亿美元级别。

这个数字什么概念?Sequoia Capital 最新一期的旗舰基金大约是 80 亿美元;Andreessen Horowitz 最新的 AI 专项基金是 73 亿美元;Founders Fund 最新一期是 46 亿美元。也就是说,如果一家顶级 VC 把整支基金 all-in 一家 AI 公司,都不够支撑这家公司一年的烧钱。

这是一个根本性的容量问题。VC 合伙制的设计承载力,大约在"单只基金 10-100 亿美元、单笔投资 1000 万-10 亿美元"这个区间。一旦单家公司的资本需求长期稳定地超过单只基金的容量,VC 合伙制就在结构上无法成为这种公司的主要资本来源。

那谁能?在当下的资本市场结构里,只有两类玩家有这个量级的弹药:超大型科技公司(微软、谷歌、亚马逊、Meta,各自手握千亿美元级别的现金储备)和主权基金(沙特 PIF、阿联酋 Mubadala、新加坡 GIC,管理万亿美元级别的资产)。

但量级只是第一层。更深的问题是:即使 VC 凑得齐这个量级的钱,它也无法以正确的形态把这些钱给到 AI 公司。

这就是"算力抵账"出现的根源。

AI 公司最稀缺、最关键的"资源"其实不是现金——而是 GPU 算力。而 GPU 算力的供给,被极少数云厂商(AWS、Azure、GCP)和 Nvidia 联合垄断。在这种结构下,直接的资本投资和直接的算力供给,在战略价值上不是等价的:

如果微软给 OpenAI 100 亿美元现金,OpenAI 拿这笔钱去市场上买算力,会面临三个问题:第一,市场上的算力供给非常紧张,即使有钱也不一定买得到;第二,OpenAI 的需求是长期、持续、波动性大的,签长期算力合约存在巨大的承诺风险;第三,作为一个买方,OpenAI 在和云厂商的议价中处于弱势。

但如果微软直接给 OpenAI 100 亿美元的 Azure 算力额度——情况完全不同了。微软不需要真的拿出 100 亿现金,它只需要把自己已经投资建好的、本来也要折旧的算力基础设施,以"账面方式"分配给 OpenAI 使用。这笔交易对微软的现金流影响极小,但对 OpenAI 的实际价值远远大于 100 亿现金。

所以"算力抵账"不是一个会计技巧,而是一种全新形态的资本。它本质上是云厂商把自己的"过剩算力产能"作为一种新的资本品,投资给 AI 公司,换取未来的算力消费承诺、股权、和战略协同。这种资本形态,VC 根本无法提供——因为 VC 没有算力,只有钱;而在 AI 时代,没有算力的钱已经不是最重要的钱。

这是第一个关键的转折:在 AI 时代,资本的形态从"通用购买力"开始向"特定生产要素的使用权"分化。能提供算力的资本,比单纯能提供现金的资本,价值高出一个量级。这是 VC 合伙制设计时完全没有预想到的局面。

4 · 2第二环:主权基金下场——为什么国家信用必须进场

战略资本+算力抵账解决了一部分问题,但没有解决全部。

云厂商的算力额度虽然好用,但它有两个内在的约束:第一,云厂商自己的资产负债表是有限的——微软再大,它也不可能把所有的现金流都投给 AI 公司,它还要维持自己的核心业务、回报股东、应对反垄断审查。第二,云厂商和 AI 公司之间存在结构性的利益冲突——云厂商既是 AI 公司的"供应商"(提供算力),又是 AI 公司的"投资者",还可能是 AI 公司的"竞争者"(微软自己也在做 AI、谷歌自己也在做 AI)。这种多重身份让 AI 公司不可能完全依赖单一云厂商。

所以 AI 公司需要第三方资本——既不和它们存在业务竞争,又有足够大的资本量级,还有足够长的时间耐心。

在当下的全球资本结构里,只有一类玩家完全符合这三个条件:主权基金。

主权基金是一种很特殊的资本形态。它管理的资金来源是国家的财政盈余(常常来自资源出口或贸易顺差),它的"LP"是整个国家(或者说一个国家的未来世代),它的投资期限可以拉到 20 年、30 年、甚至 50 年——因为它要为未来几代人的福祉负责。

这种资本形态的"耐心"是任何 VC 都无法匹敌的。一只 VC 基金的存续期通常是 10 年(7 年投资期 + 3 年退出期),意味着 GP 必须在 10 年内把所有项目变现还给 LP。但 AI 基础模型的资本回收周期,没有人知道是多少年——可能是 10 年,可能是 20 年,可能更长。在这种时间结构面前,只有主权基金的耐心能匹配 AI 投资的耐心。

所以我们看到沙特 PIF 投资 xAI 数十亿美元;阿联酋 Mubadala 通过 G42 平台和 OpenAI、Microsoft 深度绑定;新加坡 Temasek 和 GIC 在多家 AI 公司持有重要头寸。这不是巧合,而是资本形态在自动匹配产业形态——只有这种期限结构、这种规模、这种耐心的资本,才能为这种产业形态买单。

但这里出现了一个非常深刻的转变,值得停下来仔细看:主权基金的本质是"国家信用的资本化"。它和 VC、PE、对冲基金、共同基金都不一样——后面这些都是私人资本的不同组织形态,而主权基金是主权信用直接以投资者身份进入产业市场。

这意味着什么?这意味着国家信用,在退场了一个多世纪之后,重新进入了产业革命的最前沿。

回顾我们前面讲的三次革命的金融形态:第一次革命的银行信用、第二次革命的华尔街证券化、第三次革命的硅谷 VC——这三次,金融制度的演化方向都是"信用的去国家化"。从中央银行授权的商业银行,到独立运作的投资银行和股票市场,再到完全私人化的有限合伙制基金——金融制度的每一次升级,都是在让"信用创造"越来越远离国家、越来越交给市场和私人专业判断。

但 AI 时代,这个趋势第一次发生了反转。当主权基金成为前沿产业最重要的资本来源之一,意味着国家信用又回到了产业资本的核心位置——只不过这一次不是通过税收+财政拨款的方式(那是计划经济),而是通过主权基金作为"市场化投资者"的方式。这是一种新的混合形态:形式上是市场化的资本运作,实质上是国家信用在产业层面的延伸。

这个转折,在前三次革命的金融史里都没有出现过。它的意义需要在下一节进一步展开。

4 · 3第三环:产业政策的资本化——国家信用的明示登场

如果说主权基金是国家信用通过"市场化投资者"的形态进入产业,那么 CHIPS 法案、欧洲 AI 主权基金、英伟达-OpenAI-政府的复杂三角关系——这些则是国家信用更直接、更明示地登场。

美国 2022 年通过的 CHIPS and Science 法案,提供了 527 亿美元的半导体产业补贴+1700 亿美元的研发投入。这笔钱的形态包括了直接补贴(给台积电亚利桑那工厂建设)、贷款担保、税收抵免、研发资助等等。表面上看,这是"产业政策";但从金融制度的角度看,这其实是国家信用直接被资本化为产业资本——美国政府以国家债务的形式发行国债,然后把这笔钱以补贴和担保的形式投入到半导体产业,本质上是在用国家信用为半导体产业的资本回报背书。

欧洲也在做类似的事情。欧盟的 AI 主权基金提案、各国的算力基础设施投资、对本土 AI 公司的扶持——这些都是国家信用在产业前沿的直接投放。

这个现象的特殊性,需要和历史做个对比。

19 世纪美国铁路时代,联邦政府也曾经给铁路公司大量的土地赠予和债券担保,这是"国家资本"参与产业革命的早期形态。但当时的国家资本只是辅助性的——铁路融资的主体仍然是私人资本通过华尔街的证券化体系完成的。20 世纪中期的硅谷起步时,美国国防部的 ARPA、NASA 的采购订单,确实给了早期半导体产业关键的需求支撑——但金融上的资本结构,仍然是私人 VC 主导的。

而 AI 时代,国家信用第一次作为"主导性的产业资本"进入前沿。CHIPS 法案的体量,接近或超过任何私人 VC 体系能投入半导体产业的总和;主权基金对前沿 AI 公司的投资体量,已经和私人风险资本平起平坐;美国政府对台积电、英特尔、Nvidia 的实际介入(从出口管制到补贴到产能要求),已经接近一种事实上的产业指令。

这背后有一个深层的逻辑:当一种产业的资本需求大到超过任何私人资本组织形式所能承担的极限时,国家信用就必然要进场——不管这个国家的意识形态是什么。美国是市场经济国家,但 CHIPS 法案的逻辑和中国"大基金"的逻辑,在金融形态上其实是同构的:都是把国家信用通过某种"准市场化"的中介机构,资本化为产业资本。

这是一个非常深刻的历史性转折。它意味着,新自由主义时代"市场万能"的金融叙事,在 AI 这个产业前沿已经悄悄破产了。不是因为意识形态变了,而是因为产业的资本需求结构变了——在新的需求结构面前,旧的纯市场化金融制度承载不了,必须把国家信用拉回前台。

这里又出现了一个对中国的反思,而且这次的方向和我们前面提到的不一样,而且要更严格一些。

我们在第二节末尾提到,中国在过去 30 年里复用了第二次革命时代的金融制度(银行+股市+债市),而且这套制度在中国的运作并不充分——它更像是为存量资产定价的场所,而不是为未来生产力预支信用的场所。所以中国在第三次革命(互联网、移动互联网)时代,不得不依靠美元 VC 体系来弥补本土金融制度的不足——红杉中国、IDG、经纬等等,本质上是把硅谷的 VC 制度引进到了中国。

到了 AI 时代,一个表面上看似乎成立的判断是:既然全球前沿产业的金融形态正在从私人 VC 转向"国家信用+战略资本+主权资本"的混合形态,那么中国"国家+银行+大基金+地方政府引导基金"这套制度,是不是反而和新需求形成了某种匹配?

这个判断流传很广,但仔细看就会发现它是一个形态学上的错觉。CHIPS 法案的逻辑和中国"大基金"的逻辑,在表面上都是"国家信用资本化为产业资本",但在金融制度的实质运作上,它们是两种完全不同的东西。

要看清这个差异,需要理解三个层次的事实。

第一,关于退出机制。任何"投资性的国家资本"——不管是主权基金还是产业基金——能够运转的前提,是被投资标的最终能够通过某种市场化的退出机制实现价值变现。CHIPS 法案的补贴最终是要让台积电、英特尔在公开资本市场上反映出更高的估值;沙特 PIF 投资 xAI 最终是要让 xAI 通过 IPO 或并购给 PIF 带来回报。没有这个市场化的出口,所谓的"投资"就退化为单向的财政补贴。

而中国 AI 领域的资本,目前面对的是一个退出渠道被系统性堵塞的状态。赴美上市因为地缘政治和审计监管事实上停滞;赴港上市市场容量有限且估值低迷;A 股上市排队周期长且对标的有严格要求;并购退出方面,前沿 AI 公司被外资收购的路径已经被实质性关闭——最典型的就是 Manus 那个案例:中国发改委叫停了 Meta 对 Manus 约 20 亿美元的收购,两位创始人回国开会后被限制出境。在这种环境下,所谓的"国资风投"在金融形态上根本不能算"风投"——它没有 VC 制度赖以运转的退出闭环,只剩下投入端,没有回报端。

第二,关于软预算约束。VC 制度能够为不确定性定价,有一个隐含的前提:GP 和 LP 都面对硬预算约束——投错了,基金亏损,GP 拿不到 carry,LP 赔钱,下一只基金募不到资金。这种约束让整个体系对"真实信号"高度敏感。

中国当前的"国资风投"主体——大基金、地方政府引导基金、城投平台——面对的是典型的软预算约束。地方政府不会因为投资亏损而破产,城投平台的债务最终会被地方财政和银行体系兜底。这种约束结构让"投资决策"和"投资后果"之间的反馈链条被切断了——决策者不需要为亏损负责,所以可以盲目加杠杆;LP(本质上是地方财政和最终的纳税人)无法施加真正的约束。

这种"无限资金支持"的表象,在中国整体经济严重通缩、地方债高企的现实下,实际上是一种危险的资源错配——把急需用于解决经济基础问题的资源,强行调配到 AI 竞赛中,既不可能持续,也不可能产生 VC 制度那样的真实回报反馈。

第三,关于产权前提。这是最深的一层,回到我在第一节末尾埋下的那个钩子。

熊彼特意义上的信用创造,需要一个稳定的产权结构作为基础——企业家创造的财富在法律意义上确实归他所有,这种归属在任何情况下都不会被任意剥夺。Manus 案例提供的最直接信息是:在中国,企业家并不真正拥有自己创造的财富的产权。政府不需要通过法律条文,可以直接通过控制人身自由的方式,强迫企业家处置资产或放弃交易。

这个事实对金融制度的影响是结构性的。它意味着所有"投资性的资本"——不管是私人 VC 还是国资基金、不管是国内资本还是外资——在中国 AI 行业的运作,都笼罩在一个根本性的产权不确定性之下:你今天投资一家 AI 公司的股权,这份股权的实际价值随时可能因为某个非市场因素(政策变化、政治需要、对外关系)而被清零或被强制重估。

在这种产权环境下,即使把 VC 制度的所有外部形式都搭建起来,它也不可能完成熊彼特意义上的"信用创造"——因为信用创造需要"对未来财产权的可信预期",而这个预期在制度上无法被保障。

把这三层放在一起,可以看到中国"国资风投"和美国"CHIPS+主权基金"的差异不是程度差异,而是性质差异。后者是在一个稳定产权 + 硬预算约束 + 市场退出闭环的基础结构上,附加了国家信用作为放大器;前者则是在缺失这些基础结构的情况下,试图用国家信用替代这些基础结构。两者所能产生的金融能量,在量级和性质上都是不同的。

这导致了一个表面反直觉但内在自洽的现象:虽然中国 AI 模型在某些技术测试指标上显得在追赶,但在商业变现能力和真实产业落地上,中美差距不是在缩小,而是在持续扩大。一个值得参考的判断是:中美 AI 在商业应用和实际盈利能力上的差距,目前已经在几十倍量级。开源模型的技术追赶(DeepSeek 的成就是真实的)和闭源模型在商业 Agent、企业应用、收入规模上的领先,是两回事——而后者才是金融制度真正能够"印证"的部分。这个差距的根源不在算法、不在数据、不在工程师数量,而在金融制度是否能够把技术能力可持续地转化为产业能力。

4 · 4第四环:算力的证券化——下一次制度发明的雏形

讲到这里,我们已经看到了三种新形态:战略资本+算力抵账、主权基金、产业政策的资本化。但这三种形态都有一个共同的局限——它们都是"非标准化"的、"一对一"的、"高度政治化"的资本形态。每一笔大额投资都是一次复杂的谈判,涉及股权、算力、长期合约、地缘政治等多重维度,没有形成任何"市场化的、可交易的、可流动的"金融工具。

这是一种什么状态?这种状态在金融制度演化史上,有一个对应物:第二次产业革命之前,铁路融资也曾经是"非标准化"的、"一对一"的——每一条铁路的融资都是一次定制化的私募交易,直到华尔街发明了债券市场,把"未来现金流"标准化为可交易的票据,资本的流动性才被释放出来。

那么,AI 时代的金融制度,会不会也走到一个类似的拐点——把现在这种"非标准化的算力交易"演化为"标准化的、可交易的算力金融工具"?

我觉得这个趋势已经在出现雏形了,虽然还非常早期。几个值得注意的信号:

GPU 资产融资。已经有创业公司专门做 GPU 抵押贷款——AI 公司用自己拥有的 GPU 集群作为抵押品,从专门的金融机构借出现金,用来支付运营开支。这是把 GPU 从"消耗品"重新定义为"可抵押资产"的尝试。一旦这个市场成熟,GPU 就会有一个二级市场价格,有标准化的折旧曲线,有专门的估值方法——这是任何资产被"金融化"的第一步。

数据中心 REIT。已经存在的数据中心 REIT(像 Equinix、Digital Realty),正在加速吸收 AI 算力相关的物业。下一步可能出现的是专门为 AI 训练集群设计的特殊 REIT——投资者购买这种 REIT 的份额,本质上是购买了"AI 算力基础设施"的未来现金流的一部分。这是把"算力服务收入"证券化为公开市场可交易工具的方向。

算力期货。一些早期的实验已经在尝试把"未来某个时间窗口的 GPU 算力使用权"作为标准化合约交易。如果这个市场能够发展起来,AI 公司就可以像航空公司对冲燃油价格那样,对冲未来的算力价格波动。这会大大降低 AI 行业的资本不确定性。

Token 化的算力共享。Web3 圈子里的一些项目(比如 Render Network、io.net 等)在尝试用区块链 token 来组织分布式 GPU 算力的供给。这些项目的具体技术方案能不能成立另说,但它们指向的方向是真实的:把算力的"使用权"和"所有权"分离,然后用一种标准化的、可交易的凭证来组织全球范围的算力供需匹配。

这些信号合在一起,指向的是一个可能正在到来的新金融制度雏形:算力本身被证券化、标准化、市场化,成为一种新的、可交易的金融基础资产。

如果这个方向真的发展起来,它的意义可能不亚于 19 世纪债券市场的发明——它会把 AI 时代"算力即资本"的新现实,从一种"非标准化的政治化交易",升级为一种"标准化的市场化基础设施"。从而把目前主要由战略资本和主权基金承担的角色,部分地重新交回给市场化金融工具。

但这个雏形目前还非常脆弱。它需要解决很多基础性的问题:GPU 资产的估值标准化(Nvidia 每代芯片性能跃迁太快,折旧曲线难以稳定)、算力服务的标准化(不同云厂商的算力服务无法互换)、跨国算力交易的法律框架(算力供给涉及国家安全和数据主权)等等。每一个问题都是一个制度发明的子工程。

我的判断是:未来 5-10 年里,围绕"算力金融化"会出现一波密集的制度实验。这些实验大部分会失败,但其中可能有一两个最终沉淀下来,成为 AI 时代金融制度的核心组件——就像 19 世纪众多的金融实验里,最终沉淀下来的是债券市场和投资银行辛迪加,而不是其他无数被遗忘的形态。

到时候我们回头看,会发现 AI 时代的金融制度,既不是 VC 的延伸,也不是主权基金的简单胜利,而是一套全新的、混合性的、把"国家信用+战略资本+市场化算力金融工具"组合在一起的复合形态。

但这里有一个对中国而言极其严峻的事实需要直面——算力本身的全球供给结构,在金融形态之下,有一个更基础的物理基础结构,而这个物理基础结构目前是单极化的。

整个"算力即资本"的金融制度演化,有一个隐含的物理前提:真实存在的、可工业级量产的、被全球生态广泛接受的高端 AI 芯片。这个前提目前完全由英伟达提供,由台积电制造,由 CUDA 软件生态锁定。任何"算力金融化"的工具,最终都要落到这个物理基础结构上才能成立。

围绕中国 AI 突围有两个被广泛流传的叙事——"DeepSeek 用国产算力训练出了前沿模型"和"华为昇腾正在替代英伟达"——而这两个叙事在事实层面都需要严格审视。

DeepSeek 最新模型的算力来源,从其论文的技术细节判断,实质上仍然是基于英伟达芯片和 CUDA 生态训练完成的。中国 AI 公司获取英伟达算力的实际路径,主要是通过接入海外服务器、消耗禁令前囤积的存量芯片、以及各种灰色采购渠道。所谓"针对昇腾优化"在很多情况下是后续推理部署层面的适配,而不是训练阶段的真实替代。

华为昇腾芯片的核心问题不是"能不能造",而是"能不能量产"。受限于光刻设备代差,华为最先进芯片不得不依赖多次曝光技术,导致良率极低、单片成本极高。其年产量是十万片量级,而英伟达 H100/B100 系列的年产量是千万片量级——两者之间是百倍的产能鸿沟。这个鸿沟在可预见的未来无法通过单纯的产业政策投入弥合,因为它的瓶颈在上游设备(EUV 光刻机)而不是下游制造,而上游设备的全球供给本身就是单极的。

理解这个事实之后,英伟达 CEO 黄仁勋反对芯片出口管制的真实逻辑也变得清楚了:他不是急着要把芯片卖给中国(目前英伟达芯片全球供不应求,根本不缺中国订单),而是要保护英伟达全球供应链中,中国所承担的下游组装、接线板、机柜集成等灵活产能。这些产能是英伟达全球扩张速度的关键支撑,而它们和高端芯片本身的供给方向,是两个不同维度的问题。

把这些事实合起来看,得到的判断是:"算力即资本"的金融制度演化,在物理基础上是被英伟达-台积电-CUDA 生态锁定的;而这个锁定结构,通过出口管制和产能差距,在事实上把中国排除在了"算力金融化"的核心市场之外。中国可以建设大量的"国产算力中心",可以发行各种"算力基金",可以推出各种"AI 产业政策",但只要物理底层的高端算力供给依然是单极的、且被对手国家系统性管制,所有这些金融形态都只能在一个被限定的、低算力密度的框架内运转。

这是 AI 时代金融制度演化中,一个必须直面的不对称结构。它意味着我在第五节即将做出的整体收束,需要承认这样一个事实:AI 时代的金融制度形态,在全球范围内不是均匀展开的,而是高度地缘集中化的。

回到熊彼特:信用形态学的递归

讲到这里,可以把整篇文章的论证收一下了。

我们看到的不是简单的"AI 太贵所以需要更多钱",而是一个更深层的现象:每一次产业革命,都对应着一次金融形态的重新发明,用来为那个时代特有的不确定性结构定价。这是一个形态学意义上的演化——不是量的增加,而是制度形态的根本变化。

把四次革命的金融形态摆在一起,可以看到这种形态学的清晰轨迹:

这张表不是为了"对仗工整",而是想说明一件事:每一次新金融制度的发明,都不是旧制度的延伸,而是一次基于新的不确定性结构的从零设计。商业银行的信用创造、华尔街的证券化、硅谷的 VC、AI 时代正在形成的复合形态——这四套制度之间没有线性的进化关系,而是各自为不同的产业形态量身打造的不同物种。

熊彼特在 1912 年提出的那个原命题——"金融制度决定了哪些实体经济的可能性能够被实现"——在这个形态学的视角下,获得了一种新的意义:金融制度不仅决定了"哪些技术能成为产业",还决定了"哪些组织形态能成为这些产业的承载者"。

但金融制度本身也有更深的基础。这是这篇札记走到这里,必须正面面对的一层。

熊彼特讨论信用创造时默认的产权稳定、第二节讨论华尔街证券化时默认的远距离信任(由信息披露、独立审计、SEC 监管所支撑)、第三节讨论 VC 时默认的合同执行力(LP-GP 之间复杂的合伙协议必须能在法庭上被执行)、第四节讨论算力金融化时默认的跨境资产可流动——所有这些金融制度形态的演化,都建立在一个底层基础设施之上:稳定的产权、独立的司法、可信的合同执行。

这个底层基础设施不是金融制度的一部分,而是金融制度能够运转的前提。它在欧美 200 多年的金融演化里被默认成立,所以经济学家很少专门讨论它。但当我们把这条线索推到全球范围、推到不同政治经济体时,这个底层基础设施的存在与否,就决定了上层金融制度能否真正运转。

回到那个问题:中国能不能在 AI 时代领先?

经过前面的论证,这个问题的答案需要分两层来回答。

第一层,在金融制度的表层形态上,中国的"国家+大基金+地方引导基金"看起来似乎和 AI 时代浮现的"国家信用复合形态"有某种相似。这是为什么"中国 AI 在国家投入上更有优势"这种叙事能够流行。

第二层,在金融制度的实质运作上,这种相似是表面的。CHIPS 法案的国家信用是叠加在一个稳定产权 + 市场退出 + 硬预算约束的基础结构上的;中国的国资风投是在缺失这些基础结构的情况下,试图用国家信用替代它们。前者是放大,后者是替代——而金融制度史上,纯粹用国家信用替代市场基础结构的做法,从来没有在前沿产业革命中成功过。20 世纪苏联的国家投入并不少,但它从未在任何产业革命中真正引领。

加上前面讨论过的物理基础结构层面的不对称(算力供给的单极锁定),以及 Manus 这类案例所揭示的产权前提缺失,我对这个问题的判断是相对清晰的:中国在 AI 这一轮产业革命中,在金融制度的层面,不具备引领的结构基础。这不是技术能力的问题,不是工程师素质的问题,也不是投入规模的问题——这是金融制度演化的物种差异问题。

这个判断让人不舒服,但它是这条论证线索逻辑推到底之后的诚实结论。

同样的问题也可以反过来问:美国能不能在 AI 时代继续领先?表面上的答案是"当然,美国有 OpenAI 和 Anthropic"。但更深的答案要看,美国能不能在保持私人资本市场活力、保持产权制度稳定、保持司法独立的同时,完成"国家信用重新进入产业前沿"的制度改造——CHIPS 法案是一个开始,但远远不够。美国的难题在于,它需要在不破坏既有基础结构的前提下,把国家信用和私人资本组合成一套新的复合制度。这件事的难度,不亚于 19 世纪末美国发明现代投资银行制度的难度——但美国具备完成这种改造所需要的基础结构,这是它和中国处境的根本差异。

从信用形态学到调用者处境

写到这里,我意识到这篇札记其实一直在讨论的,不只是金融制度的演化史。

它隐隐指向的,是一个更大的问题——当产业的基础形态发生根本变化时,身处其中的"个体"的处境会发生什么变化?

我自己长期关心的几个题目,在这条线索上都获得了某种新的折射。

第一个折射:关于"调用者"的处境。

我之前在《调用者宣言》里提出过一个判断:在AI时代,所有创造性活动正在变成一种"调用预编码可能性空间"的活动——设计师不再"创造"形式,而是从一个被算法预先编码好的可能性空间里"调用"出某个具体形态;创造性的最深层位置不在"调用"的动作本身,而在"对可能性空间的控制"。

把这个判断和这篇札记的金融制度分析放在一起看,会出现一个有点冷峻的对应关系:如果"可能性空间"本身需要数十亿、数百亿美元的资本才能被建造,那么"对可能性空间的控制"就被结构性地锁死在了能调动这种资本的少数玩家手里——也就是 OpenAI、Anthropic、Google、Meta 这些拥有基础模型的公司,以及它们背后的战略资本和主权基金。

普通的设计师、艺术家、创业者,只能成为"调用者"——在这些被预先建造好的可能性空间里行动。我们无法"建造"自己的可能性空间,因为那需要的资本结构和金融制度,不是我们这个层级能触及的。

这不是悲观,而是一种结构性的清醒。调用者的处境是真实的,而且会越来越普遍。这个处境的政治经济学根源,就是这篇札记讨论的金融制度变迁——当资本的最小有效单位从"一个 VC 基金"跳跃到"一个云厂商+一个主权基金+一个国家产业政策"的复合体,处于这个复合体之外的所有创造性主体,都会被结构性地推到"调用者"的位置。

但调用者的位置不是无所作为的。调用本身是一种深度的实践——它要求对可能性空间的边界、纹理、潜力有深入的理解,要求在调用的过程中产生那些可能性空间的设计者也未曾预想到的组合。在这个意义上,调用者的工作,反而比建造者的工作更需要某种"再次的创造性"。

但我们必须承认:这种再次的创造性,是在一个更小的、更被预先框定的舞台上发生的。这个舞台的边界,是由我们这篇札记讨论的金融制度变迁决定的。

而对于身处中国语境的创造者来说,这个"框定"还有第二重——不仅"可能性空间"的建造权被资本门槛锁死,连可以调用的"可能性空间"本身,都因为算力供给的单极化和金融制度的物种差异,而存在结构性的获取约束。当 OpenAI、Anthropic、Google 的最新模型成为全球前沿"可能性空间"的主要提供者,而这些供给又叠加了出口管制、API 区域限制、地缘政治不确定性等多重过滤,中国的调用者面对的不只是"无法建造可能性空间",还面对"无法稳定地调用最前沿的可能性空间"。这是一种双重的位置塌缩。

理解这个双重塌缩,不是为了渲染悲情,而是为了对自己的位置有不带幻觉的清醒。在被双重框定的舞台上做出有真实价值的工作,需要的不是更大的自我肯定,而是更深的对结构的认识。

第二个折射:关于专业结构的崩塌与重组。

我之前讨论过 AI 对建筑事务所组织结构的冲击——传统的"高级建筑师+初级建筑师"的金字塔结构,正在被"高级建筑师+AI"的新结构替代,这意味着年轻一代失去了曾经的成长阶梯。

这个现象可以从这篇札记的视角重新理解。当产业的资本结构发生形态学变化时,产业内部的人力组织结构必然也会跟着变化。传统建筑事务所的金字塔结构,适配的是"项目制+人力定价"的旧产业形态;而 AI 让"人力的边际生产力"变得可以被廉价复制,所以人力的金字塔自然就坍塌了。

但更深的问题是:新的、与 AI 时代匹配的专业组织形态会是什么? 我现在还看不清楚答案。但我有一个直觉:它可能不再是"事务所"这种 19 世纪发明的组织形态,而会是某种"个体调用者+大型工具基础设施"的双层结构——少数大型公司提供工具基础设施(就像云厂商提供算力),大量的个体调用者在工具上做项目(就像今天的设计师在 Figma 上做设计)。

这个结构在金融制度上的对应物,可能是"基础设施投资+个体收入分成"的混合形态——基础设施层面的投资是天文数字、需要战略资本和主权资本,但调用者层面的收入是高度分散的、长尾的、个体化的。这是一种我们还没有现成范式的新经济形态。

第三个折射:关于知识工作的政治经济学。

把上面两个折射合起来,我们其实在面对一个更大的问题:AI 时代的知识工作,正在被重新定价。

过去 50 年,知识工作者(工程师、设计师、医生、律师、教授、研究员、艺术家)的相对收入在持续上升,这背后的金融制度逻辑是:知识工作的产出难以标准化,知识工作者的人力资本难以替代,所以知识工作的定价权一直在工作者一方。但 AI 改变了这个结构——大量的知识工作开始可以被 AI 部分或完全替代,知识工作者的人力资本在很多领域被快速贬值。

这个贬值的过程,如果只看现象,会被理解为"AI 抢工作"。但如果放在金融制度的形态学视角下看,你会发现一个更深的逻辑:AI 时代的资本-人力关系,正在重新回到 19 世纪资本-劳动关系的某种结构上——少数掌握"基础生产工具"(在 19 世纪是工厂,在今天是基础模型)的玩家,获得绝大部分剩余价值;而广大的"工具使用者"(在 19 世纪是工人,在今天是知识调用者),只能获得勉强糊口的回报。

这个判断如果成立,意味着我们正在见证一次马克思意义上的"知识工作者无产阶级化"过程。而这个过程的根源,不是 AI 技术本身,而是AI 时代的金融制度结构——基础模型的资本门槛把"基础生产工具"的所有权高度集中化了。

我意识到这篇札记越写到后面,越从一个"金融制度史"的题目滑向了一个"我们的处境"的题目。但我觉得这个滑动是合理的——金融制度从来不只是经济学的题目,而是关于"什么样的人、什么样的组织、什么样的创造性,能够在一个时代获得空间"的题目。

熊彼特在 1912 年的洞察,在 110 年之后,以一种他自己也未必预见到的方式,对我们提出了挑战:当信用创造的形态发生根本变化时,我们每一个人——作为创造者、作为劳动者、作为知识工作者、作为公民——的位置都会跟着变化。看清楚这个变化,不是为了悲观,也不是为了乐观,而是为了在新的结构里找到自己仍然可以行动的位置。

调用者的位置,是真实的。可能性空间的边界,是被金融制度决定的。但在被框定的舞台上,仍然可以有真正的实践——前提是我们看清楚这个舞台是怎么搭起来的,以及它正在怎样被重新搭过。

这就是这篇札记想做的事情。