聊聊Google

E2mResearch avatar
E2M Research
@E2mResearchDec 5, 2025

本场Spaces围绕“谷歌在AI时代是否值得作为核心资产配置”展开。奥德赛以怀疑者转支持者的视角，论证Gemini在规模、成本、合规与网络效应上的潜在垄断力，但对当下价格与择时保持谨慎；沈煜以拆分估值与外部信号（Gemini体验与巴菲特买入）建立小仓位，目标五年三倍但十年十倍存疑；裴才以“大猩猩”框架（垄断性+成长性）质疑谷歌难达10倍TAM、主张择股重于择时并建议指数化；董珍进一步质疑锁定性、Capex与营收错配及商业模式不明。共识是谷歌为好资产，但需以小仓位试错、观察AI搜索与Agent变现，在流动性或认知错配时再增配。

谷歌与 AI 投资 Twitter Spaces 录音纪要

主题与嘉宾

  • 主题：围绕谷歌（Google/Alphabet）在 AI 周期中的技术与商业模式、估值与配置、择时与框架，展开对“是否值得纳入核心资产”的深度讨论。
  • 嘉宾与角色映射：
    • 主持人（未透露姓名，来自“一团 research”）
    • 奥德赛（说话人2）：自述“怀疑主义者”，本场站在“支持者”立场抛观点，期待被反驳
    • 沈宇（说话人5；现场有人称“沈煜/沈云”，以沈宇为准）：已建少量期权仓位，正股极少
    • 裴才（说话人4）：偏“统一框架”与“指数化”策略，强调避免确认偏差
    • 董真（说话人3；他人偶称“董珍/董哲”）：提出关键疑问，倾向谨慎
  • 风险提示：投资内容不构成建议；加密与股票市场波动大，可能损失全部本金。

讨论总览（结构化要点）

  • 核心问题拆分：
    1. 技术护城河：Gemini 是否有可持续领先与强护城河？
    2. 价值捕获：AI 时代谷歌能否重塑收费站模式、有效变现？
    3. 估值与时点：当前是否“好资产+好价格”？如何配置与择时？
    4. 框架与标准：是否满足“大猩猩”框架（垄断性+成长性）？是否具备十倍空间？
  • 各方共识与分歧：
    • 共识：谷歌是“好资产”，Gemini 正在快速进步，生态与数据协同具备潜力；但变现路径与回报节奏尚不清晰。
    • 分歧：是否应在当前即做重仓配置、是否满足“大猩猩”标准（十年十倍）、是否更应采用指数化替代个股、对“择时”的权重与统一性。

技术与护城河：Gemini 的领先与门槛（奥德赛为主）

  • 规模效应与固定成本门槛：
    • 训练与推理需要巨量数据中心、电力、GPU/TPU、存储、系统架构与人才，非“有钱即可”的简单门槛。
    • 类比台积电：高固定成本与高良率的数据飞轮，使竞争对手难以进入，保留少数玩家格局。
  • 政治/合规门槛：
    • 全球监管趋严（尤其欧洲），AI 进入各市场需要合规与法律“护照”，大型公司更能承压并获准入，形成隐性壁垒。
  • 成本与议价优势：
    • 自研 TPU：在专用化架构上具备“可能优于 GPU”的路线选项，至少形成与英伟达谈判的议价权。
    • 垂直整合：从芯片、框架到应用的一体化，减少层层利润剥离，系统性成本优势（奥德赛判断整体成本或低 1/3 到 1/2；属经验感知，不是工程测算）。
  • 非标准化与网络效应：
    • 记忆功能提升“个体迁移成本”：互动越多越懂用户，形成锁定效应（对群体网络效应尤甚）。
    • 新的“群聊/协作”形态可叠加网络效应，逐步走向强者恒强。
  • 结论（技术面）：Gemini 有潜力构建强护城河，竞争格局少数寡头，谷歌具备现金流、自主硬件与整合能力的综合优势。

商业模式与价值捕获：AI 收费站的重构（奥德赛、沈宇、董真）

  • 奥德赛的“收费站”重构设想：
    • 旧模式：谷歌通过让外围环节“免费/开源”（安卓、Chrome、海缆/光纤），降低达到搜索框的成本，再在搜索收费站上变现。
    • AI 重构：AI 作为“人与世界交互的中介层”，用户意图的入口集中于模型。可通过改变“推荐曲线”（广告/佣金/竞价）等方式变现，形成新的收费站模式。
    • 权力即价值：当用户决策强依赖 AI，平台的规则制定权本身具有变现潜力。
  • 沈宇的增长路径判断：
    • 看到 Gemini 可用性显著提升（高频用户体感），市场认知从“搜索将被 AI 颠覆且难转型”转为“AI 搜索与 Gemini 加持下的整合进展”。
    • 生态协同：数据（搜索/浏览器/Android/办公套件）、分发入口（Android/Chrome）、企业侧（Gmail/Docs/Sheets 协作）有望形成多条曲线的叠加。
    • Agent 经济体设想：3~5 年后大量原子化交易由 AI/Agent 主导，参考电商抽佣模型，新的商业模式可能将平台推升至万亿级别收入体量（判断具定性特征，尚不可量化）。
  • 董真提出的关键难题：
    • 模型垄断性不显著：实际使用中模型迁移频繁（GPT→Claude→DeepSeek→Gemini），垄断/锁定效应尚需证据。
    • 收入与投入失配：面对巨额 Capex（数据中心/芯片/电力折旧），当前直收的订阅与 API 收入无法覆盖，存在一至两个数量级缺口；需回答“AI 利润从哪来”。
    • 行业分工未定：类比航空业，早期机队/航司并非最优盈利点，可能“机场才是好生意”。AI 行业可能仍在摸索最佳商业模式，现阶段难以断言模型方捕获最多价值。
  • 小结（商业与变现）：
    • 变现路径存在设想（推荐/佣金、Agent 经济、企业侧协同），但尚不清晰；
    • 核心未决：AI 投入回报的量化闭环、模型方是否最终成为价值虹吸的“机场级”节点。

估值框架与买入时机：拆分与争论（沈宇 vs. 奥德赛）

  • 沈宇的拆分与“巴菲特信号”解读：
    • 拆分估值（基于 Q3 年化，历史区间与保守倍数）：
      • 传统非 AI 业务：按历史最差 PE 19 倍，约 1.81.9 万亿美元；
      • Google Cloud：参考 AWS 低 PS（78 倍），估约 4,0005,000 亿美元；
      • Waymo（自动驾驶）：约 1,000 亿美元；
      • 在 180200 美元股价区间（79 月），“尚未计入 Gemini 价值”的前提下，体现价值投资吸引力。
    • 组织与产品拐点：联合创始人回归参与、AI 搜索上线、内部 AI 线整合，市场认知由悲观转为乐观。
    • 给 AI（Gemini）部分估值 4,000~7,000 亿美元，10 月开始小幅建仓（期权为主，折股约占总资产 ~5%）。
  • 奥德赛的挑战与择时观：
    • 反对用旧搜索业务历史 PE 直接延伸：AI 搜索的盈利逻辑（非按点击/千次）不同，不能混于旧业务；旧业务 PE 应更大幅下调，需新曲线独立估值。
    • 自身策略：资产好但价格未必好；倾向让“市场在流动性危机/认知错配”中给出更便宜的锚点，再加仓；当前或先配置 ~1% 学习/观察仓。

框架、择时与指数化：统一性与“好机会”（裴才主张）

  • 择时的一致性问题：
    • “长期持有不择时”与“建仓前重视择时”存在逻辑张力。建议收益主要来源于“择股”（资产选择），择时次要，减仓比例上限 ~30%，用仓位体现对“熊/高估”的置信度。
  • 个股 vs. 指数化：
    • 逐个标的的优点分析易落入确认偏差；对 AI 大赛道，更倾向配置指数（纳斯达克）以覆盖赛道整体演化。
  • 与 BTC/ETH/TSLA 的比较标准：
    • 大猩猩框架：垄断性 + 成长性（十年十倍）。
    • 结论：谷歌垄断性大体达标，但整体潜在市场（TAM）的“十倍空间”不明显；不满足“十年十倍”使其难以与 BTC/ETH/TSLA并列为第四核心资产。更适合指数化配置而非个股重仓。

“好资产 vs. 好机会”：统一视角与能力圈（奥德赛的回应）

  • 好资产不等于好价格：如果没有明显“不对称性”，择时权重自然上升；若“显著便宜”，择时重要性下降。
  • 机会与好机会的区分：不仅判断“回报>0”，还需在“可选空间与时间内”跨资产比较机会成本（例如在某一市值区间对比 ETH 与 TSLA）。
  • 市场偏见与指数增长世界观：大众易低估指数式增长与知识驱动的复利结构，优秀公司可长期“超额捕获”。
  • 能力圈与波动中的持有力：对资产理解越深，在恐慌与误判中越能拿住、甚至加仓，长期收益更佳。
  • 关于确定性层次：
    • 商业模式未成型阶段，无法要求“巴菲特式财报确定性”；
    • 采用仓位与不对称性管理不确定性，跟踪演化，等待更明确拐点（如苹果的 App Store 时刻）。

是否满足“大猩猩”标准？（董真发问 → 集体回应）

  • 问题重心：
    • 垄断性：实际使用中迁移频繁（GPT、Claude、DeepSeek、Gemini），群体锁定是否会形成？
    • 成长性：巨额 Capex 与当前收入缺口显著，模型方长期利润来源在哪里？是否可能“机场胜过航空”，模型方并非最终的价值中心？
  • 回应要点：
    • 垄断性更多在群体网络效应与“记忆带来的迁移成本”，而非个体短期偏好；增强协作/群聊等功能可能放大网络效应。
    • 成长性需关注赢家通吃的结构与前几名下注策略；商业模式未定，用仓位与时间做动态优化，不追求早期确定性；当前尚难以“强认定”十年十倍。
    • 结论倾向：
      • 沈宇：五年三倍“可能性较高”，十年十倍“不确定”；
      • 奥德赛：承认好资产，但现价不具很强不对称性；小仓位观察、等待更优时点；
      • 裴才/董真：暂不将谷歌纳入“大猩猩”核心，或以指数化覆盖赛道更稳健。

已有动作与后续计划

  • 沈宇：已建立期权仓位（折算约 5% 正股等量），正股持仓“极少”；后续视“Agent 经济/变现路径”与价格演化动态增减。
  • 奥德赛：倾向先配 ~1% 学习仓；等待“流动性错配/认知错配”更优价格出现后再加仓。
  • 裴才：更偏向指数化（纳斯达克）覆盖 AI；若要纳入核心资产，需明确“十年十倍”级别的 TAM 与垄断逻辑。
  • 董真：维持审慎观望，关键在“AI 利润来源与模型方是否为最佳盈利位置”的验证。

关键纪要与亮点梳理

  • 技术与护城河：Gemini 的规模效应、数据飞轮、TPU 与垂直整合形成系统性成本优势；政治合规门槛强化寡头格局。
  • 入口与网络效应：记忆功能与潜在协作形态，提高群体迁移成本；AI“中介层”定位有望重塑收费站。
  • 估值拆分（沈宇）：
    • 传统非 AI 业务 1.81.9 万亿美金（历史最差 PE 19 作参照）；
    • Google Cloud 4,0005,000 亿美金（低 PS 7~8）；
    • Waymo ~1,000 亿美金；
    • AI（Gemini）部分估值尝试 4,0007,000 亿美金（定性增强，量化不足）。
  • 策略与框架：
    • 好资产≠好价格：在不对称性不足时提高择时权重；
    • 统一框架与指数化：避免个股分析的确认偏差；
    • 大猩猩标准：垄断性达标但十年十倍存疑，暂不与 BTC/ETH/TSLA并列；
    • 能力圈与动态优化：以小仓位进入，跟踪“Agent 经济/变现路径”的成型。
  • 未决问题（需后续跟踪）：
    • AI 收入闭环与 Capex 回报的量化证据；
    • 模型层是否最终成为“机场级”盈利节点；
    • AI 搜索的商业模型与旧广告模型的衔接/替代进度；
    • 生态协同（Android/Chrome/Workspace）如何具体转化为收入增量。

收尾

  • 主持人重申风险提示：本场分享与嘉宾持仓相关，不构成任何投资建议；完整录音将同步播客与 YouTube；关注“一团 research”与嘉宾账号以获取后续观点。