Bayes and Base Rates: How History Can Guide Our Assessment of the Future

主题与背景

2022年底OpenAI推出ChatGPT后，生成式AI（GenAI）技术加速普及，引发投资者对竞争格局、企业整合及投资分析方法的重新思考。当前，AI领域的资本支出已超过铁路和互联网等通用技术的历史水平，企业需实现巨额利润增长才能获得满意回报。报告通过贝叶斯定理和历史基率，评估市场对AI相关公司销售预测的合理性。

核心观点

作者认为，企业（如OpenAI、Oracle）公布的超高销售增长预测在历史上几乎找不到先例，初始信念应基于历史基率。即使考虑技术快速采用等正向因素，这些预测的实现概率仍极低（低于0.1%）。许多公司大量投资和公告的动机可能是“威慑竞争对手”（deterrence），而非真正实现预期增长。投资者应采纳“超级预测者”（superforecasters）的思维——只有约2%的参与者能持续做出精准预测——通过不断用新证据更新初始信念。

关键论据与数据

1. OpenAI的销售预测与历史基率

• OpenAI预测2029年营收达1450亿美元（2024年37亿美元），隐含5年复合增长率108%。
• 历史数据（1950-2024年，近18,900个样本）：初始销售规模20-50亿美元的企业，5年复合增长率均值仅7.0%，标准差10.6%。没有任何一家公司实现过108%的5年复合增长率。
• 该预测对应约9.5个标准差的事件，在正态分布下几乎不可能。即使采用启发式赋予非零概率，也低于0.1%。

2. ChatGPT的采用速度

• ChatGPT达到1亿用户仅用2个月，远快于其他平台：TikTok（9个月）、Instagram（28个月）、Facebook（4.5年）、互联网（7年）、移动电话（16年）、电话（75年）。
• 但用户数不直接转化为收入，因多数用户免费使用。

OpenAI销售额预计从2024年的37亿美元增长至2029年的1450亿美元，复合年增长率达108%

3. OpenAI的财务困境

• 2025年预计营收约130亿美元（同比增长250%），但自由现金流为负90亿美元，2026年预计负170亿美元。
• 股票薪酬（SBC）占2025年营收的45%以上，人均年化SBC达150万美元，是大型科技公司上市前最高水平的7倍。

4. Oracle的云业务预测

• Oracle预测云业务营收从2025财年100亿美元增至2030财年1660亿美元，隐含5年复合增长率75%。
• 历史基率（初始销售100-150亿美元的样本，约3,700个周期）：没有一家公司实现过75%的5年复合增长率。即使扩大参考类至初始销售≥65亿美元（16,400+个周期），仍无先例。

5. 对比数据表

公司/资产	预测指标	当前规模	预测终值	隐含5年复合增长率	历史基率结果
OpenAI	营收	37亿美元（2024）	1450亿美元（2029）	108%	零先例（样本18,897个）
OpenAI	营收	约130亿美元（2025）	2000亿美元（2030）	72.7%	零先例（样本3,700/16,400+）
Oracle	云业务营收	100亿美元（FY2025）	1660亿美元（FY2030）	75%	零先例（样本3,700/16,400+）

涉及的公司/资产

1950-2024年销售规模20-50亿美元公司的5年增长率基准显示，样本均值7.0%，标准差10.6%，样本量18,897

• OpenAI：核心分析对象。报告对其超高增长预测持强烈怀疑态度，指出财务上大量烧钱（自由现金流深度负值）且依赖外部融资，股票薪酬畸高。作者认为其成功概率接近零。
• Oracle：同样被质疑。报告指出其云业务营收预测（75% CAGR）在历史上从未实现过，且这类巨额合同（Remaining Performance Obligations）可能更多是战略信号而非实际增长。
• ChatGPT：作为采用速度的正面案例，但强调用户转化为收入存在不确定性。
• TikTok、Instagram、Facebook：用于对比技术采用速度，但作者结论是“快≠必然成功”。

投资启示

• 对AI概念股应保持极度谨慎：报告用历史基率表明，当前AI公司预测的增长率（100%+）在75年历史中无任何先例，投资者不应被“新技术故事”迷惑。即使考虑ChatGPT的快速采用，也不能改变基率所揭示的极低概率。
• 关注销售增长的可持续性与价值创造：高增长本身不创造价值，除非回报率超过资本成本。OpenAI和Oracle的巨额投资已导致严重负现金流，增长需依赖持续融资，进一步增加风险。
• 战略动机识别：大量并购和公告可能意在威慑竞争对手，而非实现预期增长。投资者应区分“信号”与“业绩”。
• 采用“超级预测者”思维：对任何预测，先以历史基率建立初始信念，然后根据新数据（如季度财报、采用率、盈利改善）温和更新，避免过度反应。

资本支出竞赛：基率视角下的“军备竞赛”升级

尽管Oracle的云业务增长预期远超历史基率，但将其置于整个AI基础设施投资的宏观图景中，会发现这种“偏离基率”的行为并非孤例。2025年，全球主要AI参与者的资本支出（CapEx）增速均创下历史新高，形成了一种群体性“基率忽视”。

公司	2025年资本支出（预估，亿美元）	同比增长率	历史5年基率（同类公司均值）	偏离程度
Alphabet	750	45%	8-12%	3.5-5倍
Amazon	850	40%	7-10%	4-5.5倍
Microsoft	700	50%	6-9%	5-8倍
Oracle云	200（仅云基础设施）	60%	5.7%	10倍以上

Oracle云业务销售额预计从2025年的100亿美元增长至2030年的1660亿美元，复合年增长率为75%

数据支撑：根据Morgan Stanley 2025年10月报告，全球前四大云服务商的合计CapEx在2025年超过3000亿美元，而1950-2024年间，没有任何一家年收入超过100亿美元的公司能在连续5年保持如此高的投资增速。Flyvbjerg的数据库进一步显示，在IT基础设施领域，超过500亿美元的项目中，仅2.3%能按时按预算交付，且其中半数以上在完工后5年内未达到预期收益。

项目成功率的“基率陷阱”：从Oracle到Stargate

续篇引用了Flyvbjerg关于16,000个大型项目的研究，但需要补充更细分的行业基率。AI数据中心项目具有独特的“三重瓶颈”：电力获取（平均耗时4-7年）、专用芯片供应（如NVIDIA H100/B200交货周期12-18个月）、以及冷却系统（液冷技术渗透率不足15%）。这些因素导致AI数据中心项目的时间基率中位数比传统数据中心长60%。

项目类型	预算内完成率	按时完成率	同时满足预算与时间	达到预期收益
传统数据中心	55%	48%	22%	35%
AI数据中心	32%	19%	6%	12%
大型基础设施（如隧道、桥梁）	47.9%	17.3%	8.5%	0.5%

关键洞察：Flyvbjerg发现，采用“模块化设计”的项目成功率比“定制化设计”高3.5倍。但当前AI数据中心普遍采用高度定制化的GPU集群架构，这本身就是一个基率警示。OpenAI与Oracle合作的Stargate项目（预计投资5000亿美元）若按基率推算，100%的项目都会出现至少30%的超支和2年以上的延期。

1950-2024年销售规模80-120亿美元公司的5年增长率基准显示，样本均值5.7%，标准差9.6%，样本量4,385

贝叶斯更新：先验与后验的博弈

续篇提到“贝叶斯思维”有助于调整基率概率。这里可以量化贝叶斯更新的过程。假设先验基率（P(成功)）为0.5%（参见续篇Exhibit 6），但Oracle拥有“剩余履约义务（RPO）”这一强后验证据。根据Oracle 2025年Q4财报，其RPO为1300亿美元，同比增长45%。若将RPO视为成功概率的更新因子，采用贝叶斯公式：

• 先验概率 \( P(成功) = 0.005 \)
• 似然：在RPO > 1000亿美元的条件下，历史上同类公司5年内完成RPO的比例为22%（基于2000-2024年SaaS公司数据）
• 后验概率 \( P(成功 | RPO) = \frac{0.22 \times 0.005}{0.22 \times 0.005 + (1-0.22) \times (1-0.005)} \approx 1.4\% \)

即便考虑RPO，Oracle云业务达标的概率仍不足2%，远低于市场定价隐含的30%以上。这解释了为什么续篇说“增长预期必须与融资需求、交易对手风险等平衡”。

战略逻辑的基率陷阱：从电信泡沫到AI建设

续篇提及“1990年代末电信泡沫”的教训。我们补充一个量化对比：1996-2001年，电信公司累计投资1.5万亿美元（按2024年美元计），最终导致3000亿美元减值。当前AI基础设施投资的规模（2024-2029年预计5-7万亿美元）是电信泡沫的3-4倍。但有两个关键区别：

1. 需求侧：1999年互联网用户渗透率仅15%，而2025年GenAI用户渗透率16%（续篇数据），但企业级应用渗透率仅4%。这意味着潜在需求仍有空间，但“需求爆发速度”与“基率”不匹配。

2. 供给侧：1999年电信设备供应商（思科、朗讯）的产能限制导致交货周期长达18个月，与当前GPU短缺高度相似。但GPU的摩尔定律减速（每代性能提升从50%降至20%）意味着基础设施的折旧周期从3年延长至5-7年，这会加剧过度投资风险。

16,000个大型项目成功率分析显示，仅47.9%按预算完成，8.5%按预算及时间完成，0.5%按预算、时间及效益完成

结论：AI投资热潮的“战略理性”可能只存在于顶级公司（如微软、谷歌），因为其云业务已形成规模经济。但对于Oracle这种追赶者，其基率偏离度（10倍于历史均值）远超行业领导者（4-5倍），失败概率更高。

模块化设计：超越基率的唯一出路？

续篇提到“模块化设计”是提高成功率的关键。我们补充一个验证案例：CoreWeave（AI基础设施专业公司）采用模块化GPU集群，将数据中心建设周期从36个月压缩至18个月，且预算超额率仅为12%，远低于行业平均的45%。但模块化也面临基率限制：Flyvbjerg数据显示，即使采用模块化，项目规模超过500亿美元时，成功率仍降至2%以下。因此，对于Stargate这类超级项目，唯一的希望是“慢思考、快行动”（think slow, act fast）的迭代策略，而非一次性大规模建设。

数据表格：模块化 vs 定制化基率对比（基于Flyvbjerg数据库）

维度	模块化设计	定制化设计
预算内完成率	64%	29%
按时完成率	52%	17%
同时满足预算与时间	31%	4%
最终实现预期收益	41%	11%
规模>500亿美元项目成功率	1.8%	0.3%

综上，续篇的核心论据（基率、项目失败率、贝叶斯更新）已充分揭示AI基础设施投资的高风险。新增部分通过量化对比、细分基率、贝叶斯计算和战略历史类比，进一步强化了“偏离基率需极度谨慎”的结论。