跳转至

基准率与预期投资（Mauboussin）

最后更新：2026-04-23

Michael Mauboussin 是 Morgan Stanley Investment Management 的策略师（此前 Legg Mason / Credit Suisse），职业生涯 40+ 年专注"投资中的理性思考"。基准率思维（base-rate thinking）是他最重要的贡献——它是对抗 AI 泡沫叙事的最严肃工具。

核心主张

大多数分析犯一个错：只看"故事"不看"分布"。

  • "OpenAI 会成为下一个 $5T 公司" → 听起来合理
  • 但历史上有多少家公司从 $B 估值涨到 $T 估值？ → 几家？10 年内？ → 几乎没有（Apple、Microsoft、Google、Amazon、Tesla，合计 5 家，用了 20+ 年）

基准率（Base Rate） = 参照类别里成功 / 失败的历史分布。任何"这次不一样"的论断必须先解释为什么偏离基准率。

Mauboussin 的核心工具： 1. 基准率预测：用相似类别的历史分布推算概率 2. 预期投资（Expectations Investing）：反推"当前价格里已经隐含什么假设" 3. CAP（Competitive Advantage Period）：竞争优势能持续多少年

如何应用：三步法

Step 1 · 定义参照类

当前案例属于哪个"参照类"？越窄越好，只要样本量够。

例："某 AI 公司 5 年内 ARR 从 $1B 到 $50B 的概率" → 参照类 = 历史上 ARR 5 年达到 50x 的 SaaS 公司

Step 2 · 查基准率

参照类里历史分布是什么？

  • 历史上，SaaS 公司 5 年 50x 的比例大概 1%（Mauboussin 的研究）
  • 延长到 10 年 50x：比例 ~5%
  • 5 年 10x：~10%

Step 3 · 问"为什么这次不一样"

如果你认为目标公司会达到，需要明确偏离基准率的理由。不能只说"AI 不一样"——具体是什么不一样？

预期投资（Expectations Investing）

Mauboussin 最实操的工具：反推市场价格里已经隐含什么假设。

以 NVIDIA 为例（假设）： - 市值 $3T - 反推它需要持续多少年 20%+ 年化收入增长、60%+ 毛利率，才能支撑这个估值 - 如果算出"需要连续 15 年保持现状" → 问自己：历史上有几家公司做到了？

这让你从"故事派"（"NVIDIA 会永远赢"）变成"分布派"（"连续 15 年保持护城河的公司历史上不到 5%"）。

应用到 AI 产业

例 1：AI 基础模型公司的基准率

  • OpenAI 估值 $500B，2025 年 ARR $10-12B
  • 参照类：从 $10B ARR 达到 $500B+ 估值的公司
  • 历史上：Google、Facebook、Amazon、Microsoft、Apple 做到过。共 5 家，用了 15-25 年
  • 问题：这 5 家都有极强的 网络效应 或 操作系统级分发。OpenAI 目前两个都不完全具备（详见 7 Powers 分析）

例 2：NVIDIA 股价的隐含预期

  • 2025 年 Q3 市值约 $3.5T
  • 反推：需要到 2030 年维持 25%+ 毛利率 + 30%+ 年收入增长
  • 基准率：半导体行业历史上没有公司能在 6 年内保持这个组合（即使是 2000 年的 Cisco）
  • 意味着：要么 NVIDIA 变成"新物种"（垄断+网络效应同时成立），要么估值会 re-rating

例 3：AI 应用公司的 CAP（竞争优势期）

  • 一家 AI 应用公司（如 Cursor）当前 ARR 年化 $100M+
  • 竞争优势期假设：10 年（类似 Notion 的周期）
  • 问题：AI 应用层极易被底层模型公司"垂直整合"（OpenAI 下场做 Coding Agent？）。真实 CAP 可能只有 3-5 年
  • 意味着：估值需要用更短的现金流折现

我的中文语境调整

中文 AI 报道最大的毛病是"历史失忆"——经常出现"这是历史性的 AI 时代拐点"式的叙事，却不对照历史上其他技术变革的基准率（互联网、移动、云）。

一个修正：每次看到"X 会颠覆 Y"，先问"颠覆 Y 历史上发生过几次？每次用了几年？赢家通常具备什么特征？"

常见误用

  1. 只做基准率计算不看叙事：反过来也是错——基准率是 prior，叙事提供 update。完全忽略公司的独特性 → 错过真 outlier
  2. 参照类选太宽或太窄：宽了基准率太低（没意义）；窄了样本不足（不可靠）
  3. 混淆 base rate 和 success rate：base rate 是历史事实，success rate 是预测
  4. 对基准率过度自信：基准率本身有变化——AI 时代的"颠覆速度"可能比 PC/移动时代都快

延伸阅读

  • Michael Mauboussin · Market-Expected Return on Investment（PDF）
  • Mauboussin & Rappaport《Expectations Investing》（第二版）
  • Daniel Kahneman · 系统 1/2 思维是基准率思维的心理学基础
  • 本站 · Scaling Laws（AI 特有的前瞻工具）