你会如何称呼一个依赖单一供应商和七只股票来支撑指数的市场？有效，直到不再有效。S&P 500 在另一波由 AI 驱动的上涨推动下迈向 7,000 点，这次由 ASML 订单的新一轮跳增助推，看起来不那么像广泛进展，更多像走在平衡木上。涨幅是真实的，但产生这些涨幅的基础也在收窄。当价格成为对少数资产负债表和单一供应链的公投时，脆弱性显而易见。这不仅关乎 AI 论断是否正确，而是需要多少假设同时成立，这条上涨行情才会保持竖直。
市场的头条强势掩盖了对少数公司日益依赖的现实。所谓的七大巨头现在约占 S&P 500 市值的 35%，其中 Nvidia 单独接近 8%。这不是分散投资；这是按市值加权的押注。我们见过类似情形。1972 年是 Nifty Fifty，一群被投资者称为“一次性决策”股票。投资者犯的错误是对价格的判断。2000 年，集中度围绕网络与带宽故事建立，这些故事并非错误，而是过早且价格错误。技术进步了，但投资组合多年未跟上。
这种集中并非道德失误；它是由动量推动的指数的机械性结果。借用 Keynes 的话，在一个“美丽竞赛”的市场里，投资者试图猜测他人会认为什么最有吸引力。这种动态把资本推向相同的赢家，进而带来更多的指数资金流和更高的相对超额收益。问题在于凸性。当所有人同时需要同一扇门时，退出并不能线性放大。宽度指标、等权重表现和内部分散度都显示，尽管指数上涨，市场已在收窄。狭窄的树可以长得很高，但更容易在一阵风中折断。
ASML 在这个故事中既是受益者也是瓶颈。公司掌握极紫外光刻（EUV）领域的关键节点，这项技术使先进制程芯片得以存在。那种垄断带来溢价，也带来风险。下一代 High-NA EUV 系统的订单使积压保持在高位，AI 建设确保对更多产能的需求。公司还在 AI 能力上投入了大量资本，大约 13 亿欧元用于与下一代系统和软件相关的投资，包括与 Mistral AI 的合作。当一家公司交付时间能左右 Nvidia、TSMC、Intel 和 Samsung 的资本支出计划时，你面对的是没有替代品的基石。
基石并不等同于稳定。去年中国约占 ASML 系统出货的四成左右。出口管制和政策变化已经扰乱了这一渠道。公司通常以超过 30 倍的市盈率交易，这一倍数假定其能在地缘政治逆风和令土木工程师头皮发麻的供应链复杂性中执行到位。这些机器更像是聚变反应堆，而不是办公室打印机；它们需要数年时间来制造和安装，维护是一门艺术。任何时间表上的延误、监管变化或供应商短缺都可能产生连锁反应。在工程学中，我们称之为单点失效。股市称之为“为什么周二股市都下跌 2%”。
管道机制把集中变成了惯性。市值加权指数把更多资金导向已上涨的标的。回购把每股收益集中到更少的流通股上。期权市场创造的伽马动态会放大同一小名单股票的波动，把资金流和对冲活动吸引到那些主导指数和投资者注意力的名字上。风险模型以近期波动为关键，允许对低波动率股票更高的敞口，而这些正是巨型股的特征——直到它们不再如此。
Soros 称其为反身性。价格影响基本面，因为它们改变了资本获取和行为。当领先者继续领先时，资本便宜、招聘容易，原本在 5% 收益率下才可行的项目在 3% 下也能获得批准。这是反馈回路的好一面。风险是反向的回路。如果某个风向标微幅不及预期，或供应商的出货被推迟五个月，赎回会打击那些主导配置仪表盘的相同代码。当被动必须再平衡时，它就不再是真正的被动。从概率角度看，你面对的是幂律式的集群风险，而非正态分布。尾部更厚，因为网络过于紧密。
这一切并不需要 AI 是一阵风。若 AI 真实存在但需求呈块状且有弹性，情况反而更危险。企业买服务器的方式不同于消费者买应用。企业会制定预算、测试工作负载，并在资本成本上升或监管优先级变化时调整时间表。AI 推理需求若低于预期 20% 并不会打破整个论断，但会改变增长的二阶导数，而高倍数默默假设这二阶导数会长期保持正值。卖方是基于未来定价的。未来充满噪音。
博弈论在这里很有用。整个行业处在一个协调博弈中，每个参与者的最优投资取决于其他人是否跟进。如果超大规模客户决定放缓部署以消化现有产能，芯片供应商拉长交付周期，工具商如 ASML 重新排序生产优先级。这些单一决策本身并不致命，但合在一起可能改变现金流路径，足以迫使重新定价。投资者不需要对 AI 错误，只需在采纳曲线的斜率上过早，或在曲线转折处反应迟钝。
当它被嵌入物料清单时，地缘政治并非尾部事件。半导体价值链穿过出口许可、荷兰政治、美中关系以及一长串关键次级供应商。市场会把这些风险计入贴现率，直到不再如此。一个政策微调就能使六个月的采购假设失效。对已安装设备的服务支持规则收紧，哪怕头条的出货禁令没有变化，也能放慢晶圆厂的爬坡速度。投资者常把地缘政治风险与头条新闻挂钩。供应链把它与文件手续挂钩。
历史再次提供教训。1973–74 年熊市并不要求技术失败；它只是对支撑估值的假设造成了冲击。2000 年是资本强度与采纳速度的问题。2008 年是嵌入抵押渠道的流动性假设。在每一个案例中，系统的脆弱性来自集中与反馈回路。今天的回路建立在 AI 资本支出、按市值加权的资金流和一个无可匹敌的关键供应商之上。这是可行的安排，但并非具有弹性的安排。
高倍数并非罪恶；它们是对时间的索取。如果路径平稳，ASML、Nvidia 及其同行可以成长以匹配这些倍数。但这些价格中嵌入的久期很长。当贴现率移动或增长放缓时，长久期股票会更快重新定价，因为它们的大部分价值位于时间线上较远的位置。当波动率低且路径清晰时，这无妨；当不确定性上升且流动性紧缩时，这是个问题。桥看起来结实，直到一辆更重的卡车到来；事后做负载测试并不是计划。
实际问题不是“AI 是否真实”，而是“要让这些价格成立，需要多少独立假设同时为真。”如果答案是“多个”，那么系统本身就是出于设计而脆弱。你可以通过增加冗余和避免单点失效来缓解脆弱性。在市场中，这意味着不要将投资组合——或指数——的命运系在少数高度相关的现金流和单一供应链上。这意味着对 High-NA 延迟一年、如果中国需求暂停、如果资本成本在当前水平上保持粘性，或需求良好但采购分散开来时会发生什么进行压力测试。
自然会惩罚单一文化。它们高效，直到虫害出现。当权重最高的资产承担全部工作时，投资组合和指数也会表现出同样的行为。一个抗脆弱的系统会从小冲击中受益，因为这些冲击可以修剪多余并迫使适应。可控的低强度烧除减少冠层火灾的风险。在市场上，这表现为允许分散、容忍非宠儿的表现不佳，并维持在你最不需要时显得无聊、但在你需要时无价的流动性垫。
S&P 500 可能会印出 7,000 点。它也可能在相同的七大巨头和同一家荷兰供应商的推动下做到这一点。进展常常沿着最狭窄的轨道前行一段时间。但市场是路径依赖的，假设最多的那条路径最有可能带来惊讶。如果你想要弹性，不要把你的桥押在单一缆索上。
