这篇访谈讲的是对冲基金大佬Lee Ainslie如何打造一家长青投资机构。他认为，当利率高于2.5%时，多空策略更容易赚钱（平均跑赢市场6.5%），而零利率环境反而让基金表现变差。他重点提到了三个标的：NVIDIA（从2004年就持有，看好AI时代GPU需求爆发）、Microsoft（称赞CEO萨提亚·纳德拉的转型是史上最佳之一）、Oracle（早年成功投资案例，股价曾大跌后反弹）。
Lee Ainslie，Maverick Capital创始人，在《Invest Like the Best》节目中分享了其30年对冲基金生涯的核心理念。他师从Tiger Management的Julian Robertson，于1993年创立Maverick，将其打造为过去30年表现最佳的基金之一。核心观点：投资成功依赖人才识别与培养，他通过严格筛选和团队协作维持优势。重要结论包括：零利率环境损害多空策略；关注企业独特特征（如Sol Price的零售洞察）；组合构建需权衡难度；软件公司既有优势也有弱点。他透露Maverick未来十年聚焦持续创新，并与Warren Buffett在投资方法上存
Lee Ainslie，Maverick Capital创始人，师从Tiger Management的Julian Robertson，于1993年创立Maverick，将其打造为过去30年表现最佳的对冲基金之一。本期访谈围绕他如何构建一家经久不衰的投资机构展开，涵盖人才识别、组合构建、风险管理及行业格局演变。全片最有分量的判断：Lee Ainslie认为，零利率环境（Fed funds rate < 2.5%）严重损害了多空策略的alpha生成能力——当利率低于2.5%时，对冲基金平均跑输市场4%，alpha不足1%；而当利率高于2.5%时，平均跑赢市场6.5%，alpha达12%。他判断随着利率回归常态，多空策略将迎来更有利的环境。
Lee Ainslie认为，投资人才最关键的三个特质是情绪稳定性、团队导向和诚信，其中情绪稳定性是最难评估也最容易被忽视的。
历史脉络：Ainslie在Tiger Management时期观察到，Julian Robertson有极佳的人才眼光，但Tiger的成功不仅来自Robertson本人，更来自他创造的团队文化——"我们所有人都知道谁在负责，因此作为一个团队，我们非常努力地相互支持、相互学习。"这种文化后来成为Maverick的基石。
机制拆解：Ainslie指出，即使是最优秀的投资者，正确率也只有55%左右——"如果你在选股上正确率达到55%，你就是世界上最好的之一。"这意味着投资者会频繁犯错，如何应对错误比如何正确更重要。"当一只股票走势与你的预期相反时，那是你最重要的决策时刻——是市场误解了机会，还是你的判断错了？"
数据链：Maverick的投资团队共29人，平均从业经验14年，其中10年在Maverick内部；6位高级决策者平均经验21年，其中16年在Maverick。Ainslie强调，Maverick每个投资专业人员只管理3-5个持仓，远低于行业平均水平。
独到做法：Maverick聘请了前CIA审讯人员组成的BIA（商业情报分析师）团队来培训面试技巧，帮助识别候选人的诚实度和舒适度。此外，每位新成员入职培训的第一课由Ainslie亲自讲授，主题是"诚信与道德"，强调"这是唯一不给第二次机会的领域——任何形式的诚信失误都会立即被解雇，而且确实发生过。"
Lee Ainslie从Price Club创始人Sol Price那里学到的核心理念是"明智地失去业务"（the intelligent loss of business），这一原则后来成为Maverick战略决策的基石。
历史脉络：1995年，Ainslie为自己写了一份长期战略规划，设想Maverick到2000年、2005年、2010年应该是什么样子——最初的想法是"每X年推出一只新基金"，包括Maverick Credit、Maverick Currency等。但后来他意识到："我们知道自己在选股上非常出色，我们知道自己在股权投资上很擅长。但我不确定我们在其他领域也能同样出色。让我们把资源集中在我们知道能做出色的地方。"
机制拆解：Sol Price的理念是——限制SKU数量，在少数品类上做到极致，通过采购规模获得定价优势，集中资源推广这些产品。Ainslie将这一逻辑应用到Maverick：不盲目扩张到信贷、货币等其他资产类别，而是专注于股票多空策略，并在这一领域持续深化。
数据链：Maverick成立30年来，平均净敞口、总敞口、行业权重等核心参数保持高度一致，但执行能力持续提升。
推演：Ainslie认为，聚焦原则帮助Maverick避免了"样样通、样样松"的陷阱，使其能够在股票多空领域建立真正的深度优势。
Lee Ainslie认为，2011年8月的美国国债降级事件暴露了Maverick风险管理体系的不足，促使他们彻底重构了风险分析框架。
历史脉络：2011年8月，美国国债被降级，Maverick的投资组合表现远低于基于净敞口和beta调整后净敞口的预期。Ainslie意识到："我们对风险的理解不够复杂，有一些重要的因素我们根本没有考虑到。"
机制拆解：Maverick的量化团队（成立于2006年）开发了一套全新的风险分析工具，包括：
数据链：Maverick的量化系统会为每个持仓生成建议仓位（如"这只股票应占资本的2.8%"），但最终决策由投资组合管理团队做出。量化系统还会对分析师输入的模型进行"筛查"——如果收入增长假设与历史相比是两个标准差以外的异常值，系统会标记出来要求讨论。
推演：Ainslie强调，量化是辅助工具而非替代品——"量化不真正向前看，它不理解趋势变化、战略定位变化或管理层更替的影响。"最终决策必须由人做出，但量化帮助人做出更一致、更准确、更明智的决策。
Lee Ainslie用数据证明，零利率环境（Fed funds rate < 2.5%）严重损害了多空策略的alpha生成能力，而随着利率回归常态，多空策略将迎来更有利的环境。
数据链：
| 指标 | 利率 > 2.5%（47%的时间） | 利率 < 2.5%（53%的时间） |
|---|---|---|
| 对冲基金相对市场表现 | 跑赢6.5% | 跑输4% |
| 平均alpha | 12% | 不到1% |
| 股票市场年化回报 | 9.7% | 9.0% |
机制拆解：Ainslie用游泳比赛做类比——"你有两个游泳选手，一个比另一个稍好，他们在顺流中比赛，差距不会太大。现在让他们逆流而上，就能更清楚地看出谁更强。"在零利率环境下，资本成本几乎为零，所有资本使用决策看起来都是好决策；而在高利率环境下，资本成本成为区分优秀公司与平庸公司的关键。
独到观察：2023年上半年，收入超预期/不及预期与股价反应之间的相关性达到20年来的最高水平。历史上类似的高相关性时期（1996年、1999年）都预示着随后强劲的回报期。
推演：Ainslie指出，期货曲线显示市场预期未来五年Fed funds利率在3.7%-5.5%之间，远高于2.5%的门槛。他认为这将是一个对基本面投资者更有利的环境。
Lee Ainslie认为，AI正在从根本上改变软件公司的商业模式和护城河，过去支撑软件公司高估值的几个关键因素——低资本密集度、高转换成本、网络效应——都在被削弱。
机制拆解：Ainslie逐一分析了AI对软件公司护城河的冲击：
1. 低资本密集度 → 基础设施成本飙升。"我们与一家大型公司交流，他们正在重新思考成本结构——不再是90%人力+10%基础设施，而是反过来。"
2. 转换成本 → 用户可以在不同AI引擎间轻松切换。"ChatGPT很出色，但Anthropic在某些方面更胜一筹。没有用户界面，你只需输入问题，可以用任何一个。"
3. 网络效应 → 用户不希望自己的知识被公开访问，AI公司也不希望被垃圾数据污染。
4. 更好的捕鼠器 → 对99%的使用场景，不同AI引擎的答案差异不大。"写一首关于这张桌子的诗，风格模仿Robert Frost——它们会略有不同，但都足够好。"
数据链：过去10年，半导体公司（市值超10亿美元）数量略有下降，但总市值增长了5倍，利润率几乎翻倍。同期，软件公司的利润率从29%下降到约24%。
推演：Ainslie认为，AI对软件公司护城河的侵蚀可能持续，但半导体公司（尤其是GPU相关）正在成为新的瓶颈。他透露，Maverick早在2022年底就通过其风险投资团队提前了解到AI对GPU需求的爆发式增长——"一家领先的LLM开发商告诉我们，2022年他们的总计算预算为1000万美元，2023年将达1亿美元，2024年将达10亿美元。"
Lee Ainslie分享了他从2011年开始逐步将投资决策权移交给团队的经验，核心教训是：如果你要给予某人责任和权力，就必须真正给予。
历史脉络：Ainslie意识到自己同时承担三个角色——选股、组合管理、经营企业——但"没有把任何一个做到我希望的水平"。他不再像以前那样对股票充满智力热情，开始错过孩子的成长，而业绩也反映出他无法同时做好所有事情。
关键对话：Ainslie咨询了多位经历过类似过渡的同行，包括Stan Druckenmiller和Seth Klarman。Druckenmiller的建议最具影响力："如果你要给予某人责任和权力，就必须真正给予。你不能说'通常你做决定，但偶尔我会来推翻你'——即使你的决定更好，剥夺他人自主权的打击效应也会产生巨大的成本。"
机制拆解：Maverick的过渡分两个阶段：
1. 2011年：Ainslie将日常选股和组合管理职责移交给团队，自己专注于风险管理和企业经营
2. 约2020年：设立联合CIO结构，Ben Silver和David Ticktin负责基本面投资
推演：Ainslie保留了风险方面的最终决定权——"如果我认为某个头寸太大，我会削减它，不是因为我不认为这是一个好投资，而是因为它对风险状况的贡献不合适。"这种"有限保留"的设计既保证了传承的完整性，又保留了创始人的风险控制能力。
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Oracle | 历史案例（成功投资） | 1991年股价从$11跌至$6，最终成为非常成功的投资 |
| Microsoft | 看好管理层 | Satya Nadella的转型被Ainslie视为"我记忆中最好的CEO转型案例之一" |
| NVIDIA | 看好 | Maverick自2004年起持有；AI时代GPU成为瓶颈 |
| Amazon | 中性（管理层观察） | Ainslie1998年首次见到Jeff Bezos时Amazon市值仅$4亿 |
| Apple | 历史案例（iPhone颠覆） | 2007年iPhone推出时Apple与BlackBerry市值均约$700亿 |
| BlackBerry (RIM) | 历史案例（被颠覆） | 从$700-800亿市值跌至$30亿 |
| Nokia | 历史案例（被颠覆） | 从$1000亿市值跌至$100亿 |
| Costco / Price Club | 商业案例（Sol Price理念） | 未提供具体数据 |
| Tyco | 历史案例（Ed Breen的转型） | 未提供具体数据 |
| CoreValve | 历史案例（私人投资） | 导致两个成功的做空机会 |
| ChatGPT / OpenAI | 信息源（通过风险投资团队） | Sam Altman的Looped（2011年投资） |
| AltaVista / Yahoo | 历史案例（被Google颠覆） | 未提供具体数据 |
| 历史案例（更好的捕鼠器） | 未提供具体数据 | |
| TSMC | 未明示 | 未提供具体数据 |
1. "如果你在选股上正确率达到55%，你就是世界上最好的之一"（Lee Ainslie）——这意味着投资者会频繁犯错，情绪稳定性比智商更重要。如何应对错误——是加倍下注还是认错离场——是区分优秀与平庸投资者的关键。
2. 零利率环境（Fed funds < 2.5%）下，对冲基金平均跑输市场4%，alpha不足1%；利率>2.5%时，跑赢6.5%，alpha达12%（Lee Ainslie）——Ainslie认为市场尚未充分认识到利率环境变化对多空策略的深远影响，2023年收入超预期/不及预期与股价反应的相关性达到20年最高，历史上这预示着强劲回报期。
3. "Sol Price的'明智地失去业务'——限制SKU数量，在少数品类上做到极致"（Lee Ainslie）——这一零售理念被Ainslie应用于Maverick的战略：不盲目扩张到信贷、货币等其他资产类别，而是专注于股票多空策略，持续深化。
4. AI正在侵蚀软件公司的四大护城河：低资本密集度、高转换成本、网络效应、更好的捕鼠器（Lee Ainslie）——基础设施成本飙升、用户可在不同AI引擎间切换、网络效应减弱、多数使用场景下不同AI引擎的答案差异不大。软件公司利润率已从29%降至24%，这一趋势可能持续。
5. "如果你要给予某人责任和权力，就必须真正给予"（Stan Druckenmiller，经Lee Ainslie转述）——即使创始人的决定更好，剥夺他人自主权的打击效应也会产生巨大成本。Maverick的传承策略是：保留风险方面的最终决定权，但日常投资决策完全交给团队。
6. 半导体公司过去10年总市值增长5倍，利润率几乎翻倍，而软件公司利润率从29%降至24%（Lee Ainslie）——市场对半导体的"商品化、周期性"认知已过时，AI时代的GPU瓶颈正在重塑行业格局。
7. "Maverick的长期持有期——多头平均17个月，空头平均13个月"（Lee Ainslie）——结合每个投资专业人员只管理3-5个持仓，这种深度聚焦使Maverick能够"在信息上永远不处于劣势"。
8. "Maverick的HFRI相关性在十几，而行业平均为70%，峰值达90%"（Lee Ainslie）——在行业整体沦为"beta工具"的背景下，Maverick通过真正的多空选股保持了差异化，这是其能够继续收取对冲基金费用的基础。