AI泡沫指数：19个数据源、5大支柱，如何量化科技泡沫

原创

alex 13小时前阅读数 7 #头条

AI泡沫指数：19个数据源、5大支柱，如何量化科技泡沫

什么是 AI 泡沫指数？

在 Hacker News 上闲逛的时候，我撞见一个叫 Jag's AI Frothiness Index 的东西。它每天给 AI 泡沫的拉伸程度打一个 0 到 100 的分，50 分是过去几十年的正常水平，100 分对标互联网泡沫顶峰。这数字到底怎么算出来的，背后有没有人拍脑袋，我决定查个清楚。来源：FROTH

指数从 2018 年开始每天更新，之前是每周一次。它由 5 个支柱构成。价格占 30%，借贷与风险偏好占 20%，支出压力占 20%，投机占 15%，真实需求作为反权重占剩下的 15%。公式写在页面上：index = 0.85 × (weighted pillars) + 0.15 × (100 − demand)。来源：FROTH

数据完全来自免费公共来源。19 个指标分别取自 FRED、SEC EDGAR 的申报文件和全文搜索、Yahoo Finance 的价格、npm registry、Y Combinator 的公司列表，还有 Ramp AI Index。作者强调没有手工输入的数字。历史上输入数据从各自开始时加入，所以 1990 年代只用价格和借贷，AI 特有指标比如 SEC 资本开支、npm、YC、Ramp 在 2009 到 2023 年间才陆续进入。来源：FROTH

每个读数先变成百分位，跟这个指标自己的历史比。100 表示有史以来最拉伸。这么打分有个好处，过去的事不用事后诸葛亮。VIX 和信用利差这些指标反向计分，市场越平静分数越高，因为平静代表自满。来源：FROTH

噪音计与反直觉发现

主指数之外，作者还搞了个噪音计，也是 0 到 100。它衡量最近 28 天里人们谈论和押注 AI 泡沫的强度，跟 2022 年以来每一个 28 天周期比。来源：FROTH

噪音计由三块拼起来。Hacker News 上“AI bubble”故事和评论的每周数量、Wikipedia 上“AI bubble”文章的每周浏览量、博彩市场对泡沫破裂的赔率。博彩数据来自 Polymarket、Kalshi 和 Manifold 三个平台，另外加上最近 24 小时所有 AI 主题的投注。来源：FROTH

作者在页面上写了一句让我停下来的话：讨论往往在顶部之前达到峰值。来源：FROTH 我不确定这个规律在每一轮周期里都成立，但它提醒我，噪音最大的时候可能还没见顶，等所有人都不讨论了，反倒该警惕。

作者把泡沫讨论单独拿出来，不混进主指数，因为它是逆向指标。噪音计高企时，市场可能还在狂热半山腰；等噪音计回落，讨论退潮，泡沫往往已经破裂或正在破裂。来源：FROTH

多源交叉验证与设计争议

不过这个指数有个绕不过去的设计问题。Hacker News 用户 bradknowles 在评论区问：能不能设一个基准日期，然后跟它比？现在把 100% 设在历史最高点，从那里往下标，看不到从指定日期以来的增长。他建议预设一些已知的基准日期，比如 e-mycin 发布日或者 Eliza，替代笼统的“最近 10 年”。来源：HN

我自己去看那个帖子，显示 1 分、0 条评论。来源：HN 一个发布初期几乎无人问津的项目，却把 Hacker News 的“AI bubble”故事和评论数当作噪音计的输入之一。这让我对噪音计的样本质量多了一层担心：如果连它自己的帖子都没人讨论，那 HN 的每周“AI bubble”计数能代表多大范围的公众情绪，我存疑。

作者强调指数完全由数字驱动，没有手工输入。来源：FROTH 批评者想要的却是从特定起点观察增长。这两个诉求不在一个维度上。我不确定哪种更符合普通读者的直觉，但如果要改进，让用户自定义基准日期是个实在的方向，毕竟百分位历史比较确实灵活度有限。

原文：

Show HN: AI Frothiness Index. Daily reading of how stretched the AI boom is · 来源：Hacker News

参考来源：