---
title: "Das KI-Überflussparadox: Infrastrukturengpässe, Vermögenswertknappheit und die Strategie des Value-Investors"
author: "DeepValues Research"
publisher: "DeepValues Research (DeepValues / LuLu Ventures LLC)"
type: "Research article"
date: "2026-11-02"
language: "de"
section: "Insights"
machine_translated: true
translation_method: "machine translation (gpt-6.1-sol, Azure OpenAI)"
translated_from: "https://research.deepvalues.ai/insights/2026-11-02-elon-musk-stop-saving-for-future-due-to-the-ai-abundance/"
original_url: "https://research.deepvalues.ai/insights/2026-11-02-elon-musk-stop-saving-for-future-due-to-the-ai-abundance/"
original_language: "en"
translated_on: "2026-11-15"
translation_note: "Machine-translated from the original report; the original is authoritative."
canonical_url: "https://research.deepvalues.ai/insights/2026-11-02-elon-musk-stop-saving-for-future-due-to-the-ai-abundance-de/"
markdown_url: "https://research.deepvalues.ai/insights/2026-11-02-elon-musk-stop-saving-for-future-due-to-the-ai-abundance-de/index.md"
license: "CC BY 4.0"
license_url: "https://creativecommons.org/licenses/by/4.0/"
cite_as: "DeepValues Research, Das KI-Überflussparadox: Infrastrukturengpässe, Vermögenswertknappheit und die Strategie des Value-Investors, https://research.deepvalues.ai/insights/2026-11-02-elon-musk-stop-saving-for-future-due-to-the-ai-abundance-de/"
publisher_url: "https://deepvalues.ai"
app: "https://deepvalues.ai"
api: "https://app.deepvalues.ai/developers"
data_note: "Reports are dated snapshots. Current data via the DeepValues API: https://app.deepvalues.ai/developers"
disclaimer: "Educational research, not investment advice."
disclosure: "AI-assisted"
generated_by: "NotebookLM + DeepValues editors"
category: "investing"
sources:
  - title: "The AI Abundance Paradox"
audio: "https://anchor.fm/s/105664940/podcast/play/128602101/https%3A%2F%2Fd3ctxlq1ktw2nl.cloudfront.net%2Fstaging%2F2026-10-2%2F435647197-44100-2-e0f9eef40fc2a.mp3"
audio_kind: "podcast episode"
audio_page: "https://open.spotify.com/episode/0srpIgDZCIDCc0LmyB729m"
---
# Das KI-Überflussparadox: Infrastrukturengpässe, Vermögensknappheit und die Strategie des Value-Investors

Technologische Visionäre wie Elon Musk prognostizieren eine Zukunft extremer struktureller Deflation. Sie argumentieren, dass die Verbindung von künstlicher Intelligenz und autonomer Robotik die Produktionskosten schneller senken werde, als die Geldmenge wächst, wodurch herkömmliche Altersvorsorge durch eine „Replikatorökonomie“ überflüssig werde. Die unmittelbare Wirtschaftlichkeit je Leistungseinheit führender KI-Systeme — geprägt von nicht tragfähigen Bereitstellungskosten für agentenbasierte Anwendungen, enormen Investitionsanforderungen und gravierenden Stromengpässen — zeigt jedoch, dass die physische Realität noch weit von einer Welt ohne Knappheit entfernt ist. Aus Sicht des Value-Investings stellt der Verzicht auf Vermögensaufbau aufgrund einer hyperdeflationären Prognose ein erhebliches asymmetrisches Risiko dar: Statt den Nutzen von Kapital zu beseitigen, wird der jahrzehntelange Übergang zum KI-Überfluss die Kaufkraft entschieden hin zu physischen und technologischen Engpassressourcen verlagern, deren Knappheit sich nicht aufheben lässt. Langfristige Anleger müssen diese Reibungsverluste bewältigen, indem sie erkennen, wo wirtschaftliche Überschüsse anfallen, während Software und Routinetätigkeiten einer starken Preisdeflation unterliegen und knappe Infrastrukturvermögenswerte dauerhafte ökonomische Renten vereinnahmen.

## Die zwei Realitäten der KI: Überflussvision gegenüber Inferenzökonomie

Die öffentliche Debatte über künstliche Intelligenz ist derzeit gespalten zwischen langfristigen makroökonomischen Prognosen eines extremen Kostenverfalls und den unmittelbaren mikroökonomischen Reibungsverlusten beim Betrieb führender Modelle. In einem Interview im Januar 2026 in Peter Diamandis’ Podcast *Moonshots* skizzierte Elon Musk ein durch strukturelle Deflation geprägtes Wirtschaftsmodell. Er argumentierte, dass die Kosten körperlicher Arbeit und Produktion in allen Bereichen der Zivilisation einbrechen würden, wenn KI-Intelligenz autonome Robotik erfolgreich vorantreibt. In Musks Modell wächst die Produktion schneller als die Geldmenge, wodurch der Grenzpreis physischer Güter und Dienstleistungen gegen null tendiert. Unter dem Vorbehalt eines Zeithorizonts von 10- bis 20 Jahren erklärte Musk: „Wenn irgendetwas von dem, was wir gesagt haben, wahr ist, wird das Sparen für den Ruhestand bedeutungslos sein.“ Er bekräftigte diese Einschätzung am 29. Oktober 2026 in einer Antwort an @battleangelviv auf X mit der Aussage, dass das Sparen für die ferne Zukunft unter Bedingungen ohne Knappheit sinnlos sei.

Musks These beruht auf einem sequenziellen makroökonomischen Transmissionsmechanismus:

$$\text{AI Intelligence} \longrightarrow \text{Autonomous Robotics} \longrightarrow \text{Cheaper Labor/Production} \longrightarrow \text{Structural Deflation}$$

Entscheidend ist, dass dieses Modell einen angebotsgetriebenen Preisverfall und keine Währungsentwertung beschreibt. Statt einer Hyperinflation, die Barreserven aufzehrt, impliziert die „Replikatorökonomie“ — analog zur Produktion ohne Knappheit in Star Trek —, dass reale Güter und Dienstleistungen so reichlich verfügbar werden, dass große Bestände an herkömmlicher Fiatwährung zur Sicherung eines normalen Lebensstandards unnötig werden.

An der Spitze des Modelleinsatzes besteht jedoch eine gegensätzliche operative Realität. Am 1. November 2026 — nur drei Tage nach seinem Beitrag zur Altersvorsorge — ging Musk öffentlich auf Nutzerbeschwerden über die rasche Ausschöpfung der Nutzungskontingente für Grok Bot auf X ein und räumte ein: „Die Kosten für die Bereitstellung von Grok Bot waren im Verhältnis zum Umsatz untragbar hoch.“

Diese wirtschaftlichen Reibungsverluste entstehen aus dem grundlegenden Unterschied zwischen Chat-Inferenz mit einer einzelnen Eingabe und dauerhaften, mehrstufigen agentenbasierten Arbeitslasten. Eine normale Chat-Eingabe folgt einem linearen Rechenpfad:

$$\text{Prompt} \longrightarrow \text{Inference} \longrightarrow \text{Answer}$$

Ein autonomer Agent funktioniert dagegen als kontinuierlicher Zustandsautomat, der iterative Teilaufgaben in externen Umgebungen ausführt:

$$\text{Reasoning} \longrightarrow \text{Web Browsing} \longrightarrow \text{Tool Call} \longrightarrow \text{Model Call} \longrightarrow \text{Browser Action} \longrightarrow \text{Screenshot/Image Processing} \longrightarrow \text{Model Call} \longrightarrow \text{Terminal} \longrightarrow \text{Retry} \longrightarrow \text{Memory/Context} \longrightarrow \text{Model Call} \longrightarrow \text{Verification} \longrightarrow \text{Output}$$

Da ein agentenbasierter Arbeitsablauf Dutzende oder Hunderte aufeinanderfolgender Inferenzdurchläufe, Bildschirmaufnahme-Aufrufe und Werkzeugprüfungen benötigen kann, um ein einziges Ergebnis fertigzustellen, liegen die Kosten pro erledigter menschlicher Aufgabe um Größenordnungen über den Kosten pro Chatbot-Nachricht. Diese strukturelle Volatilität untergräbt herkömmliche Pauschalabonnements ($30 pro Monat): Ein Nutzer mit geringer Nutzungsintensität, der fünf kurze Aufgaben ausführt, subventioniert einen intensiven Unternehmensnutzer, der Hunderte von Beschleunigerstunden verbraucht. Wenn die Verbrauchsvarianz rasch zunimmt, geraten Festpreistarife ohne Verbrauchsmessung unter extremen Druck auf die Bruttomarge.

## Die kurzfristige Infrastrukturgrenze: Kapitalintensität und Wirtschaftlichkeit je Leistungseinheit

Das Spannungsverhältnis zwischen sinkenden Verarbeitungskosten pro Token und steigenden aggregierten Investitionsausgaben unterstreicht die physischen Beschränkungen des KI-Sektors. Diese Dynamik zeigte sich deutlich in der kommerziellen Neuausrichtung von Grok Bot durch xAI. Bei der Einführung am 11. August 2026 wurde die Nutzung von Grok Bot als eigenständige Funktion vermarktet, getrennt von den regulären Kontingenten für Grok und Cursor. Bis Oktober 2026 gab xAI den uneingeschränkten Zugang auf und integrierte Grok Bot in ein gemeinsames, wöchentlich verbrauchsabhängig erfasstes Guthabenkontingent über mehrere Abonnementstufen hinweg:

*   **Premium:** $30 pro Monat ($4\times$ relative Nutzung)
*   **Super:** $100 pro Monat ($15\times$ relative Nutzung)
*   **Ultra:** $200 pro Monat ($50\times$ relative Nutzung)

Der Zugang wurde strikt auf die Premium-Stufe und höhere Stufen beschränkt; umfangreiche Agenten-Arbeitslasten erforderten zusätzliche Guthabenkäufe. Dieser Wechsel vom unbegrenzten Zugang zur verbrauchsabhängigen Monetarisierung spiegelt die unternehmensweite Anerkennung der Wirtschaftlichkeit je Leistungseinheit agentenbasierter Inferenz wider.

Empirische Daten führender Forschungsorganisationen verdeutlichen die enorme Kapitalintensität, die zur Aufrechterhaltung führender KI-Fähigkeiten erforderlich ist:

*   **Umsatzwachstum gegenüber Rechenausgaben:** Der KI-Indexbericht 2026 der Stanford University dokumentiert, dass KI-Unternehmen ihre Umsätze außergewöhnlich schnell steigern, während die Ausgaben für Rechenleistung und Infrastruktur gleichzeitig Rekordhöhen erreichen.
*   **Budgetverteilung von KI-Laboren:** Untersuchungen von Epoch AI zeigen, dass Ausgaben für Rechenleistung 54% bis 62% der gesamten operativen Ausgaben führender KI-Entwicklungslabore ausmachen.
*   **Infrastrukturinvestitionen für Rechenzentren:** Epoch AI schätzt, dass ein hypothetisches modernes KI-Rechenzentrum mit 1 Gigawatt (GW) anfängliche Investitionsausgaben von ungefähr $38 Mrd. sowie annualisierte Gesamtbetriebskosten von $8.5 Mrd. erfordert.
*   **Strom- und Netzanschlussengpässe:** Die Internationale Energieagentur (IEA) prognostiziert, dass sich der weltweite Stromverbrauch von Rechenzentren bis 2030 ungefähr auf ~950 TWh verdoppeln wird, hauptsächlich getrieben von KI-Arbeitslasten, deren Betrieb mit erheblichen Verzögerungen beim Stromnetzanschluss konfrontiert ist.
*   **Deflation durch Inferenz-Effizienz:** Als Gegengewicht zu den Hardwareausgaben hält der KI-Index 2026 von Stanford fest, dass die Kosten für Inferenzleistung auf GPT-3.5-Niveau von ~$20 pro Mio. Token im November 2022 auf $0.07 pro Mio. Token im Oktober 2024 sanken — ein Rückgang um mehr als das >280$\times$-Fache innerhalb von ungefähr 18 Monaten.

Während die Kosten pro Intelligenzeinheit entlang einer ausgeprägt deflationären Kurve einbrechen, wachsen die aggregierten Unternehmensausgaben weiterhin exponentiell. KI-Anwendungen werden durch ein Bündel realwirtschaftlicher Engpässe begrenzt: Fertigungskapazitäten für fortschrittliche Halbleiter, Zielkonflikte der Transformer-Architektur, Stromerzeugung für das Netz und Zeitpläne für den physischen Ausbau von Rechenzentren.

## Makroökonomische Engpässe und das Eigentumsproblem

Selbst wenn technologische Fähigkeiten rasch voranschreiten, zeigen makroökonomische Theorie und institutionelle Forschung, dass reine Produktionsfähigkeiten nicht automatisch zu wirtschaftlichem Überfluss für Haushalte oder gesamtwirtschaftlichem BIP-Wachstum führen.

Ein wesentliches strukturelles Hindernis ist das **Problem der Eigentumskonzentration**. Wenn zentrale Vermögenswerte — Superintelligenz-Architekturen, Patente für Roboterhardware, Fertigungszentren, Stromerzeugungsanlagen und physische Datenanlagen — in streng kontrollierten Unternehmen konzentriert sind, führen niedrige Produktionskosten je Einheit nicht automatisch zu niedrigen Verbraucherpreisen. Wenn ein zentralisiertes Unternehmen die direkten Kosten für die Herstellung einer Mahlzeit auf $0.05 senkt, besteht für dieses Unternehmen keine strukturelle Verpflichtung, das Produkt zum Selbstkostenpreis zu verkaufen. Unter oligopolistischen Marktbedingungen oder bei schwachem Preiswettbewerb halten private Betreiber schützende Preisschirme aufrecht und vereinnahmen übermäßige ökonomische Renten, um die Gewinnmargen ihrer Unternehmen zu maximieren. 

Folglich schmälern private Preisschirme die Kaufkraft der Haushalte während der Zwischenphase der technologischen Skalierung. Kapitalaufbau dient nicht bloß als persönliches Sparziel, sondern als unverzichtbare strukturelle Absicherung gegen sinkende Arbeitseinkommen während der mehrjährigen Verzögerung, bevor die Preise realer Konsumgüter fallen. 

Musk erkannte diese Reibungsverluste implizit an, indem er ein „universelles hohes Einkommen“ vorschlug und zugleich in seinem Interview im Januar 2026 einräumte, dass der jahrzehntelange Übergang „holprig“ sein werde und neben wirtschaftlichem Wachstum potenzielle soziale Unruhen mit sich bringe. Darüber hinaus betont die Wirtschaftsforschung des Internationalen Währungsfonds (IWF), dass makroökonomisches Wachstum nicht ausschließlich aus Modellfähigkeiten prognostiziert werden kann. Warteschlangen beim Ausbau physischer Infrastruktur, organisatorische Reibungsverluste, regulatorische Genehmigungen, Beschränkungen beim Kapitaleinsatz und institutionelle Starrheiten schaffen systemische Verzögerungen und verhindern die unmittelbare Übertragung von KI-Fähigkeiten in breit angelegte Produktivitätsgewinne.

## Rahmen für die Kapitalallokation: Reproduzierbare gegenüber irreduzibel knappen Vermögenswerten

Aus einer in den Prinzipien von Graham und Buffett verankerten Value-Investing-Perspektive erfordert ein Umfeld KI-getriebener technologischer Beschleunigung eine strikte Trennung zwischen reproduzierbaren Vermögenswerten, die einem Kostenverfall unterliegen, und irreduzibel knappen Vermögenswerten, bei denen sich Unternehmenswert ansammelt. Wenn die marginalen Replikationskosten für digitales geistiges Eigentum, Softwarecode und routinemäßige analytische Arbeit gegen null tendieren, verschwindet wirtschaftliches Kapital nicht; es verlagert sich hin zu strukturellen physischen Engpässen.

| Reproduzierbare Vermögenswerte (Deflationsdruck) | Irreduzibel knappe Vermögenswerte (Wertzuwachs) |
| :--- | :--- |
| Austauschbare Softwareanwendungen und Programmierschnittstellen | Erstklassige Immobilien (z. B. Grundstücke in Manhattan, Meeresgrundstücke in La Jolla) |
| Routinemäßige Fach-, Rechts- und Wissensdienstleistungen | Energieerzeugung im Versorgungsmaßstab und Netzanschlussrechte |
| Einfache digitale Medien, Inhalte und synthetische Kunst | Fortschrittliche Halbleiterfabriken und spezialisiertes geistiges Eigentum für Lithografie |
| Austauschbare Montage und Standardfertigung | Betriebskritische Rechenzentrumsknoten und Anlagen mit hoher Leistungsdichte |
| Standardisierter Transport und Frachtlogistik | Proprietäre Datensätze und Netzwerk-Burggräben (Moats) mit hoher Kundenbindung |

Aus analytischer Sicht erzeugt die enorme Kapitalintensität — etwa die anfänglichen Investitionsausgaben von $38 Mrd. und annualisierten Gesamtbetriebskosten von $8.5 Mrd. pro Rechenzentrum mit 1 GW — gravierende Verzerrungen der Renditeprofile. Übermäßige Investitionsverpflichtungen verschlechtern die Rendite auf das investierte Kapital (ROIC) von Infrastrukturbetreibern, die mit rascher Hardwareveralterung und permanenten Reinvestitionszyklen konfrontiert sind. Diese Dynamik schwächt die Beständigkeit diskontierter Zahlungsströme und schafft Endwertrisiken für anlagenintensive KI-Labore.

Umgekehrt fließen wirtschaftliche Überschüsse an die Eigentümer nicht reproduzierbarer Engpassressourcen — etwa Übertragungsrechte, knappe Stromerzeugungskapazitäten und hochwertige Immobilien. Selbst wenn humanoide Robotik die physischen Baukosten auf $20,000 pro Gebäude senkt, bleibt das zugrunde liegende Grundstücksangebot in erstklassigen Metropollagen absolut begrenzt. Daher wird der Besitz produktiven, durch Engpässe gekennzeichneten Kapitals während der Übergangsphase *noch* wichtiger. Wenn Arbeitseinkommen strukturell unter Druck geraten, bevor die Kosten für physischen Wohnraum, Strom und Gesundheitsversorgung einbrechen, werden Marktteilnehmer ohne Kapitalbasis eine gravierende Margenkompression erleben.

## Wichtige Zahlen

*   **Rückgang der Inferenzkosten auf GPT-3.5-Niveau:** Von ~$20 pro Mio. Token (November 2022) auf $0.07 pro Mio. Token (Oktober 2024) — ein Rückgang um mehr als das >280$\times$-Fache in ~18 Monaten (Stanford-KI-Index 2026).
*   **Anteil der Rechenausgaben von KI-Laboren:** 54% bis 62% der Gesamtausgaben (Epoch AI).
*   **Kapitalbedarf eines KI-Rechenzentrums mit 1 GW:** $38 Mrd. Anfangskapital; $8.5 Mrd. annualisierte Gesamtbetriebskosten (Schätzung von Epoch AI).
*   **Weltweiter Stromverbrauch von Rechenzentren:** Prognostizierte Verdopplung auf ~950 TWh bis 2030 (IEA-Schätzung).
*   **xAI-Abonnementstufen (Oktober 2026):** Premium für $30/Monat (4$\times$ Nutzung), Super für $100/Monat (15$\times$ Nutzung), Ultra für $200/Monat (50$\times$ Nutzung).
*   **Wichtige Termine:** Elon Musks Interview im Podcast *Moonshots* (Januar 2026); erste Einführung von Grok Bot (11. August 2026); Elon Musks Aussage zur Altersvorsorge (29. Oktober 2026); Elon Musks Aussage zu den Bereitstellungskosten von Grok Bot (1. November 2026).
## Was unsere Einschätzung ändern würde

Die folgenden empirischen Meilensteine würden unsere These struktureller Engpässe widerlegen und darauf hindeuten, dass Musks Zeitplan für eine Wirtschaft jenseits der Knappheit die realen Beschränkungen überwindet:

1.  **Kommerzielle Skalierung physischer Robotik:** Ein breiter, branchenübergreifender Einsatz autonomer humanoider Roboter in nicht kontrollierten Umgebungen (Bauwesen, Landwirtschaft, Logistik und anspruchsvolle Instandhaltung), der einen anhaltenden Einbruch der Preise physischer Güter in der realen Welt bewirkt.
2.  **Durchbrüche bei der Energieinfrastruktur:** Ein systematischer Abbau der Warteschlangen für Stromnetzanschlüsse bei gleichzeitig anhaltenden Rückgängen der Industriestrompreise trotz exponentiell steigender Stromnachfrage von Rechenzentren.
3.  **Preisgestaltung für agentische KI ohne Nutzungsobergrenzen:** Die breite, wirtschaftlich tragfähige Wiedereinführung von Abonnements für nicht verbrauchsabhängig abgerechnete, tatsächlich unbegrenzte agentische Rechenleistung durch führende KI-Anbieter, ohne Leistungseinbußen oder operative Verluste.
4.  **Breite Verteilung der Produktivitätsgewinne:** Makroökonomische Belege für strukturelle Reallohnsteigerungen bei Haushalten ohne Kapitalbesitz oder die formelle institutionelle Umsetzung universeller Mechanismen zur Übertragung von Vermögenswerten, die Verwerfungen am Arbeitsmarkt neutralisieren.

## Praktische Schlussfolgerungen für langfristige Anleger

Die Bewertung von Prognosen einer Wirtschaft jenseits der Knappheit aus entscheidungstheoretischer Sicht offenbart eine erhebliche Risikoasymmetrie. Wer in Erwartung eines raschen technologisch bedingten Überflusses den persönlichen Kapitalaufbau einstellt, setzt sich einem existenziellen Verlustrisiko aus. Behält ein Anleger eine disziplinierte Sparquote bei und entsteht tatsächlich eine Wirtschaftsordnung jenseits der Knappheit, werden die angesammelten Liquiditätsreserven in einem Umfeld niedriger Kosten lediglich überflüssig. Stellt ein Anleger dagegen den Kapitalaufbau ein und verzögert sich der Übergang zum Überfluss aufgrund physischer Engpässe, regulatorischer Reibungsverluste oder monopolbedingter Preisschirme um 10 bis 20 Jahre, ist die Person ohne Kapitalreserven finanziell stark gefährdet.

Über einen Zeitraum von 5 bis 15 Jahren muss eine langfristige Allokationsstrategie Kapitalerhalt und Zinseszinseffekt nicht als überholte Konzepte behandeln, sondern als wesentliche Instrumente des Risikomanagements bei einem technologischen Übergang mit unterschiedlichen Geschwindigkeiten. Value-Anleger sollten eine breite Sicherheitsmarge wahren, indem sie leicht reproduzierbare Softwareunternehmen ohne wirtschaftlichen Burggraben (Moat) untergewichten und Kapital stattdessen stärker auf Vermögenswerte an physischen Engpässen mit dauerhaft tragfähigen Renditeprofilen ausrichten – etwa Grundlaststromerzeugung, Übertragungsinfrastruktur, physische Netzwerkknoten und industrielle Lieferketten mit hohen Eintrittsbarrieren. Um zu beurteilen, wie sich diese strukturellen Engpässe über Marktzyklen hinweg auf die Bewertungen einzelner Unternehmen auswirken, erkunden Sie weitere frei zugängliche Analysen auf der Website von DeepValues Research oder bewerten Sie die inneren Werte von Aktien mit der DeepValues-App.
## Quellen

* "The AI Abundance Paradox" (Excerpts and Analysis)
* Elon Musk, X (@elonmusk) posts on October 29, 2026, and November 1, 2026
* Peter Diamandis's Moonshots Podcast, interview with Elon Musk (January 2026)
* 2026 AI Index Report, Stanford University
* Infrastructure Cost & Spending Estimates, Epoch AI
* Electricity 2024 / Global Energy & Data Center Outlook, International Energy Agency (IEA)
* Macroeconomic Impact of Artificial Intelligence Report, International Monetary Fund (IMF)

## From DeepValues

- DeepValues app: intrinsic value, stances and the latest reports for 300+ stocks. [iPhone](https://apps.apple.com/us/app/deepvalues/id6775568608?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android](https://play.google.com/store/apps/details?id=app.deepvalues.android&referrer=utm_source%3Dresearch%26utm_medium%3Dweb%26utm_campaign%3Dmarkdown) · [Web](https://app.deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown)
- [Deep Value Intelligence](https://deepvalues.ai/?utm_source=research&utm_medium=web&utm_campaign=markdown): the multi-agent AI analyst behind these reports, for any listed company
- [Margin of Safety Weekly](https://app.deepvalues.ai/letter?utm_source=research&utm_medium=web&utm_campaign=markdown): free weekly email, every Saturday
- YouTube: videos on investing and on AI. [@TheDeepValues](https://www.youtube.com/@TheDeepValues?utm_source=research&utm_medium=web&utm_campaign=markdown) (investing) · [@deep-values](https://www.youtube.com/@deep-values?utm_source=research&utm_medium=web&utm_campaign=markdown) (AI)
- Podcasts: 6 shows in English and Chinese (Deep Values, 深度价值, Deep Values Frontier, 深度價值前沿, Deep Value Intelligence, 深度价值情报站). [all shows on Apple Podcasts](https://podcasts.apple.com/us/channel/deepvalues/id6826606342)
- Buffett Indicator: market-valuation gauge. [iPhone](https://apps.apple.com/us/app/buffett-indicator/id6747404614?utm_source=research&utm_medium=web&utm_campaign=markdown) · [Android (Buffett Indicator & Shiller PE)](https://play.google.com/store/apps/details?id=com.luluventures.bubblewatch.android&utm_source=research&utm_medium=web&utm_campaign=markdown)
