過去幾個月,關於“AI是否進入泡沫期”的爭論愈演愈烈。尤其是當英偉達市值突破4萬億美元,超過日本GDP時,市場的驚訝與警覺達到了新高。七大科技巨頭合計占據了超過三分之一的美股總市值——這在曆史上是極為罕見的集中度。
泡沫不是市值高,而是市值與基本麵脫節。我們來逐層剝開這顆“AI氣球”,看看它到底是充滿了熱空氣,還是有些實打實的支撐。
一、技術邊界:大模型訓練進入平台期
從技術演進的角度看,AI行業確實已經從“狂飆期”進入了一個相對平穩的平台期。ChatGPT-5的發布雖然在推理能力上有所提升,但並未帶來GPT-4那種“質變式驚豔”。OpenAI內部也承認,模型性能提升已不再依賴單純擴大參數規模,而是需要新的架構和推理機製。
曾經被奉為圭臬的Scaling Law,如今也顯得力不從心。數據瓶頸、推理瓶頸、能耗瓶頸接踵而至,行業開始意識到:再多的算力和參數,並不一定能換來更聰明的模型。
英偉達的財報也透露出微妙信號。雖然數據中心仍是營收主力,但增長速度已不如前幾個季度。這並不意味著AI熱退潮,而是說明“大力出奇跡”的階段告一段落。
二、資本邏輯:賣鏟子的賺錢,挖金子的還在等
從資本投入的角度看,AI行業的分化已經非常明顯。英偉達作為“賣鏟子”的基礎設施提供商,盈利路徑清晰;而那些“挖金子”的大模型公司,如OpenAI、Anthropic、xAI等,估值高達數百億美元,卻尚未實現盈利。
OpenAI的估值已達3400億美元,預計2025年營收僅為110億美元,且要到2029年才可能實現盈利。這不是個別現象,而是整個行業的普遍狀態。
MIT最近發布的《GenAI Divide》報告指出,95%的企業AI項目未能帶來可量化的業務回報,隻有5%的項目實現了顯著的營收增長。這意味著,AI的商業化仍處於早期探索階段,資本回報周期較長。
在這種背景下,AI的估值更像是對未來的押注,而非對當前現金流的定價。
三、技術準備就緒,應用落地卻不均衡
從技術成熟度來看,AI已經“ready”。大模型之間的技術差距正在縮小,護城河變得模糊。多家公司已能訓練出性能相近的大模型,價格戰不可避免。
AI Agent平台如 n8n、LangChain、AutoGen 等已相當成熟,MCP協議也在推動模型與工具之間的標準化交互。編程輔助工具如Cursor、Codeium、GitHub Copilot等已進入實用階段,開發者社區接受度高。
但問題在於乙方,也就是行業用戶的準備情況。標準化行業如辦公軟件、會計、醫療、法律等,由巨頭主導,AI集成由原廠完成,留給創業公司的空間有限。非標準化行業如小型服務業、手工製造、地方政務等尚未完成數字化轉型,AI落地仍需時間,不甚樂觀。
這就形成了一個“技術已就緒,應用仍在路上”的尷尬局麵。如果這段推廣周期過長,資本市場的耐心可能會耗盡,泡沫也就難以維持。
四、金融環境:泡沫的底氣來自貨幣超發
AI泡沫的形成,並不隻是技術熱潮的結果,更與全球金融環境密切相關。
過去三年,美聯儲、歐洲央行、日本央行等全球主要央行實施了大規模量化寬鬆,導致資產價格普遍膨脹。AI作為“故事性最強”的技術之一,自然成為資金追逐的對象。
英偉達的市值增長速度甚至超過了整個法國和英國股市。這不僅是技術的勝利,而且也是流動性的狂歡。
可以說,AI氣球裏有兩種氣體:一種是金融性的(貨幣超發),一種是敘事性的(技術熱潮)。前者可能爆破,後者則可能慢撒氣。金融泡沫往往來得快、去得也快;而技術泡沫則更像是慢慢泄氣,最終沉澱出真正的價值。
五、泡沫?是,也不是
從技術角度看,AI的進展是真實的,尤其是Agent化、工具集成、推理能力提升等方向。但從資本回報和應用落地來看,確實存在“估值先行、變現滯後”的泡沫特征。
正如OpenAI CEO Sam Altman所言:“AI是過去幾十年最重要的技術,但市場對它的預期已經過度。”而Grindr CEO George Arison則更直白:“VC泡沫正在形成,很多好公司會被毀掉。”
AI的未來仍充滿可能,也充滿希望,但同樣伴隨著不小的不確定性。對於從事AI技術研發的人來說,泡沫未必是壞事——它意味著資源充足、容錯空間更大,可以大膽向前推進。而如果你是站在投資者的角度,那就必須保持警覺,密切關注估值背後的真實支撐,尤其是AI應用落地的情況。