{
  "id": "laoqian-20250929-一个很贵的问题-现-32603cb3ac",
  "slug": "laoqian-20250929-一个很贵的问题-现-32603cb3ac",
  "source": "老钱日日谈公众号",
  "source_key": "laoqian",
  "kind": "article",
  "title": "一个很贵的问题：现在AI是泡沫吗？",
  "date": "2025-09-29",
  "excerpt": "一个很贵的问题：现在AI是泡沫吗？ 分享一篇近期看到的好文章，也是对当下美股最重要议题的回应。 ✒️Azeem Azhar and Nathan Warren https://www.exponentialview.co/p/is-ai-a-bubble 尽管华尔街多数人将 AI 视作投资热潮，但在欧美相关会议中，对 AI 持质疑态度的人正逐渐增多。 已有部",
  "markdown": "# 一个很贵的问题：现在AI是泡沫吗？\n\n分享一篇近期看到的好文章，也是对当下美股最重要议题的回应。\n\n✒️Azeem Azhar and Nathan Warren\n\nhttps://www.exponentialview.co/p/is-ai-a-bubble\n\n尽管华尔街多数人将 AI 视作投资热潮，但在欧美相关会议中，对 AI 持质疑态度的人正逐渐增多。\n\n已有部分人对此下定论，加里・马库斯便将当前 AI 领域称为 “泡沫巅峰”。\n\n《大西洋月刊》更是发出警告：“我们或许正处于 AI 泡沫之中，投资者的狂热情绪，早已远超这项技术短期内所能带来的生产力效益。一旦泡沫破裂，其破坏力可能会让当年的互联网泡沫相形见绌，届时遭受冲击的，将不只是科技巨头及其硅谷支持者。”\n\n《经济学人》则指出，AI 领域的 “潜在代价已攀升至令人警醒的高度”。\n\n要理解这类问题，最佳方式是建立一个可随新证据出现而不断更新的分析框架。\n\n为构建这一框架，我们投入数十小时开展数据分析、搭建模型，并与投资者及企业高管进行大量讨论，最终形成了一套通过五项指标将 AI 与历史上的泡沫进行对比评估的体系。\n\n我曾亲身经历并深入研究过互联网泡沫时期，当时作为投资者，我直接感受到了泡沫带来的冲击。\n\n和在座许多人一样，在全球金融危机期间，我也始终活跃在市场中。正因有这些经历，我才投入大量精力思考与分析，最终构建出这一对泡沫进程的分析框架。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMV7e1L1ZfJk7NYyNBAUM5e965K90hHgCYwibcAoYPlzBibuppleUhauIw/640?wx_fmt=png&from=appmsg#imgIndex=0)\n\n我的理论基础，源自卡洛塔・佩雷斯、比尔・詹韦等学界权威的研究成果，以及各大银行与分析师的财务分析报告。\n\n但迄今为止，尚未有人将这些理论转化为适用于当下 AI 行业的实践指南 —— 即一套可供研读、能与历史泡沫进行横向对比、并可用于指导决策的参数体系。\n\n泡沫的意义\n\n泡沫是资本主义体系中最古老的叙事之一。它承载着关于 “动物精神”、信念与崩塌的寓言。但泡沫并非单纯的金融现象，更是一种文化产物。\n\n它常以贪婪与愚蠢交织的道德寓言形式反复上演。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_jpg/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMFVCt5SfhicnpmpmJlqeKjkTyqMP5yxRd3CocOLuyd8EpYowa8CsZn3Q/640?wx_fmt=jpeg&from=appmsg#imgIndex=1)\n\nJan Brueghel the Younger, Allegory on Tulipmania, 1640\n\n郁金香狂热常被人们误记为一场导致织布匠破产、商人溺亡的疯狂浪潮，可事实上，其破坏力远没有传说中那么严重 —— 它仅波及富商阶层，荷兰整体经济并未受到冲击。\n\n但这类神话之所以能经久不衰，关键就在于：泡沫已成为人类用以警示盲目乐观危险性的集体叙事。\n\n有些泡沫属于金融领域，如 18 世纪 20 年代的南海泡沫、20 世纪 20 年代的股市狂热、80 年代日本的房地产繁荣，以及 21 世纪初的房地产崩盘；\n\n还有些泡沫则与技术相关。19 世纪 40 年代，铁路被视作新工业体系的 “血管”，这种定位确实合理。\n\n但一个 “身体” 所需的 “血管” 数量有限，很快，铁路就被铺设到了商业价值无法支撑的地区。\n\n20 世纪 90 年代，电信行业曾承诺打造一个 “有线乌托邦”，可最终却有 7000 万英里的冗余光纤被深埋地下、无人问津。\n\n互联网泡沫让我们看到了 “新经济” 的愿景，其中大部分愿景最终确实得以实现，但这一切，都是在 2000 年估值泡沫破裂之后才发生的。\n\n有趣的是，学术界至今似乎仍未就投资泡沫的定义达成共识，诺贝尔经济学奖得主尤金・法玛甚至断言，泡沫根本不存在。\n\n我希望能突破那种 “只有看到泡沫破裂，才知道那是泡沫” 的认知局限。\n\n在泡沫形成与破裂的过程中，存在两个相互关联的系统机制：\n\n其一最为直观，即股票市场出现荒谬的高估后，随即迎来崩盘；\n\n其二则是投入生产的资本规模（包括资本支出与风险投资）是否出现断崖式下跌。\n\n这两者之间自然存在关联 —— 股价暴跌会推高投资成本，而生产性资本投资的长期萎缩，又可能被股市解读为经济放缓的前兆。\n\n对此，我们做出如下界定：当股票的峰值价值出现持续至少 5 年、幅度达 50% 的跌幅时，即可判定为泡沫破裂。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMyf03tiaeVDMibR8IpyusTKnQYH4wFsakflmWiarJyp6V0ibTxzicVsaxw9w/640?wx_fmt=png&from=appmsg#imgIndex=2)\n\n以美国房地产泡沫和互联网泡沫为例，两者的低谷期均持续了约 5 年。\n\n其中，美国房地产市场用了 10 年才完全恢复到泡沫前的峰值水平，互联网泡沫则耗费了 15 年。\n\n与此同时，我们预计生产性资本的投入率也将大幅下降，降幅同样会达到峰值时的 50%。\n\n在本次分析中，我将同时探讨 “泡沫” 这一概念的两个对立维度。从本质上来说，泡沫指的是一段以价格与投资急速攀升为标志的时期，在此期间，资产估值与基本面前景及实际盈利能力严重脱节。\n\n泡沫孕育于资本泛滥与极具吸引力的叙事之中，最终往往以价值急剧且持久的回归收场，抹去上涨过程中创造的大部分账面财富。\n\n相比之下，繁荣与泡沫在早期阶段极为相似 —— 两者都会出现估值上升、投资加速的现象。\n\n但关键区别在于，在繁荣周期中，基本面最终会迎头赶上估值水平。其核心的现金流增长、生产率提升或真实需求扩张，会逐渐与市场的乐观预期相匹配。繁荣阶段或许仍会出现过度扩张的情况，但最终会沉淀为持久的产业形态与可持续的经济价值。\n\n繁荣与泡沫之间存在一片灰色地带：在市场热情高涨的时期，人们确实难以判断，当前的资本投入究竟是在为新经济奠定基础，还是仅仅在推高不可持续的价格。这就如同身处风暴中心：你能感受到狂风、暴雨与压力，却无法预判这场风暴最终会净化空气，还是摧毁房屋。\n\n回到当下的核心问题：AI 是否又将成为一个新的泡沫？\n\n让许多观察者感到不安的，正是一组组刺眼的数据。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMwZpMokzvyWOjwmmp2Xt8xUHs2Dp128c4B0BlhsIwdFQ7yABIrNB8Tg/640?wx_fmt=png&from=appmsg#imgIndex=3)\n\n自 2022 年底 ChatGPT 发布以来，超大规模企业已将年度数据中心资本支出增加了一倍多。他们押注的，是支撑日益庞大的 AI 模型训练与运行所需的基础设施。\n\n此前，当山姆・奥特曼提出需要 7 万亿美元投资时，这番话听起来更像是狂妄自大；\n\n如今，投资者已不再发笑，反而开始质疑这种支出规模是否具备可持续性。\n\n泡沫在形成之时，往往无法被准确诊断。唯有事后回顾，我们才能判断当时的市场热情是合理预期，还是盲目妄想。\n\n与其贸然下定论（这种做法其实毫无意义），不如将当下的 AI 繁荣与历史上的泡沫进行对标，从中察觉可能正在悄然滋生的泡沫迹象。\n\n这就好比驾驶飞机：飞行员不会仅依赖单一仪表，而是会监测一组仪表盘来掌握飞行状态。基于这一逻辑，我们将通过以下五个关键指标分析 AI 领域现状：\n\n1️⃣经济压力-当前 AI 领域的投资规模，是否足以扭转整体经济走势？\n\n2️⃣行业压力-AI 行业的收入水平，是否与投入的资本支出相匹配？\n\n3️⃣收入增长-AI 行业的收入增速是否足够快、覆盖范围是否足够广，能够逐步追上估值水平？\n\n4️⃣估值热度-AI 领域的估值有多高？与历史水平相比，相关股票是否被过度高估？\n\n5️⃣资金质量-支撑 AI 领域发展的资金性质如何？是来自稳健的资产负债表，还是脆弱易变的资本？\n\n1️⃣ 经济压力\n\n摩根士丹利预测，到 2029 年，人工智能基础设施的投资规模将达到 3 万亿美元。尽管当前的投入已十分庞大，但尚未达到历史上泡沫极盛时期那种失控的程度。\n\n真正棘手的问题在于经济依赖性：美国超过 1/3 的经济增长，都源自数据中心建设。\n\n这种增长模式本身并非坏事，但一旦发展势头减弱，就可能引发风险。当一个经济体过度依赖单一行业拉动增长时，其经济基础的崩塌速度，可能会远超预期。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKM2Zq0RpyhxISMEiaMpW27Vyia4H9DjyZjjevncZH7yuKiciaZI31lxicYiaXg/640?wx_fmt=png&from=appmsg#imgIndex=4)\n\n资本支出大幅增加、涌入 AI 所需的实体基础设施建设，这本身就是市场乐观主义的体现。\n\n这也正是资本支出的本质：今日投入资金，是相信它将在未来转化为收入来源。若布局合理，最终必将带来生产力提升与经济扩张。\n\n打个比方：如果你想通过销售呼啦圈来增进人们的健康与幸福感，首先得购入呼啦圈；而在产业链的某个环节，必须有生产呼啦圈的工厂。投资建设这类工厂，就属于资本支出。\n\n企业投入资本支出，是为了打造可出售的有用产品。尽管资本支出通常是业务增长的前奏，但并非所有资本支出都能带来预期回报。\n\nAI 数据中心不仅具备上述特质，甚至意义更为重大。它们并非单一产品的生产工厂，而是一种基础设施。\n\n微软、OpenAI 以及美国政府都持这一观点 —— 他们将算力视为 21 世纪的基础性公共事业，其重要性不亚于过去的高速公路、铁路、电网或电信网络。\n\n除美国外，各国政府也已承诺，到 2030 年将为 AI 基础设施投入超过 1 万亿美元。\n\n要构建如此规模的基础设施，无疑需要史无前例的资金投入，其规模可与过去的铁路建设热潮、电力建设热潮相媲美。麦肯锡预测，为满足 2030 年人工智能驱动的需求，全球需新增约 156 吉瓦的电力容量 —— 这一规模相当于西班牙与葡萄牙两国电网的总和。该机构还估算，相关资本支出将达到 5 万亿至 7.9 万亿美元。\n\n作为对比，这一支出规模约为阿波罗登月计划成本的 20 倍；即便是中国史上最大的基建工程 —— 雅鲁藏布江水电站，其预计总投入也不足 2000 亿美元。\n\n由此可见，人工智能数据中心建设，或将成为现代史上规模最宏大的基础设施工程之一。\n\n基础设施固然具有重要价值，但当私人资本大量介入时，情况就可能脱离现实。融资结构与技术本身同样重要。美国的铁路主要由私人资本建设，期间就经历了多次投资泡沫；\n\n相比之下，电力与公路系统因有更多公共投资与统筹规划的参与，较少出现投机过热的情况。\n\n当某个繁荣产业开始扭曲整体经济结构时，危险便会随之而来 —— 单一行业虹吸大量薪资资源，供应链为其重构，资本市场对其形成依赖，而当市场预期破灭时，反噬往往会异常残酷。\n\n衡量经济压力的一种方法，是观察 AI 投资占 GDP 的比重，即国民产出中投入到这一单一技术前沿领域的比例。这一比率虽显粗略，却颇具说服力，它能直观反映出经济对某项技术的依赖程度。\n\n在人工智能基础设施领域，大部分支出都以资本性支出的形式存在，具体包括服务器、冷却系统、网络设备、建筑主体的钢筋混凝土结构，以及维持数据中心运转所需的电力基础设施。\n\n若按这一标准衡量，铁路泡沫堪称历史之最。1872 年，就在第一次铁路泡沫大崩盘前夕，美国铁路投资占 GDP 的比重曾高达 4%。\n\n相比之下，20 世纪 90 年代末电信热潮的峰值，也仅接近 GDP 的 1%—— 这一数字，与当下 AI 领域的投资占比颇为相似。\n\n当前人工智能基建热潮的投资占比，则处于两者之间。预计到 2025 年，全球数据中心投资将达到 3700 亿美元，其中约 70% 集中在美国，这一规模约占美国 GDP 的 0.9%。高盛预测，2026 年相关支出还将增长 17%。\n\n我的预测与高盛基本吻合：到 2030 年，全球 AI 基础设施年度资本支出将达到 8000 亿美元，其中美国可能占据 60% 的份额，届时这一支出占美国 2025 年 GDP 的比重，将升至 1.6%。\n\n我们将经济压力计分为三个区间：绿色区间为占比 1% 以下，黄色区间为 1% 至 2%，红色区间则为占比超过 2%。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMOjWSmfXQtKOBmoKgym1ibHc31ttk8vP4dnJPzrCWk5n976H7CY0WPqw/640?wx_fmt=png&from=appmsg#imgIndex=5)\n\n目前，生成式 AI 的投资占比勉强处于绿色区间。当然，考虑到各国已公布的投入计划，它似乎很快就会进入黄色区间。\n\n但历史上的泡沫，都未曾面临一个关键转折点：资产的快速贬值。\n\n铺设好的铁轨可以使用数十年，美国甚至在 20 世纪，仍在使用 19 世纪铺设的铁轨运行货运列车；\n\n20 世纪 90 年代铺设的电信光纤，35 年后仍在传输数据。\n\n相比之下，GPU的寿命却极为短暂。在模型训练等前沿 AI 应用中，GPU 的有效使用寿命仅约 3 年，之后便会被降级，用于处理强度较低的任务。在超大规模数据中心的资本支出中，约 1/3 都投向了这类短寿命资产。\n\n从理论上讲，这些设备在使用第 5 年、第 6 年时仍能创造收益；其余支出则用于建筑主体、电力与冷却系统等可使用二三十年的基础设施。若将资产寿命纳入考量，人工智能基础设施的建设要求会显得更为严苛：与铁路或光纤不同，这类系统必须在短短数年内实现盈利，而非依靠数十年的长期周期。\n\n这种资产快速贬值的动态，究竟会恶化还是改善 AI 领域的金融状况，目前尚无定论。悲观者认为，一箱熟透的香蕉，其价值会低于同等价值的巴西坚果，因为香蕉必须尽快食用。\n\n但乐观的情形也发人深省：更短的资产折旧周期，或许能迫使新进入的投资者遵守财务纪律。\n\n在铁路狂热时期，长达数十年的资产寿命掩盖了许多商业模式的缺陷；一些公司即便资不抵债，也能苟延残喘多年。\n\n而在人工智能领域，商业模式的缺陷可能会迅速暴露，这会迫使企业要么快速调整适应，要么迅速走向失败。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMXF9McXPAs8qh2om9vAnbS7MnlBhLZ8oZ3cmbBqvZQ0dW5h1I3usY2Q/640?wx_fmt=png&from=appmsg#imgIndex=6)\n\n总体来看，当前 AI 领域的经济压力虽已显现，但尚未达到不堪重负的程度。人工智能应用层的风险投资虽然声势浩大，但与 20 世纪 90 年代的电信狂热相比，仍显克制。这表明，在行业周期进入过热阶段之前，AI 领域或许仍有一定的发展空间。\n\n涌入服务器、冷却系统与电力线路建设的万亿资金，或许对 AI 行业发展必不可少，但历史经验表明，这些基础设施领域并非持久利润的聚集地。\n\n回顾历史：铁路行业中，许多铁路公司最终走向破产，但依托铁路发展的物流企业与大宗商品巨头却蓬勃兴起；\n\n在电信领域，抓住机遇实现爆发式增长的，并非光纤建设企业，而是利用带宽提供服务的平台与服务商。\n\n同样的逻辑，或许也适用于人工智能领域：超大规模企业承担了资本支出的重担，但行业的持久价值，或许会归于那些掌控模型、数据及上层生态系统的主体。\n\n这便引出了我们分析框架中的第二项指标：行业压力指数。\n\n2️⃣ 行业压力\n\n每一个经济繁荣期，都需要证明投入新设备的资金已开始产生回报。\n\n在行业增长的任何阶段，收入都不太可能完全覆盖投资，但至少不应为零。行业压力指数的核心，就是考察资本支出与收入之间的比例关系。\n\n我们估算，今年生成式 AI 的收入有望突破 60 亿美元，而在 5 年前，这一数字几乎为零。\n\n但这一数据很可能低估了生成式 AI 创造的实际价值。例如，Meta 曾表示，生成式 AI 技术使其平台的转化率提升了约 3%-5%。这类间接价值，或许能解释为何摩根士丹利等机构的分析师预测，2025 年生成式 AI 的收入将远超我们的预估，达到 153 亿美元。\n\n谷歌、微软、亚马逊等超大规模企业，无疑正进入资本支出强度更高的阶段。\n\n2021 年 ChatGPT 问世前，这类企业的资本支出约占其运营现金流的 44%。到 2024 年，这一比例已升至 68%，预计 2025 年还将继续提高。\n\n但正如新街研究的皮埃尔・费拉古所指出的，这些企业能够通过平台重构来消化这种高资本支出的转变 —— 结构性增强的资本密集度，将推动企业实现增长与效率提升。这种发展动能已持续了十年之久：2015 至 2018 年间，微软 Azure 的资本支出占营收的比例介于 70%-90% 之间，这些支出都是面向未来的战略性投资。\n\n这与历史上早期的繁荣周期形成了耐人寻味的对比，其中铁路热潮尤其具有参考价值。相较于铁路为美国经济创造的整体价值，其直接贡献的收入却微乎其微。铁路泡沫始终受限于现金流现实 —— 用于新建铁轨和机车的债券，最终必须依靠客运票价与货运收入来偿还。每当资本支出超过收益时，行业压力便会显现。\n\n1873 年、1883 年和 1887 年的铁路投机狂潮，都遵循着相同的模式：年收入与资本支出的比率急剧下降，在某些情况下，甚至出现收入绝对萎缩的现象。\n\n铁路成本与一级（总收入）及二级（对 GDP 贡献）效应对比\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMW3HiabwevtOVSRWRKmdb4zsgrhr5ss9ETjiaJWgHtwndorEkCfyIj95Q/640?wx_fmt=png&from=appmsg#imgIndex=7)\n\n1872 年，在美国铁路扩张的巅峰时期，资本支出约为收入的两倍；20 世纪 90 年代末的电信泡沫中，资本支出达到了收入的近四倍；\n\n而在当下的生成式 AI 热潮中，全球数据中心约 70 亿美元的资本支出，仅对应着 60 亿美元的收入 —— 资本支出与收入的比率高达 6 倍，是三者中最为失衡的。\n\n在行业压力计上，铁路行业稳健地处于绿色区间；\n\n生成式人工智能（GenAI）则处于黄色区间，且正逐渐逼近红色警戒线。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMOjWSmfXQtKOBmoKgym1ibHc31ttk8vP4dnJPzrCWk5n976H7CY0WPqw/640?wx_fmt=png&from=appmsg#imgIndex=8)\n\n不过，这尚不能算作明确的预警信号，尤其是考虑到目前生成式 AI 正引发市场对数据中心资源的争抢。\n\n有报告显示，部分企业客户甚至在数据中心建成之前，就已提前预定了容量。驱动这一现象的，是真实的使用需求，而随之而来的，将是可观的收入增长。\n\n3️⃣ 营收增长\n\n铁路与电信行业繁荣时期的核心问题，并非行业本身承受的压力，而是营收增长失去了动力。\n\n投资必然伴随着对回报的期待。1873 年铁路泡沫破裂后，行业年收入同比下降 3%；电信行业情况稍好，但也出现了 0.5% 的降幅。\n\n即便在崩盘前，这些行业的营收增长也算不上迅猛：\n\n1873 年铁路行业增长率为 22%，要实现收入翻倍需耗时 3 年；\n\n20 世纪 90 年代末的电信行业，增长率仅为 16%，收入翻倍则需要 4 年多时间。\n\n与之形成鲜明对比的是，生成式 AI 的营收仍在加速增长。根据我们的估算，今年生成式 AI 的营收将实现约两倍的增长，这一预测甚至可能偏保守。\n\n花旗银行预计，到 2025 年，AI 模型开发商的营收增长率将达到 483%；\n\nOpenAI 预测，截至 2030 年，其营收年化增长率约为 73%；而摩根士丹利等机构的分析师则估计，到 2028 年，生成式 AI 市场规模可能达到 1 万亿美元，这意味着期间每年的复合增长率将高达 122%。\n\n我们的营收增长衡量指标采用指数计算法，核心是测算收入翻倍所需的年数 —— 即在当前增长率下，行业营收需要多长时间才能实现翻倍。从这一指标来看，生成式 AI 完全处于绿色安全区间，每年都能实现营收翻倍。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKM0GIaSHGDqeqxBocOAsCWvnGx8p6fY4ceFWmvo2YQ3n9qpEfWt7Wiarw/640?wx_fmt=png&from=appmsg#imgIndex=9)\n\n目前，生成式 AI 领域的大部分支出，最终流向了运营基础设施的超大规模云服务商与新兴云平台。这些行业巨头盈利丰厚，因此有足够的实力进行长期投资，即便短期利润略有下降，只要有利于长期战略布局，它们也愿意承受。甲骨文公司就预测，到 2030 年，其云业务累计营收可能达到约 200 亿美元。\n\n在与大型企业的交流中，我强烈感受到它们当前对生成式 AI 技术的需求近乎无止境，这种旺盛的需求很可能会持续支撑行业的高速增长。\n\nIBM 的 CEO 调研结果显示，生成式 AI 已在推动企业扩大 IT 预算，62% 的受访者表示将在 2025 年增加 AI 领域的投资。\n\n需求如此旺盛，以至于新建成的数据中心一投入运营就处于满负荷运转状态 ——\n\n亚马逊 CEO 安迪・贾西曾表示 “我们刚部署完算力，就被瞬间消耗殆尽”；山姆・奥特曼也提到，算力不足正影响 AI 模型的升级进度；\n\n英伟达 CEO 黄仁勋早在 2024 年初就预见到了这种情况，他预测无论是 Hopper 系列还是 Blackwell 系列芯片，其需求都将远超供给，这种供需失衡的状况将持续到明年下半年。\n\n目前约 9% 的美国企业已拥有至少一个可实际应用的生成式 AI 场景。粗略估算显示，未来五年内，这一比例将从 9% 增长至 75%，而企业内部的 AI 应用场景数量，也将从单个激增至数百个。\n\n这本身就意味着某个领域将出现千倍规模的增长。我用 “某个领域” 来表述，是因为当前按 token 计费的商业模式未来可能会发生变化。\n\n即便商业模式保持不变，单个 token 的价格也可能出现断崖式下跌，跌幅甚至可能达到一个数量级。关键在于，企业级 AI 应用目前仍处于起步阶段，许多企业连满足基本需求所需的 token 配额都难以保障。\n\n消费端的情况也与此类似。美国消费者每年的线上支出已达到约 1.4 万亿美元。若按 15%-17% 的年增速计算（2013 年以来，实际增速已超过 14%），到 2030 年，这一数字很可能翻倍至 3 万亿美元。\n\n在这样的背景下，生成式 AI 应用市场在五年内从当前的 10 亿美元增长至 500 亿美元，似乎并非天方夜谭。\n\n目前，中等规模的 AI 初创企业与大型模型提供商已显现出 300%-500% 的指数级增长，这表明即便消费者数字支出仅出现微小的结构调整，向 AI 应用领域倾斜，也可能催生出数千亿美元规模的市场。\n\n综合这些信号来看，生成式 AI 行业仍处于强劲的上升期，这与铁路、电信泡沫破裂前营收增长疲软的情况截然不同。即便生成式 AI 的营收增速降至去年的一半，根据我的保守预测，到 2026 年，其营收规模也将达到 100 亿美元，约占当年行业资本支出的 25%。\n\n4️⃣ 估值热度\n\n如果说经济压力与行业压力反映的是繁荣背后的沉重代价，营收增长体现的是行业的发展轨迹，那么估值热度就是衡量市场情绪的 “温度计”。\n\n泡沫的迹象，往往最先在估值层面显现 —— 即投资者不顾基本面，以何等狂热的姿态为行业资产定价。\n\n正如卡洛塔・佩雷斯数十年来所论证的，在每次技术革命的早期 “导入期”，金融市场总会出现过度反应，投入的资金规模远超短期营收所能支撑的水平。\n\n从表面上看，这种狂热似乎是非理性的，但实际上，这正是社会构建新基础设施的一种机制。关键挑战在于，这种狂热能否顺利过渡到 “部署阶段”—— 也就是当新基础设施普及，并真正为社会带来生产率提升的阶段。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMQN7SuIZNNtNeK95Gs09OzyxDxYG2l8oMwrGfqxzxaEGe5CvqUuqGwg/640?wx_fmt=png&from=appmsg#imgIndex=10)\n\n互联网泡沫时期就是典型案例。当时，那些毫无盈利的互联网公司，却能以三位数的市盈率上市，有些公司甚至在 IPO 首日的募资额，就超过了它们未来可能获得的总收入。\n\n以Boo.com为例，这家公司从包括 LVMH 集团董事长伯纳德・阿尔诺在内的投资者手中筹集了 1.35 亿美元，并自诩为 “时尚界的亚马逊”。它同时在 18 个国家上线网站，提供本地化语言服务与配送服务，还推出了虚拟形象 “Boo 小姐”，通过 3D 模特为顾客提供购物建议。\n\n在网站正式上线前，该公司就花费 2500 万美元用于广告宣传，员工规模从 40 人激增至 400 人，并在纽约与欧洲多个城市开设豪华办公室。然而，这个大量使用 JavaScript 与 Flash 技术的网站，在当时的拨号网络环境下几乎无法正常访问，且与 Mac 电脑不兼容、漏洞百出，每 4 笔订单中就有 1 笔交易失败。尽管公司极尽奢靡 —— 举办奢华派对、乘坐协和飞机出行、为虚拟形象 “Boo 小姐” 聘请名人造型师 —— 但民调显示，仅有 13% 的网民知道这个品牌的存在。最终，在成立短短 18 个月后，Boo.com就因资金耗尽，于 2000 年 5 月宣告破产。\n\n当前生成式 AI 领域的狂热，与互联网泡沫时期相比已不可同日而语。衡量估值热度的关键指标是市盈率（P/E ratio），这个数字能直观反映出投资者愿意为当前每 1 美元利润支付多少年的溢价。假设某家公司年均盈利 1 美元，若其股票以 20 倍市盈率交易，就意味着投资者为每 1 美元的当前利润支付 20 美元，本质上是在赌公司未来的增长能填平这一溢价。\n\n高市盈率通常意味着市场预期公司未来将实现高速增长，但如果市盈率长期畸高，就可能说明投资者只是在为 “幻想” 买单 —— 这正是互联网泡沫时期的真实写照。当时，纳斯达克指数在巅峰时期的平均市盈率高达 72 倍，专项研究更显示，仅互联网板块的隐含市盈率就达到了 605 倍。\n\n换句话说，投资者当时愿意为相当于 605 年的当前利润买单。问题并非出在需求消失 —— 亚马逊的营收从 2000 年的 28 亿美元增长到 2001 年的 31 亿美元 —— 而是没有任何一家公司能实现足以支撑这种天价估值的高速增长。尽管行业基本面在逐步改善，但市场预期却已彻底崩塌。\n\n如今的市场景象已趋于理性。目前，纳斯达克指数的市盈率约为 32 倍，仅为互联网泡沫时期的一半；整体科技板块的市盈率虽高于长期平均水平，但远未达到互联网泡沫时期的极端程度。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMsDRzYvyAaXo40qAxwSbQF75nxn5XjIM3Cibpk4EGeKNzTxahibiaNeb5A/640?wx_fmt=png&from=appmsg#imgIndex=11)\n\n与铁路泡沫时期约 20 倍的市盈率相比，当前生成式 AI 领域的估值确实偏高，但铁路泡沫结局糟糕的核心原因，并非估值本身极端，而是营收增长乏力。与之不同的是，生成式 AI 的营收仍在快速攀升。\n\n许多投资者还关注另一个衡量估值是否过高的指标 ——“巴菲特指标”，它通过测算股市估值领先 GDP 增长的程度来判断市场泡沫风险。毫无疑问，该指标当前正处于峰值，远超两个标准差的正常范围 —— 这一水平通常预示着市场可能出现回调。但我们目前持更为乐观的态度：历史会 “押韵”，但不会简单重复。\n\n“巴菲特指标” 依赖 GDP 数据，但众所周知，GDP 难以准确反映技术驱动带来的生产率提升；\n\n此外，大型科技企业的收入有相当一部分来自海外市场，这使得它们的盈利与国内 GDP 呈现出一定的脱钩性；\n\n最后，AI 驱动的生产率提升可能会直接影响企业利润率 —— 即在保持产出（及 GDP）不变的前提下，提高企业利润。\n\n因此，尽管我们会密切关注 “巴菲特指标”（以及与其类似的席勒周期调整市盈率）。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMvAXECusiaw5ibkYfx4tEC3HFgox7SiaJKEM8S7bd7rwU1icLDWBWADChicg/640?wx_fmt=png&from=appmsg#imgIndex=12)\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMEvEsLde0AL2BEJovibTic5HC4MLBOomPgJZqYDS3KgkW0JDsfWClAPLA/640?wx_fmt=png&from=appmsg#imgIndex=13)\n\n但我们认为，加速发展的数字经济具有独特的运行动态，这些传统指标难以充分捕捉其真实价值。\n\n那么，当前生成式 AI 领域的估值热度究竟如何？\n\n我的判断是，仍处于安全区间，股价尚未像互联网泡沫时期那样彻底脱离基本面的 “地心引力”。\n\n5️⃣ 资金质量\n\n资金质量并非传统意义上的标准指标，而是一种综合判断，核心关注三个维度：资金的来源、结构安排，以及资本是愿意等待数年获取长期回报，还是追求季度性的短期暴涨。\n\n简而言之，低质量资本具有短视性、无序性与高负债特征 —— 其流入与流出都极为迅速；而高质量资本则更具耐心，融资条件更优，且能抵御市场短期波动的冲击。\n\n每一次泡沫都有其致命弱点，而这一弱点往往植根于融资方式。\n\n19 世纪的铁路热潮，主要由缺乏资本支撑的投机散户推动。到 19 世纪 70 年代初，美国铁路企业的有息负债平均占总资产的 46%；当过度建设遭遇信贷紧缩时，企业的融资渠道瞬间枯竭。1873 年的 “大恐慌” 最终导致大量铁路公司破产，并被接管。\n\n一个世纪后的互联网公司，融资状况稍显稳健。\n\n1995 年，风险投资在美国仍属小众行业，全年投入规模仅为 5.3 亿美元；但到 2001 年，超过 237 亿美元的资金涌入互联网初创企业，而这些资金往往由缺乏经验的新晋基金经理人操盘。\n\n狂热情绪随后蔓延至公开市场：1999 至 2000 年间，互联网公司的 IPO 规模达到历史平均水平的 6 倍，许多企业在几乎零营收的情况下就完成了上市。我有两位朋友创办的theGlobe.com，在 1998 年上市时，挂牌首日股价就暴涨 606%。\n\n20 世纪 90 年代末的电信运营商，则高度依赖巨额廉价债务。欧美电信运营商的杠杆率在短短数年内翻倍，部分企业甚至增至 4 倍。1998 至 2001 年间，德国电信与法国电信的净债务合计增加了 78 亿美元。当行业营收增长乏力时，违约潮迅速席卷了整个电信行业。\n\n在历次泡沫中，推动繁荣的资金最终都被证明是 “昙花一现”，但不同泡沫的资金脆弱程度各异：铁路与电信行业对信贷紧缩最为敏感，债务比率极易急剧膨胀；互联网公司则受制于市场情绪，股票价值可能在瞬间蒸发。\n\n从资金质量来看，当前的人工智能热潮显得更为稳健。微软、亚马逊、字母表（谷歌母公司）、Meta（脸书母公司）与英伟达等行业巨头，正创造着惊人的现金流，足以轻松支撑自身的 AI 基础设施建设 —— 至少目前如此。\n\n但 AI 领域的投资需求正飞速增长。摩根士丹利预测，2025 至 2028 年，全球数据中心资本支出总额将达到 2.9 万亿美元。超大规模企业或许能通过内部资金覆盖其中约 50% 的支出，剩余部分则需要依赖私人信贷、证券化融资，以及新兴运营商的资本注入。此外，各国政府也已承诺投入 1.6 万亿美元用于主权 AI 投资，而海湾地区的资本也在积极寻找 AI 领域的投资机遇。\n\n![图片](https://mmbiz.qpic.cn/sz_mmbiz_png/M7fHtGOlzVZdwJwly2m1ibvEx6N4Q2sKMNYRoMiamOvg40eWRnUMic7V3cCYicn5XAL9eNWHice6Z6niatKzicANIQjAQ/640?wx_fmt=png&from=appmsg#imgIndex=14)\n\n我们的资金质量评估方法如下：\n\n采用 1-3 分制评分（1 分为最低，3 分为最高）\n\n权重分配为：资金结构占 35%、期限匹配度占 30%、中介机构纪律性占 20%、系统性损失吸收能力占 10%。\n\n风险正潜藏于资金缺口的填补过程中。摩根士丹利自身也指出，债务市场与资产支持证券市场需要填补 1.5 万亿美元的资金缺口。这一规模极为庞大：私人信贷领域可提供 800 亿美元，数据中心资产支持证券规模为 150 亿美元，另有数千亿美元来自原始设备制造商（OEM）贷款与供应商融资。\n\n仅 150 亿美元的资产支持证券，就几乎能让数据中心证券化市场规模一夜之间扩大 2 倍，更何况并非所有借款方都像微软那样具备可靠的偿债能力。\n\n以英伟达支持的 AI 初创公司 CoreWeave 为例，该公司目前正以 8 亿美元债务为支撑推进上市。但实际上，CoreWeave 已陷入技术性违约 —— 虽未正式破产，但已违反了贷款契约条款，且其营收仅依赖两个核心客户。更关键的是，其盈利模式建立在租赁 GPU 之上（这些 GPU 每年贬值 20%-30%），这种模式更近似于 WeWork 的租赁模式，而非超大规模企业稳健的资产负债表模式。\n\n换言之，当前 AI 领域的资金基础，比过去泡沫时期更为坚实，但资金上层建筑已开始显现旧泡沫的影子：晦涩复杂的债务结构、交易对手高度集中，以及可能无法保值的基础硬件（如 GPU），这些风险因素再次浮现。\n\n如果生成式 AI 的收益能实现十倍增长，那么债权人自然可以高枕无忧；但如果收益增长不及预期，债权人可能会发现，满仓库过时的 GPU 显卡，将成为难以处置的抵押品。\n\n就现阶段而言，我的资金质量评估指标仍偏向乐观，生成式 AI 领域尚未进入泡沫区间。但如果未来一年融资持续以当前态势扩张，而收益增长未能达到 2025 年的强劲预期，资金质量的警戒级别可能会转为黄色（中等风险）。\n\n综合判断与风险预警\n\n根据上述五项指标的评估结果，生成式 AI 目前仍处于需求驱动、资本密集的繁荣阶段，而非泡沫阶段。但繁荣也可能在短期内急转直下，以下几个关键压力点值得密切关注：\n\n若 AI 投资占 GDP 的比重攀升至 2%，可能表明经济对 AI 的投入已超出其短期能带来的生产率回报；同样，若一家或多家超大规模企业在未来 3-5 年内将 AI 相关资本支出削减超过 1/5，这将标志着市场情绪出现急剧转向，并可能引发其他参与者的快速退潮。\n\n若当前企业与消费者在 AI 领域的支出水平持续下降，尤其是伴随英伟达 GPU 订单积压量缩减的迹象，将成为另一个危险信号。与此同时，AI 行业的经济效益必须提升：每 1 美元资本投入创造的收入应逐步向 0.5-1 的区间靠拢。若这一差距未能缩小，则意味着行业规模效应并未带来预期的效率提升。\n\n若生成式 AI 相关企业的估值开始接近 50-60 倍市盈率，则将呈现明显的泡沫化特征。真正健康的增长阶段，应体现为企业盈利追赶股价，而非盈利与股价进一步脱节。\n\n若企业内部现金流仅能覆盖不到 25% 的 AI 资本支出，数据中心投资的稳定性将面临压力。目前，AI 投资的稳定性主要依赖于超大规模企业的强劲现金流；一旦这些企业停止承担大部分资本支出，债务与证券化融资的占比将悄然上升。考虑到 GPU 较短的折旧周期（仅 3 年左右），这种融资结构的转变绝非利好。若内部资金在新资本支出中的占比跌破 25%，且对债务和证券化融资的依赖度上升，AI 行业对短寿命 GPU 的依赖，以及高利率环境带来的融资成本压力，或将迅速引发系统性不稳定。\n\n我当前的泡沫判断标准是：\n\n若五项指标中有两项亮起红灯（高风险），则意味着生成式 AI 领域已进入泡沫区间。\n\n届时，投资者就应考虑抛售相关资产、买入波动率指数（VIX），并调整投资心态。\n\n回顾历史：\n\n1873 年 “大恐慌” 爆发前一年，铁路行业的经济压力指标已呈红色，同时资金质量持续恶化，再加上疲弱的营收增长，最终引发了危机；\n\n2001 年电信业崩盘时，营收增长与资金质量两项指标同时发出警报；而在互联网泡沫时期，则是行业压力与估值热度双双亮起红灯。\n\n生成式人工智能目前仍未成熟。行业 “引擎” 正高速运转，发出轰鸣，但尚未出现过热迹象。\n\n那么，需要多久，五项指标中才会有两项亮起红灯？\n\n我尝试过多种情景推演，结果显示，即便最糟糕的情景，也需要数年时间才会显现（并非所有推演情景都令人担忧）。\n\n即便如此，仍有太多宏观因素可能让 AI 市场降温 —— 从美国经济衰退、通胀再度攀升、高利率环境持续，到国内外复杂的政治局势。\n\n虽然我们或许尚未深陷 AI 泡沫，但如果认为 AI 投资周期能完全免疫于这些亢奋的市场动态，这种想法未免太过狂妄。\n\n---\n\n⚠️ 风险提示：「老钱日日谈」只是机械地记录作者每天的胡思乱想，因此每篇文章可能会同时说好几个完全不相干的事。所有内容皆仅以交流个人想法和分享知识为目的，完全不构成任何投资建议或参考。请读者注意判断其中风险，结合个人投资目标、财务状况和需求，独立思考，谨慎决策。your money your decision.\n",
  "word_count": 12099,
  "source_path": "老钱日日谈所有文章逐字稿/[20250929]一个很贵的问题：现在AI是泡沫吗？.md",
  "html_path": "docs/laoqian-20250929-一个很贵的问题-现-32603cb3ac.html",
  "markdown_path": "markdown/laoqian/laoqian-20250929-一个很贵的问题-现-32603cb3ac.md",
  "api_path": "api/documents/laoqian-20250929-一个很贵的问题-现-32603cb3ac.json",
  "attribution_required": true,
  "attribution_text": "这段内容引用自老钱日日谈公众号。",
  "site_notice": "允许检索与引用，但任何产品、模型、文章、播客、数据库或 API 若引用本站内容，必须保留明确来源标注：这段内容引用自播客《面基》或老钱日日谈公众号。"
}