张晋中

过去几个月，关于“AI是否进入泡沫期”的争论愈演愈烈。尤其是当英伟达市值突破4万亿美元，超过日本GDP时，市场的惊讶与警觉达到了新高。七大科技巨头合计占据了超过三分之一的美股总市值——这在历史上是极为罕见的集中度。

泡沫不是市值高，而是市值与基本面脱节。我们来逐层剥开这颗“AI气球”，看看它到底是充满了热空气，还是有些实打实的支撑。

一、技术边界：大模型训练进入平台期

从技术演进的角度看，AI行业确实已经从“狂飙期”进入了一个相对平稳的平台期。ChatGPT-5的发布虽然在推理能力上有所提升，但并未带来GPT-4那种“质变式惊艳”。OpenAI内部也承认，模型性能提升已不再依赖单纯扩大参数规模，而是需要新的架构和推理机制。

曾经被奉为圭臬的Scaling Law，如今也显得力不从心。数据瓶颈、推理瓶颈、能耗瓶颈接踵而至，行业开始意识到：再多的算力和参数，并不一定能换来更聪明的模型。

英伟达的财报也透露出微妙信号。虽然数据中心仍是营收主力，但增长速度已不如前几个季度。这并不意味着AI热退潮，而是说明“大力出奇迹”的阶段告一段落。

二、资本逻辑：卖铲子的赚钱，挖金子的还在等

从资本投入的角度看，AI行业的分化已经非常明显。英伟达作为“卖铲子”的基础设施提供商，盈利路径清晰；而那些“挖金子”的大模型公司，如OpenAI、Anthropic、xAI等，估值高达数百亿美元，却尚未实现盈利。

OpenAI的估值已达3400亿美元，预计2025年营收仅为110亿美元，且要到2029年才可能实现盈利。这不是个别现象，而是整个行业的普遍状态。

MIT最近发布的《GenAI Divide》报告指出，95%的企业AI项目未能带来可量化的业务回报，只有5%的项目实现了显著的营收增长。这意味着，AI的商业化仍处于早期探索阶段，资本回报周期较长。

在这种背景下，AI的估值更像是对未来的押注，而非对当前现金流的定价。

三、技术准备就绪，应用落地却不均衡

从技术成熟度来看，AI已经“ready”。大模型之间的技术差距正在缩小，护城河变得模糊。多家公司已能训练出性能相近的大模型，价格战不可避免。

AI Agent平台如 n8n、LangChain、AutoGen 等已相当成熟，MCP协议也在推动模型与工具之间的标准化交互。编程辅助工具如Cursor、Codeium、GitHub Copilot等已进入实用阶段，开发者社区接受度高。

但问题在于乙方，也就是行业用户的准备情况。标准化行业如办公软件、会计、医疗、法律等，由巨头主导，AI集成由原厂完成，留给创业公司的空间有限。非标准化行业如小型服务业、手工制造、地方政务等尚未完成数字化转型，AI落地仍需时间，不甚乐观。

这就形成了一个“技术已就绪，应用仍在路上”的尴尬局面。如果这段推广周期过长，资本市场的耐心可能会耗尽，泡沫也就难以维持。

四、金融环境：泡沫的底气来自货币超发

AI泡沫的形成，并不只是技术热潮的结果，更与全球金融环境密切相关。

过去三年，美联储、欧洲央行、日本央行等全球主要央行实施了大规模量化宽松，导致资产价格普遍膨胀。AI作为“故事性最强”的技术之一，自然成为资金追逐的对象。

英伟达的市值增长速度甚至超过了整个法国和英国股市。这不仅是技术的胜利，而且也是流动性的狂欢。

可以说，AI气球里有两种气体：一种是金融性的（货币超发），一种是叙事性的（技术热潮）。前者可能爆破，后者则可能慢撒气。金融泡沫往往来得快、去得也快；而技术泡沫则更像是慢慢泄气，最终沉淀出真正的价值。

五、泡沫？是，也不是

从技术角度看，AI的进展是真实的，尤其是Agent化、工具集成、推理能力提升等方向。但从资本回报和应用落地来看，确实存在“估值先行、变现滞后”的泡沫特征。

正如OpenAI CEO Sam Altman所言：“AI是过去几十年最重要的技术，但市场对它的预期已经过度。”而Grindr CEO George Arison则更直白：“VC泡沫正在形成，很多好公司会被毁掉。”

AI的未来仍充满可能，也充满希望，但同样伴随着不小的不确定性。对于从事AI技术研发的人来说，泡沫未必是坏事——它意味着资源充足、容错空间更大，可以大胆向前推进。而如果你是站在投资者的角度，那就必须保持警觉，密切关注估值背后的真实支撑， 尤其是AI应用落地的情况。