深度|AI是一座金矿,但大多数人正在用错误的方式挖

今天WSJ发了Andy Kessler的一篇专栏，标题叫"Why AI Is Like a Gold Mine"。Kessler是华尔街老炮儿，80年代入行，经历过PC、互联网、移动、SaaS的完整周期。他说他刚入行时，一个前辈告诉他一条反直觉的交易规则：科技股要在P/E极高甚至无穷大的时候买，在P/E低的时候卖。

因为科技股的周期和金矿一模一样。

我读完觉得，这个类比对，但只对了一半。他看到了周期的形状，但没有展开最关键的那个问题——在这座金矿里，谁在真正挖到金子，谁在买铲子，谁只是在矿口拍照发朋友圈？

一、金矿周期的底层逻辑

Kessler的类比其实有一个精确的经济学结构。

一座新发现的金矿，早期的特征是：巨额资本开支、极低的当期利润、巨大的预期价值。投机资本涌入，股价飙升。然后矿主开始真的挖了——设备采购、基础设施建设、人员培训——成本猛增，利润几乎没有，股价崩塌。但如果矿里真有金子，随着开采推进，利润开始上来，可股票的P/E倍数却在下降——因为市场知道你离"挖完"越来越近了。

PC、互联网、移动互联网、SaaS、电动车，全走过这条路。Kessler举了Rivian的例子——2021年股价179美元，现在15美元。

AI正处在这条曲线的哪个位置？

我的判断：我们刚刚走过了"投机资本涌入，所有带.ai后缀的公司都能融到钱"的阶段，正在进入"巨额资本开支砸下去，利润还没起来，市场开始分化"的阶段。

这不是崩盘。这是周期的正常呼吸。

但这个"呼吸"的幅度和持续时间，取决于一个核心变量：AI的金矿到底有多深？

二、数字说话：SaaS-pocalypse正在发生

先看几组让人清醒的数字。

Kessler在文章里列了一组跌幅：Microsoft从历史高点跌了33%，Meta跌了21%，Oracle跌了60%，ServiceNow跌了64%。这还是经历了上周停火relief rally之后的数字。

但Kessler提到的最刺眼的案例是Figma。这家设计软件公司2025年7月IPO，盘中高点一度冲到约143美元，现在交易价格跌到了20美元附近。跌了超过85%。

85%。一家收入同比增长41%、年收入刚过10亿美元、净留存率136%的公司，跌了85%。

为什么？

因为市场在定价一个恐惧：AI会不会直接消灭"界面设计"这个品类？Google今年3月发布了Stitch——一个免费的AI设计工具，一次产品更新就让Figma股价两天跌了12%。Vercel的v0可以用文字直接生成production-ready的React UI。当代码变得人人可写的时候，"设计软件"这个概念本身面临存在性危机。

华尔街给这波抛售起了个名字：SaaS-pocalypse。

ServiceNow从高点腰斩，理由同样是存在性的——它的核心业务是工作流自动化和工单路由，而这恰恰是AI agent最擅长的事情。它不得不卖那个可能替代自己的技术。

Oracle的情况更复杂。它狂加杠杆来建AI数据中心，2026财年资本开支计划500亿美元，负债规模接近1000亿。然后OpenAI转向Nvidia芯片的消息一出，股价一天跌了23%。市场在说：你借了这么多钱建的基础设施，最大的客户可能不买账了。

这就是金矿周期的残酷之处——不是所有挖矿的人都能活到金子出来的那天。

三、AI基础设施的"flux"问题

Kessler在文章里用了一个词，我觉得抓得特别准：flux——不确定性，流变状态。他说的是整个AI技术架构正处于flux中。

具体来说：Google的TurboQuant压缩算法可以把AI模型的内存使用降低六倍。Google的Tensor芯片正在成为Nvidia GPU的真实竞争者。Amazon有自研AI芯片。还有一堆数不清的专用推理芯片在设计中，目标是用远低于Nvidia芯片的成本来回答我们的AI prompt。

这意味着什么？意味着现在所有基于"Nvidia GPU将持续垄断AI计算"这个假设做出的投资判断——从Oracle的千亿负债到各种数据中心REIT的估值——都建立在一个可能被技术突破击穿的前提上。

Nvidia自己的处境很有意思。2月份刚公布了炸裂的季报，预测来年高增长。但从去年10月的历史高点算起，股价已经跌了11%。

盈利上升，股价下跌，P/E压缩。

这就是金矿股的经典特征——市场在说：你现在赚得很好，但我开始怀疑你能不能一直这么赚下去。推理芯片的竞争、模型效率的提升、客户自研芯片的趋势，每一个都在侵蚀"AI永远需要越来越多的GPU"这个叙事。

对投资人来说，这是一个需要非常精确判断的时刻。你在赌的不是"AI有没有用"——这个问题已经有答案了。你在赌的是：当前的技术架构是不是最终形态？如果不是，你今天为这个架构付的价格，到底留了多少安全边际？

四、OpenAI的数字游戏

Kessler提到WSJ的报道说OpenAI内部预测2030年收入接近3000亿美元。让我把已知的数字拼一下完整的图。

2025年实际收入：约131亿美元，超过100亿目标。CNBC今年2月报道，OpenAI向投资者展示的2030年收入预测超过2800亿美元，消费者和企业业务各占约一半。ChatGPT周活跃用户超过9亿。

同时，OpenAI告诉投资者的计算开支目标是到2030年累计约6000亿美元——已经从最初宣传的1.4万亿大幅下调。有分析估计，到2029年之前OpenAI的累计现金消耗可能达到1150亿美元甚至更高，最快2029年左右实现现金流转正。

再加上最近几天曝出的广告收入预测：2026年25亿，2027年110亿，2028年250亿，2029年530亿，2030年1000亿。这个增长曲线的前提假设是周活跃用户达到27.5亿。

把这些数字放在一起看，你会发现一个很有趣的tension。

一方面，OpenAI展示了一条史上最陡峭的收入增长曲线之一——从131亿到2800亿以上，五年翻超过20倍。另一方面，它需要在这五年里烧掉上千亿美元，同时在广告业务上实现一个从零到千亿的跨越——这个量级的广告收入，Google花了将近二十年才达到。

Kessler的警告很到位：对预测要保持警惕。五年间技术和竞争格局可能发生根本性变化。

OpenAI当前的企业市场份额已经出现下滑趋势。Google、Anthropic、Meta、DeepSeek、阿里都在抢食。在一个模型能力快速趋同、API价格持续下降的市场里，做一个2030年收入2800亿的DCF模型，你对discount rate的选择可能比对revenue growth的假设更重要。

五、真正的投资问题：谁在挖金子，谁在卖铲子，谁在卖水？

金矿类比最有用的地方在于它帮你理清赚钱的层次。

卖铲子的：Nvidia、台积电、三星（存储）。这是确定性最高的一层——不管谁最终挖到金子，他们都需要铲子。但风险在于"铲子"在进化：推理芯片、模型压缩、端侧AI都在降低对传统GPU的需求。而且Nvidia最大的客户们——Amazon、Google、Meta——都在做自研芯片。你的最大客户正在变成你的竞争对手，这在任何行业都不是好信号。

矿主：OpenAI、Anthropic、Google DeepMind。他们直接挖矿——训练模型、构建产品、获取用户。高投入、高风险、高潜在回报。但Kessler提了一个容易被忽视的点：Elon Musk把SpaceX和X（Twitter）和xAI合并了，这个组合"可能正在亏大钱"。同理，OpenAI和Anthropic也在大量亏损。问题是谁能活到盈利那天。

卖水的：AWS、Azure、GCP这些云平台。不管你用什么模型，你都需要算力和存储。云服务商是AI金矿旁边卖水的。但他们现在也面临资本开支暴增的压力——Oracle的例子说明，即使是"卖水的"，杠杆加得太猛也会被市场惩罚。

在矿口拍照发朋友圈的：那些在公司名后面加".ai"的公司。Kessler直接点名了这个现象——跟90年代末在公司名后面加".com"一模一样。他还提了一句让人脊背发凉的话：还记得Sun Microsystems的广告语"We put the dot in dotcom"吗？你还记得Sun Microsystems吗？Oracle在2010年把它买了。

六、对中国AI投资者的启示

WSJ这篇文章是纯美股视角。但对关注AI的中国投资者和创业者来说，有几层启示值得展开。

第一，周期是全球性的。中国的AI公司也在经历同样的金矿周期——大量资本涌入，估值飙升，然后进入资本开支砸下去但盈利尚未兑现的阶段。DeepSeek的低成本模型路线反而可能是一种"跳过过度资本开支陷阱"的策略，这个路径在当前周期阶段的价值被低估了。

第二，SaaS-pocalypse在中国可能更猛烈。中国的SaaS公司本来就没有北美SaaS那样的利润率和客户黏性。如果AI agent开始替代传统SaaS的工作流——工单管理、客户支持、内部协调——中国SaaS公司面临的存在性威胁可能比美国同行来得更快更彻底。

第三，IPO窗口的启示。Kessler认为即使在衰退担忧下，OpenAI、Anthropic、SpaceX这种级别的IPO仍然会推进——他引用了1998年eBay在LTCM危机期间上市的先例。这对正在考虑港股或美股上市的中国AI公司来说是一个信号：如果你的故事足够强、规模足够大，窗口从来不是完全关闭的。但Figma的教训也在那里摆着——高开低走85%的IPO，比不上市更伤士气。

第四，最关键的一点：技术flux对中国公司可能是机会。Kessler把"整个AI架构处于flux中"当作风险因素来讲。但对后发者来说，架构未定恰恰是切入机会。当Nvidia的垄断地位可能被推理芯片和模型压缩技术动摇的时候，中国的芯片公司和高效模型路线反而可能在下一个架构周期里找到自己的位置。

七、那么，现在该怎么做？

回到金矿类比。

Kessler的老前辈说：科技股在P/E高的时候买，P/E低的时候卖。听起来反直觉，但逻辑是对的——P/E高意味着市场给了巨大的成长预期（金矿刚发现），P/E低意味着成长预期已经充分兑现（金矿快挖完了）。

但这条规则有一个致命的前提：你要确定你面前的是一座真金矿，而不是一堆被涂了金漆的石头。

Bill Ackman说现在很多好生意"正在以极其便宜的价格交易"。他可能是对的。当Microsoft跌了33%、ServiceNow跌了64%的时候，确实有些公司是被错杀了。但也有些公司是被正确地重新定价了——因为AI真的在改变它们业务的基本逻辑。

区分"错杀"和"正确重定价"的能力，就是这个阶段最值钱的投资能力。

我给自己的检验标准是：这家公司的核心业务，是会被AI放大，还是会被AI替代？

Figma——核心业务是界面设计，AI正在让"设计"这个动作本身变得可自动化。这是替代风险。收入增长41%没有用，如果整个品类的存在前提在动摇。

ServiceNow——核心业务是工作流自动化，AI agent天然就是做这个的。这也是替代风险，虽然它的CMDB是一个有黏性的资产。

Nvidia——核心业务是AI计算的基础设施，短期内不可替代，但长期面临客户自研和架构变迁的风险。这是"放大然后可能被侵蚀"的路径。

AI金矿是真的。但挖金子的工具正在快速变化，矿脉的分布还没有完全探明，而且矿口聚集了太多只是来拍照的人。