AI浪潮下的财技表演

第一部分：引子

上一篇我们讨论了经济金融化如何重塑企业行为和产业格局——从杰克·韦尔奇的GE到今天的波音。这篇文章，我们看看这个逻辑正在如何上演它最新的章节。经济金融化的影响与启示

AI可能是人类历史上最重要的技术进步。 AGI（通用人工智能）的前景让资本疯狂涌入，OpenAI、DeepSeek、xAI估值动辄千亿。但值得追问的是：当技术信仰遇上金融工程，会产生什么样的化学反应？

身边做实业的朋友有个直观感受：投资了不少钱，聚集了很多高学历人才，辛辛苦苦搞研发，回报真不一定好。在中国搞高科技，都不如酱香科技；在美国做软件工程师，也不如金融工程师。技术创新与金融回报之间的结构性背离，在两个最大的经济体中同时存在。

本文想探讨的正是：在这场技术浪潮中，资本市场正在如何运作？ 英伟达的投资-芯片-需求循环、OpenAI与PE机构的收益安排——这些操作是真实的价值创造，还是金融化的最新表演？

第二部分：技术革命的金融悖论——为什么最伟大的技术不一定是最赚钱的投资

AGI可能是人类历史上最重要的技术进步。

这个判断并非危言耸听。从2022年ChatGPT引爆全球，到2025年DeepSeek以极低成本实现突破性进展，AI的进化速度远超预期。OpenAI的GPT系列、Anthropic的Claude、Google的Gemini，以及中国厂商的快速跟进，都在推动一个可能的未来：机器智能达到或超越人类水平。

如果AGI真的实现，其影响将远超电力、互联网或任何单一技术发明。它不仅改变生产方式，更可能重塑人类社会的组织形式。

但这里有一个被忽视的悖论：技术进步的速度，与投资回报的实现，往往是两回事。

历史反复验证这一点

电力革命（1880s-1920s）：

爱迪生1880年发明商用电力系统，但直到1920年代，美国制造业的电气化率才超过50%。在这40年间，无数电力公司成立又破产，早期投资者的回报并不乐观。真正的赢家是那些等待技术成熟后再规模化应用的企业，而非最初的技术布道者。

铁路泡沫（1840s-1860s）：

英国和美国的铁路建设热潮中，投资者狂热追捧铁路股票。但结果是：大部分早期铁路公司破产或被并购，只有极少数（如范德比尔特的纽约中央铁路）最终盈利。技术改变了世界，但改变了世界的技术，不一定让早期投资者赚钱。

互联网泡沫（1995-2000）：

最直观的例子。互联网确实改变了人类生活方式，但2000年3月纳斯达克崩盘时，市值蒸发近5万亿美元。Pets.com、eToys、Webvan等明星公司归零。今天存活并成功的亚马逊、谷歌，在当时估值也被大幅压缩。

核心规律：技术进步是渐进的、不确定的，但资本市场的定价往往是跳跃的、确定的。 当乐观情绪主导时，投资者愿意为"未来"支付过高溢价，而未来的兑现往往不及预期。

橡树资本的霍华德·马克斯（Howard Marks）对此有精准的观察。他常说：

第一句："this time it's different"（这次不一样）是投资中最危险的五个词。 确实，少数时候真的不一样——技术革命确实会改变世界。但马克斯的警告是：大多数时候，其实都一样。 人性中的贪婪与恐惧、市场的周期性波动，跨越百年并无本质不同。

第二句：当市场从"这次不一样"转向"没有什么能出错"（nothing can go wrong）时，就是最危险的时候。 真实情况往往介于绝望和狂喜之间，但市场总是从一个极端摆向另一个极端。

技术与商业的分离

这里需要区分两个概念：社会价值与商业价值。

一项技术可以极具社会价值——改变生活方式、提高生产效率、推动文明进步——但不一定能转化为可分配的商业利润。电力让夜晚变成白天，但电力公司未必是最赚钱的企业；互联网让信息自由流动，但早期互联网公司的股东大多血本无归。

社会价值是公共的、分散的、难以独占的；商业价值是私人的、集中的、可垄断的。 技术发明者往往捕捉到前者，而资本追逐的是后者。当两者出现背离时，金融工程就有了操作空间——通过交易结构的设计，把未来的社会价值预期，提前转化为当下的商业利润。

AI正处于这个张力点上。

它可能创造巨大的社会价值（AGI解放人类生产力），但商业价值如何体现？订阅费？API调用？广告？还是根本找不到可持续的盈利模式？

这正是问题所在：在商业模式不清晰的情况下，资本市场如何为AI定价？

答案的一部分是：通过金融工程，让未来的现金流预期看起来确定，即使它实际上充满不确定性。

第三部分：英伟达的"AI闭环"——投资、芯片与自我强化的循环

如果说OpenAI代表了AI技术的不确定性，那么英伟达则代表了资本市场如何应对这种不确定性。

作为AI芯片的绝对霸主，英伟达2026财年预计营收高达2159亿美元，同比增长65%，数据中心业务占比超过85%。但比业绩数字更值得关注的，是英伟达正在构建的资本运作模式。

从"卖铲人"到"生态系统架构师"

英伟达传统的定位是"卖铲人"——在AI淘金热中卖铲子，稳赚不赔。（英文中常称为pick and shovel策略）但黄仁勋的野心显然不止于此。

2025年9月，英伟达与OpenAI宣布达成"史上最大AI基础设施部署"合作。 根据协议，英伟达将向OpenAI提供数百万颗GPU，用于建设多千兆瓦级别的数据中心。这笔交易的价值，外界估算在1000亿美元级别。

但这笔交易的性质并非简单的买卖关系。根据Trendy Tech Tribe等机构的分析，英伟达的角色更加复杂：

"The Loop: Nvidia acts as the anchor limited partner in a financing vehicle that purchases Nvidia's own chips and leases them to xAI. The chip maker is effectively subsidizing its own demand."

翻译过来：英伟达作为锚定有限合伙人，投资于购买自家芯片的融资工具，并将芯片租赁给AI企业。这家芯片制造商实际上在补贴自己的需求。

模式拆解：闭环如何运转？

这个"闭环"的运作逻辑大致如下：

1. 英伟达投资AI企业
   （如OpenAI、xAI等）——成为股东或有限合伙人
2. 被投企业使用英伟达芯片
   ——建设数据中心、训练大模型
3. 芯片需求激增
   ——英伟达收入、利润、股价上涨
4. 股价上涨带来更多资本
   ——英伟达有能力进行更大规模投资
5. 回到步骤1，循环继续

这是"内循环"的经典案例。 根据华尔街见闻2025年9月的报道，手握巨额现金的英伟达"无处可投，相比回购，不如选择让AI闭环"——通过投资关键客户、合作伙伴甚至竞争对手，打造一个自我强化的生态系统。

循环的脆弱性

这个模式的问题在于：价值增量在哪里？

• 如果AI企业最终能找到清晰的盈利模式，闭环可以持续
• 但如果AI企业的商业模式持续模糊，这个循环就变成了左手倒右手的资本游戏

更关键的是，这个模式正在被质疑。2026年1月，彭博社报道英伟达"暂停"了1000亿美元投资计划；随后又有消息传出，实际投资规模可能降至300亿美元。无论数字如何变化，一个清晰的信号是：即使是英伟达，对"无限循环"的可持续性也有疑虑。

市场给出的信号

资本市场的反应值得玩味。

英伟达股价在2024-2025年间暴涨，市值一度突破3万亿美元。但2026年以来，随着AI商业化路径的不确定性增加，股价波动加大。投资者开始问一个基本问题：如果AI企业无法持续烧钱，谁来继续购买英伟达的芯片？

闭环的另一面是风险集中。 当英伟达既当供应商又当股东，一旦AI企业出现财务问题，英伟达将面临双重冲击：投资减值+收入下滑。

第四部分：OpenAI与PE的合资游戏——17.5%收益保证背后的会计魔术

如果说英伟达的"闭环"还披着产业合作的外衣，那么OpenAI与私募股权投资（PE）机构之间的协议，则更加直接地展现了金融工程的核心逻辑。

一场精心设计的合资结构

2026年3月，路透社独家报道：OpenAI正与四家超大型私募基金（PE）协商成立合资企业（JV）。 参与方包括Blackstone、KKR、Carlyle、Thoma Bravo等顶级PE。

但这不是普通的战略投资。这是一个典型的"互相交换服务产出和金融义务"的闭环设计：

交易结构：

1. PE机构不直接购买OpenAI的股权
2. 而是成立合资公司，由OpenAI提供AI服务，PE机构提供资金
3. 关键条款
   ：PE强制其控制的众多企业，以特定价格向该合资公司购买AI服务
4. 收益保证
   ：OpenAI承诺给PE17.5%的年化投资回报率（请注意，不是利润分成，而是名义总投资的17.5%，每年支付）

17.5%意味着什么？

这个数字值得拆解：

Madoff当年只敢承诺8-10%，OpenAI敢承诺17.5%。 而且这不是利润分成，而是名义本金的固定回报——这意味着即使OpenAI亏损，也要按投资额支付17.5%。

左手倒右手的会计魔术

这个设计的精妙之处在于：

第一步： PE控制的众多企业向合资公司购买AI服务

• 支付高价（高于市场价）
• 创造"营收"

第二步： 合资公司向OpenAI支付服务费

• OpenAI获得巨额收入
• 支撑IPO估值

第三步： OpenAI向PE支付17.5%收益保证

• PE账目凭空多出巨额获利
• 基金回报亮眼，便于募集下一期

一圈下来：

• PE的LP（有限合伙人）看到漂亮回报
• OpenAI的IPO估值有了"真实营收"支撑
• 实际价值创造？几乎没有

与Madoff的对照

这种模式与历史上著名的Madoff庞氏骗局有结构上的相似性：

相似之处：

• 都承诺高于市场平均水平的稳定回报
• 都依赖于资金的持续流入来维持承诺
• 都涉及复杂的资金流转来制造盈利假象

关键差异：

• Madoff的资金流转是虚构的，没有真实资产支撑
• OpenAI的合资结构有真实的AI服务作为交易载体
• OpenAI确实拥有技术资产（GPT模型、用户基础）和真实收入（约200亿美元年营收）

但核心问题相同： 这种高回报承诺是否可持续？当PE控制的企业无法再"购买"更多AI服务时，谁来接盘？

为什么是现在？

OpenAI正在筹备IPO。3400亿美元的估值需要"基本面"支撑。

但OpenAI的真实财务状况是：

• 年收入约200亿美元
• 算力成本2030年目标6000亿美元
• 持续巨额亏损

在这种情况下，如何让IPO估值合理化？答案是：制造营收。

通过与PE的合资，OpenAI可以快速做大收入数字。这些收入虽然来自关联交易，但在会计上是"真实"的。投行在路演时可以说："看，我们的年收入增长了多少。"

至于这些收入能否持续、是否来自独立第三方、是否代表真实需求——那是IPO之后投资者需要考虑的问题。

第五部分：商业模式困局——AI到底怎么赚钱？

通过英伟达的"闭环"和OpenAI的"合资"，我们已经看到了资本市场的精妙设计。但这些设计的前提假设是：AI最终能找到清晰的盈利模式。

问题是：这个假设成立吗？

当前AI的盈利尝试

OpenAI、Anthropic、Google等厂商正在探索多种变现路径：

1. 订阅模式（ChatGPT Plus等）

• 每月20美元订阅费
• 用户增长快，但留存率和付费转化率存疑
• 核心问题：
  大多数用户愿意为免费版本买单，付费动力不足

2. API调用收费

• 按使用量计费，开发者集成
• 适合B端，但客户议价能力强
• 核心问题：
  价格战激烈，利润率被压缩

3. 企业级服务

• 定制化解决方案，高客单价
• 销售周期长，规模化困难
• 核心问题：
  传统企业采用AI的意愿和能力参差不齐

4. 广告模式

• 搜索与生成式AI结合
• Google、微软正在探索
• 核心问题：
  AI生成内容的质量控制，品牌安全风险

开源模型的冲击

比商业模式更严峻的挑战来自开源。

2025年初，DeepSeek以极低成本实现接近GPT-4的性能，震惊业界。这意味着：

• 高性能AI模型不再是稀缺资源
• 开源免费的替代方案侵蚀商业化空间
• "卖模型"的商业模式面临根本挑战

Meta的Llama、阿里的通义千问、百度的文心一言……开源生态正在快速成熟。当AI能力变成基础设施，谁还会为"智能"本身付费？

产业结合的困境

另一个被寄予厚望的方向是AI与实体产业的结合。

• 制造业：
  AI质检、预测性维护——有用，但价值增量有限
• 金融业：
  风控、投研——合规成本高，容错率低
• 医疗：
  辅助诊断——监管严格，责任界定困难
• 教育：
  个性化学习——效果难以量化，付费意愿弱

共同特征：AI在这些领域确实能提升效率，但很难像互联网那样创造全新的需求场景。用户不会因为AI而多买东西、多看病、多上学。

回到根本问题

AI的商业价值，最终取决于什么？

• 如果是工具属性（提高效率），它的价值上限是被替代人工的工资
• 如果是平台属性（连接供需），它需要网络效应和规模壁垒
• 如果是基础设施属性（如电力），它将走向低价大宗商品化

目前的AI，似乎三者都不是，又都沾一点边。

这就造成了估值的错配：资本市场按照"下一个平台"的想象给AI企业万亿级估值，但它们的实际商业模式可能更接近"效率工具"——有用，但价值有限。

这正是英伟达和OpenAI需要"财技"的原因——当真实盈利模式不清晰，只能通过交易结构的设计，把未来的预期提前变现。

第六部分：规模与格局——比互联网泡沫更大的游戏

如果当前的AI浪潮确实是一场泡沫，那么它与2000年的互联网泡沫相比，有何异同？

规模：量级差异

数字对比：

关键差异：AI浪潮的规模远大于互联网泡沫。 2000年的泡沫主要集中在软件和网络公司，而今天的AI涉及芯片制造、数据中心建设、电力基础设施、甚至地缘政治博弈。

参与者：从大合唱到独角戏

互联网泡沫的特征是"全民参与"：

• 散户通过互联网直接购买股票
• 大量初创公司上市（IPO狂潮）
• 风险资本遍地开花
• 参与者众多，但资本分散

AI浪潮的特征是"精英游戏"：

• 主要玩家是微软、Google、英伟达等科技巨头
• 私募股权投资（PE）取代散户成为主力
• OpenAI、Anthropic等头部企业吸走绝大多数资金
• 参与者少，但资本高度集中

这意味着什么？

互联网泡沫破灭时，伤害是分散的——无数散户亏损，但系统性风险可控。AI浪潮如果反转，冲击将集中在少数几家巨头和PE基金，可能引发更严重的连锁反应。

"大富豪游戏"的特征

另一个值得关注的维度是门槛。

• 2000年：
  任何人都可以买科技股，参与门槛极低
• 2025年：
  AI基础设施建设需要数百亿甚至上千亿美元，只有国家主权基金、科技巨头、顶级PE能玩得动

这种"大富豪游戏"的特征：

• 决策集中在少数人手中
• 信息不透明（PE市场 vs 公开市场）
• 退出渠道受限（IPO推迟、并购受限）

风险在于：当游戏结束，谁来接盘？普通投资者可能根本没有机会参与，却要承担间接后果（如养老金基金通过PE配置AI资产）。

地缘政治维度

这是AI浪潮与互联网泡沫最本质的区别。

2000年的互联网是全球化的，技术无国界。但2025年的AI是地缘政治的核心战场，中美可能形成两套体系。

这又给资本市场估值带来很大困难：同样的技术，在不同的市场中可能面临完全不同的监管环境、供应链限制和客户群体。

第七部分：结语——金融化的边界在哪里？

回顾全文，我们看到一幅复杂的图景：

AI可能是人类历史上最重要的技术进步，AGI的前景令人兴奋。但技术进步的速度与商业价值的实现之间存在巨大的时间差和不确定性。

在这种不确定性中，金融工程登场了。

英伟达的"闭环"、OpenAI与PE的"合资"，都是资本市场的精妙设计——通过结构化的交易，把未来的预期提前变现，把风险转移给后来的接盘者。

这不是简单的"泡沫"二字可以概括的。

与2000年的互联网泡沫相比，今天的AI浪潮规模更大、参与者更少、地缘政治维度更复杂。它是金融化在科技领域的最新表演，也是上篇文章讨论的经济金融化逻辑的延续。

适度的金融化 vs 过度的金融化

金融化本身并非洪水猛兽。

适度的金融化可以促进资源配置，让有前景的技术获得必要的资金支持。风险资本对早期互联网企业的投资，最终催生了Google、Facebook等改变世界的公司。

但过度的金融化则是另一回事：

• 当收益承诺脱离基本面（17.5%的固定回报）
• 当交易结构复杂到无人能理解（多层嵌套的合资实体）
• 当风险被隐藏在表外（PE的关联交易）
• 当退出机制依赖于更傻的下一个接盘者（IPO前的最后一轮融资）

这时候，金融化就变成了纯粹的财富转移游戏，而非价值创造过程。

未来关注点

对于观察者而言，以下几个信号值得持续关注：

1. AI企业的真实盈利模式

• OpenAI、Anthropic等能否找到除"卖模型"之外的可持续收入来源？
• 企业级AI应用的付费意愿和留存率如何？

2. 产业结合的实际进展

• AI与制造业、医疗、金融等实体产业的结合是否有突破？
• 能否创造全新的需求场景，而非仅仅替代人工？

3. OpenAI的IPO进程

• 如果上市，估值如何定价？
• 17.5%收益承诺的合资结构如何披露？

4. 大国竞争的技术分化

• 中美两套AI体系是否会形成？
• 对全球AI产业链和估值有何影响？

最后的提醒

霍华德·马克斯的另一句名言："在所有人都在谈论某件事时，这件事往往已经被过度定价。"

今天的AI，正是所有人都在谈论的话题。从达沃斯论坛到街头咖啡馆，从华尔街到中关村，AGI的前景被不断放大。

但技术进步和商业成功是两回事。 电力改变了世界，但早期电力投资者大多血本无归；互联网改变了世界，但.com泡沫中幸存的企业寥寥可数。

AI会改变世界，但不一定以投资者预期的方式，也不一定在投资者预期的时间。

在这一切尘埃落定之前，保持清醒，关注金融工程的表演，区分真实的价值创造与精致的会计魔术——这可能是当下最重要的投资纪律。