夜雨聆风一、估值叙事与技术价值的深层错配
当前围绕AI泡沫的争论，底层根源并非简单的“高估值是否合理”，而是资本估值叙事与技术价值创造进度之间出现了结构性的时间错配。理解这一根本矛盾，是系统评估泡沫问题的第一步。
支撑泡沫论的论据并不难以罗列。从资本开支看，仅亚马逊、谷歌、Meta、微软和甲骨文五大云服务商，2026年资本支出的下限估算约为6900亿美元，区间上限超过7000亿美元；到2030年的AI基础设施投资总额预计达到5.3万亿美元。从投入产出比看，摩根士丹利预测2025年至2028年全球数据中心投资将达2.9万亿美元，而西方领先AI公司的年收入约500亿美元，投入与产出之间的量级差距触目惊心。红杉资本合伙人提出的假设性计算模型认为，全球AI需每年产生6000亿美元收入方能覆盖目前的投资规模——这一数字旨在量化“应用层收入需多高才能支撑基础设施投资”的思考框架，并非预测性基准。OpenAI估值约5000亿美元，2025年全年营收约为130亿美元（不同口径存在差异，2026年初公布的ARR超过200亿美元），且2025年上半年亏损达135亿美元。从宏观贡献看，高盛首席经济学家指出，2025年AI对美国GDP增长的贡献基本为零，数千亿美元投入未转化为实打实的经济增长。头部AI企业估值与基本面的脱节，构成了泡沫论最直观的基础。
然而，如果“泡沫”仅仅是一组统计数字，那么结论应当毫无悬念。矛盾在于：质疑泡沫论的依据同样扎实。Sensor Tower数据显示，生成式AI移动应用内购收入从2023年Q1不足0.6亿美元增至2026年Q1的19亿美元，三年增长超32倍，年复合增速超200%。苹果App Store生态中AI应用账单增速达到非AI应用的四倍。Gartner预测2026年将有40%的企业软件应用包含Agentic AI功能，到2035年Agentic AI可贡献超4500亿美元的企业应用软件收入。从估值水位看，高盛对九类核心狂热指标的综合排序显示，当前处于1995年以来的历史第86个百分位，远低于互联网泡沫时期的第100个百分位和2021年高峰期的第95个百分位。纳斯达克指数市盈率约41.9倍，显著低于互联网泡沫时期的72倍。市场集中度虽高，但本轮AI浪潮由具备实质盈利能力的龙头科技企业主导，这与2000年由无盈利“概念股”推动的市场格局存在本质区别。
泡沫论与反泡沫论的论据各自成立，但指向不同的时间尺度。前者侧重当前的投入产出失衡，后者关注长期价值创造潜力。这种错配并非偶然——它恰恰是重大技术变革早期阶段的典型特征。正如阿玛拉定律所言：人们往往会高估一项技术的短期影响，而低估其长期影响。乐观派以AI未来经济价值折算当下的资本支出是否合理（高盛预估生成式AI将创造20万亿美元经济价值增量，悲观派则认为这种远期叙事难以掩盖眼前的商业化短板。
两类判断的真正分歧，不在于技术是否被炒作，而在于：资本开支的“泡沫”是资源配置的严重错误，还是先进生产力大规模部署前难以回避的沉没成本。前者指向“泡沫意味着破裂”，后者指向“泡沫是产业跃迁的燃料”。正确答案可能介于二者之间，而关键在于分辨：当前阶段究竟处于技术采纳曲线的哪个位置。
二、产业演化中期的“有限过热”
将当前AI浪潮置于技术采纳周期和历史对照框架中加以定位，有助于在非此即彼的“破灭或延续”二分之外，建立更分层的判断。
国信证券将AI产业发展阶段划分为铺垫期、“0→1”探索期、“1→N”成长期以及“N→N+”加速期。该机构认为当前处于“1→N”阶段的后期，时间进度条高度类比互联网泡沫时期的1998年初。这一判断提供了两条关键定性：其一，技术已过探索验证阶段，进入规模化扩张期；其二，市场空间尚未耗尽，“1→N”之后还有“N→N+”的更大泡沫阶段。
从量化指标观察，当前处于“有限过热”而非“系统性泡沫”状态的证据较为充分。标普500股价跑赢基本面的幅度约为27个百分点，远低于互联网泡沫时期85个百分点的最高水平；纳斯达克与标普500的风格分化程度仅为当时的三分之一。高盛的九项狂热指标历史百分位处于第86位，距离第100位的极端水平仍有较大距离。资本支出占GDP比重方面，据某些研究机构估算，2025年全球AI数据中心投资约3700亿美元，大致相当于美国GDP的0.9%（这一比例未经官方统计口径统一验证，仅供参考）；远低于铁路泡沫时期的4%和电信泡沫时期的约1%；预计2030年升至1.6%，仍在黄区边缘而非红区。这些数据表明，从总量来看，市场尚未全面进入泡沫化阶段。
但是，产业演化并非均衡进行。“有限过热”的整体判断，与“局部严重泡沫”并不矛盾。头部AI初创企业的估值与基本面脱节相当明显——OpenAI估值约3000亿至5000亿美元，年度营收约130亿美元，市盈率超过30倍；Anthropic估值1830亿至3500亿美元，年收入仅20-40亿美元。这类估值水平隐含的增长假设极为激进，与当前商业化节奏存在明显张力。与此同时，据公开融资数据，SpaceX、OpenAI、Anthropic等领先AI企业的估值合计已达数万亿美元量级，具体数字因估值时点和融资轮次不同而存在较大波动。一旦批量登陆公开市场，将带来集中抛压和流动性冲击。
产业演化的“阶段错配”特征同样值得关注：基础设施层投资远超前于应用层收入兑现。2026年五大云服务商资本支出中，约75%投入物理基础设施——液冷系统、电力传输、网络交换机、光模块——而非直接用于算力芯片采购。这些物理资产的折旧周期仅3-5年。这种重资产、短周期的投资结构意味着，若应用层收入增长无法在未来2-3年内快速匹配基础层投入，财务压力将迅速累积。
综上，当前阶段的合理判断是：整体估值存在一定溢价但尚未达到历史极端水平（有限过热），但在头部初创企业和基础设施投资领域存在局部泡沫。真正需要回答的问题不是“有没有泡沫”，而是“现有泡沫将以何种方式被消化”——是由真实的收入增长逐步填充空间（良性泡沫），还是因商业化不及预期而集中刺破（恶性破裂）。这一问题的答案，取决于AI应用层的变现速度能否跟上基础设施层的投资节奏。
三、应用层机遇与基础层风险的辩证关系
“AI泡沫是否存在”的抽象讨论往往遮蔽了一个关键事实：AI产业链的不同层级面临着截然不同的风险收益结构。系统性判断需要拆分为“基础层”与“应用层”两个维度，分别加以审视。
基础层——以数据中心、算力芯片、电力传输为代表——是当前泡沫争议最集中的领域。边际资本产出效率下降的信号已开始显现：全球AI基础设施年投入超6500亿美元，实际相关收入约500亿美元，6000亿美元的投入鸿沟令人侧目。产能过剩的早期迹象同样不容忽视——全球企业计划2025年投入2400亿美元建设AI数据中心，但微软等企业已开始取消租约，部分算力集群在特定案例中出现利用率不足，有报道称闲置或空转率可达30%（部分案例中来自网络拥塞导致的算力空转，而非全部可归因于建设过度）。高盛警示，未来五年AI投入将超过一万亿美元，但可能换不来等量的生产力提升。这些指标表明，基础层投资已进入边际收益递减区间，新增投资的财务回报将日益收窄。
然而，基础层的风险存在两种截然不同的后果：一是行业性产能过剩，导致大量参与者被淘汰；二是基础设施的过度建设为下一阶段的应用爆发提供了低成本基础。互联网泡沫的历史提供了重要参照——2000年前后全球对电信基建的超前投资虽然导致众多参与企业破产，但由此沉淀的廉价“信息高速公路”为Netflix、Zoom及移动互联网的崛起提供了关键基础设施。当前AI基础设施的75%投入物理资产，同样具备类似的跨周期价值：即便当前投资的直接商业回报不尽如人意，这些物理资产的边际成本将随技术迭代持续下降，成为下一轮应用创新的基础设施红利。
应用层则呈现出截然不同的图景。行业的最大结构性变化在于商业化重心从C端消费市场转向B端企业市场。据媒体报道，Anthropic年化收入从90亿美元飙升至450亿美元，超过80%来自企业API和Agent部署，而非个人订阅。而ChatGPT个人订阅增长已出现明显放缓，全球AI应用的2C付费转化率普遍低于5%。更令人警醒的是，ChatGPT Plus用户的月均订阅收入预计将从约23美元降至不足12美元，用户正大规模从高端付费档位向低价广告档位迁移。这一趋势表明，C端AI产品的付费变现面临结构性天花板——大模型的能力差异化快速缩小，切换成本几乎为零，用户缺少为边际功能付费的动力。
相反，B端逻辑因清晰的ROI而快速跑通。企业客户平均AI投资ROI约为3.7倍，最高超过10倍。企业以Agent替代初级程序员的逻辑简单直接——花3美元省下10美元工资，不存在流量变现的不确定性。2026年Q1流向企业AI初创公司的风险投资同比增长210%，而C端AI融资额下降35%。PwC调查显示，已部署AI的企业平均营收提升15.8%、成本节约15.2%、工作效率提升22.6%。这些数据显示，AI在企业端的价值创造逻辑已得到初步验证，商业化闭环正在形成。
基础层与应用层之间的机会分布存在系统性的不对称：基础层的竞争本质上是资本规模的竞争，盈利确定性随着产能逐步饱和而递减；应用层的竞争本质上是场景理解与产品能力的竞争，随着技术成熟度提升而价值确定性递增。对于从业者和投资者，这意味着战略重心需要从“押注算力”向“寻找应用场景”前移。
四、资本支出增速分歧与行业应对
在基础层风险积聚与应用层机遇显现并存的环境下，不同市场参与者正在采取差异化的应对策略。主动性、灵活性与计划性的组合，成为区分长期胜者与短期牺牲品的关键。
资本支出的增速分歧是当前最显著的战略分歧信号。2025年五大科技巨头在AI领域的资本开支约3490亿美元，而2026年激增至下限6900亿美元，近乎翻倍的增长速度本身就构成了一种市场信号。但进一步分析资金来源后会发现，企业的实际应对策略远比“继续投入”或“停止投入”的二分法要复杂。
从主动性看，有充足自有现金流的头部企业仍在推进大规模布局。Alphabet拟出售约850亿美元股票支持AI支出。微软、谷歌、Meta等企业用自有现金流覆盖了约50%的投资。这一策略意味着具备财力的领先企业正在利用当前窗口期建立长期竞争壁垒，即便行业整体经历调整，其基础设施积累仍将在下一周期发挥价值。
从灵活性看，行业已开始出现战术性收敛的迹象。部分算力集群利用率出现波动，微软等企业已取消部分租约。英伟达CEO黄仁勋更坦承公司被AI泡沫恐惧推入了“无赢”局面——如果交出糟糕的季度报告，是泡沫证据；交出出色报告，则被视为泡沫即将破裂的证据。这一尴尬处境反映出即便市场领先者也难以从泡沫叙事中脱身。
从计划性看，差异化程度在进一步加大。中美AI投资策略的分化尤为典型：美国更强调算法领先和算力基础设施建设，大量资本集中投向数据中心和芯片；中国则更侧重开源模型和应用落地，将AI技术重点应用于人形机器人、先进制造等产业场景。两种路径的长期回报曲线不同——中国路径可能因与实体产业结合更紧密而更早体现出经济回报，但面临的全球技术博弈风险亦更高；美国路径在技术深度上保持领先，但资本回报周期的不确定性更大。
对于行业参与者而言，当前阶段的理性策略应包含三个层次：基础层竞争已进入“规模竞赛”阶段，缺乏资本优势的参与者应主动寻求差异化细分方向；应用层应聚焦能产生清晰ROI的B端场景，以收入增速对冲估值压力；财务策略上保持适度灵活性，避免过度杠杆化挤占未来的战略空间。
五、人才流向、团队韧性与产业沉淀
泡沫讨论通常聚焦于资本和估值，但技术创新周期的完整评估必须包含人的因素。人才流向的变化和团队韧性的积累，往往是产业长期价值的真正载体。
人才流向正在发生结构性转变。2026年Q1，流向企业AI初创公司的风险投资同比增长210%，而C端AI融资额下降35%。与此同时，超过40%的C端AI产品创始人宣布转向企业赛道。这种“人才向B端迁移”的趋势并非偶然——它反映的是产业内部对商业化可行性的自我筛选。C端的大规模烧钱获客模式因付费转化率低于5%而难以为继，B端因ROI清晰而开始吸引最优秀的产品团队和投资。
然而，人才迁移的另一面是资源浪费。麦肯锡调研显示，95%的生成式AI试点项目没有直接财务回报。大量初创企业和高薪团队在寻找PMF（产品市场契合）的过程中消耗了大量资本，最终却未能找到可持续的商业模式。超过90%的AI创业公司被预计将在竞争中失败。这种试错成本是泡沫周期的必然代价，但也是产业找到真正可行路径之前的必要探索。
长期积累不应仅从当下的商业回报来衡量。互联网泡沫破裂后，大量破产电信企业铺设的全球海底光缆成为YouTube、Zoom等企业崛起的基础设施。当前AI基础设施投资中约75%流向物理资产，这些资产同样具备长周期价值：技术迭代推动推理成本持续下降——同等智力水平模型的Token价格从2023年初约30美元跌至2025年的0.1-0.15美元，降幅超过99.7%。成本曲线的急速下移意味着当前投入的基础设施将在未来以更低成本服务于更广泛的应用场景。
行业韧性则体现在团队层面。经历泡沫浪潮而存活下来的团队，在技术理解、资本运用和市场感知方面的能力往往远高于周期高点仓促组建的团队。每一次技术周期都会淘汰一批“追风口”的参与者，留下真正具备技术与商业化结合能力的团队。这种筛选机制对于产业长期健康是有益的。
因此，评估“AI泡沫”时，不能仅关注估值表和资本开支，也应关注人才流向的结构变化和产业沉淀的质量。泡沫破裂后的真正赢家，往往是那些既在泡沫期内积累了核心能力、又在泡沫退潮时保持财务纪律的团队。
六、批判“极值化”预期与“全或无”叙事
对AI泡沫的讨论在社交媒体和部分财经分析中常陷入两种极端——要么断言“泡沫即将破裂”并套用互联网泡沫的历史模板，要么认定“一切估值合理”并将AI视为堪比电气化的颠覆性变革。这两种立场都偏离了产业演化的真实轨迹，需要在分析中予以校准。
偏差一：互联网泡沫历史模板的机械套用。 AI与互联网存在本质差异：互联网泡沫时期的市场由无盈利、纯靠概念炒作的“概念股”推动，纳斯达克远期市盈率约60倍的泡沫空间；而当前的市场由全球盈利能力最强的“现金牛”企业主导，英伟达、微软等领先企业具备实质盈利支撑。此外，互联网泡沫的破裂与一级市场股权资产的集中抛压和光纤供给过剩密切相关，并非单纯因技术前景不佳。简单的“历史必将重演”忽略了这些结构性差异。
偏差二：“全或无”的泡沫叙事。 是否存在泡沫、泡沫何时破裂的讨论常将AI产业视为同质化整体，忽视了产业链内部的巨大分化。基础层与应用层的风险收益结构截然不同；C端消费场景与B端企业场景的商业化进展差异悬殊；头部领先企业与大多数初创企业的估值逻辑不可同日而语。用整体性标签覆盖所有细分领域，是分析上的过度简化。
偏差三：对商业化进度的不切实际预期。 认为“AI应用层将迅速带来万亿美元级收入”的乐观预期，与当前97%的ChatGPT用户尚未付费的现实之间存在巨大落差。AI技术的生产力提升存在显著的时滞——高盛估算从技术采纳到全面实现生产率提升约有4年的滞后周期。期待短期内大规模收入兑现，既不符合技术进步规律，也不符合企业采纳新技术的真实节奏。
偏差四：忽略债务融资的累积风险。 泡沫讨论常聚焦于股权估值而忽略负债端。据债券市场数据，2025年美国AI相关债券发行规模已达1390亿美元。数据中心相关担保债务发行额同比激增112%。企业自由现金流恶化——谷歌或暴跌90%，亚马逊与Meta甚至面临转负风险。如果AI收入增长持续落后于预期，杠杆化企业将面临偿还压力与再融资困境，触发连锁反应的风险不容忽视。
综合以上校准，当前AI产业的合理判断应为：整体上尚未进入全面泡沫化阶段，但基础层存在局部过热，应用层正在经历从C端流量逻辑向B端人力替代逻辑的结构性转型。AI泡沫讨论的核心价值不是解答“有”或“没有”的二元问题，而是持续追问：收入增长能否赶上资本开支的节奏？资本投入能否转化为生产力的实际提升？产业链不同层级的参与者应如何调整战略定位？在动态中把握趋势、在矛盾中寻找突破口，远比固守某一种教条更有意义。
---
免责声明
本文仅供一般性信息参考，不构成任何法律、投资或专业建议。文中观点仅代表作者个人或整理时的理解，可能与实际情况存在偏差。
作者：张烽，万商天勤律师事务所合伙人，
上海金融与法律研究院副院长，
国富量子（00290.HK）创新研究院副院长，
上海市浦东新区科幻协会理事，
上海市浦东管理咨询行业协会理事，
香港RWA全球产业联盟学术委员会副主任，
中国移动通信联合会元宇宙与人工智能产业工作委员会常务委员，
上海区块链技术协会智库专家和科技评价专家，
中国人工智能产业联盟安全治理委员会委员，
中国信通院法律大模型应用评审专家，
国版链数据要素合规专家。
系列专辑：
