AI 是泡沫吗?

 

是泡沫，但要分层说。

不是“AI 没价值”的泡沫，而是“估值把未来现金流提前兑现太多”的泡沫。尤其是模型公司和算力 CapEX 叙事，风险明显高于普通软件公司。

几个口径能看出来。

OpenAI 官方披露，2026 年 3 月融资后估值 8520 亿美元，同时收入是每月 20 亿美元，年化约 240 亿美元，也就是约 35 倍 ARR。 OpenAI

Anthropic 官方披露，2026 年 5 月估值 9650 亿美元，run-rate revenue 超过 470 亿美元，约 20 倍 ARR。 Anthropic

xAI 更极端。TechCrunch 引述 SpaceX IPO 文件称，xAI 2025 年收入 32 亿美元，经营亏损 64 亿美元，亏损是收入两倍。 TechCrunch

NVIDIA 反而不是同一种泡沫。它现在贵，但有真实收入和利润支撑。NVIDIA Q1 FY2027 收入 816 亿美元，数据中心收入 752 亿美元，毛利率约 75%。当前市值约 4.99 万亿美元，PE 约 31。 NVIDIA、market data

我的判断是：

AI 应用和模型公司泡沫成分很重。它们被按“软件平台”估值，但成本结构更接近高 CapEX 基础设施。收入增长是真的，问题是利润率、留存、议价权和推理成本能不能撑住这个估值。

AI 芯片和基础设施的周期泡沫风险更大。NVIDIA 当前财务很强，但它吃的是整个行业 CapEX 前置。当模型公司、云厂、主权 AI 同时抢算力时，芯片公司利润最好；一旦下游 ROI 兑现慢，库存、折旧和 CapEX 收缩会反向传导。

关键不是“估值/收入不成正比”，而是收入质量。传统 SaaS 高估值依赖高毛利、低边际成本、高留存、低切换成本中的前三个。但 AI 模型公司目前是高增长、高 CapEX、高能耗、低切换成本同时存在，这个组合天然脆弱。

更准确的说法是：AI 技术不是泡沫，AI 估值是局部泡沫，AI CapEX 可能是大泡沫。

泡沫破不破，看三个信号：企业 AI 是否产生可审计 ROI；推理毛利率是否稳定改善；下游收入增长能不能覆盖算力折旧和能源成本。现在市场已经把这三个问题的答案提前定价成“会”。这就是风险所在。

截至 2026-06-18，我的基准判断是：三条信号里，企业 ROI 会逐步转正，推理毛利率会改善但被价格战吞掉一部分，真正可能刺破泡沫的是第三条：下游收入追不上 CapEX 折旧和能源成本。

企业 AI ROI 会逐步成立，但还没大规模成立

现在企业 AI 采用率很高，但大多还没有深度改造工作流。McKinsey 2025 调研显示，88% 组织已在至少一个业务职能中常规使用 AI，但只有约三分之一开始规模化 AI 项目，agent 在单个职能规模化的比例不超过 10%。 McKinsey

这说明市场热度是真实的，但“可审计 ROI”还偏早。Deloitte 2026 报告里，66% 企业报告效率和生产力提升，40% 报告降本，只有 20% 已经看到收入增长。 Deloitte

我的预测是，2026-2027 年，ROI 会在代码、客服辅助、知识管理、营销内容、销售支持、数据分析这些场景里变得可量化。但大部分企业不会因为 AI 产生整体 P&L 级别跃迁。

真正能过关的不是“用了 AI”，而是三类指标：人效提升是否能进入财务模型；人工替代是否真的减少总成本，而不是增加审核成本；AI 是否进入业务动作闭环，比如理赔、核保、客服转化、销售跟进、研发吞吐。

所以第一条不会直接戳破泡沫，但会让 AI 应用估值分化。能证明 ROI 的留下，卖概念和卖座席的会被砍预算。

推理成本会下降，但毛利率未必稳定改善

推理单位成本下降是大概率事件。Gartner 预测，到 2030 年，1 万亿参数 LLM 推理成本会比 2025 年下降 90% 以上，原因包括芯片效率、模型架构、利用率、专用推理芯片和端侧设备。 Gartner

但问题在于，成本下降不等于毛利率稳定上升。Gartner 同时指出，agentic 模型每个任务可能消耗普通聊天机器人 5-30 倍 token，而且总推理成本可能因为使用量暴涨而继续上升。

我的预测是，普通推理会商品化，价格会快速下降。模型公司很难长期靠 token 本身赚高毛利。真正能保住毛利的是这几件事：大模型只处理高价值复杂任务；小模型、本地模型、专用模型处理高频低价值任务；prompt cache、KV cache、batching、speculative decoding 等工程优化成熟；自有芯片或长期算力协议降低成本；企业客户按“任务结果”付费，而不是按 token 付费。

我的判断是：前沿模型推理毛利率很难长期达到传统 SaaS 80%+ 水平，能稳定在 50%-65% 已经算不错。如果模型能力差距缩小，价格战会把成本改善的大部分让渡给客户。

第二条不会彻底失败，但会压缩纯模型公司的估值倍数。

下游收入能否覆盖 CapEX，这是最大风险

这一条最危险，因为 CapEx 增速已经非常激进。

Microsoft FY2026 Q3 披露 AI business ARR 超过 370 亿美元，但单季 CapEx 就有 319 亿美元，而且约三分之二是 GPU、CPU 这类短寿命资产。 Microsoft

Meta 预计 2026 年 CapEx 达 1250-1450 亿美元，理由包括组件价格上涨和未来数据中心容量。 Meta

Alphabet Q1 2026 CapEx 为 357 亿美元，绝大多数投向 AI 技术基础设施。 Alphabet

能源侧也有约束。IEA 预计全球数据中心用电到 2030 年翻倍至约 945 TWh，其中 AI 驱动的加速服务器用电年增速约 30%。 IEA

我的预测是，2026-2027 年 CapEx 还会继续冲，因为所有大厂都怕输掉下一代平台入口。但 2028 年前后会进入财务验收期。

简单算一笔账：如果行业一年砸 6000-7000 亿美元 AI CapEx，按 5 年折旧，光年化折旧就是 1200-1400 亿美元，还没算电费、运维、土地、冷却、融资成本和芯片迭代损耗。要覆盖这部分，AI 下游每年需要几千亿美元级别的高毛利收入。

这对 Microsoft、Google、Amazon、Meta 这种有现金流底盘的大厂不是致命问题，但会压低自由现金流。对纯模型公司、AI 云、GPU 租赁平台、二线数据中心运营商，风险大很多。

真技术被过早按完美商业化定价，泡沫就会出现

这不是“AI 是假技术”的泡沫，而是“真技术被过早按完美商业化定价”的泡沫。

我的预测： 2026 年，AI 预算继续增长，CapEx 继续扩张； 2027 年，企业开始严格看 ROI，应用层洗牌； 2028 年，CapEx 增速明显放缓，基础设施链条估值重估； 2029 年以后，AI 成为常规基础设施，但第一轮过度投资留下折旧压力。

引用

1. OpenAI, “Accelerating the next phase of AI”, 2026-03. https://openai.com/index/accelerating-the-next-phase-ai/
2. Anthropic, “Series H”, 2026-05. https://www.anthropic.com/news/series-h
3. TechCrunch, “xAI burned $6.4B last year...”, 2026-05. https://techcrunch.com/2026/05/20/xai-burned-6-4b-last-year-spacexs-ipo-filing-shows-why-the-spending-is-far-from-over/
4. NVIDIA, “NVIDIA Announces Financial Results for First Quarter Fiscal 2027”, 2026. https://nvidianews.nvidia.com/news/nvidia-announces-financial-results-for-first-quarter-fiscal-2027
5. Google Finance, NVIDIA market data. https://www.google.com/finance/quote/NVDA:NASDAQ
6. McKinsey, “The State of AI”, 2025. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
7. Deloitte, “State of AI in the Enterprise”, 2026. https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/state-of-ai-in-the-enterprise.html
8. Gartner, “By 2030, performing inference on an LLM with 1 trillion parameters will cost GenAI providers over 90 percent less than in 2025”, 2026-03. https://www.gartner.com/en/newsroom/press-releases/2026-03-25-gartner-predicts-that-by-2030-performing-inference-on-an-llm-with-1-trillion-parameters-will-cost-genai-providers-over-90-percent-less-than-in-2025
9. Microsoft FY2026 Q3 earnings. https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q3
10. Meta Q1 2026 results. https://investor.atmeta.com/investor-news/press-release-details/2026/Meta-Reports-First-Quarter-2026-Results/default.aspx
11. Alphabet Q1 2026 earnings. https://abc.xyz/investor/events/event-details/2026/2026-Q1-Earnings-Call-2026-nW8kCrBAKS/default.aspx
12. IEA, “Energy and AI: Energy demand from AI”, 2026. https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai