AI到底是不是泡沫?用一个分析框架回答这个问题

多客科技

作者：微信文章
AI 到底是不是泡沫？

原文：Is AI a bubble?

作者：Azeem Azhar and Nathan Warren

一个月前，我开始着手解答一个看似简单，实则不然的问题：AI到底是不是泡沫？

自2024年以来，无论我走到世界何处参加活动，这都是人们最常问我的问题。尽管华尔街的银行家们大多认为这只是一场投资热潮，但在欧美大大小小的会议室里，越来越多的人开始严肃地探讨这个问题。

有些人，早已有了自己的答案。著名学者加里·马库斯（Gary Marcus）称之为“泡沫之巅”。《大西洋月刊》警告说，“我们很可能正处在一个AI泡沫中，投资者的狂热已经远远领先于技术在短期内能带来的生产力效益。一旦泡沫破裂，其后果可能让2000年的互联网泡沫都相形见绌。”《经济学人》也发文表示，“潜在的代价已经高到惊人。”

要理解这类复杂问题，最好的方法是建立一个分析框架。为了构建这个框架，我花了数十个小时进行数据分析、建模，并与众多投资者和企业高管进行了深入交流。

这篇文章，就是那个框架的最终呈现。我将用五大核心指标，像一个仪表盘一样，将当前的生成式AI热潮与历史上的著名泡沫进行全方位对比。

---

“泡沫”到底意味着什么？

在资本主义的历史里，“泡沫”这个故事老掉牙了，每次都像一则关于贪婪、狂热和崩盘的寓言。但泡沫不仅仅是金融现象，它更是一种文化符号，反复提醒我们过度乐观的危险。比如 郁金香狂热 ，很多人以为那场风波让无数纺织工破产、商人跳海，但实际上，它的影响远没有传说中那么夸张，主要限于一小撮有钱的商人，对荷兰经济基本没啥冲击。但这个故事流传了下来，这就点出了问题的关键： 泡沫，成了一种我们用来警示自己的“鬼故事”。

有些泡沫纯粹是 金融泡沫 ，比如 1720 年代的南海公司、1920 年代的咆哮股市、1980 年代日本的房地产，还有 2008 年的次贷危机。

另一些则是 科技泡沫 。19 世纪 40 年代，铁路被吹捧为新工业时代的“血管命脉”。这话没错，但一个身体哪需要那么多血管？结果就是铁轨铺得到处都是，很多地方穷得连鬼都没有，根本撑不起商业运输。90 年代的电信热潮，描绘了一个万物互联的乌托邦，结果是几千万英里的光纤铺设下去后，就一直闲置在那里，不见天日。互联网泡沫则给了我们一个新经济的幻梦，虽然很多设想后来确实实现了，但那是在 2000 年无数公司市值灰飞烟灭之后。

为了方便讨论，我们把 泡沫 定义为—— 资产的股权价值从最高点下跌超过 50%，并且这种低迷状态持续至少五年。 比如当年的美国房地产泡沫和互联网泡沫，那个“坑”都趴了差不多五年。房价花了 10 年才回到高点，互联网公司则用了 15 年。同时，我们还预期生产性资本的投入速率会大幅下降，同样是从高点腰斩。



所以，在本文的语境里，“泡沫”指的是这样一个阶段： 资产价格和投资额一路狂飙，估值被吹上了天，严重脱离了其基本面和真实的盈利能力。 泡沫最喜欢两样东西： 钱多，故事性感。 而它的结局，通常是一场急剧且持久的暴跌，把纸面财富一夜清零。

与此相对的是“ 繁荣 ”。繁荣的早期阶段看起来和泡沫很像，估值蹭蹭涨，投资不断涌入。但关键区别在于，在繁荣期， 基本面最终能跟上来 。现金流、生产力提升或者真实的市场需求，最终会追上当初的乐观预期。繁荣期也可能会有短暂的过热，但最终会沉淀为有持久生命力的产业和经济价值。

泡沫和繁荣之间，是一片巨大的灰色地带。你身处其中时，很难分清大家投进去的钱，到底是在为新经济打地基，还是仅仅在吹一个一戳就破的估值气球。这就好比你站在台风眼里，能感觉到风雨和气压，但你不知道风暴过后，是会一片狼藉，还是会雨过天晴。

这就引出了我们今天的问题： AI 是又一个泡沫吗？

让很多人心里发毛的，是那些天文数字。自从 2022 年底 ChatGPT 横空出世，那些云巨头们每年在数据中心上的资本支出（capex）翻了一倍还不止，疯狂押注在训练和运行更大模型所需的基础设施上。去年，当山姆·奥特曼（Sam Altman）抛出那个 7 万亿美元 的投资计划时，大家还觉得他是在吹牛。今天，投资人已经笑不出来了，他们开始琢磨： 这么烧钱，顶得住吗？



在当时当下，你永远不可能确诊一个泡沫。只有事后诸葛亮才能分清当初的狂热是远见还是幻觉。所以，与其现在就下个“是”或“不是”的结论——那跟算命没啥区别——不如 把今天的热潮和历史上的泡沫做个对标 ，看看哪些地方已经出现了“泡沫化”的苗头。

我们把这想象成开飞机。飞行员从不只看一个仪表，而是监控一整套仪表盘来判断飞行状况。我们这里也用五个仪表盘：

仪表盘 1 - 经济压力 ：目前的投资规模，大到能让整个宏观经济都跟着“上头”了吗？

仪表盘 2 - 行业压力 ：烧了这么多钱，行业的营收跟得上吗？投入产出比还好吗？

仪表盘 3 - 营收增长 ：营收增长的速度和广度，够不够“给力”，能不能追上烧钱的速度？

仪表盘 4 - 估值热度 ：估值到底有多“热”？跟历史比，股价是不是已经贵得离谱了？

仪表盘 5 - 资金质量 ：现在进场的钱，是“聪明钱”还是“热钱”？是家底厚实的长期资本，还是随时准备跑路的投机资金？

接下来，我会逐一分析每个仪表盘，看看指针是指向 绿色 （安全）、 黄色 （警惕）还是 红色 （危险），最后再把它们拼成一个完整的驾驶舱视图。

---

仪表盘 1：经济压力 🟢

虽然目前的投资规模堪称海量——摩根士丹利预计到 2029 年，AI 基础设施的投入将达到 3 万亿美元 ——但这还没到历史上那些超级泡沫的夸张程度。这个指标比较 tricky 的地方在于“依赖性”。在美国，超过三分之一的 GDP 增长，现在都可以追溯到数据中心的建设上。

这本身不是坏事，但如果这股势头突然刹车，那就危险了。当一个经济体如此严重地依赖单一行业来拉动增长，一旦这个行业不行了，那感觉就像脚下的地毯被人猛地抽走一样。



资本支出（capex），也就是投到 AI 所需的硬件设施上的钱，本质上是一种乐观主义的体现。今天花钱，是为了明天能有源源不断的收入。如果这笔钱花对了地方，最终会带来生产力的提升和经济的扩张。这就像你想卖呼啦圈，你得先花钱进货，还得有人建厂生产，这笔建厂的钱就是 capex。

AI 数据中心也是这个理，甚至更进一步。它们不仅是生产单一产品的工厂，它们本身就是 基础设施 。微软、OpenAI 和美国政府都把它看作是 21 世纪的“水电煤”，重要性不亚于过去的公路、铁路、电网和电信网络。

要建设这样的基础设施，必然需要历史级的投入，规模堪比当年的铁路和电力建设。麦肯锡预测，为了满足到 2030 年 AI 驱动的需求，全球需要新增约 156 吉瓦（GW）的电力容量——这相当于 西班牙和葡萄牙两国电网的总和 。该公司估计，这需要 5 万亿到 7.9 万亿美元 的资本支出。这是什么概念？这大概是当年阿波罗登月计划成本的 20 倍 ，绝对是现代史上最大规模的基础设施建设之一。

但问题是，基础设施虽好，一旦掺和上私人资本，事情就容易“上头”，脱离现实。在铁路时代，美国铁路主要由私人资本推动，结果经历了好几次投资泡沫。相比之下，电力和公路系统因为有更多的政府投资和协调，投机性就没那么强。当一个行业需要的资源开始让整个经济都围着它转，工资、供应链、资本市场都高度依赖它时，危险就来了。一旦预期破灭，反噬会极其惨烈。

以史为鉴，铁路泡沫是最“重”的。在美国，铁路投资在 1872 年达到顶峰，约占当时 GDP 的 4% ，紧接着就迎来了第一次大崩盘。而 90 年代末的电信泡沫，顶峰时约占 GDP 的 1% ，和我们今天的情况差不多。

所以，我们的“经济压力”仪表盘刻度是这样划分的： 1% 以内是绿色，1-2% 是黄色，超过 2% 就是红色。



目前，AI 刚好踩在绿色区域的边缘。 当然，看现在各大厂的架势，很快就要冲进黄色区域了。

但这里有个历史泡沫没有遇到过的新问题： 快速折旧 。铁轨一旦铺好，能用几十年。电信光纤在 90 年代铺设，35 年后的今天依然在传输数据。

相比之下， GPU 的衰老速度极快 。对于模型训练这种前沿应用，一块 GPU 的有效寿命可能只有三年，之后就只能降级去做一些低强度任务。云巨头们大约三分之一的 capex 都投在了这种短命资产上。这种折旧速度，让 AI 的投资回报周期变得异常紧张：它必须在短短几年内收回成本，而不是像铁路或光纤那样可以指望几代人。

这种动态是好是坏还不好说。悲观地看，一箱熟透的香蕉肯定不如同等价值的坚果值钱，因为它必须马上吃掉。但乐观地想，更短的折旧周期可能会给投资者戴上“紧箍咒”，迫使他们做出更理性的决策。铁路狂热时期，几十年的资产寿命掩盖了很多商业模式的脆弱性；而在 AI 领域，问题可能会很快暴露，要么快速调整，要么快速出局。

总的来说，压力已经很明显，但还没到无法承受的地步。目前来看， 仪表盘 1 指向绿色 🟢。

---

仪表盘 2：行业压力 🟡

每一场繁荣都需要证明，砸进去的钱开始见到回报了。在增长阶段，收入覆盖投资不太现实，但至少不能是零。这个仪表盘看的，就是 资本支出（capex）和收入的比率 。

我们估算，今年AI 的收入有望超过 600 亿美元 ，而五年前这个数字几乎是零。这个数字甚至可能还低估了。比如 Meta 就提到，这项技术让其平台的广告转化率提升了 3-5%。

毫无疑问，像谷歌、微软、亚马逊这些云巨头，正在进入一个更高资本支出强度的阶段。2021 年，ChatGPT 还没出来的时候，这些巨头的 capex 大约占其运营现金流的 44%。到 2024 年，这个比例已经上升到 68% ，2025 年只会更高。



我们拿历史上的繁荣周期做个对比。在 1872 年美国铁路扩张的顶峰，其 capex 大约是年收入的 2 倍 。在 90 年代末的电信泡沫中，这个数字接近 4 倍 。相比之下，今天AI 的 capex 与收入比率——大约 3700 亿美元的全球数据中心 capex 对比 600 亿美元的收入——高达 6 倍 ，是三者中最夸张的。

在“行业压力”这个仪表盘上，铁路当年处在健康的绿色区域。 而AI 已经进入黄色区域，并且正在逼近红色区域。

但这也不完全是警报，因为现在企业客户对 AI 算力的需求简直是“嗷嗷待哺”，甚至出现了 数据中心还没建好，容量就被预订一空 的情况。而驱动这一切的，正是惊人的营收增长。

仪表盘 2 指向黄色 🟡。

---

仪表盘 3：营收增长 🟢

铁路和电信泡沫的真正问题，不在于行业压力本身，而在于 营收增长失去了动力 。投资是要有回报的。1873 年铁路泡沫破裂后，收入同比下降了 3%。电信业稍好，也下降了 0.5%。

在崩盘前，它们的营收增长也算不上爆炸性。1873 年的铁路行业增长了 22%，三年才能翻一番。90 年代末的电信业只有 16%，四年多才能翻一番。

相比之下， AI 的收入仍在加速增长 。我们估计，今年其收入将增长约 2 倍 。这还可能是个保守预测。花旗银行估计，模型制造商的收入在 2025 年将增长 483% 。OpenAI 预测到 2030 年的年化增长率约为 73%。大摩更是预测，到 2028 年，这个市场规模可能达到 1 万亿美元 。

我们的“营收增长”仪表盘是一个指数型的指标，它衡量的是 收入翻倍所需的时间 。在这里， AI 稳稳地处在绿色区域，大约每年翻一番 。



我跟很多大公司聊下来，强烈感觉到他们现在对这项技术简直是“饥渴难耐”。IBM 的 CEO 调查显示，62% 的受访者表示将在 2025 年增加 AI 投资。需求旺盛到亚马逊 CEO 安迪·贾西说“ 我们建多快，容量就被消耗多快 ”，奥特曼也抱怨算力短缺影响了模型升级。

目前只有约 9% 的美国公司有一个能实际跑起来的 AI 应用场景。拍脑袋算一下，这个比例在五年内很可能会从 9% 变成 75%，应用场景也会从一个变成几百个。这意味着千倍级的增长空间。

总的来说，这些信号都表明，这个行业仍处于强劲的上升期，和铁路、电信崩盘前那点可怜的营收增长完全不是一回事。

仪表盘 3 指向绿色 🟢。

---

仪表盘 4：估值热度 🟢

如果说前两个仪表盘看的是繁荣的“体重”，营收增长看的是它的“加速度”，那么 估值热度 看的就是市场的“情绪”。这里往往是泡沫暴露得最明显的地方： 不管基本面如何，投资者愿意为它开出多高的价钱。



互联网泡沫就是典型。当年一堆没利润的公司，顶着三位数的市盈率（P/E）就上市了。比如那个叫 Boo.com 的网站，自称“时尚界的亚马逊”，从 LVMH 老板那拿了 1.35 亿美元投资，结果网站做得又卡又难用，还到处烧钱开派对、坐协和飞机，18 个月就把钱烧光倒闭了。



互联网泡沫的顶峰，纳斯达克的市盈率高达 72 倍 。有研究估计，单是互联网股票的隐含市盈率就达到了 605 倍 。换句话说，投资者愿意为当时的盈利能力支付超过六个世纪的价钱。这已经不是投资，是买信仰了。

今天的情况要冷静得多。纳斯达克的市盈率大约是 32 倍 ，只有互联网泡沫时期的一半。虽然比历史平均水平要高，但远没到离谱的程度。

所以这个仪表盘有多热？ 我的判断是绿色。价格还没有像互联网泡沫时期那样，完全脱离地心引力。

仪表盘 4 指向绿色 🟢。

---

仪表盘 5：资金质量 🟢

资金质量不是一个标准指标，而是一个综合判断。它要回答的是： 钱从哪里来？结构是怎样的？是能等上几年的耐心资本，还是追逐短期利益的“热钱”？

历史上每个泡沫都有其融资结构上的“阿喀琉斯之踵”。铁路泡沫的燃料是背后没啥资本的散户投机者。90 年代末的电信泡沫则依赖于堆积如山的廉价债务。这些钱的共同特点就是： 来得快，跑得也快 。

在这方面，今天的 AI 热潮看起来要 稳固得多 。微软、亚马逊、谷歌、Meta 和英伟达这些巨头，个个都是印钞机，现金流充裕到足以自己掏钱搞建设。

但，只是目前如此。 投资需求正在飞速增长。大摩估计，2025 年到 2028 年，全球数据中心的总 capex 将达到 2.9 万亿美元。云巨头们自己可能只能覆盖一半，剩下的缺口必须来自私人信贷、资产证券化和新的运营商。

风险就从这里开始悄悄渗入。大摩自己也指出了一个 1.5 万亿美元 的资金缺口，需要通过债务市场来填补。这里面就包括了像 CoreWeave 这样靠着英伟达支持，却已经背负 80 亿美元债务，甚至出现过技术性违约的公司。它的商业模式是租赁那些每年折旧 20-30% 的 GPU，这听起来更像是 WeWork 的故事，而不是云巨头的稳健资产负债表。



换句话说， 地基比过去的泡沫要坚固，但上面的建筑已经开始出现熟悉的裂缝了 。各种复杂的债务结构、集中的交易对手和可能迅速贬值的硬件，这些老配方又回来了。

不过就目前而言，这个仪表盘 还是偏绿的 。我们还没进入泡沫区域，但如果未来一年融资结构继续朝这个方向发展，而营收增长又不像 2025 年这么猛，那指针可能就要滑向黄色了。

仪表盘 5 指向绿色（偏黄） 🟢。

---

结论：我们现在在哪？



综合这五个仪表盘来看， AI 目前仍处于一场由需求驱动、资本密集型的“繁荣”之中，而不是“泡沫” 。

但是，繁荣也可能一夜变天。有几个关键的压力点值得我们密切关注：

如果 AI 投资攀升至 GDP 的 2% ，这可能意味着经济对 AI 的投入已经超过了其生产力回报。

如果营收与资本支出的差距无法缩小 ，这意味着规模效应并没有带来预期的效率提升。

如果估值开始接近 50-60 倍的市盈率 ，那看起来就有点“虚火”了。

如果云巨头的内部现金流只能覆盖不到 25% 的 capex ，那么整个行业的稳定性就会受到威胁，对债务的依赖将使其变得非常脆弱。

我现在的经验法则是： 如果五个仪表盘中有两个进入红色区域，那你就身处泡沫之中了。 是时候清仓、买入恐慌指数（VIX），然后深呼吸了。

回顾历史，1873 年铁路恐慌前，经济压力和资金质量两个仪表盘都亮了红灯。2001 年电信崩盘时，是营收增长和资金质量亮红灯。互联网时代，则是行业压力和估值亮红灯。

AI 还没到那一步。 引擎在高速运转，声音有点大，但还没过热。

要多久才会有两个仪表盘变红？我推演了一下，大多数可怕的情景都需要几年时间才会发生。当然，宏观经济的任何风吹草动——美国经济衰退、通胀抬头、利率环境变化——都可能给这股热情泼上一盆冷水。

征途仍在继续，但需步步为营。