AI泡沫什么时候破？

英伟达财报，让全球对AI泡沫破裂的担忧，暂时松了一口气，却也暴露了如今的AI就像一场惊险的走钢丝，一点风吹草动都可能引发连锁震荡。

有没有泡沫？有多大？什么时候破？这些问题被频繁提起。但更值得警惕的，是AI共识的割裂，这是泡沫破裂的先行信号。

回顾历史，20世纪70年代第一次AI寒冬，20世纪80年代末第二次AI浪潮专家系统的失败，根源都是技术不达预期，最终导致共识崩塌、政策退出、资本撤离。

按照经济学的选美竞赛理论，这就像是选美活动，参赛者要选出的不是自己眼中最美的那张脸，而是预判大多数人会选择谁。

群体的认知，能够反向塑造现实，只要足够多的参与者相信AI叙事，泡沫也能持续膨胀。反之，一旦共识瓦解，便是泡沫破裂之时。

所以，AI共识是怎样松动的？

历史从不重复，但总押着相同的韵脚。如今大模型的狂热叙事与商业化困境，与过往AI泡沫破裂前的征兆如出一辙。

2023年ChatGPT横空出世，彻底扭转了公众对AI=人工智障的认知，与这一阶段的共识高度一致：以大模型为技术底座，推动AI在各行业规模化落地。

然而，群体共识在2024年开始松动。核心原因是，规模法则下的AI技术突破，开始进入了“历史的垃圾时间”。

大模型的迭代速度明显放缓，GPT-4到GPT-5的迭代间隔长达29个月，Meta也推迟了旗舰模型的发布。尽管出现了sora、Gemini、Nano banana等现象级模型，但其他厂商也能很快追赶上。不同厂商的“最强模型”实际能力趋同，陷入“你方唱罢我登场，轮流坐庄三五月”的尴尬局面。智能体领域，虽然有Manus等少数爆款，但行业整体缺乏颠覆性产品形态。

支撑AI高估值的技术叙事，正逐渐乏力。然而，资本市场的AI公司却仿佛脱离地表，估值如同左脚踩右脚般飞升。

美股“AI七姐妹”总市值接近全球M1货币供应量，但市值更多是由资本游戏支撑，脱离真实营收。大量底模和AI应用找不到PMF产品市场契合点，导致高昂投资的算力基础设施闲置。前不久，微软CEO公开承认公司囤积的大量GPU处于闲置状态，英伟达也遭到知名投资机构做空。

可以说，估值与价值的背离，暴露了AI技术产业化正在遭遇的明显阻碍。人们心中AI能顺利转化为商业收益的信念有所动摇，估值泡沫就愈发脆弱。所以，相比市盈率、股指点位等量化数据，AI共识的破裂，或许才是更明确的风险预警信号。

很多AI支持者相信，自己的工作流已经离不开AI，每月的模型订阅费都花了一大堆，说AI没有带来真实收益的人是脱离了技术一线。

问题不在于AI泡沫下有没有啤酒，在于造酒厂这门生意是否成立。目前，缺乏可持续、可规模化的商业模式，是AI行业的致命伤。

前不久，传出OpenAI创始人兼CEO山姆·奥尔特曼向美国政府“求救”的消息，立刻导致业界对AI泡沫的担忧加剧，奥特曼随后发长文辟谣。这反映了一个基本的产业逻辑：依赖政企的To B/G模式，不被看好。

原因很简单，AI商业化应该以ROI（投资回报率）为核心导向，而政企市场则是被非市场化逻辑主导的。To B/G模式很容易导致AI产品的“to boss化”。

To B/G项目中，AI使用者和付费决策者之间是割裂的，领导更愿意为通用智能体、数字员工、行业标杆、独角兽之类的假需求买单，容易忽略业务一线真实的智能化需求。

而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。

这种模式与此前机器视觉技术的项目制类似，容易打价格战，一旦决策者方向变化，业务就会快速收缩，商业化前景并不明朗。

而当前AI To C市场，又普遍存在同质化竞争。DeepSeek-R1这样的技术突破虽然可以快速超越，但这类创新又十分稀少。大多数Chatbot应用的水平都比较接近，能力相当的情况下，广告营销和投流就成了AI应用的增长密码。加上国内用户的软件付费意愿本就薄弱，这类靠砸钱换规模的To C产品，难以支撑高估值。而市场上充斥着大量低水平项目，比如给硬件加一个语音交互模组的AI玩具，无法建立真正的竞争壁垒。

To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。

AI并非没有价值，新技术酿出了啤酒，却只能打包倾销或免费品尝，商业闭环的缺失，才是泡沫的根源。

那么，AI还能找回群体共识吗？我们认为，焦虑和分歧终会消散，AI依然是很长一段时间内最具确定性的全球叙事。

哪怕是泡沫将破未破之际，会发现不同角色的担忧，都不是对AI叙事的彻底否认，只是对自身成本与回报的权衡。投资者不是不信AI，是担心买贵了，怕现在入场会成为高位接盘侠，怕流动性收紧之后，估值过高的AI公司会崩盘。

而普通大众也不是不知道AI的好处，是担心学错了，机会成本太高。毕竟AI有周期，人无再少年，当下耗费大量精力学习AI技能，几年后行业降温，重蹈当年跟风学土木、金融的覆辙。可不学AI，又怕被技术浪潮淘汰。由此陷入了“要不再看看，看AI泡沫到底破不破”的拖延。

政府和企业对AI真金白银的投入，自然更不是为了否定AI。中美都在国家战略层面大举投入算力建设，根据IDC的调研，如今没有在业务流程中引入AI的金融机构，行业占比是0。它们关注AI泡沫，本质是担心，如果投入方向出错，财政资金和企业资源会不会白白浪费。如何避免扶持出一批只懂炒作概念、圈钱骗补的“PPT AI公司”？这些问题关乎产业未来与国家战略，容不得半点轻率。

所以说，AI共识的瓦解，是短期内对成本与回报的权衡，并不是对长期技术革命的彻底否定。

从这个角度来看，或许穿越周期的密码就已经很清晰了，那就是成本决定心态。泡沫退潮后，只要AI创造的价值依然大于收益，那么始终就处于安全线之上。

举个例子，即使美股AI估值整体过高，但前不久巴菲特旗下机构建仓谷歌，说明长期来看成本收益比高的AI企业，依然是值得押注的筹码。以谷歌为例，从收益上看，AI已为谷歌搜索、云业务带来实质增长；从成本上看，谷歌从芯片、云、软件到应用的全栈AI布局，能有效控制成本，且市盈率在AI巨头中相对合理。所以，对于那些具备真实收入潜力和成本控制能力的AI企业，筹码并不算贵。

与投资者相比，普通大众使用AI的试错成本，可以说是极低的。市面上有大量免费AI应用与开源资源，即便付费，AI办公工具的月订阅费、入门课程支出也不会构成实质性经济负担（高价割韭菜的AI课除外）。

所以，只想喝到AI啤酒的普通人，与其纠结泡沫与否，不如将AI视为提升当下效率的工具，从现在开始接触AI，就是最好的选择。泡沫或许会褪去，但你拥有的AI协作者的能力，只会像河床一样坚固。

而AI企业面对的短期形势，可能更为严峻。如前所说，B/G/C端市场的商业化前景都存在挑战，而AI本身又是资本密集、智力密集、算力密集型的吞金大户。这种背景下，AI企业更需要关注现金流安全，开源节流。

开源方面，一是出海，立项之初就面向国际市场，充分发挥中国团队在算法优化、产品迭代上的优势；二是聚焦行业基础设施服务，卖算力的同时，靠工具链、数据服务等构建壁垒，做“卖铲人”和“卖水人”，确保稳健的现金流。节流方面，政企业务可以做，但要把能自动化的都自动化，提升人效来规避项目制的人力黑洞。

弗兰西斯·培根曾说：“若始于确信，将止于怀疑；若始于疑惑，终将止于确信。” 当下对AI泡沫的种种质疑，看似是信心退潮，实则是行业对AGI通用人工智能这一终极理想的阶段性反思。

去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。

审核编辑 黄宇