AI热潮：历史的重演还是新时代的黎明？

一种新技术将改变一切，它正在比计算机时代更彻底地改变文化、经济与政治，一种新的经济正在出现，基于一个普罗米修斯之光（Prometheus's Light: 指代带来巨大变革但可能伴随风险的新技术或发现）的新领域。这段话出自2000年末，作者是当时炙手可热的科技预言家乔治·吉尔德。他所说的普罗米修斯之光不是AI（Artificial Intelligence: 人工智能），也不是原宇宙（Metaverse: 虚拟现实世界），而是光纤电缆。吉尔德的逻辑在当时看起来无懈可击：信息高速公路正在铺设，互联网将连接所有人。他创办投资简报，推荐了大量电信公司股票。然而，几个月后，电信行业崩溃，整个行业损失了5000亿美元，超过200家公司破产，一些高管锒铛入狱。这5000亿美元的普罗米修斯之光亮到刺眼，亮到致盲。

我们将日历翻到2025年，你来听听这段话：山姆·奥特曼在某一个大会上的演讲片段提到，“AI将重塑人类历史的进程”。再看扎克伯格的这段话：“我们将创造一个个人超级智能，帮你实现目标，让你成为你渴望成为的人。”一样的配方，一样改变世界的承诺。25年过去了，历史只是在简单重复吗？还是说这一次真的不一样？我们需要回答一个非常重要的问题：AI那么烧钱，它到底是不是一个注定要崩盘的巨大金融泡沫？

AI投入与产出的巨大剪刀差

要回答这个问题，我们先得看一张资产负债表。我们将AI革命看成一个初创公司，你得先看它的投入（cost），再看它的产出（revenue）。首先看投入，据彭博社估算，光是2025年这一年，五大科技巨头在训练和运行复杂AI模型所必须的数据中心上的支出总和将达到3710亿美元。

然后我们再看天平的另一端——产出，也就是收入。根据AI领域最著名的分析师的分析，2025年，AI技术能够生产的总收入大概是600亿美元。这里，我们就看到了一个非常大的投入产出剪刀差：支出3710亿美元，收入600亿美元，净亏损3110亿美元。你没有看错，一年光是这五家公司烧的钱，就比赚回来的钱多出了3000多亿。

你可能会说，这很正常，早期投入嘛，互联网刚开始的时候也亏钱。说得对，所有革命性技术早期投入都是巨大的。关键是AI这个早期投入，它的规模已经大到了一个在人类商业史上都堪称恐怖的级别。3710亿只是2025年一年的开胃菜。咨询巨头麦肯锡的预测，为了跟上AI的需求，到了2030年，全球在数据中心上的总支出将达到5.2万亿美元。5.2万亿这个数字太大了，我们大脑处理不了。换个大家能够理解的方式，5.2万亿美元到底是多少钱呢？它是美国洲际公路系统总造价的7倍，那可是连接了整个美国的奇迹啊；它是阿波罗登月计划的总开销的15倍，那可是把人类送上了月球啊；它是曼哈顿计划的150倍，那是制造原子弹结束二战的工程。我们正在花15个登月计划的钱去建造数据中心，去训练AI。这就引出了最关键的质疑：钱从哪里来？或者说得更直白一点，这笔钱，这5.2万亿，我们真的能够赚回来吗？

我们再来看一份更激进的报告，来自于贝恩公司。贝恩在2025年9月算了一笔账，他说科技巨头想要在2030年前仅仅是支付掉这些数据中心的支出——注意啊，这不是盈利，仅仅是收支平衡——他们就需要每年额外再创造2万亿美元的新增收入。2万亿是什么概念？这相当于再造一个苹果公司，或者说两个微软每年。贝恩的结论是，即使在最理想的情况下，到了2030年，这个收入缺口每年也将高达8000亿美元。每年8000亿的窟窿，如果AI巨头和他们的投资者最终无法拿回他们的钱，那我们讨论的将是人类历史上最大规模的过度建设和过度投资，用人话说就是一个史诗级的泡沫。

熊方论据：AI泡沫的五大裂缝

为什么这个窟窿那么难填？这里我们要引入熊方的第一个核心论据，来自于一家资本管理公司的创始人哈里斯·库珀曼。库珀曼是一个自称逆向投资者，他直言不讳：“我相信这是个泡沫，这东西AI能回本吗？我认为答案是极不可能。”他逻辑很简单，直指AI投资的核心命脉：GPU（Graphics Processing Unit: 图形处理器），也就是英伟达卖的那些昂贵的芯片。

1. 快速折旧的“仓鼠轮”效应

库珀曼说，过去的泡沫，比如说19世纪的铁路建设，或者2000年的光纤电缆，他们虽然过度建设，但至少留下了一些持久的基础设施。铁路铺在那里，100年后还能用。光缆埋在地下，今天我们还在用90年代铺设的暗光纤（Dark Fiber: 已铺设但未激活使用的光纤）。这些都是资产。但GPU却不一样，GPU更像一台顶级赛车的轮胎，或者是一双专业马拉松跑鞋，它的性能极强，但是折旧极快。今天一块价值4万美金的H100芯片，为了保持最强的训练性能，可能三年后它的价值就所剩无几。不是因为它坏了，而是因为更强的H200、B100出现了，它在训练上已经没有什么竞争力了，只能被降级去做一些更基本的AI任务，比如说推理。

你明白这个可怕的逻辑吗？铁路和光纤，你建一次可以收费50年，这叫做飞轮效应（Flywheel Effect: 指企业通过一系列相互关联的良性循环，不断积累动能，实现持续增长的商业模式）。而AI数据中心，你花几千亿建了，三五年后，你必须把里面最昂贵的GPU掏出来，扔掉再花几千亿买新的。这不叫飞轮，这叫仓鼠轮（Hamster Wheel: 比喻持续投入巨大资源却难以取得实质性进展的困境），你必须不停地跑，不停地花钱，才能够勉强维持在原地。库珀曼算了一笔账，光是覆盖今年2025年的基建成本，科技公司就需要额外增加4800亿美元的收入。他反问了一个扎心的问题：这些收入从哪里来？要知道对于大多数用户来说，ChatGPT目前是免费的，如果他们每次提问都收你几美元，我不知道他们是否还会有市场。

2. 历史的幽灵：2000年电信泡沫的重演

仓鼠轮的比喻非常形象，但是怀疑论者手中最强的牌永远是历史。我们再回到2000年的乔治·吉尔德。吉尔德在2000年为什么那么狂热？因为他看到了光纤的无限带宽。他理论是既然带宽是无限的免费的，那么基于此的应用，比如说视频和电商，也将是无限的。逻辑完美吗？非常完美。但问题出在哪呢？问题在于所有人都相信了这个完美的逻辑。于是呢，1990年代末，几十家公司疯狂在美国地下铺设光缆。当时的电信公司错估了需求，铺设了天量的光纤，但是当时根本就没有这么多应用，比如说4K视频去填满它。他们也错过了时间，他们以为革命会一夜之间爆发，但实际上YouTube到2005年才成立，Netflix直到2007年才开始做流媒体。电信的供给远远超过了需求，这些万亿市值的电信公司突然发现自己守着一堆暗光纤，却收不回一分钱。然后就是我们所知道的5000亿美元的市值蒸发，200多家公司破产。

现在你把光纤换成算力，把带宽换成智能，是不是一模一样呢？我们正在建设天量的算力工厂、数据中心，但是我们真的有那么多杀手级应用去填满它们吗？吉尔德这个在2000年被普罗米修斯之光闪瞎了双眼的人，25年后当他看到今天数据中心的狂热时，他冷笑了一声，说这是在过度建设。是的，连当年最大的多头现在都成了空头。

3. 物理定律的瓶颈：AI是“电老虎”

如果说仓鼠轮和历史幽灵还只是金融和市场层面的担忧，那么熊方还有第三个论点，那是一个物理论据：AI是一个电老虎（Energy Hog: 形容耗电量巨大的设备或系统）。根据波士顿咨询公司（BCG）的数据，建一个数据中心通常需要两到三年，但你知道将它连入电网需要多久吗？最多需要8年。钱不是万能的，你可以用钱买来GPU，但你买不来电网的审批速度和物理建设速度。根据彭博新能源财经（BloombergNEF）的预测，未来10年，AI数据中心的电力需求将翻两番。弗吉尼亚州是全球的数据中心之都，他们在2024年做了一项评估，结论是要满足这些数据中心不受限制的能源需求将会非常困难，即便只是满足一半的需求也很困难。你看到了吗？泡沫的破灭可能根本不需要等到金融市场的崩溃，物理定律会先一步踩下刹车。你建了再多数据中心，没有电，它们只是一堆昂贵的冰冷的铁盒子。

4. 落地效果令人失望：直觉与数据的冲突

我们再退一步，即使我们有钱，不怕仓鼠轮，有电，不怕瓶颈，历史也不会重演。那么熊方还有第四个问题：AI工具本身真的有宣传那么有用吗？我们听到都是个例，某某公司用了AI效率提升了50%。但我们来看两个更宏观的统计，他们来自于大样本研究。第一个数据来自于MIT媒体实验室（MIT Media Lab），他们的文章显示，95%的企业AI试点项目并没有产生任何可衡量的回报。第二个证据来自于麦肯锡的一篇报道，采用生成式AI的公司中，近80%没有看到对底线利润（Bottom Line: 指企业最终的净利润）有任何显著影响。你看这就是直觉与数据的冲突。我们都在用啊，我们的员工都在用ChatGPT写周报啊。是的，大家都在用，但用不等于产生利润。90%的项目没有回报，80%公司利润没有变化。甚至连OpenAI在自己8月份发布的ChatGPT-5也收到了非常平淡的评价。这让业界开始质疑那个最根本的假设：是不是更多数据、更大的模型就一定更好？如果连AI本身的性能提升都开始放缓，我们凭什么能够相信它在2030年前能够填上那每年8000亿的窟窿呢？

5. 隐藏在水面下的“影子债务”

熊方的最后一个论据也是最危险的。如果说前面的问题都是花钱太多、赚钱太少，那么这个问题是我们甚至都不知道他们到底花了多少钱，以及这个钱从哪里来。

疑点一：循环投资（Circular Investment: 指公司之间互相投资，或通过关联交易制造虚假繁荣的投资行为）。英伟达一边天价芯片卖给OpenAI，一边又反过来投资OpenAI。这听起来是不是很眼熟？在2000年的电信泡沫中，这就是标准操作：A公司卖设备给B公司，B公司没钱，A公司就投资B公司，B公司再用A公司的钱来买A公司的设备。左手倒右手，创造出虚假的收入和繁荣。这是第一个危险信号。

疑点二：不透明的融资。今年8月，Meta从私有信贷（Private Credit: 指非银行金融机构向企业提供的非公开贷款）公司筹集了290亿美元用于数据中心。私有信贷是什么呢？简单来说，它就像影子银行，它不是公开的股票或者债券，而是私下的不透明的信贷。更“骚”的操作是，科技巨头们开始采用一种叫做特殊目的载体（Special Purpose Vehicle, SPV: 一种独立的法律实体，用于隔离特定资产或债务，使其不出现在母公司资产负债表上）的东西。这个SPV是什么呢？就是说啊，科技巨头把数据中心放在一个叫做SPV的盒子里，然后呢通过私有信贷把钱借给SPV来购买这些数据中心。用人话说就是，Meta设立了一个马甲公司叫做SPV，然后呢让这个马甲去借钱，然后再用这笔钱去建数据中心。这样做的最大好处是什么呢？这笔高达290亿的巨额债务可以合法地不出现在Meta公司的资产负债表上。你明白这有多可怕了吗？我们前面讨论过的3710亿、5.2万亿这些数字可能都已经被严重低估了，因为有大量的债务被隐藏在这些表外的黑匣子里，这也就是所谓的影子债务（Shadow Debt: 指未在公司公开财务报表中披露的隐性债务）。

更糟糕的是，这些风险正在扩散。这些私有信贷公司又从保险公司筹集资金，一些房地产的ETF也在投资数据中心。这意味着通过你的保险、你的基金，你我这样的普通投资者可能在毫不知情的情况下，已经暴露在这些高风险的影子债务之下了。这就是熊方的全部论据：无法回本的数学题、快速折旧的仓鼠轮、2000年的历史幽灵、迫在眉睫的能源瓶颈、令人失望的落地效果，以及藏在水面下的影子债务。

牛方辩护：长期主义与革命的必要成本

那么牛方呢？那些还在疯狂砸钱的CEO们，扎克伯格、山姆·奥特曼，他们是傻子吗？他们到底在想什么呢？现在欢迎来到牛方的辩护现场。

1. 财力雄厚：科技巨头的“印钞机”

他们的第一个论点非常简单粗暴：我们有钱。是的，和2000年那些靠循环投资苟活的电信小公司不一样，今天的Meta、谷歌、微软，他们的主营业务——广告、软件、云服务——是真实存在的，盈利能力极强的印钞机。他们账上趴着几千亿的现金，对他们来说，一年亏个几百亿去赌一个未来，眼睛都不用眨一下。

2. 长期主义：AGI的颠覆性潜力

这是他们第二个论点：长期主义。奥特曼和扎克伯格都公开表示，他们关注的是长期，而不是即时利润。你在跟我谈2030年的8000亿缺口，我跟你谈2050年的AGI（Artificial General Intelligence: 通用人工智能）。牛方的逻辑是，你们这些熊根本无法理解AGI的颠覆性，它又不是一个APP，它是一个生产力本身的奇点。一旦实现了，它创造的价值将是几百万亿，而不是几万亿。已经到了登月的发射架上，你还跟我纠结燃料费太贵。在他们看来，今天所有投入，无论多么巨大，在未来的无限收益面前都微不足道。

3. 历史的遗产：泡沫是革命的必要成本

牛方还有一个强有力的论据，他们也要用历史。他们说熊方用了2000年的电信泡沫来类比是用错了历史。他们认为更恰当的比喻是19世纪的铁路泡沫。根据分析师的计算，19世纪末铁路泡沫高峰期占到当时GDP的4倍，而2025年AI基建投入只占到当前GDP的一倍左右。看到了吗？按照GDP占比来算，当年修铁路的狂热是今天搞AI的4倍。当然了，铁路泡沫最后也破了，无数投机者血本无归。但是呢，那些过度建设的铁路留了下来，他们真的连接了整个国家，成为后来100年工业革命的血管。同样逻辑也适用在2000年的电信泡沫。是的，当年铺设光纤的公司都破产了，但是那些埋在地下的暗光纤10年后被谷歌、被Netflix、被亚马逊以极低的价格收购了。这在2000年泡沫留下的尸体上，养活了2010年后的移动互联网革命。

这就是牛方的核心观点：泡沫是革命的必要成本。泡沫会破，投机者会死，但是过度建设的基础设施会留下来，会成为新一代创新的廉价养料。从这个角度来看，扎克伯格们现在疯狂烧钱，可能不是为了2030年的财报，而是确保在2035年当泡沫破裂一地鸡毛的时候，他们是那个收割尸体的人，而不是成为尸体的人。

罗夏墨迹测试：我们该如何应对？

好了，熊方的五个论据和牛方的两个辩护我们都摆在桌子上了。熊方说这是仓鼠轮，数学上无法回本，而且藏着影子债务。牛方说这是登月计划，是铁路建设，短期亏损是必要成本。你问我谁是对的？彭博社给出了一个非常诚实也非常无奈的答案：当前的AI爆炸是一场罗夏墨迹测试（Rorschach Test: 一种心理投射测试，比喻对同一事物不同人有不同解读）。你看到什么，取决于你内心相信什么。如果你是怀疑论者，你会看到2000年的重演，你会看到那些无法持续的财务数据，会看到被英伟达卖铲子的人吹起来的虚假繁荣。如果你是信仰者，你会看到一个新时代的黎明，看到必要的基建投入，你会相信技术AGI的潜力会碾压一切传统的市场规律。这是一场关于信念的拔河，挑战在于我们都身处其中，我们不知道这个泡沫它是否会破，更不知道它何时会破。

那么作为普通人，我们该怎么办呢？我们能做的是去寻找结构里的裂缝，是去感知市场情绪的变化。密歇根大学的创业研究教授埃里克·戈登给了我们几个矿井里的金丝雀（Canary in the Coal Mine: 比喻早期预警危险的信号）：

1. 观察VC风险投资的动向。盯住那些AI创业公司的融资，如果融资轮的规模在缩小，或者估值在下降，这是第一个危险信号。
2. 观察公开市场科技巨头的股价。这非常明显。
3. 观察产品本身。像GPT-5这样的新模型，还是继续带来“哇”的惊喜，还是像8月份那样收获平平无奇的评价？

这些指标是市场信心的体温计，一旦信心开始动摇，金融的逻辑就会瞬间压垮牛方的AGI信念。

最后我们再回到那个男人乔治·吉尔德。他现在在马萨诸塞州的家中写他的投资简报，而且一口气写了四份。他现在怎么看？我们前面说了，他嘲笑今天的数据中心是过度建设，但是他仍然极其看好AI的未来。他只是不看好数据中心这个实现形式。吉尔德认为数据中心是昨天的技术，他预测科技巨头们在这些数据中心上瞎折腾的时间只剩下四五年了。那未来是什么呢？吉尔德认为是一种比GPU更大，但是更适合AI推理任务的芯片。你看这才是这场辩论最有趣的地方：那些市场上最聪明的熊，比如说吉尔德，他不是在赌AI会失败，他是在赌实现AI的路径会改变。他不是在赌火车到不了站，他是在赌我们现在铺的铁轨——数据中心是错的。

核心冲突点复盘

我们今天解剖了AI泡沫这个核心争议。你不需要记住所有数字，你只需要带走三个核心冲突点：

1. 冲突一：收支的天平。 3700亿美元的年支出和600亿的年收入，这个天坑靠信念能填上吗？
2. 冲突二：资产的属性。 GPU到底是仓鼠轮还是飞轮？这是决定AI成本结构的关键。
3. 冲突三：历史的剧本。 我们是在重演2000年的电信泡沫（需求不足、金融游戏），还是19世纪的铁路泡沫（过度建设，但是留下遗产）？

这三个核心冲突点就是牛方与熊方的全部底牌。