赌局还是革命？美股AI泡沫的虚与实

coffee198375

人工智能（AI）是泡沫还是革命？这无疑是近期全球市场最热的话题。

“美国股市已经陷入‘疯狂’。这次的疯狂主要是由数字领域尤其是人工智能的热情和投资驱动的。”这是诺贝尔经济学奖得主Michael Spence（迈克尔·斯宾塞）给出的判断。

2025年11月13日，在杭州举办的“太湖世界文化论坛·钱塘对话”上，来自政府、企业、学界的全球各界人士不约而同提到了AI。斯宾塞并不是论坛上唯一提出这一论点的人。

“我认为AI是有泡沫的，投资领域是过热的。”杭州达尔文智能首席执行官武伯熹在论坛上这样表示。达尔文智能是一家专做具身智能和大模型的AI企业。

伴随美国各大金融机构陆续公布三季度持仓，不少巨头选择对人工智能“用脚投票”。诸如桥水、巴克莱、彼得·蒂尔等，都对AI第一股英伟达进行了大手笔减仓或清仓。知名投资人孙正义手下的软银同样在10月抛售了所持全部英伟达。

瑞银全球、花旗集团、巴克莱等知名资管或共同基金，同样大幅降低了相关AI概念股持仓。

更危险的是，科技巨头们似乎还在复刻2008年次贷危机的玩法：联合硅谷，通过AI基础设施融资，然后将债务打包成特殊目的实体（SPV），隐藏于财务报表之外。正如2008年华尔街打包房地产行业“次级抵押贷款”（CDO、CDS）那样。

国际货币基金组织（IMF）、英国央行和大型投行近期也频繁提出警告，AI驱动的资产价格上涨有演变成泡沫的风险。

“烧钱”已经不是AI投资最为诟病的问题，业绩透支、投资过度、融资风险、滥用财技等，这些通常出现于金融危机时期的乱象，正在AI领域逐一显现。

不过，2025年11月19日，英伟达公布了第三季度财报。当季营收达570亿美元，同比增长62%，净利润达319.1亿美元，同比增长65%。似乎以远超预期的成绩回击了“增长见顶”与“AI泡沫”等市场质疑。

被“硅山”绑架

关于泡沫的讨论愈演愈烈，或许与麻省理工学院（MIT）7月末发布的一份报告《生成式AI的鸿沟：2025年商业AI现状》有关。

报告对市场上三百多个公开AI项目进行了系统性分析，并对153位高管和全球企业进行了调研和52次结构化访谈，结论是：企业在生成式AI（GenAI）上已投入了300至400亿美元，但95%的公司迄今并未能获得任何商业回报。换言之，商业回报率仅有5%。

这和以往企业面对新技术时持有“保留态度”不同，当前不少企业都愿意将AI部署在自家系统。问题是，在经过一段时间使用后，对公司的损益表基本没有产生任何影响。

OpenAI创始人Sam Altman紧接着又给AI浇了一盆冷水，他在上述报告发布后不久的一场采访中坦言，“我认为一些投资者可能会损失很多钱”，并承认市场会出现“非理性繁荣时期”。

经济学家们更担忧的是AI对传统经济的“绑架”。

哈佛大学教授、美国总统经济顾问委员会前主席杰森·福尔曼（Jason Furman）9月末在社交媒体平台发布了一组研究数据，据他测算，2025年上半年美国经济增长几乎完全依赖于AI基础设施投资。

“信息设备和软件投资占到2025年上半年美国GDP总量的4%左右，但是却占到GDP增长的92%。”他说，若剔除这一类别的投资，美国国内GDP的实际增长率将仅有0.1%。

换言之，诸如制造业、零售业、服务业、房地产等传统经济支柱行业在2025年上半年几乎没有增长，甚至存在下滑。

所谓AI基础设施，是指数据中心、存储中心等AI相关硬件设施。美国知名杂志《大西洋月刊》利用卫星数据测算，仅在一年内，印第安纳州的一个小镇新卡莱尔（New Carlisle）已经建有七个矩形的数据中心，另有23个正在建设中。

令英伟达第三季度业绩大增的主要原因正是数据中心业务。该板块收入512亿美元，同比增长66%、环比增长25%，远高于市场预期的491亿美元。

《金融时报》用“硅山”来形容这一景象——硅谷成为整个美国经济依靠的大山。这背后是AI投资从早期通用模型等领域的投资，逐渐转向非传统基建投资的变化。

资本市场更早注意到了这一点，知名量化基金文艺复兴（Renaissance）研究团队在8月的一份报告中指出，2025年AI数据中心建设对GDP增长的贡献，在历史上首次超过了美国消费者支出。

研究显示，2024年美国的消费支出约达19.8万亿美元，占到GDP的比重约68%，这一数字常年超出美国GDP总量的六成以上。但转变速度极快，AI超大规模企业资本支出占到GDP的比重在2022年几乎为零，到2025年上半年，就已飙升至GDP的1.2%。

投行摩根士丹利的数字更确切，据其9月的研究测算，美国近一年在数据中心及相关项目上的资本支出正接近4000亿美元，是几年前的四倍。代表企业微软、谷歌、亚马逊、Meta、英伟达等的支出，已占据美国企业资本总支出的近1/3。

“如果站在谷歌、微软、Meta或亚马逊的立场，相比过度投资或效率低下带来的损失，在竞争中沦为第三名所付出的代价过于巨大，所以他们都在以极高的速度投资。于是就有了投资浪潮。金融市场也随之跟进。”在斯宾塞看来，美中AI投资之间的差距已经越来越小。

基建投资直接引发的担忧在于设备折旧和更新，作为算力基石的GPU，究竟能用多少年，这将直接关系到巨头们在AI领域的投资利润和估值泡沫。

“大空头”原型、知名投资人Michael Burry近期在其社交平台发出警告。他认为，这些巨头们正在通过延长GPU等硬件的“有效使用寿命”来低估折旧，比如将能用3年的硬件设备拉长摊销成本至6年，以此降低成本，粉饰了真实的投入和盈利情况。

据他估算，从2026-2028年，这类财技将使帮助巨头的利润虚增1760亿美元，比如到2028年，甲骨文的利润可能被夸大26.9%，Meta则可能被夸大20.8%。

“关于AI泡沫的说法很多。从我们的角度来看，情况截然相反。”英伟达创始人兼CEO黄仁勋在财报会上有针对性得做出了回应，无论是模型训练还是推理，算力需求都在持续加速增长，并呈现指数级扩张，“我们已经进入了人工智能的良性循环。人工智能生态系统正在快速扩张——涌现出更多新的基础模型构建者、更多人工智能初创公司，覆盖更多行业和更多国家。人工智能正在无处不在，无所不能。”

“左脚踩右脚”

根据福尔曼等经济学家的推论，美国当前的经济基础实则十分薄弱，一旦针对AI领域的“抱团”投资出现放缓或逆转，经济衰退很可能随之而来。

IMF近期发布的《全球金融稳定报告》就指出，近两年全球股市上涨很大程度上是AI相关板块，尤其是美股“七巨头”（苹果、英伟达、微软、亚马逊、特斯拉、谷歌母公司Alphabet、脸书母公司Meta），其估值水平明显抬升、指数高度集中。

这很大程度上源于企业间“左脚踩右脚”式的投资。

如11月19日上午，微软、英伟达与AI初创公司Anthropic宣布建立战略合作关系，将三方资本、算力与模型相互绑定，形成“AI联盟”。维系三方的关键在于相互投资，微软承诺向Anthropic投资50亿美元，而英伟达对Anthropic投资100亿美元。相应地，Anthropic承诺向微软购买价值300亿美元的算力，并将算力完全部署于英伟达系统之上。

这样的内部循环融资，将硬件商（英伟达）、AI模型公司、云服务商（微软）牢牢捆绑在一起，产业链上的企业都找到了钱，营收同步攀升。

“2000年前后的电信行业泡沫就出现过类似情形，当时这类模式被称作‘供应链金融’。” 盛天投资管理有限公司创始人邹峻向南方周末记者解释。邹峻是国内首批阳光私募基金经理之一。

比如当时如日中天的电信设备制造商（思科、朗讯等）为了扩大营收，选择向产业链下游提供贷款、股权投资或信用担保，并且要求客户用这笔钱来回购设备。

邹峻指出，这本质上是“烧自己的钱来完成自家KPI”，短期内可以刺激上游企业收入增长，并且体现在财务报表上的是“应收账款”而非“贷款”。但实际是将下游的营收风险转嫁到自己身上，是通过财技掩盖其信用风险。

结果不难预料，2001年电信泡沫破裂，过度投资产生的大量坏账堆积于思科这样的供应商手中，根据美国证券交易委员会（SEC）早年间的一份调查指出，仅2000-2002年间，就有超过三十家主要电信和网络设备公司通过这种方式调节利润，泡沫金额超过1000亿美元。

10月上旬，OpenAI、英伟达、AMD、甲骨文与xAI之间同样公布了一系列相互间的巨额投资。好处是，这类合作极大加速了AI基础设施的建设，然而循环投资成立的重要前提，是行业对于算力的追求必须持续增长，一旦有一个环节“卡壳”，连锁式的估值崩溃将随之出现。

巨头吸取了前辈们的教训，这一次华尔街帮助巨头们设计出了更高级的玩法——SPV。SPV是指为实现特定目标（如资产证券化、项目融资、并购重组等）而设立的独立法律实体。通过建立新的实体，达到将基础资产与发起人的信用、破产风险隔离的目的。

比如10月，脸书母公司Meta设立了一只名为“Beignet Investor LLC”的SPV，向市场筹集了约300亿美元的资金，用于在路易斯安那州建设数据中心。但这笔债务不会出现在Meta的资产负债表上。

“SPV在企业融资中并不少见，本质上是一种资产证券化。”就职于香港某投行负责企业再融资发行的陈磊向南方周末记者解释，这种融资最早出现在1960年代的美国房地产市场，核心玩家正是在2008年金融危机时险些倒闭的联邦全国抵押贷款协会（Fannie Mae，即房利美）和联邦住房贷款抵押公司（Freddie Mae，即房地美）。

他介绍，这类融资发行通常分为三步：第一步融资，即科技公司（如Meta）向市场融资，由资本出资（大股东）建造数据中心这类基础设施；第二步租赁，科技公司向资本支付租金使用设施；第三步打包，资本将这份租金的现金流收入打包成新的证券，出售给市场其他投资者。

表面上看，Meta获得了融资却没有扩大债务，还建成了新的数据中心，资本则通过一纸租约获得稳定现金流，还将风险转嫁给了其他投资者。但正如2008年的故事一般，游戏能够持续的前提是底层资产没有贬值风险。

“2008年是因为购房者杠杆太高、付不起房贷，导致底层资产的现金流出现问题，所以后续由此产生的一系列资产证券化产品都面临违约，最终出现挤兑抛售。”陈磊解释。

而这些数据中心的底层资产主要是GPU等各种芯片，最大的折旧风险也在于芯片。试想，如果互联网巨头们在AI领域短期内无法实现盈利，而数据中心的估值却因设备折旧问题大幅缩水，势必会减少对数据中心的租金投入，由此产生证券化产品则被降级、贱卖，引发新一轮的金融市场连锁反应。

不过，AI领域的SPV项目才刚刚开始。“上一次金融危机的连环爆雷主要是因为借房地产发行的CDO产品，以及衍生品CDS数额过于巨大，所以震动了全球市场。目前AI领域的投资还没有到达同等规模，不过风险发生的路径是类似的。”陈磊说。

黄仁勋在财报会上解释称，对OpenAI、Anthropic等公司的战略投资是为了深化技术合作、扩大CUDA生态系统，并获取“一代人一遇”公司的股份，而非市场担忧的“循环交易”。

“适者生存”

目前几乎所有AI产生的问题，都指向一条清晰的解决途径：尽快盈利。

相比通用模型、语义模型这些早期的AI投资领域，与工业化相结合正成为更切实可行的赛道。

在上述论坛上，中控技术股份有限公司高级副总裁莫威判断，人工智能最先完成商业闭环的领域最有可能是基础工业，“如果人工智能将（工业）能耗降低一个百分点，带来的效益是上千万的，（这种）商业回报是实实在在的。”

他举了个例子，通过对煤化工厂的气化炉进行优化改造，能够将工程碳排放降低2%，这里企业的最大痛点是，能否用AI把外部的人员巡检方式改用机器人替代，“让人不必进入危险环境，从紧盯屏幕的疲劳状态中解放出来，实现工厂的全自主运行”。

“从自然语言到机器语言，如何将AI技术无缝衔接到生产线代码，是西门子正在AI领域发力的重点。”西门子工业AI高级工程师‌李玉宵在不久前的进博会上告诉南方周末记者。

在工程师提出需求后，工业AI模型要将人的自然语言转化成近150条代码机器语言，完成动作前，‌AI还要能够在虚拟空间预演所有实现路径，并从中筛选出最省时省力、节省企业成本的生产路径。

这类工业AI模型和消费级通用大模型AI最大的不同在于，要能读懂工程与制造语言的模型，能够同时处理工业图纸、三维建模、传感数据等专业领域的术语，同时考虑到人力协作，将工程师合理安排在生产的各个环节。

李玉宵现场进行了演示，比如新增一批订单，并且要求提前交付。工业AI接收这一讯息后，立刻开始拆解任务，制定、优化生产流程，“新一批货物要怎么调整生产线的各个参数才能满足要求？需要工厂仓库备齐多少原料？何时启动生产能够不影响后续生产？新增的需求下怎么安排优化仓储？这些问题都能交给AI流程来解决。”

据他介绍，这类工业AI已经逐步被用于欧洲、亚洲等国的汽车、化工领域，尤其受到中小型制造企业的欢迎。“人力成本是中小型企业很大的成本支出，AI能够提供专业靠谱的建议，实打实给企业节省了成本。”

“如果一家初创型企业此刻再研发基础模型，肯定是一个不切实际的幻想，但如果它能找到自己很垂直应用的方向，产生实际的价值，它就可能活下去、产生利润，然后就会消除自己的泡沫。就像我们公司的名字一样。”武伯熹说，“达尔文，适者生存。”