来源：数经科技股票杠杆倍数
这个金秋10月，很多投资者感觉并不轻松。最近几周，美国和亚洲的AI资本市场均出现巨大波动，令身边的很多投资者感到困惑。为什么全球企业和各国政府正在持续加大AI产业投资，而AI相关股价却在短短数周内蒸发了数万亿美元市值？持续了近四年的AI烧钱竞赛，是否已经走到了尽头？这轮市场调整是短期的情绪释放，还是产业周期转向的信号？笔者在前期的文章中，曾对AI投资是否是泡沫进行过简略分析，而本篇文章将进一步探讨AI企业估值逻辑的变化和未来市场的演变趋势，供AI产业的投资者和行业专家参考。
一、AI投资热潮与市场估值出现巨大的背离
（一）AI投资不断加码，越烧越多
今年下半年，全球科技巨头接连加大AI资本开支，算力集群建设规模一再刷新市场预期。从数据中心扩建到自研芯片流片，从电力配套扩容到远期算力采购协议签署，千亿级美元的投入计划密集落地，整个产业仿佛正处在加速扩张的黄金起点。根据高盛发布的报告，Meta、Alphabet、微软、亚马逊四家头部云与科技厂商，2025年合计完成资本开支约4100亿美元，而2026年的全年指引合计已达到7250亿，同比上涨77%。如果将同样重仓AI算力的甲骨文纳入统计，五家厂商2027年总资本开支将接近1．2万亿美元。
从各家厂商公布的最新财报来看，Meta将全年资本开支指引上调，公司单季度自由现金流自多年来首次转负，2026年第三季度为-21.2亿美元，重资产投入的压力已经开始体现在现金量表中。Google的母公司Alphabet仅第三季度单季资本开支就达到513.55亿美元，同比增长114%，单季度自由现金流为-90.65亿美元。亚马逊的年度现金资本开支指引维持在约2200亿美元的高位。作为AI领域商业化落地最顺利的厂商，微软保持了相对健康的现金流水平。2026 日历年资本开支约1750亿美元，虽然公司自由现金流同比下降27%至186.3亿美元，但仍保持正值。
（二）收入现金流吃紧，融资压力大幅上升
过去二十年，科技巨头的利润表与现金流量表的高度一致。谷歌靠搜索广告，Meta靠社交广告，微软靠软件订阅，自由现金流基础坚实。AI基础设施投资的介入改变了这一结构。2026年，四大巨头的资本支出占经营现金流的比重，从2023年的约40%攀升至接近95%，部分公司甚至超过100%。内部资金不足，就只能转向外部债务和股权融资。
2026年以来，包括谷歌、微软、Meta在内的科技巨头已发行接近2200亿美元债券。Alphabet在英国发行10亿英镑“百年债券”，并启动了上市以来最大规模的股票增发，通过股权发行筹集超过800亿美元。Meta在5月发行249亿美元无担保债，并在10月底抛出了一份总额最高达975亿美元的融资方案。英伟达则在10月底宣布向Meta投资30亿美元。巨头们如此急切地筹集弹药，说明这轮投资的资金来源正在从经营现金流转向外部资本。
一级市场的融资规模同样巨大。OpenAI在3月底完成了创纪录的1220亿美元融资，投后估值8520亿美元，目标估值超过1．4万亿美元，虽然近期降至1.25万亿，依然金额巨大。其最大竞争对手Anthropic于5月以9650亿美元投后估值完成650亿美元H轮融资，首次在估值上反超OpenAI登顶全球独角兽，并于10月最后一周正式向SEC 递交招股书，拟以“ANT”为代码登陆纳斯达克，预计募资规模在500亿至1000亿美元之间。
（三）资本市场出现股债双杀
然而，与下半年AI投资热潮形成刺眼反差的，是二级资本市场的寒冷。2026年10月底，谷歌母公司Alphabet发布第三季度自由现金流为负90.7亿美元后，单日蒸发市值近5000亿美元，总市值跌破3.5万亿美元。这是它2004年上市以来最惨的一个交易日，也成了美股历史上第二大单日市值损失。10月初以来，英伟达股价股价累计下跌超9%，总市值跌破5万亿美元，再次被苹果公司反超。10月的最后一个交易日，英特尔股价暴跌28.6%，为其有记录以来第二大单日跌幅。汇集全球大型科技股的纳斯达克指数在10月份累计下跌5.3%，为2025年3月以来最差的月度表现。
在信用市场上，裂缝同样清晰可见。Meta的不可撤销AI相关承诺总额从7月的7000亿美元升至8250亿，其五年期信用违约互换利差在10月下旬升至120个基点附近的历史高位；以GPU租赁为核心业务的AI云商 CoreWeave 股价一周内暴跌约25%，债券收益率落入较可比国债溢价超过1000个基点的困境区间。
二、市场为何在此刻大规模回调？
投资加速与股价下跌同时出现，意味着市场的定价机制正在发生根本切换。投资者不再愿意为AI叙事本身付费，而是开始追问每一笔资本开支背后的回报路径。放在一年前，资本开支上调是利好，因为它意味着需求强劲；放在今天，同样的消息可能引发抛售，因为它意味着烧钱加速。这种定价逻辑的迁移，正是近期科技股估值波动的底层因素。
（一）AI叙事热度降温，企业收入出现瓶颈
本轮回调的第一重动力，来自行业叙事热情的降温与投资回报质疑的升温。笔者在耶鲁大学的导师，罗伯特·希勒在《叙事经济学》中指出，金融市场的重大波动往往由具有感染力的故事驱动，而当一个故事人人耳熟能详、不再有新的听众加入时，它对价格的推动力也就衰竭了。AI的宏大叙事从2022年底ChatGPT 横空出世至今已传播了近四年，几乎再无增量听众可以动员。当叙事的边际感染力归零，支撑估值的任务便从故事交还给报表——而报表恰恰是当前最薄弱环节。在现金流折现的估值框架下，成长股的价值来源于未来的自由现金流，而早期的叙事行情，本质上是抬高了远期现金流的预期规模。但随着产业进入落地阶段，市场需要看到真实的收入与利润来验证这些预期，一旦实际数据低于预期，估值就会迎来修正。
这一轮财报季恰好集中暴露了商业化兑现不及预期的问题。Anthropic 的环比营收增速从翻倍回落至46%，OpenAI的年化营收低于市场预期近三成，直接打破了此前市场普遍相信的模型收入将持续指数级增长的假设。API市场的价格战已经悄然打响，各大模型厂商为了争夺客户持续下调调用价格，进一步压缩了单位算力的收入空间。企业端的付费意愿也开始显现瓶颈，很多企业在完成AI试点之后，并没有大规模扩大采购规模，而是进入了效果验证与成本收益核算的阶段。对很多企业而言，AI确实能够提升效率，但提升的幅度是否足以覆盖高昂的算力与部署成本，仍然是一个需要验证的问题。
Gartner的测算数据从宏观的层面印证了这种担忧。根据其2026年发布的全球AI基础设施报告，2026年全球AI基础设施投入接近1万亿美元，2027年到2030年的累计投入还将达到6万亿美元。但与此同时，AI终端应用产生的收入很难在同期覆盖全部的投入成本，预计到2030年底，约3．5万亿美元的AI基建支出存在减值风险，超过八成的独立AI云厂商可能无法实现持续独立运营。这种悲观的基准假设，已经逐步进入机构投资者的定价框架之中，压制了整个板块的估值上限。
当巨头们的经营现金流不足以覆盖天文数字般的资本开支，它们只能诉诸股权融资与发债。股东是最终的买单者，要么通过增发摊薄，要么通过分红与回购的减少。当一家公司的融资额开始接近其盈利规模时，投资未来与透支未来之间的界限便变得模糊起来。叙事经济学中的故事疲劳叠加现金流报表上的失血，构成了本轮调整的基本面内因。
（二）通胀压力加剧，宏观利率环境收紧成为导火索
第二重动力来自宏观环境的急剧收紧。美伊战争、俄乌冲突引发的国际能源供给紧缩推高了油价。布伦特原油价格下半年再次突破每桶110美元。9月16日，美联储宣布将基准利率上调25个基点，到3.75%至4%。这是美国自2023年7月以来首次加息。9月美国通胀数据和近期油价上涨超出预期，加剧了美联储进一步加息的预期，也增加了整个经济的资金成本。
从金融学的角度看，成长股的估值本质上是未来现金流的折现，利率就是折现公式里的分母。对于AI企业而言，大量的现金流回报都在远期，也就是估值的久期更长，利率的微小变动都会带来估值的大幅波动。当美联储维持高利率水平时，远期现金流的现值会显著下降，这对依靠远期叙事支撑的高估值资产来说，是系统性的压制。2022年以来美联储的加息周期，已经将联邦基金利率推升至多年来的高位，而通胀的粘性使得降息的时间点一再延后，市场原本预期的2026年多次降息，逐步被修正为更高更久的利率路径。这种预期的变化，直接抬升了整个科技成长板块的折现率，高估值的AI板块首当其冲。
利率上升的影响不仅体现在估值模型里，也体现在企业的融资成本与财务压力上。AI算力建设需要巨额资金，除了科技巨头可以用自有现金流支撑，很多算力云厂商与独立模型公司都高度依赖债务融资。在低利率环境下，廉价的资金可以轻松支撑扩张，利息支出对利润的侵蚀并不明显。但当利率维持在高位，债务的利息成本会快速上升，直接挤压企业的盈利空间，甚至侵蚀现金流。
除了利率本身，通胀的反复也在影响市场预期。能源价格、电力成本的上涨，直接增加了数据中心的运营成本。AI算力集群的耗电量巨大，电力成本是数据中心运营的核心支出之一，电价的上涨会进一步拉长投资回报周期。同时，人力成本、芯片制造成本的上升，也在从各个环节抬升AI产业的投入门槛，使得单位资本开支的产出效率下降。
简言之，这轮回调是产业周期与金融周期共振的结果。产业层面，AI从叙事期进入验证期，市场要求真实的回报兑现。金融层面，高利率环境抬升了资金成本，压缩了远期估值的空间。两者叠加之下，曾经依靠低利率与强叙事支撑的高估值难以维系，股价回调也就成了必然的结果。
三、市场的未来走向与估值分化
面对这轮回调，投资者最关心的问题有两个：一是AI的投资热潮会不会就此刹车，产业扩张的拐点是否已经到来；二是AI企业的股价会走向何方，是继续下跌还是逐步企稳。从产业规律与市场逻辑来看，未来的AI产业将呈现出“投入难刹车、估值渐理性、走势强分化”的整体格局，资本开支的扩张仍会持续，但无脑烧钱的时代已经结束，不同赛道、不同模式的企业将迎来截然不同的命运。
（一）AI投资烧钱难以刹车
我们认为，尽管AI科技企业股价出现了显著回调，但AI产业的资本开支很难在短期内出现拐点，扩张的趋势仍将延续。背后是算力需求、投资惯性与产业竞争格局三重力量的共同支撑。
首先是持续增长的算力需求，构成了投资扩张的底层支撑。随着AI技术的普及，推理侧的算力需求正在快速崛起，成为算力增长的新引擎。大模型的参数规模还在持续提升，多模态模型的普及对算力的要求远高于纯文本模型，而智能体应用、生成式视频、科学计算等新场景的爆发，都在不断打开算力需求的天花板。从行业渗透的角度看，当前AI的应用还主要集中在互联网、科技行业，制造业、医疗、金融、教育等传统行业的AI渗透率仍然很低，未来的产业数字化转型会持续释放算力需求。这种需求不是短期的脉冲式增长，而是长期的趋势性增长，决定了算力基础设施的建设不可能半途而废。
Gartner 的预测显示，当前的算力供给规模远不能满足长期需求，到2030年，全球AI算力需求依然将保持高速增长。即便是在最保守的情景下，未来五年全球也需要新增数千万张高端算力芯片，对应的数据中心、电力、网络配套投资规模高达数万亿美元。只要AI技术的迭代没有停止，行业渗透还在推进，算力需求的增长就不会停止。瓶颈出现在供给侧，包括电力、土地、冷却、先进封装等，而非需求侧。
其次是投资的惯性效应，使得资本开支的调整具有很强的滞后性。AI基础设施建设不是简单的采购芯片，而是涉及土地、建筑、电力、网络、散热等多个环节的系统工程。一般而言，一个数据中心从规划到开工平均需要11个月，开工到完工平均9个月，一年内的投资规模几乎完全由存量在建项目决定。即便所有厂商明天同时决定放缓，已经在建的产能仍将把明后年的资本开支维持在扩张区间，只是增速回落。同时，各大厂商签订的远期算力采购协议，往往是三到五年的长期合同，具有很强的法律约束力，不可能因为短期的股价波动就随意终止。Meta、Anthropic 等企业披露的数千亿远期算力承诺，意味着未来数年的投入规模已经基本锁定，不会因为短期的市场情绪变化而出现大幅调整。
这种投资惯性在重资产行业非常普遍。就像上一轮云计算热潮中，即便经历了宏观周期的波动，数据中心的建设节奏也只是阶段性放缓，从未出现过趋势性的逆转。资本开支一旦进入上行通道，就会有自身的运行惯性，直到供需关系出现根本性的逆转。当前的AI算力市场，整体仍然处于供给偏紧的状态，高端芯片的交付周期仍然很长，远没有到产能过剩的阶段，投资扩张的动力依然充足。
同时，赢者通吃的产业竞争格局，将倒逼头部企业不得不持续加大投入。数字经济领域普遍存在着规模效应与网络效应，AI产业更是将这种效应放大到了极致。大模型的训练成本极高，但边际复制成本几乎为零，一旦形成技术领先优势，就可以快速覆盖海量用户，摊薄研发成本。同时，算力规模本身就是一种壁垒，更大的算力集群可以训练更先进的模型，更先进的模型可以吸引更多客户，更多客户的收入又可以支撑更大的算力投入，形成正向的循环。在这种格局下，头部企业一旦放慢投入节奏，就可能被竞争对手拉开差距，甚至彻底失去竞争资格。
这接近于经济学中的“斗鸡博弈”与“军备竞赛”的混合体。每一家厂商都清楚，率先削减资本开支的一方将在下一轮模型能力竞争中处于结构性劣势，而继续投入的代价虽然高昂，却是维持竞争资格的必要条件。当所有参与者都按照这一逻辑行动时，个体的理性收缩在加总层面便无法实现。这种宁可过度投资、不可错失未来的军备竞赛心态，在互联网、移动通信和半导体产业史上反复上演。此外，大国科技竞争的地缘政治维度为这场竞赛加上了另一重保险。AI算力已被各主要经济体视为战略资产，资本开支背后有超越商业回报的国家意志在支撑。因此，判断AI投资“烧钱到头”为时尚早，真正的刹车只会出现在两种情形下：要么需求侧被证伪，要么融资侧枯竭。目前两者都尚未发生。
（二）企业估值从叙事定价回归基本面
与资本开支的持续扩张相对应的，是AI企业股价估值的持续理性化。市场定价逻辑的切换不是短期的情绪波动，而是估值体系的系统性重构，未来的AI股价将逐步脱离叙事驱动，真正锚定企业的收入、现金流与资本回报。
回顾过去三年的AI行情，估值体系经历了三个阶段的演变。第一个阶段是2023年的概念验证期，定价核心是技术可行性，只要能做出有竞争力的大模型，就能获得极高的估值溢价，市场几乎不考虑盈利与现金流。第二个阶段是2024 到2026年上半年的收入验证期，定价核心是营收增速，只要AI相关收入保持高速增长，市场就愿意给高估值，对利润的容忍度很高。而从2026年第三季度开始，估值体系正在进入第三个阶段，也就是现金流验证期，市场不仅要看收入增长，还要看收入的质量，看资本开支的回报，看自由现金流的兑现能力。
这种估值体系的演进，是所有新兴技术产业走向成熟的必经之路。就像云计算行业从早期的亏损扩张，到后来重视营收增速，再到现在考核自由现金流与利润率，每一步都伴随着估值逻辑的迭代。AI产业正在经历同样的过程，早期的估值泡沫会逐步被消化，股价会逐步向基本面回归。Anthropic的IPO定价路径已经提供了预演。市场对它的估值预期从早前的2万亿美元一路下修至约1．5万亿，上市时间也从原定的时间窗口一再推迟。这种“一级市场估值向二级市况低头”的现象，正是估值理性化的典型信号。
但是，这并不意味着AI企业的股价会持续下跌，只是意味着估值的分化会越来越大。未来市场将日益区别对待两类公司：能够兑现收入与现金流的企业，估值会逐步企稳，甚至随着业绩的增长继续创新高；而无法兑现回报、单纯依靠烧钱扩张的企业，估值会持续承压，甚至面临被市场淘汰的风险。从估值水平来看，当前AI板块的估值相比2025年的高点已经有了显著回落，但部分赛道的估值仍然高于传统科技行业的平均水平。随着市场对增长预期的持续修正，估值还有进一步回归的空间。尤其是对于那些没有核心技术壁垒、依靠杠杆扩张的企业，估值中枢可能还会继续下移，直到与基本面相匹配。
（三）产业链和商业模式估值体系分化
根据上述分析，投资持续扩张与估值理性回归的共同作用，决定了未来AI产业不会再是同涨同跌的整体行情，而是会沿着产业链、企业规模与商业模式，出现显著的分化走势。
首先是产业链上下游的分化。上游的核心芯片与关键硬件环节，由于技术壁垒高、市场格局集中，订单的确定性最强，业绩的能见度最高，估值的支撑力度也最强。高端算力芯片厂商，掌握着AI产业的核心产能，供给紧张的格局短期难以改变，业绩增长的确定性较高。尽管近期股价随着板块出现波动，但基本面的支撑会使得其调整幅度相对有限。而中游的算力租赁、数据中心运营环节，由于技术壁垒相对较低，竞争日趋激烈，叠加高杠杆的财务压力，估值调整的幅度会更大，行业洗牌也会更加剧烈。下游的应用环节，则会呈现出冰火两重天的格局，找到付费场景、实现商业闭环的企业会脱颖而出，而找不到落地场景的应用企业会逐步被淘汰。
其次是巨头与中小厂商的分化。头部科技巨头拥有雄厚的现金流储备、成熟的客户渠道与全栈的技术布局，抗风险能力极强。它们可以用成熟业务的现金流支撑AI投入，即便短期自由现金流承压，也不会出现资金链风险。同时，巨头们的AI业务往往与自身的云服务、软件产品深度绑定，客户粘性强，商业化落地更顺利。随着行业洗牌的推进，巨头的市场份额反而可能进一步提升。而中小AI企业，尤其是独立模型厂商与算力云厂商，既没有成熟业务的现金流支撑，又面临巨头的竞争压力，在高利率环境下融资难度加大，生存空间会持续被挤压。很多中小厂商可能会面临估值持续下跌、融资困难的局面，最终要么被巨头收购，要么退出市场。
最后是不同商业模式的分化。面向企业级的AI服务，尤其是绑定了长期合同、收入确定性高的模式，会更受市场青睐。甲骨文的AI云业务之所以获得市场认可，核心就在于其大量的长期履约订单，锁定了未来数年的收入，降低了业绩的不确定性。而面向消费端的AI应用，以及按调用量付费的API模式，由于收入波动大、客户留存不稳定，估值会面临更大的压力。同时，拥有自研芯片、自有数据中心、自有电力配套的全栈式布局企业，成本控制能力更强，投资回报周期更短，会比单纯依靠外部采购的轻资产模式更具抗风险能力。
（四）高杠杆的中间商模式面临巨大风险
在所有的分化当中，算力中间云商与高杠杆融资模式，是未来受冲击最大的领域，也是这轮调整中风险最集中的环节。所谓算力中间云商，指的是自身不生产芯片，也不主要服务终端客户，而是通过采购算力硬件，再转租给模型厂商与企业客户的算力租赁企业。这种模式在AI算力短缺的时期快速崛起，凭借灵活的算力供给与快速的扩张能力，获得了资本的追捧。但随着产业环境的变化，这种模式的底层逻辑正在面临挑战。
这种模式的核心问题在于缺乏真正的壁垒。算力租赁的本质是赚算力供需错配的差价，在芯片供给紧张、交付周期长的时候，提前锁定产能的算力云厂商可以享受溢价。但随着芯片供给的逐步改善，以及科技巨头自有算力集群的规模持续扩大，算力供需的缺口会逐步收窄，租赁价格的溢价会持续回落。同时，头部模型厂商与科技巨头都在建设自有算力集群，对第三方算力的依赖度会逐步降低，中间云商的客户群体面临被挤压的风险。
此外，部分算力云厂商采用了高杠杆的扩张模式，依靠大量债务融资采购硬件，再用未来的租金收入偿还债务。这种模式在低利率环境下可以快速跑通，只要算力出租率保持在高位，就可以覆盖利息与本金。但在高利率环境下，利息成本大幅上升，一旦出租率不及预期，就很容易出现现金流断裂的风险。
本轮调整中受冲击最剧烈的，恰恰是这种算力“中间层”与高杠杆融资模式的交汇地带。例如，CoreWeave的商业模式是“借债建产能、以产能养债务”：从英伟达采购GPU，自建数据中心，再将算力以长期合同出售给微软、Meta、OpenAI等客户。截至2026年6月底，其合并债务及租赁负债合计约520亿美元，资产负债率高企，2026至2028年累计负自由现金流预测达-710亿美元。
更值得警惕的是其嵌入的循环融资结构。英伟达向CoreWeave等新兴云厂商销售GPU，同时以股权投资、订单兜底和反向租赁等方式向其注入资金；新兴云厂商再以长期算力合同为抵押向私募信贷和另类资管机构举债，资金回流英伟达购买更多GPU。这一结构的脆弱性在于，每一环的信用都建立在下一环持续扩张的假设之上。当算力需求增速放缓，或终端推理收入无法覆盖资本开支的融资成本时，链条的自我强化就会逆转为自我收缩。CoreWeave的CDS水平已经超过了瑞士信贷2023年危机时的峰值，逼近雷曼兄弟2008年破产前夕的曲线。
这种商业模式与历史上的很多重资产租赁模式高度相似，从早年的光纤租赁，到后来的IDC 扩张，再到共享经济的单车租赁，都曾经出现过高杠杆扩张之后的行业洗牌。当行业景气度下行、融资成本上升时，高杠杆企业往往最先出问题，行业会经历一轮残酷的去产能过程。大量依靠杠杆扩张、没有核心技术与客户壁垒的中小厂商，会在这轮调整中被淘汰出局。只有那些拥有稳定的长期客户、成本控制能力强、财务结构健康的头部企业，才能够存活下来，分享AI算力长期增长的红利。
四、理论回响与历史之镜
（一）对科技泡沫的理论解释
1987年，经济学家罗伯特·索罗在《纽约时报》的评论中，留下了一句名言：计算机时代无处不在，唯独在生产率统计中看不见。他指出企业在上世纪七八十年代对计算机的投入持续增加，而全要素生产率却增长乏力。这一悖论由经济史学家保罗·大卫给出了初步解释：科技创新的革命价值，只有在互补性的组织变革、流程再造和人力资本积累完成之后才能显现，而从电力技术的历史看，这个滞后期可能长达四十年。他用19 世纪末工厂电气化用了几十年才显著提升生产率的历史，来解释计算机时代早期的生产率之谜。经济学家布雷斯纳汉与特拉伊腾伯格在此基础上提出了通用目的技术（GPT）的分析框架，强调GPT 的真正价值在于催生下游创新，而下游创新的爆发永远滞后于基础设施的投入。
后期，埃里克·布林约尔松等人将这一思想进一步形式化，提出了“生产率J曲线”理论。他们认为在通用目的技术落地的早期，企业的投资大量流向无形的组织资本——数据管道、工作流程重构、员工再培训——这些投入在国民收入核算中被记为成本，却暂时无法体现为可度量的产出，于是生产率先下行后回升，在坐标上画出一个J字形。当前AI产业正处于这个J曲线的前段还是中段，正是产业界和投资界争论的焦点。乐观者认为推理成本的指数级下降正在打开应用爆发的前夜，悲观者则认为企业端的流程再造远未完成，收入端的兑现远落后于投资端的狂飙。
拉美裔经济学家卡萝塔·佩雷斯在《技术革命与金融资本》一书中，为上述争论提供了更完整的周期性解释。她把技术革命划分为导入期与展开期两大阶段，导入期又分为爆发阶段与狂热阶段，狂热阶段的标志性特征正是金融资本的大规模涌入与资产泡沫的形成。英国的运河狂热留下了运河网，铁路狂热留下了铁路网，互联网狂热留下了光纤网。佩雷斯反复强调一个观点：泡沫不是技术革命的意外事故，而是其传播机制的一部分——金融泡沫把远超产业当前需求的资本强行注入基础设施，英国的运河狂热留下了运河网，铁路狂热留下了铁路网，互联网狂热留下了光纤网。泡沫破灭时投机者血本无归，但铺设好的基础设施、训练好的工程师、建立的产业链条留了下来，成为下一阶段“黄金时代”的生产资本。
我们认为，只有当AI的技术渗透从概念描述和情景展示阶段，真正实现在生产制造、物流商贸、工业系统流程管理等实体经济的核心领域中规模化应用，才可以说J曲线的底部已经越过。因此，当前最重要的工作是推动AI技术在真实产业领域的应用。
（二）互联网热潮的历史之镜
历史的前例中，与当下最相似的无疑是世纪之交的互联网泡沫，两者的剧本几乎是逐幕对应的。
第一幕是科技叙事热潮。当年是“互联网将改变世界一切商业模式”，今天是“人工智能将取代一切工作”。两个叙事都有坚实的技术内核，这也是泡沫能够膨胀到惊人规模的根本原因。
第二幕是投资狂飙。1996年至2001年间，全球电信运营商举债超过万亿美元铺设光纤，美国资本市场为光纤容量支付了天文数字；今天，超算厂商们正在把相当于云业务收入百分之一百以上的现金流重新投入数据中心，规模与疯狂程度有过之而无不及。
第三幕是发行市场的狂热。1999年至2000年，美国IPO市场出现物联网和科技企业募资热潮，VA Linux上市首日涨近700%，创下纳斯达克史上记录。今天，Anthropic计划以约1．5万亿美元估值发行500亿至1000亿美元股票，无论最终定价如何，都将是史上规模最大的IPO之一。金德尔伯格在《疯狂、惊恐和崩溃》中总结的泡沫生命周期——置换、繁荣、亢奋、危机、唾弃——在这两个时代之间，几乎是可以逐格对照的影像。
第四幕是估值与现实的背离。2000年3月，思科市值站上约5550亿美元、一度超越微软成为全球市值最高的公司，其股价对应的市盈率远超其后十年任何时刻所能兑现的盈利。当前，Anthropic和OpenAI超过万亿美元的融资目标估值，同样建立在收入曲线必须连续多年保持近乎垂直上升的假设之上。
第五幕是宏观过热与货币收紧。1999年至2000年，美联储将联邦基金利率从4．75%一路加息至6．5%，CPI随油价攀升；格林斯潘在1996年底就发出“非理性繁荣”警告但泡沫又延续了三年多。今天，通胀再起、油价高企、美联储加息预期重燃，剧本如出一辙。
当然，历史不会简单重复，本轮周期也有三点重要的不同。一是当今AI核心巨头的资产负债表远比2000年的思科或朗讯厚实。微软、Alphabet、Meta 都拥有数千亿美元级别的年经营现金流与多年期未交付合同，2000年的电信设备商则高度依赖客户举债。二是本轮的收入兑现速度远超互联网早期。Anthropic 上半年收入163亿美元，且已实现单季运营性盈利，这在当年是任何互联网公司都无法企及的速度。三是本轮的算力供给企业依然保持着极高的毛利率与自由现金流，而2000年的设备商们在泡沫顶点时的盈利质量早已被价格战侵蚀。
此外，泡沫的顶点和它的破裂时点，从来不由基本面决定，而由流动性与情绪的共振决定。凯恩斯在《通论》中用选美比赛作比，职业投资者的任务不是选出最美的面孔，而是猜出大众会认为最美的面孔。当所有人都在猜测别人的猜测时，价格可以在脱离基本面的状态下运行很久。我们认为，这一轮的科技估值热潮，还远未到泡沫破灭的程度。
五、对投资者的建议
对投资者和产业观察者而言，本轮调整至少提供三点启示和建议。
首先，应当把科技投资泡沫理解为AI产业化的前奏，而非它的终点。铁路狂热中修建的铁路网让十九世纪末的美国经济获得了一次跨越式扩张，尽管当时超过半数的铁路公司最终破产重组。2001年光纤泡沫破灭后，电信运营商与股东损失了上万亿美元，但低价的带宽和空置的光纤，客观上为谷歌、亚马逊、奈飞此后十年的崛起铺平了道路。AI亦是如此。即便今天一半的大模型公司倒闭，估值腰斩，已经建成的数据中心、积累的算法与工程人才、被训练出来的用户习惯，都不会随之消失。投资泡沫把风险资本强行转化为基础设施，再把基础设施无偿转交给幸存者，这是技术史上反复发生的残酷逻辑。金融泡沫与科技革命，从来都是同一场风暴的两面。
其次，必须清醒认识宏观环境收紧对投资泡沫的杀伤力。央行从不以资产价格为政策目标，但通胀会迫使它行动，而泡沫恰在利率之锤下最脆弱。格林斯潘早在1996年12月就警告非理性繁荣，但泡沫在廉价资金中又膨胀了三年。2000年联邦基金利率升至6．5% 之后，纳斯达克再撑了不到一年便崩盘。当下需要投资者关注的指标包括美国的通胀路径、十年期美债收益率的走向、油价的韧性，以及AI基建自身对大宗商品价格的推升何时转化为工资与物价的螺旋。AI建设越疯狂，其对电力与存储价格的推升就越强，货币政策收紧的压力就越大，泡沫被刺破的风险也就越高。
最后，无论短期波动如何，能够真正把AI转化为产业化应用的企业，依然具有不容置疑的长期投资价值。亚马逊的股价从1999年底的约107 美元跌至2001年的个位数，跌幅超过95%，却因为熬过了互联网冬天而成为其后二十年最伟大的成长股之一。今天的AI投资中，同样的分野正在形成。上游算力商赚的是折旧周期的钱，中间云商赚的是利差的钱，唯有把模型转化为持续收入与现金流的生产和应用型企业，赚的才是时间的钱。
那么，回到本文最初的问题，AI投资烧钱到头了吗？答案显然是否定的。杰文斯悖论告诉我们，算力成本的每一次大幅下降都会扩大而非压缩总需求，应用层面的长期空间恰恰在算力贬值中展开。只要算力需求还在增长，技术迭代还在继续，产业竞争还在加剧，AI的投资就不会停下脚步。但无脑烧钱的时代确实已经结束了，市场不再为单纯的投入支付溢价，而是开始要求真实的回报与健康的现金流。也许一个更准确的答案是，AI烧钱的规模远没有到头，但为烧钱本身支付叙事溢价的日子已经到头了。
海量资讯、精准解读，尽在新浪财经APP
责任编辑：韦子蓉 股票杠杆倍数
文章为作者独立观点，不代表正规的股票杠杆公司排名-股票杠杆公司_安全的杠杆公司排名观点
相关文章
