英偉達財報，讓全球對AI泡沫破裂的擔憂，暫時松了一口氣，卻也暴露了如今的AI就像一場驚險的走鋼絲，一點風吹草動都可能引發連鎖震蕩。

有沒有泡沫？有多大？什么時候破？這些問題被頻繁提起。但更值得警惕的，是AI共識的割裂，這是泡沫破裂的先行信號。

回顧歷史，20世紀70年代第一次AI寒冬，20世紀80年代末第二次AI浪潮專家系統的失敗，根源都是技術不達預期，最終導致共識崩塌、政策退出、資本撤離。

按照經濟學的選美競賽理論，這就像是選美活動，參賽者要選出的不是自己眼中最美的那張臉，而是預判大多數人會選擇誰。

群體的認知，能夠反向塑造現實，只要足夠多的參與者相信AI敘事，泡沫也能持續膨脹。反之，一旦共識瓦解，便是泡沫破裂之時。

所以，AI共識是怎樣松動的？

歷史從不重復，但總押著相同的韻腳。如今大模型的狂熱敘事與商業化困境，與過往AI泡沫破裂前的征兆如出一轍。

2023年ChatGPT橫空出世，徹底扭轉了公眾對AI=人工智障的認知，與這一階段的共識高度一致：以大模型為技術底座，推動AI在各行業規模化落地。

然而，群體共識在2024年開始松動。核心原因是，規模法則下的AI技術突破，開始進入了“歷史的垃圾時間”。

大模型的迭代速度明顯放緩，GPT-4到GPT-5的迭代間隔長達29個月，Meta也推遲了旗艦模型的發布。盡管出現了sora、Gemini、Nano banana等現象級模型，但其他廠商也能很快追趕上。不同廠商的“最強模型”實際能力趨同，陷入“你方唱罷我登場，輪流坐莊三五月”的尷尬局面。智能體領域，雖然有Manus等少數爆款，但行業整體缺乏顛覆性產品形態。

支撐AI高估值的技術敘事，正逐漸乏力。然而，資本市場的AI公司卻仿佛脫離地表，估值如同左腳踩右腳般飛升。

美股“AI七姐妹”總市值接近全球M1貨幣供應量，但市值更多是由資本游戲支撐，脫離真實營收。大量底模和AI應用找不到PMF產品市場契合點，導致高昂投資的算力基礎設施閑置。前不久，微軟CEO公開承認公司囤積的大量GPU處于閑置狀態，英偉達也遭到知名投資機構做空。

可以說，估值與價值的背離，暴露了AI技術產業化正在遭遇的明顯阻礙。人們心中AI能順利轉化為商業收益的信念有所動搖，估值泡沫就愈發脆弱。所以，相比市盈率、股指點位等量化數據，AI共識的破裂，或許才是更明確的風險預警信號。

很多AI支持者相信，自己的工作流已經離不開AI，每月的模型訂閱費都花了一大堆，說AI沒有帶來真實收益的人是脫離了技術一線。

問題不在于AI泡沫下有沒有啤酒，在于造酒廠這門生意是否成立。目前，缺乏可持續、可規模化的商業模式，是AI行業的致命傷。

前不久，傳出OpenAI創始人兼CEO山姆·奧爾特曼向美國政府“求救”的消息，立刻導致業界對AI泡沫的擔憂加劇，奧特曼隨后發長文辟謠。這反映了一個基本的產業邏輯：依賴政企的To B/G模式，不被看好。

原因很簡單，AI商業化應該以ROI（投資回報率）為核心導向，而政企市場則是被非市場化邏輯主導的。To B/G模式很容易導致AI產品的“to boss化”。

To B/G項目中，AI使用者和付費決策者之間是割裂的，領導更愿意為通用智能體、數字員工、行業標桿、獨角獸之類的假需求買單，容易忽略業務一線真實的智能化需求。

而AI公司和技術服務商，為了迎合決策者或拿下B端大項目，往往不計成本的低價競標，無視人工成本的駐場開發，技術價值讓位于領導偏好，企業自身也深陷人效黑洞，淪為掙辛苦錢的技術外包。

這種模式與此前機器視覺技術的項目制類似，容易打價格戰，一旦決策者方向變化，業務就會快速收縮，商業化前景并不明朗。

而當前AI To C市場，又普遍存在同質化競爭。DeepSeek-R1這樣的技術突破雖然可以快速超越，但這類創新又十分稀少。大多數Chatbot應用的水平都比較接近，能力相當的情況下，廣告營銷和投流就成了AI應用的增長密碼。加上國內用戶的軟件付費意愿本就薄弱，這類靠砸錢換規模的To C產品，難以支撐高估值。而市場上充斥著大量低水平項目，比如給硬件加一個語音交互模組的AI玩具，無法建立真正的競爭壁壘。

To B/G不賺錢，To C也賣不上價，所以目前AI領域唯一清晰的商業模式，就是類似英偉達的“賣鏟人”模式，賣加速卡和算力的企業成了這一輪AI浪潮的最大受益人。

AI并非沒有價值，新技術釀出了啤酒，卻只能打包傾銷或免費品嘗，商業閉環的缺失，才是泡沫的根源。

那么，AI還能找回群體共識嗎？我們認為，焦慮和分歧終會消散，AI依然是很長一段時間內最具確定性的全球敘事。

哪怕是泡沫將破未破之際，會發現不同角色的擔憂，都不是對AI敘事的徹底否認，只是對自身成本與回報的權衡。投資者不是不信AI，是擔心買貴了，怕現在入場會成為高位接盤俠，怕流動性收緊之后，估值過高的AI公司會崩盤。

而普通大眾也不是不知道AI的好處，是擔心學錯了，機會成本太高。畢竟AI有周期，人無再少年，當下耗費大量精力學習AI技能，幾年后行業降溫，重蹈當年跟風學土木、金融的覆轍。可不學AI，又怕被技術浪潮淘汰。由此陷入了“要不再看看，看AI泡沫到底破不破”的拖延。

政府和企業對AI真金白銀的投入，自然更不是為了否定AI。中美都在國家戰略層面大舉投入算力建設，根據IDC的調研，如今沒有在業務流程中引入AI的金融機構，行業占比是0。它們關注AI泡沫，本質是擔心，如果投入方向出錯，財政資金和企業資源會不會白白浪費。如何避免扶持出一批只懂炒作概念、圈錢騙補的“PPT AI公司”？這些問題關乎產業未來與國家戰略，容不得半點輕率。

所以說，AI共識的瓦解，是短期內對成本與回報的權衡，并不是對長期技術革命的徹底否定。

從這個角度來看，或許穿越周期的密碼就已經很清晰了，那就是成本決定心態。泡沫退潮后，只要AI創造的價值依然大于收益，那么始終就處于安全線之上。

舉個例子，即使美股AI估值整體過高，但前不久巴菲特旗下機構建倉谷歌，說明長期來看成本收益比高的AI企業，依然是值得押注的籌碼。以谷歌為例，從收益上看，AI已為谷歌搜索、云業務帶來實質增長；從成本上看，谷歌從芯片、云、軟件到應用的全棧AI布局，能有效控制成本，且市盈率在AI巨頭中相對合理。所以，對于那些具備真實收入潛力和成本控制能力的AI企業，籌碼并不算貴。

與投資者相比，普通大眾使用AI的試錯成本，可以說是極低的。市面上有大量免費AI應用與開源資源，即便付費，AI辦公工具的月訂閱費、入門課程支出也不會構成實質性經濟負擔（高價割韭菜的AI課除外）。

所以，只想喝到AI啤酒的普通人，與其糾結泡沫與否，不如將AI視為提升當下效率的工具，從現在開始接觸AI，就是最好的選擇。泡沫或許會褪去，但你擁有的AI協作者的能力，只會像河床一樣堅固。

而AI企業面對的短期形勢，可能更為嚴峻。如前所說，B/G/C端市場的商業化前景都存在挑戰，而AI本身又是資本密集、智力密集、算力密集型的吞金大戶。這種背景下，AI企業更需要關注現金流安全，開源節流。

開源方面，一是出海，立項之初就面向國際市場，充分發揮中國團隊在算法優化、產品迭代上的優勢；二是聚焦行業基礎設施服務，賣算力的同時，靠工具鏈、數據服務等構建壁壘，做“賣鏟人”和“賣水人”，確保穩健的現金流。節流方面，政企業務可以做，但要把能自動化的都自動化，提升人效來規避項目制的人力黑洞。

弗蘭西斯·培根曾說：“若始于確信，將止于懷疑；若始于疑惑，終將止于確信。” 當下對AI泡沫的種種質疑，看似是信心退潮，實則是行業對AGI通用人工智能這一終極理想的階段性反思。

去偽存真之后，資本會冷卻，敘事會修正，共識會重新凝聚，而那些持續追問“AI如何創造真實價值”的人，會與行業一同穿越周期，走向成熟。

審核編輯 黃宇