我们正处于一场新的技术热潮之中，它来源于一项足以改变世界的AI技术。同时，AI对标普500指数的控制已达到极致，科技巨头的循环交易，以及10亿美元种子轮融资的出现，让人们嗅到了繁荣背后的“危险”信号。

人们判定AI存在泡沫的关键依据是巨额的资本投入，只换回来少得可怜的收入。根据媒体推算，西方领先的AI公司从这项技术中获得的年收入目前大概为500亿美元。在不计入能源成本的情况下，仍不到摩根士丹利预测的2025年至2028年全球新数据中心2.9万亿美元投资的2%。与此同时，收入能在多大程度上转化为利润尚不明确。麻省理工学院研究人员最近的一项研究得出结论，95%的组织从生成式AI的投资中“零回报”。

泡沫显而易见，且无可避免。它不仅存在于当下，也存在于过往每一次的技术浪潮之中。分歧在于大家对于泡沫的大小、周期和影响，有着基于自身立场的不同判断。

对于AI泡沫的讨论，不是否定AI技术蕴含的潜力，而是正视技术革命爆发的经济规律。

九派财经通过梳理知名经济学者、投资人、AI科学家和创业者的观点，试图呈现这场关于AI的世纪之辩。

（1）泡沫大小有分歧，取决于如何衡量AI的内在价值

沃顿商学院讲席教授及金融系主任伊泰·戈德斯坦（Itay Goldstein）指出，金融泡沫的核心在于资产价格显著高于其内在价值。内在价值的计算充满了争议，因为它完全取决于所使用的金融模型和假设。

目前关于泡沫大小的分歧也多取决于各方对两者缺口的计算方式和维度不同。

英伟达创始人黄仁勋（Jensen Huang）等乐观派的视角是以AI未来经济价值来衡量当前内在价值。黄仁勋（Jensen Huang）认为，计算机领域正在经历一场从通用计算到加速计算的全面变革，“假设我雇佣了一名年薪10万美元的员工，再用价值1万美元的AI来增强他的能力……如果这能让他的工作效率提高两到三倍，我当然会这么做。现在，把这个道理应用到世界GDP上。”

该视角具体计算依据可以高盛的估算为例，高盛在10月份发布的报告《AI：IN A BUBBLE？》中，假定生成式AI能使美国劳动生产率和国内生产总值提升15%（预计提升过程在2027年至2037年的10年期间内，其中还考虑了企业层面从采纳AI技术到全面实现生产率提升的4年时滞），倒推AI的经济价值现值（present-discounted value），估计美国的生成式AI将创造20万亿美元的经济价值增量，预计有5万亿至19万亿美元资本收入将流向美国企业，得出结论：生成式AI预期资本收入的现值超过预期的AI资本支出，当前AI资本支出激增是合理的。

该报告验证的重点在于AI具有宏观经济上的合理性，但现实情境中，“生产力提升能否转化为收入”的速度差仍有不确定性，且公司、投资者等市场参与者的行为可能带来非理性的资本市场波动风险。

另一种视角则是分析另一种视角则是分析目前宏观政策下的资本错配利差来衡量泡沫的大小规模。

宏观战略合伙公司（MacroStrategy Partnership）研究分析师朱利安•加兰（Julien Garran）从维克塞尔分析框架出发，认为中性利率应该比名义GDP增长率（某种程度上代表了整个经济体的资本回报率）高出几个百分点，而利率低于GDP增长意味着资金会流入投机领域。

在其发布的一份报告中，他计算出，目前美国累计的资本错配利差（Wicksellian deficit）已升至GDP的65%左右，大约是2000年资本错配规模的17倍，得出结论：AI泡沫的规模是互联网泡沫的17倍，是次贷泡沫的4倍。但朱利安•加兰（Julien Garran）没有解释的一点是，如何判断这些错配资金均流入AI领域。

两种计算逻辑背后是基于对技术泡沫的不同预判，从宏观视角提炼了相对简化的数据进行论证。

相对而言，一篇媒体报道中的判断框架则从更细节的维度进行对比分析，基于爆发诱因、累计资本支出、资本支出的持久性以及投资者群体四个维度对泡沫风险大小进行判断。

基于经济史学家研究结论，由政客引发的泡沫造成的损害要大于由新技术引发的泡沫，其认为AI热潮起源虽是技术性的，但后续发展也卷入了国家政客力量；

从历史泡沫事件看来，当资本投资规模占国内生产总值过大，泡沫破裂后影响程度也更大，其估算过去美国AI公司过去四年资金投入约占年度国内生产总值的3%～4%，相对19世纪40年代英国铁路投资时期的1520%占比较为适度；

而泡沫中（资本投入）如果能创造出持久的资产，那么后续也能发挥实效造福社会，但AI热潮相当大比例的资本投资被用于可能会迅速贬值的资产上；

谁来承担泡沫破裂的经济损失也会决定损害波及的广度和深度，该报道指出资本将近一半来自资产负债表稳固的大型科技公司，银行在AI领域融资不占主导地位，因此不太可能导致金融体系崩溃，但富人群体个人高度参与股市（美国家庭的股票持有量约占净资产30%），他们金融财富的损失可能会影响整个经济体的消费者支出。

该媒体表示，根据其粗略计算，AI的潜在泡沫的严重程度仅排在19世纪三次规模巨大的铁路业崩溃之后。

（2）泡沫分布不均匀，主要在基础设施层

诺贝尔经济学奖得主迈克尔·斯宾塞（Michael Spence）认为，理论上，AI的发展将呈现J型曲线模式。初期，在基础设施、软件、商业模式调整、数据整合和人力资本发展等领域有大量投资，但不会立即产生效益，生产力面临下行压力；随后伴随技术在不同行业领域和地理范围扩散，显现其价值创造潜力，生产力提升，曲线呈现向上倾斜。

但如果技术的普及和扩散程度不高、不均衡，将导致J型曲线趋于平缓，意味着当前的投资回报有限，增长和生产力提升也会受到影响，迈克尔·斯宾塞（Michael Spence）说，“换句话说，我们目前是否存在AI投资泡沫，很大程度上取决于未来几年AI普及的模式和速度。”

如果把AI技术栈比作金字塔: 底层是芯片和云服务，中间是大模型，最顶层是直接解决用户需求的应用。

目前泡沫主要处于基础设施层。Hugging Face首席执行官克莱门特·德朗格（Clément Delangu）认为，目前面临的并非AI泡沫，而是处于LLM泡沫中，“LLM只是AI的一个子集。就AI在生物学、化学、图像、音频和视频等领域的应用而言。我认为我们正处于起步阶段。”

根据斯坦福大学的AI指数报告，2024年，全球企业在AI领域总投资额达到2523亿美元，同比增长25.5%，其中私人投资额增长44.5%达到1507.9亿美元，而20%以上约373亿美元的私人投资流向AI基础设施/研究/治理，重大投资主要在于OpenAI、Anthropic、xAI等AI模型团队。

2025年AI投资热潮卷向上游的数据计算基础设施，从微软等传统云计算服务商扩建数据中心，到AI公司、芯片商及政府力量接连跟进，投资项目频频刷新纪录，甚至许多来自加密货币、房地产等领域的公司也开始加入建造数据中心。麦肯锡估计，到2030 年，全球企业将在数据中心基础设施资本支出方面投资近 7 万亿美元。

曾预见次贷危机的大空头迈克尔·伯里（Michael Burry）担心AI会走上历史经济泡沫中“供给侧过度投资”的老路，科技巨头进行不可持续的资本支出狂潮，但下游应用产生的实际收入远远不足以弥补这些成本。

基础设施端过度投资的后果也可能会危及整体市场信心。AI机器学习领域学者吴恩达（Andrew Y. Ng）认为，如果AI技术栈的某个部分（比如训练基础设施）因过度投资而崩溃，可能会导致市场对AI整体情绪低迷，并引发非理性的资金外流。

然而，红杉资本合伙人大卫·卡恩（David Cahn）在播客对话中指出一个悖论现象，“每个人都说相信这一点（过度投资计算资源的生产者逻辑上最终会造成供给同质化、产能过剩和价格内卷，计算资源的消费者会从泡沫中受益），但看PitchBook数据，80%的资金还是流向了基础商。”

“基建狂热”存在理性无法解释的部分，背后的原因之一在于，对于部分投资者而言，应用层面具有不确定性，不一定能投出AI时代的“Google”，但像淘金热时期售卖AI时代“镐和铲”（pick and shovel），需求稳定得多。

（3）是基于技术进步的好泡沫，但也可能会摧毁财富

《繁荣：泡沫与停滞的终结》书中提出泡沫有两种类型：“拐点泡沫”——这是好泡沫，与破坏性更大的“均值回归泡沫”（2000 年代的次贷危机泡沫）相对。

这两类泡沫都有可能会摧毁财富，区别是能否推动技术进步，为社会繁荣奠定基础。

任何新技术想要发展都需要充足的资金支持，就会因投资过度而产生的一定程度的泡沫。“拐点泡沫”便会出现——AI泡沫就是这种类型。而“均值回归泡沫”只是资本层面的空转。亚马逊创始人杰夫·贝索斯（Jeff Bezos）也持有类似观点，AI泡沫不同于纯粹的“金融泡沫”，而是“工业泡沫”。他指出，AI泡沫类似于互联网泡沫时期对光纤电缆的投资或20世纪90年代生物技术革命，这些工业泡沫虽然可能伴随产能过剩和估值虚高，但即便破裂，也会留下基础设施、技术突破等有益遗产，从而推动长期社会进步。

基于技术进步所产生的“拐点泡沫”成因中，既有产业力量推动，也有来自资本的狂热。橡树资本联合创始人霍华德·马克斯（Howard Marks）把其划分为，一种是行业内公司的行为，另一种是投资者对行业的态度。

这一轮对AI的追捧最初来自于产业内部。英伟达、微软、谷歌等巨型科技公司有稳健的资产负债表、惊人的现金流，他们把在主营业务得到的大把收入投入到AI竞赛中。明星AI创业公司open AI甚至编织了一张“循环融资”的大网，让供应商成为投资方，再用融到的钱从他们那里购买算力和芯片。其中，英伟达向OpenAI投资最多1000亿美元，OpenAI也回报以英伟达总额为5000亿美元的算力协议。这些公司彼此间以此反复输送着数以10亿计的资金。

关于这些公司的投入是否激进业内并未达成一致。黄仁勋（Jensen Huang）对比了互联网泡沫时期的现象，“当时大多数光纤被闲置，而今天每块能找到的GPU都在全负荷运行。”他认为正处在构建一个“建立在智能之上的、价值数万亿美元的全新产业”的初期，这并非是泡沫。然而质疑者看到的是现实的数字——折旧费用的延长计算虚增了企业的利润率，循环融资也在加剧系统性风险。

这些最前沿科技公司缔造的美好愿景随后传导到了资本市场——

一级市场开始重现互联网泡沫时期的估值神话。谷歌DeepMind首席执行官德米斯·哈萨比（Demis Hassabis）认为，看看那些什么都没有的种子轮融资，金额就高达数百亿美元。Open AI创始人萨姆·奥尔特曼（Sam Altman）认为投资过度了，一些只有“三个人和一个想法”的AI初创公司竟然能获得如此高的估值，这简直“太疯狂了”。“这不是理性行为，”他说，“我认为，这其中必有蹊跷。”

AI热潮成为了美股上涨的最大驱动力。2022年11月ChatGPT发布后，三年时间，美国资本市场上与AI相关的公司市值增加了超10万亿美元。标普道琼斯指数资深分析师霍华德・西尔弗布拉特（Howard Silverblatt）的数据显示，2025年，英伟达单只股票就贡献了标普 500 指数全年 15% 的涨幅。标普 500 指数年内涨幅前十的个股中，有 7 只均受益于AI投资热潮。

市场的确存在不理性情绪，高盛首席执行官大卫·所罗门（David Solomon）认为，当前投入AI领域的大量资本最终将“无法实现回报”。但也有观点认为最大的不理性是“错过”。迈克尔·斯宾塞（Michael Spence）说，从博弈论的角度看，投资不足的代价远大于投资过度的代价。科技企业若在AI竞赛中落后两三步，就可能被淘汰出局。Meta创始人马克·扎克伯格（Mark Zuckerberg）曾公开说， 至少对Meta这样的公司来说，风险可能是不够激进，而不是有些过于激进。

回顾历史上蒸汽机、铁路、电力、汽车、信息技术等数次技术革命，每次发生时都要经历一次社会的震荡——技术通过金融资本的推动而扩散，但金融资本的投机性会导致泡沫与崩溃，从社会、公司到家庭出现巨额财富蒸发。

伊泰·戈德斯坦（Itay Goldstein）判断，在危机真正爆发前，很难完整勾勒出它将产生的所有连锁反应和溢出效应。如今，通过个人证券账户和退休计划持有股票的家庭远超90年代末，且这些资金高度向大型科技公司倾斜。AI泡沫集中在“科技七巨头”身上，这几家巨头贡献了标普500指数的大部分日常涨跌。一旦它们的估值崩塌，大量投资组合都将遭受重创，哪怕是那些自认为只是在被动攒养老金的人也难逃波及。

（4）投资者更关心，泡沫什么时候破裂

泡沫存在已经是大多数人的共识，关键在于泡沫破裂的时机，“市场可以一直非理性，直到你破产为止”一位投资人说。

悲观者认为，危机近在咫尺。摩根大通首席执行官杰米·戴蒙（Jamie Dimon）此前警告说，美国股市面临严重下跌风险，未来6个月至2年可能出现急剧修正。

乐观者认为，现在还为时尚早。前英特尔首席执行官帕特·盖尔辛格（Pat Gelsinger）则认为，我们正处于AI泡沫之中，但它在“几年内”不会破裂。

AI热潮何时会演变成泡沫？投资者兼工程师保罗·凯德罗斯基（Paul Kedrosky）认为，关键在于明斯基时刻——经济繁荣期会催生过度投机和债务风险，让债务结构从稳健走向脆弱。

债务本身并不是问题，关键在于：债务在资本结构中的比例；贷款所抵押的资产或现金流的质量；借款人偿还贷款的其他流动性来源；以及贷款人获得的安全边际是否充足。

早期AI基础设施建设由微软等大型科技公司牵头，以其内部核心业务的强劲现金储备作为支撑，但后期AI基建的资金需求量级逐渐超出了它们的承受范围。

摩根士丹利估计，超大规模数据运营商未来四年AI硬件和数据中心计划需要1.5万亿美元的外部融资。为了筹集资金用于AI基础设施项目，这些公司科技巨头开始从自筹现金模式转向外部债务融资，甚至引入了更多复杂的融资方案。

五家超大规模数据中心运营商中，2025年公开债券发行规模最大的是Meta，以一笔300亿美元刷新2023年以来规模最大的美国高评级债券纪录；累计债券发行规模最高的则是Oracle，从2022年到2025年累计发行债券达615亿美元；除了微软，Alphabet（Google母公司）和Amazon也在今年分别发布250亿美元和150亿美元债券。

但公开融资依然满足不了AI的资金饥渴。数据中心未来收益风险更高，包括建设进度、电力供应稳定性和租户集中度等特定风险，资产价值无法按照传统资产标的（如房产等）标准进行衡量，其风险性和资金量都决定了传统银行和公开债券融资无法满足融资需求。

AI企业开始设计更灵活也更复杂隐蔽的融资结构，从私人信贷渠道寻求资金。这也导致开始出现企业杠杆转移到表外、资金涌向风险高的项目等迹象，在AI基础设施层面，保罗·凯德罗斯基（Paul Kedrosky）所预告的“转变”或许已经出现。

一个风险信号是，大型数据中心运营商开始通过表外融资增加杠杆，降低债务透明度。Meta为路易斯安那州数据中心项目筹资时，选择与Blue Owl Capital合作成立一家特殊目的实体（SPV），SPV作为融资主体，发行了270亿美元私募债券（购买者为PIMCO、BlackRock、阿波罗等机构）用于筹资建造数据中心，再将其租赁给Meta使用。

在这种结构安排中，表面上仅持股20%的Meta能够推进数据中心建设，又无需将270亿债务并入自己的资产负债表。但暗地中是Meta加大杠杆增加了或有负债，一方面，这笔私募债券的基础资产是Meta长期租赁合同和数据中心重资产标的；另一方面，Meta提供了16年残值担保，承担了技术折旧的实质风险。

Meta首开先例后，这种形式开始在Oracle、xAI和CoreWeave等AI数据中心运营商中普及。媒体报道，科技公司已利用华尔街投资者资助的特殊目的实体（SPV），将超过 1200 亿美元的数据中心支出从资产负债表上转移出去。

除了大型数据中心运营商，AI热潮下私人信贷也放宽了中小型数据中心运营商的贷款条件，允许将GPU芯片作为贷款抵押物。这些中小型数据中心运营商多为从加密货币或其他领域进入的新玩家，如CoreWeave、Lambda等，被统称为新云（neoclouds）。2024年11月一篇媒体报道指出，黑石集团、Pimco、凯雷集团和贝莱德集团等华尔街金融机构已向“新云”公司提供了超过 110 亿美元的贷款。

它们形成了和大型数据中心运营商不同的杠杆模式：通过竞相抢购最新GPU芯片作为抵押从私人信贷申请巨额贷款，用于进一步囤积芯片及租用或自建数据中心，再将计算能力出租给AI公司。然而，如果受芯片技术或市场影响，抵押物价值暴跌，可能导致运营商资金流动性收紧进而引发债务违约。

资产支持证券ABS（类次贷危机的房地产ABS形式）等证券化产品也被用于支持AI产业发展，金额巨大的数据中心债务被拆分打包成不同的理财产品出售给投资者，进一步将风险扩大到系统之中。据摩根大通报告，自2018年以来，数据中心支持的ABS和CMBS债券已筹集超过500亿美元。

AI在复现过去经济泡沫中的现象，市场扩散着一种鼓舞人心的新叙事，基建商和投资者以积极预期作为支点，加重杠杆希望撬动未来，直到市场流动性出现问题。科技投资人阿齐姆·阿扎尔（Azeem Azhar）认为，这波繁荣或许最终会带来成效，但前提是营收在信贷紧缩之前赶上。

九派财经记者：林婉娜

编辑：万珮

【来源：九派新闻】

版权归原作者所有，向原创致敬