人工智能的繁荣不再只是一个技术故事。
人工智能的繁荣不再只是关于更智能的软件或更快的聊天机器人的故事。它正在成为一个涉及数据中心、私人信贷、IPO估值、能源需求和巨额资本支出的资产负债表故事。 SpaceX创纪录的IPO、OpenAI报告的亏损以及私人资本在人工智能基础设施中日益重要的作用都指向了同一个问题：人工智能能否产生足够的实际经济价值来证明围绕它建立的金融体系是合理的？
一开始，人工智能主要被视为一场软件革命。聊天机器人变得更加智能，编码工具变得更快，图像生成得到改善，企业开始询问人工智能如何改变工作。
但更深层次的故事现在已经不再仅仅局限于软件了。
人工智能正在成为基础设施的故事。它需要数据中心、芯片、电力、冷却系统、云合同、债务融资、私人资本和公共市场信心。这意味着人工智能的繁荣不再仅仅取决于该技术是否令人印象深刻。
这还关系到围绕人工智能构建的金融体系能否支撑成本。
这就是风险变得更加严重的地方。如果人工智能公司能够将大量支出转化为持久的收入和利润，那么繁荣可能是合理的。但如果收入增长慢于基础设施成本，该行业可能会面临资产负债表问题。
人工智能泡沫的真正含义是什么
称某些东西为泡沫并不意味着该技术毫无用处。
互联网泡沫并不意味着互联网是假的。铁路泡沫并不意味着铁路毫无用处。当真正的技术被不切实际的期望、过多的资本、激进的估值和薄弱的纪律所包围时，泡沫通常就会发生。
人工智能也存在同样的风险。
人工智能很有用。它可以提高写作、编码、研究、客户服务、营销、运营和软件开发的生产力。许多企业将从中受益。
但有用的技术和良好的投资并不总是一回事。
关键问题不在于人工智能是否强大。更好的问题是，当前的支出、估值和债务水平是否可以通过未来现金流来证明合理。
这就是为什么人工智能的繁荣应该通过资产负债表来分析，而不仅仅是通过产品演示。
SpaceX 展示人工智能炒作如何进入 IPO 市场
SpaceX不是一家普通的人工智能公司。
其核心身份仍然围绕火箭、卫星、星链和太空基础设施构建。但其 2026 年 IPO 显示了公开市场目前对大型技术和基础设施的定价。
创纪录的首次公开募股并不自动意味着一家公司被高估。 SpaceX 拥有真正的业务、强大的工程能力、星链收入潜力和战略价值。它是世界上少数能够将航空航天、卫星互联网和先进基础设施连接到一个生态系统的公司之一。
但市场反应也表明了一些重要的事情。
当一家公司在首次公开募股时估值超过一万亿美元时，投资者购买的不仅仅是当前收益。他们正在购买一个未来的故事。就 SpaceX 而言，这个故事包括可重复使用的火箭、星链规模、星际飞船的雄心以及不断增加的人工智能基础设施。
这就是风险开始的地方。
公司的估值越依赖于多种未来叙述，普通投资者就越难了解他们真正购买的是什么。他们要收购一家卫星互联网公司吗？发射公司？太空基础设施公司？一家人工智能基础设施公司？还是所有这些的组合？
答案可能是以上所有。
但这并不意味着 SpaceX 很弱。但这确实让投资故事变得更加复杂。
OpenAI 揭示人工智能增长背后的成本问题
OpenAI 是与现代人工智能热潮联系最密切的公司。
ChatGPT 将人工智能变成了主流产品。它改变了人们对搜索、写作、编码、教育和工作的看法。从很多方面来说，OpenAI 成为了人工智能时代的象征。
但报道的财务细节显示了该业务困难的一面。
根据媒体报道的泄露财务数据，OpenAI 到 2025 年的收入将超过 130 亿美元，但其成本和支出据报道约为 340 亿美元。这意味着该公司增长迅速，但仍然亏损大量资金。
这是人工智能的核心张力。
收入在增长，但服务、培训和改进模型的成本也极高。与许多传统软件业务不同，人工智能并不总是具有相同的干净利润结构。每个查询、训练运行和模型改进都可能需要大量的计算成本。
这并不意味着 OpenAI 最终无法盈利。
但这确实意味着商业模式必须证明一些非常困难的事情：人工智能收入的扩展速度可以快于基础设施和计算成本。
在那之前，OpenAI 不仅仅是技术领导者。这也是前沿人工智能能否成为财务可持续业务的一个测试案例。
人工智能数据中心正在将计算转化为金融债务
人工智能的繁荣需要物理基础设施。
大型模型需要 GPU、服务器、网络设备、冷却系统、电力、土地和专用数据中心。这使得人工智能与旧的软件模型非常不同，在旧的软件模型中，公司通常可以使用相对较轻的物理资产进行扩展。
人工智能更加资本密集。
这就创造了一条新的金融链。超大规模企业在人工智能基础设施上花费了数十亿美元。芯片公司受益于需求。数据中心开发商进行能力建设。民间资本提供融资。人工智能实验室租用计算设备。投资者将未来的增长定价为上市公司和私营公司。
只要需求不断增长，该系统就会发挥作用。
但如果人工智能的使用、收入或定价能力令人失望，压力将不会停留在一家公司内部。它可以跨链移动。数据中心所有者可能面临利用率较低的情况。贷款人可能会重新评估风险。芯片需求可能会放缓。云利润率可能会压缩。公开市场估值可能会重置。
这就是为什么人工智能基础设施不应仅被视为技术构建。
这也是对未来需求的杠杆金融押注。
民间信贷正在成为AI基础设施的隐藏引擎
最重要的变化之一是人工智能基础设施领域私人资本的崛起。
传统的银行贷款不再是唯一的资金来源。私人信贷、私募股权、基础设施基金和房地产资本越来越多地参与数据中心融资。
这很重要，因为私人信贷不像公共股票那样对普通人可见。
当上市科技股下跌时，每个人都可以看到价格。但私人信用风险可能存在于基金、保险产品、机构投资组合、养老金分配和另类投资工具中。曝光并不总是很明显。
人工智能基础设施的繁荣正在吸引此类资本，因为数据中心看起来像是需求强劲的长期实物资产。从纸面上看，这听起来很有吸引力。如果大型人工智能实验室和超大规模企业需要更多计算，那么为基础设施融资似乎是一个稳定的机会。
但风险在于人工智能需求的增长可能不会像预期那样顺利。
如果数据中心容量建设得太快，或者人工智能公司无法支付足够的费用来证明基础设施成本合理，私人信贷投资者可能会发现资产并不像他们看起来那么安全。
这并不是市场将会崩溃的预测。这提醒人们，人工智能风险正在超越硅谷初创企业，进入现代金融管道。
为什么被动投资者可能会在没有意识到的情况下暴露风险
许多普通投资者不会直接购买个股人工智能股票。
他们购买指数基金、退休产品、养老金挂钩投资或广泛的科技基金。这感觉更安全，因为资金在许多公司之间是多元化的。
但广泛的多元化并不意味着零风险敞口。
当市场上最大的公司与人工智能支出密切相关时，广泛的市场投资者仍然可能间接受到人工智能周期的影响。如果大型科技公司主导指数，并且这些公司大幅增加资本支出，那么被动投资者的表现将在一定程度上与人工智能支出是否产生实际回报相关。
这并不意味着指数投资不好。
对于许多人来说，广泛的被动投资仍然比追逐个股更明智。问题在于意识。投资者应该明白，当市场集中于一小群与人工智能相关的公司时，即使是“被动”投资也可能带来特定主题的风险。
同样的逻辑也适用于养老金和保险资本。
如果机构将更多资金投入私人信贷或数据中心融资，公众可能无法清楚地看到风险敞口。但风险仍然可能存在于系统的某个地方。
这就是为什么人工智能的繁荣对科技投资者来说至关重要。
它可能会影响那些从未直接购买过人工智能股票的人的投资组合。
将人工智能支出视为未来增长保证的风险
市场通常将人工智能支出视为自动成为未来增长。
但资本支出并不等同于利润。
一家公司可能在数据中心上花费数十亿美元，但仍然无法产生足够的回报。云提供商可以增加容量，但仍然面临定价压力。人工智能实验室可以增加收入，但如果计算成本仍然过高，仍然会亏损。芯片供应商可以从当前的需求中受益，但如果客户稍后放慢订单，就会面临波动。
这就是为什么投资者需要将人工智能的采用与人工智能经济学分开。
人工智能的采用可能是真实的，但人工智能经济学仍然很困难。
许多公司可能会使用人工智能工具。许多工人可能依赖人工智能助手。许多企业可能会将人工智能集成到工作流程中。但财务问题是，客户是否愿意支付足够的、足够持续的费用，是否支付足够高的利润来证明基础设施的合理性。
这是市场尚未完全回答的问题。
风险并不在于人工智能消失。
风险在于，市场会为未来的到来而过度建设，而未来的到来速度会比预期更慢、成本更低或利润更低。
为什么人工智能热潮与过去的技术周期不同
人工智能经常与互联网、云计算或移动设备进行比较。
这些比较很有用，但并不完美。
互联网创造了新的发行方式。移动创造了新的行为。云计算将基础设施转变为服务，并最终为主要平台带来了高额利润。
人工智能也可能成为一项基础技术。
但区别在于成本结构。
前沿人工智能需要对模型、计算、人才和基础设施进行持续投资。这场竞赛不仅仅是构建一次软件并以高利润出售它。它是不断改进训练和运行成本高昂的系统。
这对商业模式提出了更高的要求。
如果随着时间的推移，人工智能的运行成本变得越来越低，利润率可能会提高。如果企业深入采用人工智能，收入可能会变得更加稳定。如果新的模型架构降低了成本，经济性可能会变得更好。
但如果竞争迫使价格下降，而基础设施支出不断增加，那么压力就会加大。
这就是为什么人工智能不应该仅仅通过用户兴奋程度来判断。应根据单位经济效益、客户保留率、定价能力、基础设施利用率和自由现金流来判断。
过度浪漫化人工智能基础设施的危险
人工智能基础设施很容易被浪漫化。
这听起来像是未来：巨型数据中心、先进芯片、强大模型、能源系统、自动化和智能软件。对于投资者和企业家来说，这种叙述很有吸引力，因为它感觉是不可避免的。
但并不是每一个未来趋势都会为每个参与者带来良好的回报。
基础设施可能很有价值，但也可能过度建设。资本可以加速进步，但也会造成浪费。一项强大的技术可以改变世界，但许多投资者仍然亏损。
This is why the AI boom needs a more disciplined conversation.
我们不应该只问人工智能是否会改变世界，还应该问：
谁攫取利润？
债务由谁承担？
谁拥有基础设施？
谁为未使用的容量付费？
如果叙述继续下去，谁会受益？
如果增长曲线放缓，谁会遭受损失？
这些问题不如产品演示那么令人兴奋，但它们对于理解业务风险更为重要。
投资者和企业家可以从人工智能泡沫中学到什么
第一个教训是技术和商业模式是不同的东西。
一款产品可能令人印象深刻，但其背后的公司仍然需要可持续的经济。收入增长很重要，但利润质量也很重要。
第二个教训是基础设施繁荣可以创造隐性杠杆。
当数据中心通过债务、私人资本和长期合同筹集资金时，风险并不总是从表面上可见。看似技术增长也可能是信贷周期。
第三个教训是估值取决于未来预期。
当公司的定价是完美执行时，即使是很小的失望也会引起巨大的市场反应。
第四个教训是，普通投资者需要了解集中度风险。
即使他们不直接购买人工智能股票，他们仍然可能通过指数、基金、养老金或保险相关投资产品进行投资。
第五个教训是，企业家应避免盲目跟风炒作。
人工智能很有用，但它应该与真实的客户需求、可衡量的生产力改进和清晰的商业模式联系起来。
人工智能时代的赢家将不仅仅是花费最多的公司。他们将是那些以市场可以支持的成本结构将人工智能转化为持久价值的公司。
我对人工智能泡沫的个人看法
我个人的观点是，人工智能是真实的，但围绕人工智能的财务叙述可能领先于商业现实。
我不认为人工智能是无用的。我自己使用人工智能工具来进行内容、搜索引擎优化、研究、编码支持和工作流程改进。人工智能显然可以让个人和企业变得更快。
但每天使用人工智能也让一件事变得显而易见：人工智能不是魔法。它仍然需要方向、判断、纠正、业务背景和人的责任。在许多情况下，输出是有用的，但并不自动有价值。
这就是为什么我认为人工智能的繁荣应该分为两个部分。
技术是真实的。
The valuation and spending assumptions need to be questioned.
如果人工智能帮助企业节省时间、改进决策、降低成本并创造更好的产品，那么长期价值是有意义的。但如果该行业过快地建设太多基础设施，并通过债务融资并以激进的预测为理由，那么即使是真正的技术也可能成为财务问题。
这与我在数字业务中看到的教训相同。
工具很强大，但工具并不是业务。网站并不自动成为企业。内容不会自动产生流量。人工智能不会自动获利。
真正的问题总是一样的：
这个系统能创造比它消耗的更多的价值吗？
结论
人工智能的繁荣正在成为资产负债表的风险，因为它的发展已经超越了软件领域。
现在它涉及创纪录的首次公开募股、大规模的数据中心支出、芯片需求、私人信贷、基础设施融资和公共市场预期。这并不意味着人工智能是假的。这意味着围绕人工智能的金融体系已经变得足够庞大且具有重要意义。
OpenAI 展示了将人工智能需求转化为可持续经济的挑战。 SpaceX 展示了强大的技术叙事如何以巨大的估值进入公开市场。人工智能数据中心展示了计算如何成为世界上最大的资本支出主题之一。私人信贷表明风险如何转移到金融体系中不太明显的部分。
人工智能的未来可能仍然非常广阔。
但基础设施规模越大，经济性就越重要。
AI不仅仅需要用户。它需要现金流。
它不仅需要关注。它需要资本回报。
它不仅需要一个强有力的故事。它需要足够强大的资产负债表才能在炒作放缓后生存。