文章核心观点 - 当前AI领域的投资热潮并非转瞬即破的泡沫，而是一场类似“野火”的行业周期性修正，它将清理冗余、释放资源，为真正有价值的公司创造生长空间 [4] - 历史表明，2000年互联网泡沫和2008年金融危机后的“野火”都催生了一批核心强者，如亚马逊、谷歌等，AI领域也将经历类似过程 [4][7] - 参与者需根据自身“耐火力”进行分类，关键在于是否扎根核心能力、筑牢商业闭环并适配真实需求，以扛过周期考验 [4] AI热潮的本质与“野火”隐喻 - 硅谷当前资本极度充沛，但人才稀缺，同质化竞争严重，多个AI初创公司争抢同一批工程师和设计师，赛道拥挤 [12] - 行业过度增长后需要修正，AI领域的修正更像一场重塑生态的“野火”，而非瞬间破裂的泡沫，理解此区别对生存至关重要 [9] - “野火”是生态系统的纠偏机制，能清理过于密集的“灌木丛”，将养分归还土壤，为下一代森林的繁茂创造条件 [7] 生态参与者分类与“耐火力”指标 - **易燃的“灌木丛”**：靠叙事和溢价估值驱动，缺乏坚实商业模式，当资本收紧、客户关注投资回报率时极易被淘汰，但其释放的资源（如人才）将成为幸存者的养分 [16][17] - **阻燃巨木**：如苹果、微软、英伟达、谷歌、亚马逊等巨头，拥有强大的资产负债表、稳固的客户关系和结构性产品市场契合度，能吸收冲击并在火后变得更强 [18][19][21] - **火后“再生者”**：指那些经历烧毁后能转型或重生的公司，例如没有自有数据和分发的AI应用壳子、基础设施克隆品或只追逐日活跃用户而非忠诚用户的消费级应用，它们能从失败中学习并更精干地重生 [20][22] - **“火随者”**：指在旧森林被烧光后才起步的创始人，如LinkedIn、Stripe、Slack，下一代真正AI原生的伟大公司可能出现在此，其核心是把智能深度嵌入而不仅是装饰工作流，竞争焦点将从训练大模型转向以最低成本规模化高效交付智能 [23][24] 历史参照：2000年与2008年的“野火” - **2000年互联网泡沫**：烧掉了无利润的增长故事，但留下了数据中心、光纤网络等基础设施，以及学会了“长得慢、扎得深”的幸存公司，如亚马逊股价从峰值5.60美元跌至0.30美元，跌幅达95%，但后来回报达约720倍 [31][32] - **2000年泡沫的建设性成果**：电信公司通过股权和债务筹集了约2.6万亿美元，铺设了超过8000万英里的光纤，尽管到2005年近85%的光纤闲置，但廉价的带宽（价格下降90%）为YouTube、Facebook、云计算等后续创新奠定了基础 [34] - **2008年金融危机**：烧穿了商业模式幻觉，风险投资冻结，但幸存者如苹果、亚马逊、Netflix将“热量”转化为养分，进化出整合硬件、软件和服务的自我维持生态系统 [35][36][37] 本轮AI周期的独特挑战：“树冠火”与算力过剩 - 本轮“野火”热量集中在最高大的“树”上，如英伟达、OpenAI、微软等巨头，形成了以算力为核心、互相放大的收益回路，更接近“工业泡沫” [39] - “树冠问题”在于巨头间高度依赖和交叉投资，一旦需求回归正常或资本成本上升，可能导致算力利用率阶段性崩塌，风险从众多创业公司破产转向生态对少数大买家的依赖 [40] - 当前是供给约束型市场，算力是根本瓶颈，公司因恐惧拿不到算力而签下跨越数年的数十亿美元合同，推动产能过度建设，预计到2026年可能重演类似2000年后的带宽过剩情景 [42][43] - 过度建设由“胆小鬼游戏”驱动，例如微软宣布投入1000亿美元建数据中心，迫使竞争对手加大支出，形成可能导致集体产能过剩的反馈回路 [43][44] 算力的分化：训练与推理的不同未来 - **训练算力**：用于训练新模型的超大规模集群，军备竞赛由竞争恐惧驱动，而非实际需求，可能导致严重过度建设 [46] - **推理算力**：在真实环境中运行模型、服务用户所需的算力，社会对“智能”的实际需求几乎是无限的，约束在于供给而非需求 [46] - 随着GPU商品化和算力充沛，推理能力成为关键市场，竞争核心转向“谁能以最低的单token成本、单决策成本输出最大量的智能” [46] - AI推理需求直接指向实际利润改善（如降低获客成本、提升生产率），回报可度量且即时，这与互联网泡沫依赖投机性广告支出有本质不同，可能使本轮调整更温和 [47] - 即便训练端严重过度建设，推理端仍有足够多“潜在需求”来吸收多余算力，使其从军备竞赛转向生产性应用 [48] 更深层的约束：能源基础设施 - 算力本质是高度浓缩的电力，一个现代AI数据中心用电量可相当于一座小城市，真正稀缺的是千瓦时，而非芯片 [56] - 电力基础设施（电厂、输电线路）建设周期长达数年甚至数十年，可能成为决定AI发展上限的根本约束 [56][57] - 一个大型AI训练集群持续功率需求可超过100兆瓦，若AI算力按预测增长，十年内可能吃掉美国全国5–10%的发电总量 [57] - 真正有远见的公司不仅在囤积算力，更在锁定长期能源合同、建设电力基础设施，这将在未来形成几乎无法超越的地理优势和护城河 [58] 本轮周期的“耐火性”评估指标 - **基础模型实验室**：关键看收入增长能否跑在算力成本前面，耐火者表现为收入增速快于算力投入，证明能力提升能解锁更大客户价值 [62] - **企业级AI平台**：需证明AI功能是客户留存的核心原因，而非传统平台能力，若AI功能真实使用率低（如仅12%），在资本收紧时会被重估 [63] - **应用层公司**：关键指标是净收入留存率和获客成本回收周期，NRR高于120%、回本周期短于12个月者通常已完成深度工作流整合，不易被替代 [63] - **推理API提供商**：需关注“每GPU小时收入”和推理成本的价格弹性，高收入者利润空间大，低价格弹性表明客户重视超越原始算力的价值 [64] - **能源与基础设施公司**：经济性由利用率和电价共同决定，拥有结构性能源优势（如长期低价电力合同）的运营商能在调整期通过降价保持竞争力 [64] - 贯穿所有指标的元模式是：当外部资本消失，商业模式能否自我维持，实现“热力学上的可持续”，即每单位投入产出超过一单位回报 [65] 对行业与创业生态的启示 - 规律性的行业修正（如周期性破产、创意破坏）是健康的，能清理冗余、释放资源，长期压制修正只会积累燃料，导致灾难性“火灾” [68][69] - 真正的行业巨人需要时间扎根，构筑深厚根系（如核心技术、客户关系、能源基础）以承受周期性高温，而非仅仅在资本丰裕期快速生长 [69][73] - 野火过后，资源与人才的再分配是关键，历史表明，从失败公司流出的人才（如谷歌早期员工来自互联网泡沫创业公司）能塑造下一代巨头的文化与竞争力 [26][29] - AI技术的发展应有意识地用于解放和增强人类能动性，服务于医疗、法律、基础行业等具有实质社会价值的领域，而非仅加剧数字鸿沟或消费主义 [74][75][76]

AI只是加速了挤泡沫过程。 文 ｜ 冯叶 编辑 ｜ 赵子坤 来源｜ 凤凰网科技（ID： ifeng_tech) 封面来源 ｜ unsplash "AI的确是颠覆性的。"先后在亚马逊、Meta工作过的工程师阿汤表示。"就拿ChatGPT现在编程能力来看，每个组裁一半人，估计问题不大。" 疫情期间的盲目扩张、叠床架屋的组织结构，让硅谷大厂正在为"历史债务"买单。 "为一个淘汰自己的工具卖命" 如今，对技术性失业的恐慌正在整个硅谷蔓延。数据统计网站layoffs.fyi显示，2025年美国科技行业裁员已超11万人。 在亚马逊被曝出全球裁员14000人之前，Meta、微软、谷歌均宣布过裁员计划。微软曾在年中宣布，要裁撤近9000人。 在大厂高歌猛进，喊着"AllinAI"的口号烧钱买芯片、建数据中心的同时，超过一千名亚马逊员工签署公开信，抗议公司"不计成本以极速推进AI发展"。 然而，亲历者发现，大裁员的真相不全在AI，"AI只是加速了挤泡沫过程"。正如亚马逊CEO安迪贾西所说，裁员源于"文化臃肿"——过多的层级和官僚主义 削弱了组织敏捷性。他希望亚马逊"像运营全球最大的初创公司"。 "我不愿用'代替'这个词，我会说 ...

BALTIMORE--(BUSINESS WIRE)--Constellation was awarded "Energy Deal of the Year†at the 2025 Platts Global Energy Awards for its 20-year power purchase agreement with Microsoft. ...

站在2025年12月的时间节点，距离ChatGPT发布仅过去三年，市场对于"AI泡沫"的讨论已至沸点。德意志银行认为，当前AI热潮既不是完全的泡 沫，也不是毫无风险，关键在于区分不同类型的"泡沫"。 12月12日，据硬AI消息，德银在最新研报中创新性地将AI泡沫分为估值泡沫、投资泡沫和技术泡沫三个维度进行分析。报告称，公开市场大型科 技公司的估值有盈利支撑，投资增长符合趋势且由现金流推动，技术进步仍在持续。真正的风险集中在估值过高的私营公司、可能失控的循环融 资结构，以及潜在的技术瓶颈和供应限制。 估值泡沫：估值分化揭示真实风险所在 德银的核心观点是当前AI热潮并非单一泡沫，而是由三种不同性质的泡沫构成。 然而，德银认为，这一估值主要由盈利增长驱动，而非纯粹的投机。该行称，虽然整体估值较高，但自2022年10月以来，标普500指数一直在 22.7%的年化增长趋势通道内运行，目前处于该通道的低端。 更关键的是，大型科技股的估值溢价是由盈利增长驱动的：大型科技股的估值溢价约60%，但这一溢价得到了20%以上的盈利增长差异支撑。 德银指出，当前科技股估值并未达到互联网泡沫时期的极端水平，且盈利增长正在向更广泛的行业 ...

Several stock splits may occur in 2026.Stock splits are exciting events that investors enjoy. While they aren't as common as they used to be due to the rise of fractional shares, not every brokerage offers this feature. Furthermore, companies like to use stock options as a form of compensation, so keeping stock prices lower makes this easier. After a stock split is announced, companies often see their share prices pop due to the excitement surrounding the event.This is just a one-time pop, so it's not a gre ...

【#英伟达员工吐槽微软冷却系统太浪费#】英伟达正在为微软的数据中心提供最新一代 Blackwell 芯 片，而在今年初秋的部署过程中，英伟达一名员工注意到，微软其中一处设施的冷却方式显得过于浪 费。 随着 AI 模型训练与推理的算力需求迅猛攀升，英伟达正为微软等科技巨头大量部署 GB200 Blackwell 系统。 今年初秋时，英伟达基础设施专家团队的员工在内部邮件中，详细描述了为 OpenAI 机群部署 Blackwell 机架的现场情况。作为 OpenAI 的云合作伙伴与最大投资方，此类部署由微软负责。 《商业内幕》今天援引的英伟达内部邮件提到，此次安装包括两组 GB200 NVL72 机架，每组搭载 72 颗英伟达 GPU。由于如此高密度的 GPU 阵列会产生巨量热能，微软采用液冷技术将热量从服务器周围 迅速带走。 但邮件也指出，微软在建筑层面的整体冷却方式因规模过大且未使用设施级冷却用水，看起来造成资源 浪费，但确实带来了良好的弹性与故障容忍能力。 美国加州大学的电气与计算机工程副教授任绍雷（音译）解释说，数据中心通常采用"双层冷却结构"： 服务器内部用液冷，而建筑本体需要另一套系统把整体热量排到室 ...

英伟达H200对华解禁 - 美国总统特朗普表示将允许英伟达向中国等市场的「经批准客户」出口H200 AI芯片 该安排附带国家安全条件并由美国商务部落实审批 美国将从相关对华H200交易中收取约25%的收入分成 [3] - 从技术参数看 H200是H100的升级版 算力持平但显存和带宽大幅提升 但在实际市场占有率和声量上 H100依然占据统治地位 H200处于尴尬的中间位置 [3] - 此举被认为是在确保美国掌握「代差优势」的前提下 将上一代旗舰H200高价卖给中国 既能维持英伟达的市场统治力 又能通过关税收割利润 [3] SpaceX筹划上市与马斯克财富 - 马斯克旗下的SpaceX正加速推进其IPO计划 若明年以1.5万亿美元的估值成功上市 马斯克目前4606亿美元的个人财富将增长一倍以上 [5] - 此次IPO若成功 将刷新全球IPO规模纪录 为商业航天产业链树立新的价值标杆 并可能掀起新一轮太空投资热潮 SpaceX正朝着成为全球最具价值上市公司之一的目标前进 [5] - 此次IPO是马斯克迈向全球首位“万亿富豪”的第二条清晰路径 若交易敲定 SpaceX将重夺“全球估值最高私营企业”头衔 并为马斯克净资产再增加逾1800亿美元 [5] OpenAI发布GPT-5.2模型 - OpenAI更新了最新的AI大模型GPT-5.2 该模型通过API分为Instant、Thinking、Pro三类分级产品 分别对应基础任务速度优先、处理复杂任务以及高难度可靠运算 [8] - 此次更新的核心是在保持专业化的同时 进行了产品分类分层 不仅是巩固专业市场的防御战 也是对全球竞品的主动出击 [8] - 评估显示 GPT-5.2在多步推理能力、定量准确性以及处理复杂技术任务时的问题解决能力方面均有提升 [8] 微软与谷歌重金投资印度AI - 微软公布了230亿美元的AI投资计划 其中175亿美元（约1235亿元人民币）投向印度 主要用于在印度打造人工智能基础设施 [10] - 此前 谷歌宣布向印度投资150亿美元（约1060亿元人民币） 将在印度南部城市打造其全球规模最大的AI枢纽之一 [10] - 微软投资的重点之一是构建安全、符合主权标准的超大规模基础设施 以推动AI在印度的应用 为当地组织提供更多选择和更强弹性 [10] - 巨头看中印度的原因包括：印度是全球第一人口大国且经济增长迅速为数字经济提供基础 微软和谷歌的CEO均为印度人 以及印度志在半导体和AI领域取得全球领先 [10] 华为重夺中国手机市场份额第一 - 华为Mate 80系列发布后 华为手机中国市场份额一路走高 连续2周超越苹果 位列中国市场份额第一 [13] - 具体数据显示 华为手机中国市场份额为27.81% 比苹果的17.12%份额高10.69个百分点 领先优势明显 [13] - 华为市场份额的飞跃直接得益于Mate80系列的开售 在W48 Mate80系列以37.66万台的销量强势进入市场 终结了苹果iPhone 17系列对销量榜前三名长达数月的垄断 [13]

美国政府批准英伟达对华销售H200芯片 - 美国政府正式批准英伟达向中国及其他“经批准的客户”出售高端H200 GPU芯片，但需缴纳25%的销售提成，此比例同样适用于AMD、英特尔等其他美国芯片巨头[4] - 英伟达最新的Blackwell和未来的Rubin系列GPU仍被禁止出口[4] - 此举是英伟达首席执行官黄仁勋长达数月游说的结果，受此利好消息推动，英伟达股价盘后上涨[4] - 过去两年，受美国芯片禁运令限制，英伟达逐步失去迅猛增长的中国市场，丢掉了在AI GPU市场原先高达95%的份额，其数据中心业务在中国市场的营收占比也从原先的四分之一急剧下滑[4] - 黄仁勋曾公开抱怨公司在中国市场“完全出局，市场份额已经归零”，而中国AI GPU市场今年规模估计高达200亿-300亿美元，因此即使缴纳25%提成，重新进入该市场对英伟达业绩意义重大[5] 英伟达的市场地位与潜在风险 - 英伟达是生成式AI时代的领军公司，在AI芯片这个万亿级赛道中，以压倒性的性能优势和CUDA平台优势占据主导地位，其GPU产品线几乎垄断了八成以上的市场份额[5] - 公司是全球最具价值的上市公司之一，市值一度突破5万亿美元[5] - 英伟达数据中心业务营收高达1300亿美元（最近财年），但存在客户集中度过高的巨大隐患：前两大客户营收占比39%，前三大客户营收占比高达53%[5] - 据媒体猜测，前五大客户为微软、谷歌、亚马逊、Meta和甲骨文，而前三大巨头（微软、谷歌、亚马逊）正在加速转用自研芯片，这直接威胁英伟达的订单和市场份额[6] 亚马逊AWS的自研芯片战略 - 亚马逊AWS在re:Invent大会上发布了新一代自研AI芯片Trainium 3，被媒体誉为“对英伟达的直接宣战”[7][8] - Trainium 3是亚马逊自2022年以来的第三代AI芯片，主打低成本与推理优势，训练速度比前代快4倍，成本减半[8] - 与英伟达相当的GPU系统相比，Trainium 3可节省50%训练费用，现场演示显示其在Llama 3.1训练中，仅需24小时完成相当于H100集群一周的任务[8] - AWS计划用自研芯片、自研模型、私有化部署及智能体全家桶，覆盖从训练到推理的整条AI赛道[9] - AWS在云计算市场保持巨大领先，市场份额超过三成，排名二三位的微软与谷歌市场份额分别为20%与16%[9] - OpenAI宣布与AWS签署七年价值380亿美元的AI基础设施服务协议，Anthropic等AI初创公司已转向Trainium，节省了超过三成的预算[9] 谷歌TPU的进展与市场威胁 - 谷歌是行业最早自研芯片的巨头，其第一代TPU于2016年发布，最新发布的第七代TPU v7 Ironwood进一步给英伟达带来压力[10][11] - Ironwood单芯片FP8计算能力达4.6 PFLOPS，比第五代TPU提升10倍，是第六代TPU的4倍，专为“高吞吐、低延迟”推理优化[11] - 相比英伟达Blackwell，Ironwood在能效上领先20%，功耗仅300W/芯片[11] - 2025年，谷歌的AI芯片市场份额预计已达到8%，尤其在占AI算力80%的推理领域[12] - 谷歌声称使用TPU可将训练成本降低40%，并已吸引Meta作为第三方客户，Meta计划在2027年部署谷歌TPU，而Meta正是英伟达AI芯片的第四大客户[12] - 谷歌Ironwood服务器将交由富士康代工[12] 微软自研芯片的挑战与延误 - 相比亚马逊和谷歌，微软在自研芯片领域遭遇挫折，其首代Maia 100芯片于2024年推出并开始部署，但原计划今年发布的Maia 200的大规模量产已推迟至2026年[13][14] - Maia 100是微软与博通合作开发的芯片，预计比英伟达H100芯片成本低40%，未来三代计划覆盖训练、推理和边缘[14] - 微软CTO表示公司未来将“主要使用自家芯片”，以减少对英伟达的严重依赖，但Maia 200的量产延误主要由于设计变更、仿真不稳定等技术内部因素以及台积电的产能瓶颈[15] - 由于在台积电抢不到先进制程产能，微软转向英特尔的18A节点计划在明年实现量产，如果Maia二代不能及时部署，微软明年可能还要投入100亿美元购买英伟达芯片[16] 性能与成本的竞争格局 - 英伟达在性能技术上仍具核心优势，其Blackwell架构B200 GPU单芯片FP8计算能力达20 PFLOPS，比前代H100提升4倍，在推理任务中能效比谷歌TPU高出30%[17][18] - 英伟达的CUDA平台支持4000多个AI框架和库，拥有庞大的开发者生态，是其真正的护城河[18] - 成本是AI巨头自研芯片的最大卖点：亚马逊Trainium3宣称可将训练成本降至前代的50%，谷歌Ironwood TPU在推理任务中能效比英伟达H100高出20-30%[19] - AI巨头正通过软件生态蚕食英伟达优势：谷歌的JAX和PyTorch/XLA集成已覆盖70% AI工作负载，AWS Neuron SDK支持主流开源模型，微软DirectML无缝嵌入Visual Studio[19] - 亚马逊计划在Trainium4上集成NVLink兼容技术，预计训练费用再降40%，谷歌TPU v8计划于2027年商用，成本优势或达50%以上[19] 自研芯片的市场份额展望 - 亚马逊的目标是在明年达到50%的自研芯片占比，推动AWS在AI云市场的份额从31%升至35%[20][21] - 谷歌TPU的市场份额已攀升至8%，其外部销售占比已达到20%，随着2027年Meta转用TPU，将给英伟达带来更大竞争压力[21] - AI大模型公司如Anthropic正在推动芯片多元化，同时使用多家芯片而非仅依赖英伟达，Anthropic与谷歌签署了价值数百亿美元的协议，计划使用多达100万片TPU[21] - AMD CEO苏姿丰评价认为，未来五年内，GPU仍将占据市场大部分份额，但给ASIC类加速器（即三大巨头的自研芯片）留出20%–25%的市场份额是合理的[22] - 苏姿丰还计划AMD在未来3-5年抢到两位数的市场份额[22]

本文源自：金融界AI电报 美股大型科技股盘前涨跌互现，谷歌A涨0.6%，苹果涨0.1%，亚马逊、微软、特斯拉持平，Meta跌 0.2%，英伟达跌0.4%。 ...

科技行业裁员与就业市场现状 - 美国科技公司截至11月已宣布约154,000人裁员 较前一年增长17% 为所有行业中最高[2] - 大型科技巨头如亚马逊、微软、Meta、谷歌和特斯拉近年来各自宣布计划裁减至少10,000名员工[2] - 自2022年以来 微软、亚马逊、苹果、Alphabet、Meta和特斯拉合计宣布裁员超过125,000名员工[8] - 仅今年这些公司的裁员约34,000人 较2024年增长65% 其中大部分与亚马逊和微软的裁员有关[8] 科技职位供需失衡 - 科技职位供需失衡加剧 求职者面临激烈竞争 不仅与大量被裁员工竞争 还需与应届毕业生及寻求转岗的在职者竞争[3] - Indeed平台上的科技职位发布量较2020年初水平下降33%[4] - 每个职位的平均申请量激增 上一季度平均每个职位收到242份申请 几乎是2017年数量的三倍[9] - 人工智能工具和申请机器人的普及使候选人更容易提交数百份申请 加剧了竞争 让优秀申请者更难脱颖而出[3] 企业招聘策略与市场反应 - 在经济不确定性和人工智能应用早期效应的影响下 美国企业正以2013年以来最慢的速度之一进行招聘[4] - 亚马逊在10月宣布计划裁减14,000个企业职位 首席执行官表示此举旨在重塑公司文化[6] - 剩余的职位空缺需要公司花费更长时间来填补[4] 科技从业者求职困境与策略转变 - 被裁科技员工面临严峻的财务压力 例如耗尽储蓄、拖欠抵押贷款 甚至可能失去住房[2] - 许多求职者感到招聘方在寻找“超人”般的完美候选人[5] - 部分从业者选择拓宽视野 离开大型科技公司 例如前苹果员工在丰田子公司找到产品经理职位 并获得更高的总薪酬[11][12] - 也有从业者转向创业 例如被微软裁员的高级软件工程师全职投入自己近十年建立的猎头公司[13] - 通过人脉推荐仍是进入大型科技公司的有效途径 例如前微软用户研究员通过推荐在Meta获得职位[13] - 持续的求职困难迫使一些人做出重大生活调整 如搬到生活成本更低的地区与家人同住以节省开支[16] 具体公司裁员案例 - 亚马逊计划裁减14,000个企业职位[6] - 微软、亚马逊等大型科技公司是今年裁员增长的主要贡献者[8]