文章核心观点 - 德意志银行认为当前AI热潮并非单一泡沫，而是由估值泡沫、投资泡沫和技术泡沫三种不同性质的泡沫构成，关键在于区分不同类型的“泡沫”[1] - 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[1] 估值泡沫分析 - 希勒周期调整市盈率已超过40，接近2000年互联网泡沫顶峰的44倍水平，显示市场过热[2] - 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[4] - 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[6] - 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扩散[7] - 私营公司估值过高：OpenAI基于2025年130亿美元预测收入计算的市销率达38倍，Anthropic更是高达44倍[9] - 公开市场科技巨头估值相对合理：英伟达市销率仅为22倍，微软12倍，谷歌9.9倍，亚马逊3.5倍，表明公开市场定价相对理性[9] 投资泡沫分析 - 超大规模云服务商的资本支出预计到2026年将达到5000亿美元，累计到2030年可能达到4万亿美元，超过阿波罗计划通胀调整后成本的10倍[11] - 自2013年以来，全球科技资本支出年增长率为12.3%，当前增长仍在这一趋势通道内[13] - 大型科技公司的投资回报率自AI周期开始以来持续上升，通过云客户需求、AI工具和编程成本节约产生实际回报[14] - 与互联网泡沫时期的债务驱动不同，当前AI投资主要由自由现金流支撑，谷歌第三季度运营现金流达480亿美元[17] - 超大规模云服务商的资本支出与运营现金流比率普遍低于1，显示出健康的财务状况[17] 技术泡沫分析 - 生成式AI仍容易出错和产生幻觉，难以大规模应用[16] - AI的快速扩展可能很快遭遇物理瓶颈，例如芯片间数据传输速度的限制[16] - 2025年11月谷歌推出的Gemini 3证明AI尚未触及天花板，在多模态能力方面取得重大进展[21] - Gemini 3在“人类最后的考试”中超越所有先前模型，在视觉推理方面的得分是GPT-5 Pro在ARC-AGI-2测试中的三倍[21] - 在MMLU基准测试中得分至少42分的最便宜大语言模型成本已下降1000倍，遵循杰文斯悖论，效率提升和成本降低推动消费增长[24] 需求与增长空间 - 谷歌10月透露其每月处理1300万亿个令牌，较2024年4月的9.7万亿大幅增长[20] - 据美国商业趋势和前景调查，目前仍不到10%的美国企业在使用AI，显示巨大的增长空间[20] 泡沫破裂的潜在触发点 - 循环融资引发估值不透明：OpenAI在八年内承诺1.4万亿美元的计算购买，涉及英伟达、AMD、甲骨文、微软、亚马逊等多方交叉投资和购买协议，这种结构可能导致估值不透明，一旦某个环节断裂可能引发连锁反应[27] - 债务激增成本失控：2025年美元投资级债券发行量已超过350亿美元，微软、谷歌、Meta、亚马逊和甲骨文的净债务与EBITDA比率正在上升[30] - 技术障碍与规模效应递减：从Llama 2到Grok 4，训练计算成本从1000万美元飙升至10亿美元以上[32] - 基于数据中心支出在5年内开发AGI的概率从2022年的接近100%降至2025年的约20%[32] - 社会政治反弹：在英国和欧盟，20%以上的受访者非常担心AI会在未来几年抢走他们的工作，发达市场更多抵制更大规模的AI使用，可能导致客户抵制、员工抵抗和限制性监管[34] - 供应瓶颈：2030年电力需求预计将是2020年的四倍，美国家庭今年已经支付创纪录的电价，每千瓦时达到约17美分，能源供应可能成为AI采用和变现的最大障碍[37]