人工智能领域的市场热度与泡沫特征 - 市场普遍担忧美国最大的企业正在支撑一个即将破裂的人工智能泡沫 [1] - 人工智能相关股票贡献了标普500指数绝大部分的涨幅，并极大地推动了非人工智能股票的上涨 [12] - 人工智能相关股票表现惊人，以英伟达为首，其市值从1999年IPO时的约6.26亿美元增长至一度达到5万亿美元，在超过26年的时间里增长约8,000倍，年均增长约40% [15][58] 泡沫的历史规律与定义 - 泡沫的演变过程具有规律性：革命性新事物出现、激发想象、早期参与者获利、FOMO情绪驱动大众涌入、支付价格不考虑合理回报，最终导致投资者中短期痛苦 [2][46] - 市场泡沫并非直接由技术或金融发展引发，而是源于对这些发展过度乐观的情绪，是暂时的“非理性繁荣” [3][4][48] - 泡沫通常围绕新的技术进步（如互联网）或金融发展（如次贷证券）形成，新颖性因缺乏历史约束而让未来显得无限宽广，从而支撑超高估值 [4][49] 泡沫的二元性：“拐点泡沫”与“均值回归泡沫” - 存在两种泡沫：“拐点泡沫”（好的泡沫）基于革命性技术进步，如铁路和互联网；“均值回归泡沫”（破坏性泡沫）基于新的金融奇迹，如次贷证券 [8][51][54] - “拐点泡沫”加速技术进步，为更繁荣的未来奠定基础，但也会摧毁部分投资者的财富 [9][55] - 泡沫的狂热能将新技术的建设过程从数年或数十年压缩至极短周期，通过大量并行试错实验加速技术突破，尽管大部分资金会化为乌有 [10][11][55][56] 当前人工智能投资的具体表现与数据 - 人工智能完全掌控标普指数，贡献了75%的涨幅、80%的利润、90%的资本开支 [12][57] - 人工智能占公司总资本支出的很大一部分，用于建设人工智能产能的资本开支占美国GDP增长的很大一部分 [14][59] - 主要科技公司为人工智能投入巨资，例如摩根大通分析师估算基础设施建设费用可能达到5万亿美元，预计明年的资本开支将接近5,000亿美元 [23] 行业内的不确定性与潜在问题 - 不确定人工智能将如何应用于商业、何时发生变革、谁将成为赢家以及他们的价值何在 [15][58] - 存在“彩票思维”投资，例如初创公司Etched筹集1.2亿美元挑战英伟达，其成功概率极低但潜在回报巨大 [15] - 人工智能供应商的盈利能力未知，提供查询服务的平台如ChatGPT和Gemini据称每回答一个查询都在赔钱 [16] - 存在可疑的“循环交易”，资金在人工智能公司间流动，例如OpenAI与芯片制造商、云计算公司之间的交易，高盛估计英伟达明年销售额的15%可能来自此类交易 [17] 债务融资的使用与相关风险 - 人工智能数据中心的建设热潮规模巨大，企业开始使用债务融资，部分公司杠杆率激进 [22][23] - 甲骨文、Meta和Alphabet已发行30年期债券用于人工智能投资，其收益率仅比同期美国国债高出100个基点或更少 [24] - 存在不健康的融资行为，例如初创企业借入资金支持另一家初创企业建设数据中心，双方均无客户且不知投资能否带来回报 [25] - 人工智能基础设施领域出现预警信号，包括供应商融资激增、利息覆盖率低，以及收入增长乏力时仍通过扩大资产负债表杠杆来维持资本开支增速 [26][27] 与历史泡沫的对比分析 - 当前情况与互联网泡沫有相似之处：颠覆性技术、狂热投机、FOMO、可疑循环交易、特殊目的实体使用、巨额种子轮融资 [36] - 但与互联网泡沫不同之处在于：已有需求强劲的产品问世、拥有数十亿用户、主要参与者已具备收入利润和现金流、未出现IPO狂潮、成熟企业市盈率相对合理 [36] - 具体估值对比显示，当前人工智能巨头（如英伟达、微软）的预期市盈率（约30倍）远低于1999年互联网泡沫时期的科技龙头（如微软69倍，思科101倍） [37] 行业竞争格局与技术进步速度 - 竞争格局具有流动性，例如中国开发的新开源模型下载份额在過去一年上升至17%，首次超过美国同行 [24] - 技术进步速度惊人，例如人工智能已能编写世界级代码，并在许多软件团队中替代开发者；在数字广告领域，广告匹配工作已完全无需人类参与 [35] - 人工智能需求的增长难以预测，因为一两年后处理能力可能达到现在的十倍甚至百倍，导致难以规划算力需求和数据中心建设规模 [33]