文章核心观点 - 当前围绕“AI泡沫”存在激烈争论，反映了技术变革初期资本、技术和产业认知的碰撞，AI产业可能经历泡沫阵痛，但技术进步大趋势不可逆转 [1][5][6] 市场表现与估值争议 - 资本市场出现估值与业绩背离，“美股七姐妹”如微软、英伟达的上涨更多依赖AI叙事驱动，而非扎实盈利支撑 [1] - 美国AI行业资本支出与收入比高达6:1，显著高于铁路泡沫时期的2:1和互联网泡沫时期的4:1 [1] - 行业存在“闭环买卖”模式加剧估值虚高担忧，例如英伟达投资xAI后，xAI随即购买英伟达芯片；微软投资OpenAI后，OpenAI承诺采购巨额微软云服务 [1] - 甲骨文股价近乎腰斩，桥水基金减持AI龙头股，引发市场震荡 [1] 支持AI长期发展的论点 - 主要大国围绕AI积极进行战略级布局，决定了AI投入的长期性与稳定性 [2] - AI应用已从ToC向ToB延伸，日益丰富的应用场景不断延伸其价值链条 [2] - 新旧GPU处于“跑满”状态，反映出旺盛的真实需求 [2] - AI头部企业前期投入巨大，但自身具有强劲造血能力支撑，且未来盈利前景向好，评估需留足“时间跨度” [2] - 谷歌TPU芯片对外供货产生“鲇鱼效应”，打破英伟达GPU垄断，推动算力生态多元共生，并基于自身商业生态构建“算力底座”与“核心模型”，商业前景巨大 [2] 技术路线分歧与竞争 - OpenAI、谷歌等巨头坚持千亿级参数大模型路线，持续投入巨资训练模型 [3] - 前OpenAI联合创始人苏茨克维、杨立昆、李飞飞等人转向“物理AI”、“世界模型”研发，认为当前大语言模型路径是代价高昂的“概率游戏”，难以通往真正的通用AI [3] - 中国DeepSeek通过算法优化走出差异化路线，证明算力并非唯一瓶颈，直接挑战了“GPU堆叠”的路径 [3] - 技术路线分散导致市场难以判断最终胜出路径，资本摇摆放大市场波动 [3] 产业链应用落地现状 - 上游算力硬件因技术壁垒高、需求集中而保持高度景气 [4] - 中游模型层呈现“头部集中、中小挣扎”格局，多数初创企业缺乏商业化能力 [4] - 下游应用层面临叫好不叫座困境，80%部署AI的企业暂时未能实现净利润提升 [4] - 产业链的结构性失衡使投资者对AI产业盈利前景产生分歧 [4] 政策与监管环境 - 各国AI监管政策导向差异显著，缺乏客观统一标准 [4] - 特朗普政府为“松绑监管”，对内出台行政令，对外向欧洲国家施压，以减轻美企合规成本 [4] - 欧盟《人工智能法》强调风险分级监管 [4] - 中国则着力统筹发展和安全 [4] - 政策差异使跨国企业在数据安全、算法透明、伦理规范等方面难以形成稳定预期 [4] 对“AI泡沫”的辩证看法 - AI作为新兴产业，其内在价值难以用传统估值方法衡量，简单套用历史经验判断可能不准确 [5] - 技术与产业初期的泡沫本质上是资本对未来的投票，为技术研发与产业培育提供了必要的资金支持 [5] - AI泡沫的出现是技术从实验室走向产业化的必经阶段 [5] - “挤泡沫”是一个需要时间的过程，市场通过价格波动与竞争机制能挤出虚假需求与低效产能，让真正有技术价值与商业潜力的企业脱颖而出，例如互联网泡沫后谷歌、亚马逊的崛起 [6] - AI泡沫之争的核心是技术变革与资本逻辑、短期利益与长期价值、产业现实与未来预期的多重博弈 [6]