怎么看待AI泡沫 - 当前市场已普遍默认存在AI泡沫，并转而讨论其类型，有观点认为这是一个由股权和生产性因素引起的“好的泡沫”，通常不那么危险，但进入2025年第四季度后，数据中心引发的巨额债务加剧了业界对泡沫的担忧[3] - 与2000年互联网泡沫相比，当前情况不同：互联网泡沫顶峰时思科市盈率超过100倍，而当前英伟达的股价与其盈利能力相对匹配；2000年前后头部互联网公司市盈率高达89倍，而当前“Magnificent 7”加上博通最高市盈率仅约37倍，并非典型估值泡沫[4] - 资本开支与现金流状况更健康：互联网泡沫时期头部公司资本开支占自由现金流比例一度超过100%，而当前头部科技公司该比例平均约50%，现金流缓冲空间较大[4] - 泡沫通常经历形成、资产错配和崩溃三个阶段，真正易引发崩溃的是表外债务，因其会引发挤兑[4] - 当前外部变量比互联网泡沫时期更复杂：当时美联储在加息收紧流动性，而当前美联储处在降息周期，正在放水[4] - 基础设施折旧周期差异构成关键风险：铁路和光纤在泡沫破裂后能长期存在支撑增长，而当前数据中心和GPU折旧周期短得多，成本能否在短期内收回成为大问题[5] - 真正价值最确定的领域仍集中在英伟达和台积电等硬件端，应用层和模型层的核心问题在于，即便全球用户全面采用AI，其可计算的收入上限是否足以覆盖整个中间层的巨大投入[5] 对未来AI行业有何预测 - AI开源是长期可持续的趋势，模型研发的投入并未如最初想象般巨大，且开源的边际收益明显，能形成生态吸引开发者参与，形成正反馈循环，同时今天的开源并不等于放弃商业化，正以多种方式与商业化深度结合[6] - 行业未来将呈现“并购整合”与“百花齐放”并存的局面，并购已在发生，而在应用层面，细分方向的创新会越来越多，预计到2026年多点爆发的态势会更明显，中国厂商可能展现出更强竞争力[6] - 当前AI应用最大的商业化痛点在于产品留存和使用时长不理想，远未到稳定转化阶段，需通过不断迭代打磨，等待产品能力、技术水平和使用场景叠加到临界点才可能改善[7] - 2026年AI具体落地方向趋势包括：AI手机不再是边缘战场，将明显抬高行业竞争曲线，其作为新入口形态有潜力削弱微信、淘宝、抖音等现有平台壁垒，但会遭遇既有巨头抵触，相关博弈将更激进，最终可能需要政策或监管进一步明确[7] - AI与机器人结合（具身智能）非常看好，中国在硬件、制造、控制层面有积累，AI补上了“智能大脑”关键环节，具备现实土壤[8] - 多模态AI将进一步深化，尤其在图像和视频领域；AI硬件将更加丰富，从陪伴型玩具到智能眼镜都将成为竞争焦点；语音作为最自然的交互方式，可能在2026年迎来更广泛的AI应用落地[8] - 行业存在重演5G“预期很高、买单不足”的风险，核心议题在于用户需求的天花板是否足以覆盖当前庞大的数据中心投入[8] AI时代的个体该怎么办 - 需保持独立思考能力，警惕AI在提升效率的同时，会放大并固化人类社会原有的偏见，最令人担忧的不是AI不够聪明，而是人类过度依赖AI[11] - 使用AI的简单原则是：无关紧要的琐事和重复性任务可交给AI，重要的事一定要自己三思，因为AI会产生“幻觉”，例如可能虚构出完全符合预期的案例细节[11] - 普通人面临的风险主要在于当别人进步时自己原地踏步，而非被AI直接淘汰[12] - 建议积极学习并拥抱新的AI生产力工具，如ChatGPT、DeepSeek，AI实现了技术权威的去中心化，掌握与AI协作的技巧即可学习高端技能，同时可利用碎片化学习但需保持连贯性[12] - 在AI时代应学会主动“清理”记忆，将过时、可被机器快速替代的知识（如复杂公式）从大脑中腾出，以掌握最先进的工具，不断学习是防止被淘汰的关键[12] - 除了生成式AI和预测式AI，更应关注通用人工智能（AGI）的趋势，核心在于理解它将如何深刻改变社会结构和生活方式，例如用机器人陪伴解决老龄化社会的养老难题[13] - 应对职业焦虑的建议：首先缩小关注圈，聚焦AI对自己所在行业的影响；其次弄清楚AI如何冲击自身赖以生存的技能，并迅速用新工具完成自我迭代；在大模型时代，学会提出正确的问题将成为关键技能[13]