AI行业投资泡沫与市场现状 - 当前AI一级市场已进入泡沫阶段，大量项目存在胡乱贴标签、估值虚高的问题 [1][4] - 自2022年底ChatGPT发布至今年9月，美国股市市值暴涨了21万亿美元，其中仅十家公司就贡献了55%的涨幅 [2] - 投资者的标准变得更为严格，对资本开支大、估值高、护城河不够稳固的AI公司，一旦其未来商业可持续性受质疑，便会遭遇抛售 [5] AI基础设施与商业模式挑战 - 近两年暴涨的AI股多是与算力、电力、数据中心等相关的AI基础设施公司 [2] - 今年以来，OpenAI已签署了价值约1万亿美元的交易以获取计算能力，但其来自数百万客户的订阅收入仅为100亿美元 [2] - 云服务初创公司CoreWeave近一个月股价暴跌近45%，其商业模式极度依赖英伟达供应链，且因供应紧张下调了营收指引 [5][6] - CoreWeave估值高企，资本开支暴涨，大量前期投入用于数据中心、电力扩建、机柜租赁，且缺乏像AWS等巨头的护城河 [6] 算力供需与行业对比 - 当前算力仍处于供不应求状态，云服务提供商财报显示，若产能增加，收入可进一步提升 [5] - 美国每年新增的数据中心算力约8～12GW，未来几年可能增至10～15GW，但仍无法满足科技企业需求 [5] - 上一代英伟达Hopper芯片租赁价格稳定，未因新一代Blackwell芯片推出而大幅下跌，说明老旧芯片仍有实际需求 [5] - 当前的“大兴AI基建”令人想起1998～2001年互联网泡沫前夕的光纤过剩（fiber glut）现象 [4] 大语言模型（LLM）的发展瓶颈 - OpenAI开创的“大力出奇迹”模式，导致硅谷陷入狂热的算力军备竞赛 [7] - 大模型通过堆算力、堆数据推动能力提升，但逐渐面临晶体管物理极限、芯片成本上升、训练成本指数级膨胀、LLM幻觉及数据量耗尽等瓶颈 [7] - 单纯靠“堆资源”无法无限扩展，AI的下一步突破需要新的架构，而不是继续规模化扩张 [8] - 随着推理需求与日俱增，推理场景无需高端芯片，开源适配方案将降低对英伟达生态的依赖 [8] AI芯片市场格局与投资机会 - 英伟达凭借GPU优势在训练场景占据主导，但算力领域对初创企业不友好，核心资源已被大厂覆盖 [8] - 部分硬件企业的估值过高，未来市场份额可能被稀释，尤其是随着推理占比的上升，英伟达并不会一家独大 [8] - 训练场景市场空间有限，而推理需求与日俱增，不同芯片架构（如TPU、GPU）将随模型多样化呈现“百花齐放”格局 [8] - 硅谷初创公司d-Matrix专注于AI推理芯片，截至去年已融资超过1.6亿美元，其芯片旨在与英伟达的训练芯片形成互补 [8] AI对劳动力市场的长期影响 - 在AI逐步替代人类的体力和脑力劳动之后，人类将进入一种新的劳动形态——心力劳动 [9] - 心力劳动依赖“灵觉”，这是一种生命独有的自我感知和存在觉知能力，源自痛苦、爱、孤独、希望和创造等生命体验，是机器无法模仿的 [10] - 历史经验表明，技术革命先替代重复性、低附加值劳动，再将人力释放出来投入更具创造性和价值的工作，推动社会产能扩大和岗位类型升级 [9]