为什么人工智能是一个泡沫

Federico Zebele

2026年6月21日

引言

泡沫从不受欢迎的观点变成共识的那一刻是精准的。对于人工智能来说，我们已经到了那个时刻。美国最受关注的经济记者之一马特·斯托勒在最新文章中明确指出：我们现在处于AI投资泡沫中，这个泡沫对整体经济构成风险，这已成为共识，不再是逆向观点。

斯托勒并非孤例。因预测并做空2008年次贷危机而闻名的对冲基金经理迈克尔·伯里，已开仓做空半导体ETF SOXX（看跌），合约于2027年1月到期。他公开表示：“市场已过度，结局将近。”

问题不在于这些声音不存在，而在于公众讨论不断重复同样的故事：支出与收入缺口、与互联网泡沫的比较、估值高企。所有正确的信息都被包装成似乎已经消化、已经定价的旧闻。以下尝试更深入地探讨——不仅是文章所说的，还有它们没说出的以及原因。

1. 支出与收入缺口：人人引用却无人读完的数字

每篇AI文章都会提到这个数字：美国公司每年在AI基础设施上的支出超过5000亿美元，而消费者AI实际收入约为120亿美元。红杉资本分析师大卫·卡恩计算，AI行业每年需要创造约6000亿美元的收入才能覆盖其建设的基础设施。这个缺口在2023年为2000亿美元，2024年增至6000亿美元，2026年随着支出加速，缺口更大。

但无人真正读完的数字属于OpenAI。2026年6月16日，记者埃德·齐特龙获得了OpenAI经认证的财务文件，并由英国《金融时报》独立核实，在OpenAI向SEC提交保密IPO招股书前几天公布。数据显示：2025年OpenAI营收130.7亿美元——是2024年37亿美元的三倍多，但总成本达到340亿美元，仅研发就达191.8亿美元，运营亏损209.2亿美元，净亏损385亿美元。换句话说，OpenAI每挣1美元就花掉1.6美元，这已是较2024年（每挣1美元花2.37美元）的改善。在340亿美元成本中，172亿美元直接支付给微软用于Azure云基础设施和研究计算，而微软仅向OpenAI支付3.03亿美元，软银支付8.67亿美元。这个数学即使在乐观场景下也不成立：这不是时间问题，而是结构性问题。

2. 与互联网泡沫的比较：用来逃避思考的故事

与2000年互联网泡沫的比较是最有效的方式，让人感觉了解情况却实际上什么也不懂。多头（认为价格会继续上涨）说“这次不一样，公司有真正收入”；空头（认为价格会下跌）说“和1999年一模一样”。两者都部分正确，而这正是问题的模糊之处。

首先看当前情况不如2000年严重的方面：纳斯达克指数从ChatGPT发布到2025年10月峰值上涨125%，而互联网泡沫期间上涨了700%。远期市盈率（衡量市场对未来预期的指标）在泡沫高峰时为79倍，现在约为25倍。这些数字看似令人安心，但掩盖了重要事实。美国股市总市值如今接近80万亿美元，大约是泡沫高峰时的两倍，是美国经济规模的2.5倍。经济学家迪恩·贝克计算，若回归长期历史平均水平，每个美国家庭将平均损失30万美元的纸面财富。

与2000年最重要的结构性差异是：当今主要科技巨头主要依靠现有现金流为AI投资提供资金。2000年许多互联网公司根本没有真正收入。这一区别很重要。“这次公司有真正收入”是正确的，但总市值是泡沫高峰的两倍，下跌时可能更慢、更持久。

3. 循环融资：资金在内部循环

1990年代互联网繁荣期间，一种称为“供应商融资”的做法变得普遍。电信公司想购买网络基础设施但没有钱，供应商（如朗讯科技）借钱给它们购买。朗讯因此积累超过150亿美元贷款给客户，而自身运营现金流仅3亿美元，最终破产。如今结构相同，但数字更大，循环更紧。

英伟达向OpenAI投资1000亿美元，OpenAI购买英伟达芯片建设数据中心，英伟达通过投资主要客户保证自身未来需求，循环开始。微软的动态则更为复杂：OpenAI向微软支付172亿美元使用Azure云基础设施，微软持有OpenAI约27%股份，同时是最大投资者、最大供应商和最大成本方。OpenAI每在Azure上花1美元，部分以利润形式回流微软，部分体现为其对OpenAI投资的价值增长。

红杉资本的卡恩指出，下游问题更核心：使用数据中心的公司（训练模型或运行推理）在当前计算成本下无法经济可持续。它们支付处理能力，希望有一天收入能覆盖成本。这些数据中心建立在OpenAI未来将支付数十亿美元的假设上。如果OpenAI无法快速增加收入，建造这些中心的公司将陷入困境。

4. 芯片一年老化，贷款却持续十五年

这可能是整个讨论中最被低估的一点——而且是被故意低估的，因为其含义对太多方来说不舒服。为AI数据中心建设提供融资的银行、保险公司、养老基金、私人信贷工具认为他们在为长期基础设施资产融资，类似于商业地产或公用事业设施。他们的模型假设这些资产的使用寿命为7到15年，有稳定现金流和可收回的抵押品价值。

然而，GPU（驱动每个AI数据中心的专用显卡）的实际经济寿命大约只有一年。2024年满载英伟达H100芯片的数据中心已经落后于2025年运行Blackwell芯片的数据中心。英伟达的芯片路线图显示每约18个月推出一代新产品。亚马逊已悄悄承认这一点：将服务器折旧年限从六年缩短至五年，并在2024年提前报废了一些服务器和网络设备。银行按15年期限放贷，而资产在12个月内就失去竞争优势。

5. 资产负债表上无法看到的1200亿美元债务

如果前一点是信贷中的隐藏风险，那这一点是连看都看不到的信贷风险。包括甲骨文、xAI、CoreWeave和Meta在内的科技巨头已将约1200亿美元的数据中心支出转移到特殊目的工具（SPV）中，脱离主资产负债表。SPV是独立法律实体，用于将债务置于母公司主要账户之外。这种做法合法且规范，在许多行业常见。问题不在合法性，而在可见性。

引发全球金融危机的次级抵押贷款也曾被放在表外工具中，远离评级机构和监管机构视线，直到爆雷。美联储已注意到，其2026年春季《金融稳定报告》明确将AI相关私人信贷增长列为金融体系的主要风险之一。2025年全球科技行业发行了4280亿美元债券，其中美国占3418亿美元，大部分资金承诺投入AI资本支出。

6. CoreWeave：一枚有名有姓的定时炸弹

如果有一个单一公司体现了上述所有风险，那就是CoreWeave。它出租AI计算能力，即向希望训练或运行AI模型的公司租用GPU，而无需自建数据中心。其增长惊人：收入从2022年的1600万美元跃升至2024年的19亿美元。但表面之下：运营亏损，支出超过收入；按2024年底烧钱速度，若无新融资仅能维持约9个月；总债务245亿美元，包括表外经营租赁；到2026年底需支付75亿美元利息；62%收入来自单一客户——微软。CoreWeave的生存取决于微软是否继续付款。如果微软减少AI支出，CoreWeave只有几个月而非几年的生存时间。它相对英伟达或微软是小公司，因此不上头条。CoreWeave的流动性危机不会因其规模而成为新闻，而是因为它会让所有人看到影响数十家同类公司的结构性问题。

7. 如果破裂：三种传染形式

马特·斯托勒提出了正确问题：不是泡沫是否破裂，而是破裂时如何传播。答案需要理解金融传染的真正含义——系统某一部分的冲击如何传导到其他部分。

形式一——资产负债表传染（2008年模式）：当杠杆赌注出错时，机制总是相同：无法偿还贷款→贷款方无法履行自身义务→贷款方的贷款方无法收回资金→如此形成长链，最终所有人试图抛售一切以偿还债务，触发大规模资产清算。在AI背景下，风险集中在私人信贷和上述SPV中，不如2008年（问题局限于数百万美国家庭的抵押贷款）可见，但同样真实。

形式二——纸面财富传染（互联网泡沫模式）：当AI公司上市（如OpenAI和Anthropic即将上市）时，会创造巨大的理论新财富……（文章因篇幅限制截断）