热点新闻《这波AI热潮会是史上最大泡沫吗》解读，网友有何看法？

关于这波AI热潮会是史上最大泡沫吗的热点新闻，VIP农商网小编为您精心整理了如下解读与看法。

这波AI热潮会是史上最大泡沫吗热点解读

据农商网于2025年10月18日 22时38分05秒发现，这波AI热潮会是史上最大泡沫吗热点，2025年，世界资本市场的剧本，被卖GPU的英伟达彻底改写。

一个在游戏玩家圈子里被封为“核弹工厂”的芯片设计商，在人工智能的滔天巨浪之下，一跃成为全球资本的图腾，市值一度冲破4万亿美元大关，将一众石油、消费、金融领域的传统巨头，毫不留情地甩在身后。华尔街的分析师们绞尽脑汁，试图为这家公司寻找历史的参照物，却发现任何先例在它陡峭的增长曲线面前都显得苍白无力。

整个市场似乎都在达成一种共识：一个由算力定义的新纪元，已经敲门。

然而，当资本市场奏响这曲烈火烹油的凯歌时，另一份报告却在悄无声息地流传，为这场狂欢注入了一丝刺骨的寒意。来自麦肯锡的调研冷静地指出：在喧嚣的应用市场背后，超过80%的企业级AI项目，都未能实现其承诺的投资回报率（ROI）。

一面是资本市场的狂热烈火，一面是产业应用的残酷寒冰。这组充满巨大张力的数据，构成了我们这个时代最核心的商业谜题：我们，究竟正处在一场由真实技术突破驱动的产业革命中，还是一场被资本和人性贪婪催化到极致的、史无前例的巨大泡沫里？

这个问题，并非华尔街交易终端上的数字游戏。它深刻地关系到未来十年的产业格局、资本流向，乃至我们每一个人的职业命运。它定义了我们这一代人，究竟是站在一个伟大时代的黎明，还是站在一场巨大幻灭的前夜。

要回答这个问题，我们不能只听信预言家们的豪言壮语，也不能被怀疑论者的悲观论调所迷惑。我们需要像一名侦探，拨开层层迷雾，深入这场资本与技术的风暴中心，寻找最坚实的证据。

在接下来的文章里，我们将从两个截然相反的视角，对这场AI浪潮进行一次彻底的审视。我们将深入“泡沫的解剖学”，勘察那些“非理性繁荣”留下的蛛丝马迹；我们也将探寻“革命的肌理”，触摸那些由代码和芯片构成的、坚实的范式转移基石。

01 泡沫的解剖学

要理解今天的AI狂热，我们必须把时钟拨回到2000年3月的那个春天。

彼时，一家名为思科（Cisco）的公司，凭借着“互联网管道工”的身份，市值冲破5000亿美元，短暂地超越微软，登顶全球之巅。它的市盈率达到了惊人的201倍，市销率也高达30倍。

在那个年代，思科就是互联网的代名词，是通往数字新世界的卖铲人。然而，泡沫破裂后，思科的股价一泻千里，至今二十多年过去，即便其收入翻了一倍多，股价也再未回到那个疯狂的顶点。

思科的故事，成为了一代投资人心中关于“非理性繁荣”的永久警示。而今天，历史的韵脚似乎正在AI领域重现。让我们看一组冰冷的数据对比：

• 思科（2000年顶峰）： 市销率（P/S）约 30倍。
• OpenAI（2025年）： 基于年中年化收入的前瞻市销率约 38.5倍。
• Anthropic（2025年）： 基于年中年化收入的前瞻市销率约 36.6倍。

今天AI明星创业公司的估值，已经悄然超越了当年互联网泡沫顶峰时最炙手可热的“铲子”。人们不再谈论“市盈率”，因为这些公司大多仍在巨额亏损；人们也不再满足于“市销率”，转而拥抱一种更玄学的估值方法——“市梦率”，赌的是一个遥远的、AGI（通用人工智能）主导的未来。

一个“双层泡沫”的结构正在形成：上层是英伟达，凭借着实打实的巨额利润，支撑着它虽然昂贵但尚有基本面可言的“盈利泡沫”；下层则是以OpenAI为代表的一众模型公司，它们用远超思科巅峰时期的“梦想泡沫”，吸引着全世界最聪明的资本。

法国一家名为Mistral AI的初创公司，在成立仅一个月、尚无任何产品、团队刚刚开始招兵买马的情况下，就轻松以2.6亿美元的估值筹集了1.13亿美元。

这并非个例，而是当下VC圈“错失恐惧症”（FOMO）的缩影。根据PitchBook的数据，2025年第一季度，AI领域的初创公司，像一块巨大的磁石，吸走了全球风险投资总额的57.9%，在北美，这一比例更是高达恐怖的70.2%。

一位VC合伙人坦言：“当一个新市场出现时，VC们有点失去理智，只是蜂拥而入。” 更关键的是，这股资本洪流创造了一个精妙的“自我强化循环”： VC投入巨资 -> AI创业公司获得资金后，立刻向英伟达下达巨额GPU订单 -> 英伟达的收入和利润暴增 -> 英伟达股价飙升，成为AI浪潮的最佳代言人 -> 市场的狂热被进一步点燃，验证了赛道的“正确性” -> 吸引更多VC带着对错过的恐惧，加倍下注。

在这个闭环里，整个生态系统的繁荣，并不完全依赖于终端用户的真实付费和可持续的商业模式，而是建立在风险资本持续不断的输血之上。这是一个典型的、由资本驱动的内循环泡沫。

当一个概念从投资圈渗透到产业界，狂热便开始蔓延。

首先是“算力崇拜”。英伟达的H100 GPU，已经从一种生产工具，异化为一种金融资产。自2023年以来，“一卡难求”成为常态，交付周期长达数月。在eBay等灰色市场上，一块官方售价数万美元的H100，转售价格被炒到了骇人的12万美元。这已经不是芯片，这是21世纪的“数字郁金香”。科技巨头们则在公开场合炫耀自己的“军火库”，Meta号称拥有35万块H100，囤积GPU本身，就成了一种战略正确。

随之而来的是“AI包装术”。在资本市场上，“AI”成了一个点石成金的魔咒。数据显示，2023年，在财报电话会议上提及“AI”的公司，其后三天的股价平均上涨4.6%，几乎是未提及公司的两倍。

于是，一幕幕荒诞剧开始上演： 做燃料电池的Bloom Energy，宣布为AI数据中心供电，股价飙升近30%； 名不见经传的BigBear.ai，宣布一项边缘AI合作，股价应声上涨22%； 从Oracle到Shopify，无数公司只要宣布与OpenAI建立合作，就能立即收获市场的热烈追捧。

在这场狂欢中，价值的赋予，不再基于商业模式的根本性改变，而仅仅是与“AI”这个热门标签的关联。有多少是真正的技术进步，又有多少是资本市场的“行为艺术”？无人深究。

喧嚣过后，一个根本性的问题浮出水面：AI，到底能不能赚钱？

一位财富500强公司的CFO曾对媒体抱怨：“我完全不知道我们这个季度将在AI上花多少钱，这令人沮丧。”这种“不可预测的成本”正是企业在应用AI时面临的普遍困境。

更致命的是，钱花出去了，回报却遥遥无期，80%的企业AI项目未能实现ROI。Gartner则预测，到2025年底，30%的生成式AI项目将在概念验证阶段后被放弃。原因无外乎数据质量差、集成成本高，以及最关键的——商业价值不明确。

对于AI公司自身而言，它们还面临着一个独特的“收入悖论”。传统的SaaS软件，边际成本几乎为零，用户越多，利润越高。但AI服务完全不同，每一次用户查询，都会产生一笔真实且不可忽略的计算/推理成本。这意味着，用户越活跃，公司的成本就越高。OpenAI的毛利率因此被限制在40%左右，与软件业动辄80%以上的毛利相去甚远。

这种结构性的盈利挑战，是泡沫叙事中最坚硬、最致命的一环。它指向了一个终极拷问：如果前期在GPU上数百亿的资本投入，无法通过下游应用持续的、高毛利的运营利润来收回，那么整个AI的商业大厦，究竟是建立在磐石之上，还是沙滩之上？

毕竟这样的故事在AI历史上曾经不止一次发生。

今天的我们很容易产生一种错觉，似乎人工智能是近几年才从石头里蹦出来的“孙悟空”。但事实上，在我们经历这场滔天巨浪之前，AI已经走过了七十载风雨，其间几度被捧上神坛，又几度被打入冷宫。

第一次浪潮 (1950s-1970s): 符号主义的黄金时代

AI的“创世纪”始于1956年的达特茅斯会议，一群当时最顶尖的科学家在羊皮纸上写下了豪迈的预言：用一代人的时间（20年），就能造出与人类比肩的思考机器。

那个时代的AI，走的是一条被称为“符号主义”的技术路线。其核心信念是，人类的智慧可以被抽象成一套符号和逻辑规则，只要把这些规则喂给计算机，机器就能像人一样思考。

在这个信念的驱动下，第一个“夏天”来临了。研究人员开发出了能下棋、证明几何定理、解答代数应用题的程序。这些成就极大地鼓舞了资助者，特别是希望在冷战中获得技术优势的美国军方。他们投入巨资，支持一个宏伟的目标：机器翻译，希望计算机能自动翻译俄语情报，让“克里姆林宫再无秘密”。

然而，黄金时代并没有持续太久。到了70年代，人们痛苦地发现，这些AI系统极其“脆弱”和“幼稚”。它们只能在被严格定义好的“玩具世界”里运行，一旦接触到真实世界无穷的模糊性、歧义性和复杂性，就会立刻崩溃。所谓的“常识”问题，成了一座无法逾越的大山。而投入巨大的机器翻译项目，最终也被证明是一场代价高昂的失败。

1973年，英国政府发布的《莱特希尔报告》，对AI研究的价值提出了毁灭性的批判，直接导致了英国AI经费的大幅削减。几年后，大洋彼岸的美国国防部也得出相似结论，停止了大部分AI研究资助。凛冬已至，AI迎来了长达近十年的第一次“寒冬”。

第二次浪潮 (1980s): 专家系统的商业狂热

沉寂之后，AI在80年代以一种更务实、也更具商业气息的面目回归，这就是“专家系统”的兴起。

这一次，人们不再奢求创造一个全知全能的“通用智能”，而是试图将某个狭窄领域的人类专家（比如医生、化学家、地质学家）的知识，编纂成一套庞大详尽的“如果…那么…”（if-then）规则库，让计算机在特定领域里，能像专家一样进行诊断和决策。

这个想法点燃了第二次AI热潮的烈火。一场巨大的商业化狂潮席卷全球，无数企业投入数十亿美元，开发用于医疗诊断、石油勘探、计算机硬件配置的专家系统。一批专门制造和销售昂贵“Lisp机”（一种为运行AI程序而优化的计算机）的公司，如雨后春笋般涌现，成为资本市场的宠儿。

但历史再一次押上了相似的韵脚。到了80年代末90年代初，这场商业泡沫开始破裂。企业们发现，构建和维护这些庞大的专家知识库，成本高昂得令人望而却步，这个过程被称为“知识获取瓶颈”。更糟糕的是，这些系统非常僵化，无法自我学习和适应新情况。与此同时，PC和工作站的性能飞速提升，使得昂贵的专用Lisp机变得毫无必要。

当曾经的明星公司Symbolics在1993年申请破产时，AI的第二次“冬天”也全面降临。

我们如今正在经历的这一次，究竟有何不同？我们是终于打破了“夏天”与“冬天”的宿命轮回，还是仅仅处在一个前所未有、酷热难当的“盛夏”，而一个更寒冷的“冬天”正在地平线的另一端等待着我们？

02 革命的肌理

如果我们只将目光聚焦于市场的喧嚣，便很容易忽视这场浪潮之下，那坚实、滚烫的技术地核。现在，让我们从交易所的屏幕前移开，走进实验室与数据中心，探寻支撑这场革命的真正基石。

2017年，谷歌大脑的几位研究员发表了一篇名为《Attention Is All You Need》的论文。这个看似标题党的论文，却成为了引爆本轮AI革命的“宇宙大爆炸”奇点。它提出的Transformer架构，就像一把钥匙，打开了通往大型语言模型新世界的大门。

在此之前，AI处理语言的方式，就像一个按顺序阅读的学生，逐字逐句地推进，很容易读到后面忘了前面，这在技术上被称为“长距离依赖”问题。而Transformer的“自注意力机制”，则赋予了模型一种“全局视野”，让它能同时处理所有文本，并权衡每个词与所有其他词的重要性。这个看似简单的改变，彻底释放了模型的并行处理能力，使得训练史无前例的超大规模模型成为可能。

如果说Transformer是那辆冲向未来的跑车，那么“规模定律”（Scaling Laws）就是OpenAI团队为它绘制的地图。这项经验性发现石破天惊：他们证明了，模型的性能与其大小（参数量）、训练数据量和计算量之间，存在着平滑、可预测的幂律关系。

这个定律的革命性在于，它将AI开发从一门依赖灵感和调参的“炼丹术”，变成了一门更可预测的“工程学”。它告诉世界：通往更强AI的道路也许并不复杂，只需要——大力出奇迹。只要你有足够多的数据和足够强的算力，更大的模型就会自然地变得更聪明。

而当“大力”真的出奇迹时，最神奇的现象发生了——“涌现”（Emergence）。

这就像给水加热，从0度到99度，它都只是热水，但一旦跨过100度的沸点，它就会突然变成水蒸气，获得了全新的物理属性。同样，当语言模型的参数量跨过某个神秘的临界值后，它会突然“解锁”许多从未被明确编程训练过的、令人惊叹的新能力，比如写诗、解数学题，甚至进行三位数加法。这种从量变到质变的飞跃，正是让人们相信AI不止是“统计鹦鹉”，而是具备了初级推理能力的核心原因。

Transformer、规模定律、“涌现”——这柄技术的三叉戟，共同构成了本轮AI革命无可辩驳的范式转移基石。

如果说技术突破还停留在理论层面，那么生产力的真实提升，则是革命最有力的证据。

在过去，发现一种新药或新材料，往往需要科学家们进行数年枯燥的实验和试错。而今天，AI正在扮演“协同科学家”的角色。谷歌的AI工具，已经能为急性髓系白血病提出新的候选药物，并在实验室中得到验证；麻省理工的团队，则利用生成式AI创造具有奇异特性的量子计算材料。AI正在将“从分子到市场”的时间线，以惊人的速度缩短。

在软件开发这个知识密集型产业，变革的信号同样清晰。根据微软对自己企业客户的研究，程序员在使用GitHub Copilot后，代码建议的平均接受率达到33%，据报告节省了约20%的工作时间。而使用了Microsoft 365 Copilot的普通白领，在处理搜索、写作和总结等任务时，速度平均提升了29%。

一个清晰的图景浮现出来：这场革命的初期特征，并非像工业革命那样首先从替代低技能的体力劳动开始，它更像一场“知识革命”，率先赋能和放大了金字塔顶端高技能人才的生产力。它不是要取代你，而是要让你变成一个装备了超级外挂的“超级你”。

2022年底，当ChatGPT横空出世时，据说谷歌内部拉响了“Code Red”（红色警报）——这是最高级别的危机响应。两位创始人拉里·佩奇和谢尔盖·布林被紧急召回，参与战略会议，以应对其核心搜索业务面临的“真实威胁”。

谷歌的恐慌，是整个硅谷巨头心态的缩影。它们在这场AI浪潮中的巨额投入，并非源于投机性的乐观，而是源于对被技术范式彻底颠覆的、深入骨髓的恐惧。这不再是一场普通的商业竞争，而是一场关乎生死存亡的“AI军备竞赛”。

让我们看一看牌桌上巨头们的赌注：

这些每年动辄千亿美元级别的资本支出，由全球最赚钱的公司用它们坚实的自由现金流来支付。这与互联网泡沫时期，由负债累累、现金流为负的电信公司举债铺设光纤，有着本质的不同。

当泡沫的论点依赖于“非理性”时，这张写满了天文数字的资本支出表格，就是“理性”最有力的证明。这不是投机，这是生存。牌桌上的赌注，是各自未来十年的命运。这种由恐惧驱动的、非如此不可的战略投资，构成了本轮AI浪潮最坚实的“基本面”。

03 历史的镜子

历史从不简单重复，但总是押着相似的韵脚。要看清AI浪潮的未来走向，我们不妨回到过去，从那些同样由新技术点燃的狂热与变革中，寻找历史的镜像。

2000年的互联网泡沫，是我们这一代人最熟悉的历史类比。相似之处显而易见：当年，华尔街崇拜的是“眼球”和“点击率”；今天，硅谷痴迷的是“参数”和“token”。它们都是与短期收入脱节，但指向遥远未来的潜力指标。

然而，相似的表象之下，是三个关键的、深刻的分歧。

首先，是基础设施建设者的“血型”不同。 2000年，铺设互联网信息高速公路（光纤）的，是像WorldCom这样债台高筑、靠着资本市场输血度日的电信公司。而今天，构筑AI算力基础设施的，是微软、谷歌、亚马逊这些手握千亿现金、利润丰厚、自由现金流充沛到令人发指的科技巨头。一个贫血，一个富血，这决定了本轮基础设施建设的抗风险能力，远非当年可比。

其次，是幸存者的基因密码。 互联网泡沫破灭后，活下来并最终成为巨头的，是亚马逊和谷歌。它们身上有一个共同的特质：在所有人都在追逐概念和炒作时，它们一个在疯狂优化物流和用户体验，一个在打磨基于搜索的广告变现模式。它们专注于解决真实世界的问题，并找到了可持续的商业模式。这为今天的AI公司提供了一面镜子：谁在真正创造价值，谁又只是在“token”的幻觉中裸泳？潮水退去时，答案自会揭晓。

最后，也是最重要的一点，是“生产性泡沫”的遗产。 互联网泡沫的破裂，留下了一地鸡毛，但也留下了一样宝贵的东西——被严重超前投资、遍布全球的“暗光纤”。正是这些在当时看来毫无用处的“过剩产能”，成为了后来Web 2.0、移动互联网、流媒体和云计算时代开启的、廉价而充裕的基础设施。

这个概念，或许是理解本轮AI浪潮的关键。今天，数千亿美元被投入到数据中心和GPU集群的建设中。即便未来90%的AI应用公司都会倒闭，但这些被构建起来的庞大算力，不会消失。它们将成为下一波创新的基石，在泡沫（如果存在的话）破裂之后，以更低廉的成本，滋养出我们今天无法想象的新物种。

让我们把视线拉得更远。

19世纪40年代的英国，曾爆发过一场“铁路狂热”（Railway Mania）。在短短几年间，对铁路——这个颠覆性的新技术——的狂热投机，催生了巨大的资本泡沫。泡沫破裂时，无数投机者血本无归。但这场金融灾难的另一面，是它以一种非理性的方式，极大地加速了英国国家铁路网的建设，为日不落帝国下一阶段的工业革命，铺平了道路。

这同样是一场“生产性泡沫”。

再看19世纪80年代的美国，上演了一场著名的“电流之战”。一边是发明大王爱迪生，他固执地坚持自己的直流电（DC）标准；另一边，则是天才发明家特斯拉和企业家威斯汀豪斯，他们则力推更具优势的交流电（AC）。这场“战争”充满了商业倾轧、舆论攻击，甚至包括了爱迪生用交流电公开电击动物，以证明其“危险性”的荒诞戏码。

这段历史，像极了今天的AI战场：

• 标准之战： 开源模型与闭源模型的路线之争。
• 架构之战： 英伟达的通用GPU与谷歌的定制ASIC（TPU）的技术路线对决。
• 巨头对决： 微软/OpenAI联盟与谷歌之间的激烈缠斗。

历史告诉我们，在一个颠覆性技术出现的早期，这种混乱、分裂甚至丑陋的竞争，是行业走向成熟和主导标准出现之前的必经阶段。它不是行业失序的标志，恰恰是行业充满活力的证明。

无论是互联网的“暗光纤”，还是铁路狂热留下的路网，亦或是电流之战后确立的工业标准，历史反复证明：资本的泡沫或许会破裂，但技术的革命一旦开始，便再也无法回头。

本文部分参考文献∶

[1] Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. In Advances in neural information processing systems (pp. 5998-6008).

[2] McKinsey & Company. (2025, October). Upgrading software business models to thrive in the AI era. McKinsey Digital.

[3] Harding Loevner LP. (2025, October 15). NVIDIA and the Cautionary Tale of Cisco Systems.

[4] 中金公司研究部. 2025. 《AI专题研究：浪潮之巅，泡沫与革命的二分法》. 中金研究.

[5] 腾讯研究院. 2025. 《通用人工智能的“iPhone时刻”：大模型的技术演进与应用展望》.

[6] 王晓. 2025. 《警惕AI产业的非理性繁荣与估值风险》. 财经杂志.

网友看法

1、网友郭大路的思考笔记：[捂脸]