AI泡沫破裂会击穿什么？

先被推倒的，是假设，不是模型

如果AI泡沫真的破裂，第一个接受压力测试的未必是模型能力，而是市场为AI写下的财务剧本。上涨时，只要贴上AI标签，投资者就可能把多年后的收入和利润提前计入价格；调整时，问题会变得很朴素：

• 客户是否愿意持续付费？
• 扣除GPU、数据中心和电力成本后，业务还能留下利润吗？
• 当前股价和企业估值，能否由真实增长率解释？
• 基础设施建设是否对应已经确认的需求？
• 收入来自终端客户，还是主要在AI生态内部循环 ？

因此，AI泡沫破裂的核心事件不是“AI没用了”，而是“AI太贵了”。被重估的会是股票溢价、未上市公司的估值、数据中心投资回收期，以及企业AI项目的投资回报率。

为什么现在泡沫论越来越响

泡沫讨论升温，不是因为AI投资不够，而是因为投资扩张太快。高盛指出，AI驱动的数据中心和基础设施建设可能达到数万亿美元规模，并提到英伟达CEO黄仁勋曾表示，到2030年AI基础设施支出可能达到3万亿至4万亿美元；高盛分析师还预计，仅超大规模云服务商的资本开支在2025年至2027年就可能达到1.4万亿美元 。

2026年的数字已经相当可观。高盛称，按华尔街分析师共识，具备大规模部署AI基础设施能力的超大规模AI企业，2026年资本开支预期已升至5270亿美元，高于第三季度财报季初期的4650亿美元 。高盛另一篇文章也提到，最大型的超大规模云计算公司预计将在2026年投入超过5000亿美元资本开支 。

不过，大规模支出本身并不能直接证明泡沫存在。高盛强调，AI投资建设按名义美元计算确实大于以往周期，但若进行适当比例调整，看起来并没有那么极端 。真正的问题不是“花了多少钱”，而是这些钱能否换来足够真实的需求、收入和利润。

1. 股市：AI溢价最先接受压力测试

泡沫降温时，反应最快的通常是股票市场。上涨阶段，半导体、云服务、数据中心、电力基础设施和软件公司都可能被归入AI主题；一旦进入调整，市场会从“买AI故事”转向“挑AI现金流”。

高盛已经指出，投资者对AI股票正变得更加挑剔 。他们会重新追问：AI收入到底增长多快？AI产品毛利是否足够？客户是否反复付费？数据中心和GPU成本是否会吞噬利润？

市场集中度也让问题更敏感。高盛研究显示，七大科技公司目前占标普500指数市值的30%以上，并贡献约四分之一的指数盈利 。如果AI预期已经深深嵌入这些大型公司的估值倍数，那么AI重估就不只是个别概念股下跌，也可能转化为主要指数的波动。

2. 创业公司：漂亮演示不如可复购收入

仅凭现有资料，无法量化AI创业公司整体会出现多少“降估值融资”或倒闭案例。但如果上市市场的AI估值倍数下调，未上市公司的下一轮融资逻辑通常也会变得更苛刻。

Cresset认为，AI领域已经出现高估值、大规模资金流入和投机行为等泡沫特征 。高盛也把AI相关公司估值上升列为泡沫担忧的重要来源之一 。在这种环境下，投资人会更看重经常性收入、客户留存、成本结构、独家数据、分发渠道，以及能否嵌入企业现有工作流。

最脆弱的，是只凭“AI”标签获得高估值的公司。调整期里，仅仅在通用模型之上叠加一个功能，未必足以支撑估值。客户是否持续使用，使用量扩大时亏损会不会同步扩大，都会变成更硬的考题。

3. 数据中心、GPU和电力：从先扩张，转向先验证需求

AI泡沫如果传导到实体投资，最明显的路径可能在数据中心和电力基础设施。高盛预计，AI数据中心和基础设施建设可能达到数万亿美元规模，且仅超大规模云服务商资本开支在2025年至2027年就可能达到1.4万亿美元 。2026年超大规模AI企业资本开支共识预期也已达到5270亿美元 。

问题仍然不是建设规模，而是回收可能性。如果AI服务需求低于预期，或者推理成本高到收入难以覆盖，企业可能从“先把容量建出来”转向“先确认订单和使用率”。这会影响新数据中心开工节奏、GPU采购速度，以及电力供应计划的经济性。

这并不意味着所有数据中心投资都是过剩的。真正变化的是评判标准。调整期里，市场会更看重利用率、长期客户合同、投资回收周期和电力供应稳定性。Cresset也认为，未来一段时间将检验当前AI基础设施建设究竟会成为长期创新平台，还是市场史上规模巨大的资本错配之一 。

4. 大型科技公司：更可能是估值倍数和投资节奏调整

AI调整不等于大型科技公司集体倒下。Cresset指出，AI领域虽然有高估值和投机行为，但强劲盈利、持续收入增长和以现金支持的基础设施投资，更支持“选择性调整”而非“系统性崩溃”的判断 。

不过，“公司能扛住”和“股价没冲击”不是一回事。七大科技公司占标普500指数市值的30%以上，并贡献约四分之一盈利 。如果市场下修AI预期，结果可能不是企业破产潮，而是估值倍数下降、AI资本开支增速放慢，以及部分项目优先级被重新排序。

5. 最脆弱的结构：循环式AI经济

高盛特别提到，AI生态的循环性正在加剧泡沫担忧 。这里的关键，是钱到底来自最终客户的真实需求，还是在AI生态内部反复流转。

在新技术早期，模型公司、云服务商、芯片企业和应用公司相互支撑增长，并不罕见。问题在于，当市场转向谨慎时，投资者会更严格地区分两种收入：一种是外部客户为真实生产力提升付费，另一种是生态内部交易带来的账面增长。后者一旦缺少终端需求支撑，抗压能力会更弱。

企业采用AI不会停，但预算会更难批

AI泡沫降温，并不意味着企业会立刻停止AI应用。更现实的变化，是预算审批从“有没有用AI”转为“AI有没有带来可衡量结果”。它是否降低成本、增加收入、减少人工重复工作、融入现有系统，会比项目看起来是否前沿更重要。

因此，投资回报不清晰的试点、展示性质强于业务价值的聊天机器人、用户很少的内部实验，可能会被缩减。相反，客户支持自动化、文档处理、代码辅助、企业搜索、安全分析等更容易衡量效果的工作流，可能更容易保留下来。这也对应Cresset所说的分岔点：当前AI基础设施究竟会支撑持久创新，还是变成资本错配 。

判断谁更抗跌，看这几项

判断AI泡沫风险，重点不是一家公司“是否做AI”，而是它能否用AI创造可重复的现金流。

结论：AI未必结束，价格标签会被重写

如果AI泡沫真的破裂，最可能发生的不是市场得出“AI没有价值”的结论，而是重新承认：之前给AI贴上的价格太高。高盛所说的泡沫担忧，来自估值、巨额投资和生态循环性 ；IMF相关警告也说明，与互联网泡沫相比较的风险并非空穴来风 。但高盛和Cresset的资料同样提醒，当前局面不宜被简化成单线条的全面崩溃 。

更现实的剧本是：AI技术继续存在，但被夸大的预期、过度前置的投资和脆弱的商业模式会被清理。留下来的，将是那些能带来真实收入、降低实际成本，并让客户愿意持续付费的AI。