01
AI泡沫撑不住了？
近日一些朋友在研讨AI企业何去何从这个事，AI泡沫存在吗？如果存在，何时破？
我们先看看AI这钱到底是怎么烧起来的。
美国在AI上的投资是中国的10倍，这个数字乍一听吓人，好像我们落后了一个时代。但数字背后是什么？是恐慌性投入，是害怕掉队的焦虑，是资本在缺乏明确盈利路径下的豪赌。现在的情况是，美国有OpenAI和Google这两个顶尖的，加上几个二流的。
我们这边，DeepSeek也算站住了，后面也跟着一批。从学术角度的基准测试分数上看，中美之间的差距看起来没那么吓人了。
但问题恰恰出在这里，如果技术差距没有宣传的那么大，那美国凭啥要投十倍于我们的钱？这多出来的九倍，投到哪儿去了？
答：很大一部分，是投给了幻觉。
投给了AGI近在咫尺的宏大叙事，投给了算力即权力，更重要的是，投给了资本市场需要的一个超级增长故事。
当基础科研的线性进步，无法满足资本对指数级增长的渴求时，泡沫的种子就已经埋下了。
大家比的不是谁的技术更能稳定地创造现金流，而是谁的故事更动听，谁能融到更多的钱来买更多的卡、雇更多的人，维持这个增长的表象。
这让我想起当年的互联网泡沫。.com满天飞的时候，大家比的也是点击量、用户增长，而不是盈利能力。最后坚硬的事实来了，企业要生存，必须产生利润。
AI现在的情况类似，而且可能更严峻，因为它烧钱的速度是互联网时代的几何倍数，电费、芯片费、顶尖人才的薪水，样样都是天价。它的可见收益到底是什么呢？对大多数企业来说能不能直接回答这个问题？还是说只有顶尖的企业才有资格走到智能化这一步从而享受AI真正的红利？
02
天花板的叹息与现实的墙当前具身智能系统主要依赖大模型驱动，但仍处于辅助智能阶段，无法像人类一样自主设定目标、理解任务并持续学习。系统仍需人类在数据采集、算法优化等方面深度介入，远未达到自主智能水平 。
大模型主要依赖慢思考机制，在应对突发状况或高动态环境（如复杂交通、家庭服务）时反应滞后，难以完成感知、决策、行动的闭环，限制了其在真实世界中的泛化与落地能力 。
当前大模型多为静态数据训练，难以有效捕捉城市、家庭等动态复杂系统的实时变化，缺乏对三维空间的深度理解与因果推理能力，导致其在空间智能应用中表现受限 。
具身智能所需的真实交互数据稀缺，采集成本高昂，而合成数据与现实世界存在物理、光照等差异，难以支撑高精度操作与复杂任务训练，成为大模型能力扩展的关键障碍 。
尽管技术概念火热，但具身智能在商业场景中仍面临效率、成本、适配性等多重挑战，市场接受度不高，产业链尚未成熟，短期内难以实现大规模价值转化 。
总言之，其独立解决复杂问题、创造商业价值的能力，目前来看远未达到早期预期。很多圈内人心里清楚，但嘴上不敢说，或者不愿意说。
什么是现有结构？就是目前以Transformer为核心，依靠海量数据、暴力计算堆砌起来的大语言模型路径。这条路走到今天，确实取得了震撼世界的成果，但它有明显的边界。
第一个边界是具身智能。
让AI理解物理世界、操控实体、像人一样在复杂三维环境里行动，这跟让它生成一段优美的文字、写一段代码，完全是两回事。
后者是符号和概率的游戏，前者需要与不确定的、连续的真实世界互动。现在的模型架构，离解决这个问题还差得远。
而如果AI不能深入实体世界，替代大量体力劳动和复杂操作，其经济价值的想象空间就被砍掉了一大半，只能是纯工具属性为主，暂时不具备生产主体性。
第二个边界，也是更现实的边界，是独立创造价值的能力。
现在的大模型，最好的落地场景是什么？是辅助。
是编程助手、是文案帮手、是知识问答伙伴。它极大地提升了信息工作者的效率，但它很难独立闭环完成一个能为市场付费的、完整的商业产品。
它需要人牵着、看着、校正着。它的产出是不稳定的，需要人类把关。这意味着，它的商业价值往往是增效，而非创造。增效的价值固然重要，但用它来支撑目前如此庞大的估值和投资预期，就显得脚轻头重了。
当资本发现，重金押注的技术路线，面前竖着一堵暂时无法逾越的现实之墙时，信仰就会动摇。这堵墙的名字叫基础理论瓶颈。
不出现架构级的革新，只靠堆参数、堆数据，边际效应会越来越低。投资人会开始问：我投的几千亿美金，什么时候能见到回头钱？答案如果总是再等等，下一代模型就行，那耐心是会用完的。
03
开源的挑战
开源是刺向这个泡沫的一把利剑，而且可能更致命，它正在解构大模型的核心商业价值，使其从独立的技术产品降维为互联网生态的流量附庸与基础设施。
以Meta的Llama、中国的Qwen和DeepSeek为代表的开源浪潮，其破坏力不在于技术，而在于商业逻辑。它从根本上瓦解了大模型作为一种昂贵软件服务的收费基础。
对于绝大多数企业用户来说，除非有极致的性能追求和实时性要求，否则，一个足够好用的、免费的开源模型，下载到自己的服务器上微调一下，是比持续向OpenAI这样的公司支付高昂API费用划算得多的选择。
这意味着什么？意味着大模型服务的云化、平台化商业模式，还没真正建立，就可能被开源模式挤压到只剩少数高端、头部客户。市场被大大分流了。
对于开发者而言，开源模型更是天堂。他们可以自由修改、研究、基于此构建应用，而不用担心供应商锁定和费用飙升。这极大地繁荣了生态，但也意味着，核心模型本身的货币化能力被极大削弱。它成了一种基础设施，就像互联网时代的Linux、TCP/IP协议。基础设施很重要，但靠卖基础设施本身赚钱，会变得越来越艰难，最终赚钱的是上面跑的应用和服务。
这样一来，像OpenAI这样的闭源商业公司，就面临一个尴尬局面，它需要投入天文数字的研发和算力成本，训练和维护最好的模型，但它最主要的收费模式（API调用）却受到开源模型的直接冲击。它不得不转向面向普通用户的订阅制（如ChatGPT Plus），但这块市场的规模和想象力，能与搜索、社交、电商这样的传统互联网流量生意相比吗？远远不能。
它收的会员费，可能连覆盖设备折旧和电费都勉强。它的估值却高达数千亿美金，这个估值是基于对未来垄断性利润的预期。当开源这把剑悬在头顶，这个预期还成立吗？商业模式无法闭环，是悬在所有纯AI公司头上的达摩克利斯之剑。资本可以为梦想窒息一时，但不会为永远无法盈利的梦想买单。
04
泡沫上的顶级玩家
第一个装不下会的是哪类企业？一个是燃料类，一个是引擎类。
燃料比如英伟达，其困境在于需求预期的坍塌。
它今天的市值，建立在全球对AI算力需求将持续指数级增长的坚定信仰上。所有巨头都在规划庞大的资本开支，建数据中心，买GPU。这个规划，支撑了英伟达的股价，也支撑了整个股市对AI板块的热情。
但是，如果前面说的几个问题成真：
1. 大模型发展遇到天花板，暴力堆算力的收益递减；
2. 商业化不及预期，企业开始削减AI投资；
3. 开源模型降低了对顶尖算力的部分需求（因为很多任务用性价比更高的卡或小型集群就能跑）。
那么，全球AI算力需求的增速就会迅速放缓，甚至出现阶段性饱和。到那时，英伟达将面临的不再是增长多少的问题，而是增长是否停止，甚至库存是否需要消化的问题。
它的估值模型是建立在永续高增长之上的，一旦增长故事破灭，其市值回调的剧烈程度，可能会超过很多人的想象。它不仅仅是一家芯片公司，它已经是整个AI信仰的图腾。图腾倒下，信心将雪崩。
引擎比如OpenAI，其困境则在于盈利路径的迷失。
它是最闪亮的明星，也承受着最大的期望。它需要向世界证明，AGI不仅可能，而且能赚钱。但目前看，它的路径非常艰难。闭源路线面临开源的冲击，To B的商业模式被分流，To C的会员收入天花板肉眼可见。它迫切需要通过上市，让早期投资者兑现。但你如何向二级市场讲述一个盈利能力薄弱、竞争格局恶化、技术前景面临瓶颈，但估值却高耸入云的故事？
如果OpenAI的上市进程受阻，或者上市后表现远不及预期，那就等于向全世界宣布：这个行业最顶尖的公司，也无法找到可持续的盈利模式。它所带来的信心打击，将是毁灭性的。资本会重新评估所有AI公司的价值，融资将变得极其困难，无数依靠输血存活的初创公司将瞬间窒息。
这两类司，一个代表硬件基础，一个代表软件巅峰。无论谁先出问题，都会立即引发连锁反应。英伟达的崩盘，会立刻让所有AI公司的资产（算力）贬值和融资能力枯竭。OpenAI的溃败，则会从商业逻辑上宣告当前AI发展模式的失败。它们也很可能前后脚，因为它们的命运被同一根绳索捆绑着，那就是全球资本对AI未来的无限憧憬。当憧憬褪去，现实露出冰冷的面孔时，绳索就会变成绞索。
05
多米诺之后，泡沫何去何从
如果第一张牌倒下，连锁反应会如何发生？
首先，是资本市场的大逃杀。AI概念股，从芯片、模型、到应用层，会迎来无差别的恐慌性抛售。估值体系重构，从市梦率跌回甚至跌穿传统的估值标准。一级市场融资冻结，大批初创公司在6到12个月内，因资金链断裂而倒闭。
其次，是产业的急剧收缩与聚焦。巨头们会迅速砍掉那些探索性的、远期的不盈利的AI或AI所波及的项目，甚至现在已经有一些企业在这么做了....所有投资回归到能直接看到降本增效的最务实领域。
AI行业会从烧钱拓疆的狂热阶段，进入过紧日子、求生存的寒冬阶段。人才市场也会从炙手可热变为供过于求。
然而，泡沫的破灭，并不全是坏事。它就像一场森林大火，烧掉了过于茂密、阻碍生长的灌木和枯枝。
挤出投机和虚火：那些只想蹭热点、讲故事的公司会被淘汰，资源（包括资金和人才）会重新配置到真正有技术、能解决实际问题的公司手中。
回归商业本质：行业会被迫冷静下来，思考如何真正用AI技术解决具体的、有付费意愿的商业问题，而不是一味追求参数的庞大和榜单的分数。AI会从炫技变得更实用。
为下一次突破积蓄力量：泡沫期积累了庞大的基础设施（算力）、海量的数据、和一大批训练有素的人才。当喧嚣散去，这些沉淀下来的东西不会消失。它们会成为下一次AI真正突破的基石。也许，在资本热度降温后，学术界和工业界能更冷静地思考，如何突破现有架构的瓶颈，去寻找通向具身智能或其他新范式的道路。
06
大众关于AI的头脑风暴
1AI是高铁，赶紧上车？
高铁的终点是明确的，轨道是铺设好的，运行是高度可控的。AI是吗？ 它不是。它更像是一列刚刚被发明出来、引擎在狂吼、但轨道还没铺、终点站也不知道在哪、司机还在培训中的原型车。大家都在喊快上车，是因为怕被时代抛下，这种恐慌心理本身就是泡沫的催化剂。
在不知道这车开向哪里、会不会中途散架、有没有买票（成本）价值之前，盲目挤上去，不是勇敢，是鲁莽。真正的勇敢，是看清楚风险，等车稍微停稳、路线稍微清晰、票价稍微合理了再上，或者，去投资铺轨的人、造更安全车厢的人。
2 AI广泛应用了吗？
AI作为一个广义技术早已渗透。但这一轮疯狂的资本叙事、天价估值、万众瞩目，的的确确是由大模型这个特定技术突破点燃的。我们讨论的泡沫，指的不是人工智能这个学科的泡沫，而是围绕生成式大模型和通用人工智能（AGI）叙事所建立起来的、脱离当前商业现实和短期技术可实现性的资本预期泡沫。这是两码事。计算机视觉、推荐算法那些是已广泛应用的AI，它们就像电灯、电话，已经进入了平稳发展期。而现在大家炒的、投的、怕错过的是AGI，是智能爆炸，这完全是另一个量级的故事。不能混为一谈。
3 基础设施不增长，不会带崩全产业链？
这个逻辑在平稳时期或许成立。但在一个行业早期、资本驱动、估值严重依赖未来预期的阶段，基础设施就是信仰的图腾。英伟达不仅仅是卖芯片的，它是算力即权力信仰的实体。OpenAI不仅仅是家公司，它是AGI将首先由我实现的象征。
当图腾动摇，象征破灭，整个生态的信心和估值体系就会崩塌。资本会重新评估所有上下游公司的风险，融资成本急剧上升，投资收缩，进而传导到应用层。
应用层的坚实基础，是建立在资本愿意持续烧钱、基础设施快速迭代、生态不断繁荣的前提下的。前提如果变了，基础还那么坚实吗？谷歌是有巨大收入，但它能永远不计回报地为AI输血吗？资本市场能允许它一直这样做吗？当整体预期逆转，巨头也会收紧钱袋子。
4 应用层泡沫不大?
去看看有多少初创公司，靠一个基于GPT API的简单包装，讲个AI赋能XX行业的故事，就能拿到几百万、上千万美金融资。这算不算泡沫？
机器人是前景广阔，但发展快么？翻个跟斗，走一走，跺跺脚，算不算发展？需要打个问号。
具身智能的核心瓶颈—认知、控制、与复杂物理世界交互—是底层理论和架构的挑战，不是靠堆钱和工程就能快速解决的。
波士顿动力的机器人跳了十几年舞了，离大规模商业化、产生可观利润还有多远？这个领域同样存在预期过高、兑现过慢的风险。
5 英伟达可以股票回撤，好模型多得是?
英伟达的风险不在于当下盈利与否，而在于其估值已经完全 Price in 了未来多年持续的超高增长。
一旦增长预期下调，其股价就不是回撤20%的问题，而是估值逻辑的重构，可能面临腰斩再腰斩。这不是简单的股价波动，这是对其商业模式的重新定价。
至于OpenAI，如果它倒闭或者上市失败，意味着什么？意味着这个星球上资源最集中、人才最顶尖、起点最高的闭源商业大模型公司，找不到可持续的盈利模式。这不是好模型多得是能弥补的。这会给资本市场一个致命的信号：这条路可能走不通。
届时，资本对所有同类公司的态度会从追捧变成极度审慎，整个赛道的融资环境会瞬间冰封。
6 股市回撤只是心理波动?
股市的涨跌，从来都是心理波动的具体体现。但当这种心理波动基于对行业基本面的重新认识，并且引发资本开支收缩、企业裁员、研发放缓、初创公司批量死亡时，它就不再是虚拟的波动，而会实打实地反噬产业本身，拖慢技术进步的速度。这就是泡沫破灭的杀伤力。
所以，我们是在接近一个临界点，资本耐心的临界点，技术兑现能力的临界点，和商业模式验证的临界点。
7 技术年年唱衰，年年没事？
历史的经验告诉我们，泡沫在破灭之前，永远看起来都很坚固。2000年互联网泡沫、2008年次贷危机之前，说这次不一样的人也是大多数。泡沫的持续时间，往往比理性者预估的要长，因为它由非理性的狂热驱动。但这绝不意味着它不会破。当支撑狂热的故事开始出现裂痕，比如增速放缓、亏损扩大、标志性公司出事，崩塌可能比任何人想象的都快。我们不是在预测必然的、精确到某一天的崩盘，而是在指出一个越来越大的风险概率。忽视它，代价可能是惨重的。
8 美联储放水、川普支持，泡沫不会破？
货币宽松和政策支持，确实能延后泡沫出清的时间，甚至吹出更大的泡沫。但它不能改变根本的商业规律：一个行业最终需要创造真实的、可持续的利润。货币潮水能托起所有船只，但潮水终会退去。当潮水退去，政策红利吃完，最终还是要面对你究竟能不能赚钱这个灵魂拷问。把希望完全寄托在央行和政策个体身上，本身就是脆弱的。
9 美国搞文科AI，中国搞理科AI？
美国的路径，是基于顶尖技术建立高壁垒，然后通过高额收费（订阅、API）实现盈利，是精英模式。中国的路径，是快速跟进，通过开源、低价甚至免费，快速获取用户和流量，将其嵌入到现有的庞大互联网生态中，作为增值服务或引流工具，是群众路线。这两种模式在碰撞。
目前看，在技术变现这个环节，中国的群众路线对美国的精英模式构成了直接威胁。它正在把大模型从奢侈品变成日用品，急剧压缩了单纯靠模型本身盈利的空间。这会让OpenAI们的商业化之路更加艰难。
最终，这可能迫使美国公司也不得不更多考虑开源，或者更深度地捆绑进具体的、能产生现金流的应用里。这未必是坏事，可能会加速AI技术真正普惠化的进程。但在这个过程中，那些估值建立在垄断高价预期上的公司，会非常痛苦。
10 Ilya新公司SSI在做Transformer级创新？
我完全同意，颠覆性创新从未停止，也必然会出现。这也是我说商业泡沫破灭不意味着AI失败的原因。Ilya的研究可能成功，也可能失败。但关键在于，下一波突破何时来？是否能支撑当前这批公司的估值和投资节奏？ 资本市场的耐心是有限的。
如果下一波革命性突破需要5年、10年，而资本市场指望的是明年、后年就看到商业上的巨大回报，这个时间错配，就足以引发一场出清。新的突破会带来新的繁荣，但很可能是在废墟之上，由新的玩家、新的资本来书写故事。现在的明星，未必能熬到那个时候。
11 AI只是概率统计、排列组合，不理解因果？
它确实不是真正的理解，而是基于海量数据的超级外推和模式匹配。这决定了它在需要严格逻辑推理、因果判断、创新性思维的领域，天花板是明显的。但这并不意味它没有巨大价值。蒸汽机也不理解热力学，但不妨碍它开创一个时代。
当前AI的能力，在信息处理、内容生成、效率提升方面已经是颠覆性的。问题不在于它有没有用，而在于它的用处是否配得上现在给予它的价格和期望。把一门强大的辅助技术，预期成即将取代人类、开启奇点的神，这才是泡沫的根源。
07
总结一下
总结一下，我的看法是，AI泡沫快要撑不住了。当前这种依靠资本输血、追求规模而非健康商业模式的狂欢，是不可持续的。第一张牌，很可能从AI硬件的增速神话破灭，或AI模型的商业化困境公开化开始。但这并不意味着AI技术本身失败了。
恰恰相反，这意味着AI技术正在从一个被资本过度包装的神话，回归到它本该在的位置，一场深刻但渐进式的技术革命。它会像电力、互联网一样，缓慢而坚定地渗透进所有产业，改变一切，但它不会在几年内就完成这一切，更不会让所有押注其上的投机者都一夜暴富。
凛冬将至，对于投机者是灾难，对于真正的建设者，或许意味着更干净的赛场和更坚实的起点。我们要做的，是丢掉幻想，准备好迎接现实的坚硬，然后在坚硬的现实中，寻找真正创造价值的机会。这才是商业的本质，也是技术进步的真正路径。泡沫吹得再大，也总要碰到天花板。现在，天花板已经看得见了。
转型规划|方案产品营销|架构|运维|培训&咨询->联系微信 Hopkins-happy
