一、总论：热力学视角下的AI资本市场
（一）背景：从AI技术革命到资本热潮
自2022年底ChatGPT发布以来，生成式人工智能（AIGC）引发全球性技术与资本浪潮，产业演进呈现三阶段特征：
第一阶段：技术突破与共识形成（2022年底～2023年上半年）——大模型性能跃迁确立“大模型是下一代技术基础设施”的全球共识，算力成为战略资源，大模型能力构成核心竞争力，应用生态被视为价值高地。
第二阶段：资本大规模投入与产业扩张（2023年上半年～2025年）——微软、谷歌、Meta、亚马逊及中国头部互联网公司启动激进AI投资计划，聚焦数据中心、AI芯片与基础模型研发。北美云厂商资本开支持续超预期，2026年或达数千亿美元量级。资本市场估值逻辑由传统PE转向对算力规模、用户增长与生态控制力的贴现；A股、港股围绕算力产业链形成结构性行情，从GPU芯片向光模块、先进封装、液冷、智算中心（AIDC）延伸。
第三阶段：焦点转向推理与ROI验证（2025年上半年至今）——产业重心由“训练”转向“推理”，Token调用量成为衡量真实活跃度与商业潜力的核心指标。头部企业AI能力深度嵌入办公软件、搜索引擎、电商推荐等场景，并探索Agent、文生视频等原生应用。资本开支绝对值仍攀升，但市场关注焦点已从“Capex强度”转向“投入回报率（ROI）”。能否形成可持续收入、健康现金流结构及清晰盈利模式（如订阅制、API收费），成为支撑高估值的关键基本面要素。与此同时，“AI泡沫”讨论升温，中美路径差异凸显：美国以OpenAI、谷歌为代表追求AGI突破，中国则在算力受限下更重效率优化与应用驱动，使泡沫成因更具多维复杂性。
（二）热力学熵增定律在AI资本市场的映射
当前AI资本市场呈现“非理性繁荣”与“理性基础”并存的矛盾特征：估值高企、资本集中、情绪高涨，但技术真实突破、需求切实存在、产业逻辑清晰。传统牛顿力学范式分析面临三重失灵：
- 还原论失效：拆解芯片、算法、应用分别估值，忽略其非线性协同价值。英伟达估值不仅来自芯片销售，更源于CUDA生态对产业秩序的重塑能力，该生态溢价无法还原测算。
- 历史类比失效：简单对标2000年互联网泡沫，忽视本质差异——互联网是消费端连接系统（梅特卡夫定律），AI是生产端智能系统（智能密度定律），其资本、组织与产业粘性更强，相变过程更长、更复杂。
- 均衡思维失效：AI产业处于远离均衡的相变区，波动并非偏离，而是探索新稳态的过程。用PE、PS等均衡指标评估，易错过价值指数级增长主升浪。
引入热力学第二定律视角：AI资本市场是一个被巨额资本持续注入能量的开放系统。若输入能量无法高效转化为有序商业价值（负熵），系统内部无序度（熵）将累积，终致从“高能有序”滑向“低能无序”的出清状态。当前系统正构建高度有序的AI基础设施与智能能力，关键在于资本转化效率——若技术提升与收入增长跟不上资本消耗速度，熵将持续增加。
由此构建“理性泡沫”热力学分析框架，超越“是否泡沫”“何时破裂”的二元争论，聚焦核心问题：系统正在形成怎样的新秩序？该秩序是否稳定？是否具备脆弱性或反脆弱性？
（三）AI泡沫熵增判断的两个本质问题
从热力学框架出发，判断AI资本市场是否面临熵增失控，需回答以下两大本质问题：
问题一：Scaling Law是否持续有效？——决定上游算力投入能否转化为更高智能与更高效供给。过去三年，大模型性能与算力投入的幂律关系（Scaling Law）是驱动芯片、数据中心重资产投入的核心信仰。但自2025年起，预训练阶段性能提升边际递减显现，业界转向后训练（Post-Training）、强化学习与思维链等算法创新寻求突破。若Scaling Law在Mid-Training、Test-time Compute等新路径仍具高ROI，则上游Capex可持续升级智能与算力效率，负熵流充足；反之，若边际收益快速衰减，将出现“算力通胀”与资源闲置，上游泡沫风险陡增。
问题二：下游AI应用是否实现正向ROI？——决定中游算力能否在产业末端被有效消纳并形成商业闭环。开放系统的存续依赖能量向有序产出的转化。当前大量算力仍在中游空转。若下游通过AI Agent、垂直行业解决方案实现AI-First原生价值创造（如按效果分成、嵌入核心流程），并维持高毛利、高复购与数据飞轮，则算力需求具备内生韧性，负熵增强；反之，若停留于Demo级应用或仅靠API薄利变现，在开源模型平权与价格战冲击下，ROI难以为正，算力消纳不足，将引发中游库存与空置率上升，熵增突破临界点，诱发系统性调整。
因此，AI泡沫的熵增判断本质是对“上游Scaling Law有效性”与“下游ROI可实现性”的双重检验，亦即供给端转化效率与需求端价值闭环能力的协同验证。
二、产业链熵值分布：基于热力学脆弱性分析
基于热力学框架，对AI产业链上、中、下游开展脆弱性分析：资本能量（Capex）主要流向上游（芯片/硬件）与中游（云基础设施），最终需在下游（AI应用）完成价值闭环。
- 上游处于“高能高压”状态，资本密集但路径依赖性强，当前呈现“理性泡沫”特征——资本密集度整体下降，但技术路径转换带来的“结构熵”开始浮现；
- 中游是熵增传导与放大的“相变枢纽”，同时承受上游效率衰减向下传导与下游ROI不及预期向上传导的双重压力；
- 下游呈现“达尔文式进化”，在显性高估值β风险下，蕴藏通过敏捷架构与垂直数据沉淀构建反脆弱α价值的潜力。
（一）上游（芯片/硬件）：高压区下的资本与技术双重熵增分析
上游为资本注入首要入口与高压区，脆弱性源于高资本密度与技术路径不确定性。关键负熵指标为“资本开支/营收比率”——该比率下降，反映资本开支增速趋稳而营收增长更高效，单位资本创收能力提升，标志系统正由粗放投入转向内在效率驱动。
1. 整体资本密集度呈下降趋势
AI爆发初期上游营收高速增长。英伟达依托Transformer架构与RLHF技术引领AIGC时代，2026财年Q3营收570.06亿美元，同比增长62.49%。选取英伟达、Intel、台积电、AMD、博通五家代表企业观察：2024年资本开支在ChatGPT催化下大幅增长，2025年增速已明显回落。其中台积电与Intel因设备厂房投入高，资本密集度较高；英伟达、AMD、博通等设计厂商密集度较低，整体上游资本密集度趋于下降。
2. 供需非线性断裂风险暂不显著，但泡沫隐忧浮现
北美四大云厂商（CSP）资本开支持续强劲：2025年Q1-Q3分别为711.38亿、882.46亿、964.04亿美元，同比增幅达64.29%、70.94%、67.6%。
但库存增速与云业务收入增速出现显著剪刀差：截至2025年Q3，英伟达库存同比+158.48%，远高于微软Intelligent Cloud收入增速（28.25%）及Google Cloud增速（33.51%）；AMD库存同比+36.08%，库存周转率保持稳定。该剪刀差仍在扩大，显示上游产能扩张节奏已阶段性快于下游实际消化能力。
3. 技术路径依赖与生态锁定的“结构熵”开始浮现
英伟达估值核心不仅在于芯片销售，更在于CUDA生态塑造的产业秩序——这一强大有序结构亦带来极高转换成本与技术熵。若出现颠覆性架构（如Extropic概率熵测量芯片）、谷歌TPU路线全面崛起，或国产替代加速，现有生态可能迅速瓦解，引发剧烈熵增。
通用GPU在功耗与延迟方面先天承压，尤其在美国缺电背景下。谷歌自2016年推出TPUv1，至2025年第七代Ironwood，已实现性能与成本双突破：TPUv7单卡算力基本追平英伟达GB200，发布时间仅晚数个季度；TCUH（单位时长总成本）为2.28美元，较GB200服务器（1.28美元）低约44%。随着更多高性能专用芯片入局，AI芯片正步入“双轨时代”——英伟达GPU凭借通用性与CUDA生态仍占主导，谷歌TPU以超高能效比与成本优势持续挑战，技术护城河脆弱性逐步暴露。
（二）中游（云/平台）：熵增传导与放大的“相变枢纽”
中游云平台承担AI模型部署、推理服务与开发者生态建设职能，是上游算力供给与下游应用落地的关键衔接层。其脆弱性体现在两端压力传导：一方面，上游芯片效率衰减（如库存积压、Scaling Law边际递减）将压缩其采购意愿与议价能力；另一方面，下游应用ROI不及预期，将削弱其API调用收入与定制化服务空间。当前中游企业正加快自研模型、优化推理引擎、拓展行业垂类方案，以增强自身负熵能力，避免沦为单纯“管道”角色。