跳至正文
来两杯美式
返回

AI 是不是泡沫,根本不重要

By 来两杯美式
发布于

“AI 是不是泡沫?“这是我被问得最多的几个问题之一。先把结论放在前面:是不是泡沫,根本不重要。

先看几个数字,感受一下这个”泡沫”有多大:

最后一个数字值得找个参照系:互联网泡沫的顶点,全美电信运营商一年的资本开支约 1200 亿美元(2000 年币值)。今天四大厂一年的投入,是当年的六倍。钱在疯狂涌入,估值高得吓人,有个流传很广的说法:一半投资人认为这里存在泡沫。

泡沫是真的,但这不重要

我不否认泡沫的存在。科技公司互相投资、循环注资、估值脱离基本面,这些迹象都摆在那里。

但真正值得记下来的,是那个反问:

是否泡沫并不重要。技术行业发展经历过很多泡沫,互联网泡沫并没有阻碍互联网发展——亚马逊、谷歌这些大公司,恰恰都是在泡沫期间诞生的。

把历史数字补齐,这句话会更有分量。2000 年 3 月 10 日,纳斯达克见顶 5048 点,随后两年半跌去 78%;Pets.com 从 IPO 到清盘只活了 267 天;亚马逊股价跌掉九成多。泡沫破得非常彻底,该死的都死了。

但另外三件事也同时是真的:

  1. 亚马逊的仓储、物流、电商基础设施,是在泡沫期靠泡沫级的融资建成的——泡沫破了,根基留给了它自己;
  2. 谷歌成立于 1998 年,泡沫最热的年份,等到资本市场冷静下来,它已经有了技术和人才;
  3. 电信泡沫埋下的光纤,到 2002 年有九成以上没有点亮,看似巨大的浪费——但正是这些”过剩产能”把带宽价格打了下来,成了几年后 Web 2.0 和视频时代的廉价地基。

泡沫破裂清算的是股东和投机者,从来不是基础设施。 互联网本身没有消失,反而在泡沫之后加速渗透进生活的每一个角落。

AI 也是一样的逻辑。它像互联网一样,是一种赋能技术——不是某个单独的产品,而是会渗透进所有行业的基础能力。这样的技术,短期估值高不高、会不会回调,都不改变它长期的方向。

泡沫的经济学功能:技术革命的”首付”

如果说互联网泡沫的历史只是一个例子,那有没有一般规律?有,而且被系统研究过。

经济史学家卡洛塔·佩雷斯(Carlota Perez)在《技术革命与金融资本》里梳理了两百年的技术史:蒸汽机、铁路、电力、汽车、信息技术——每一次技术革命,都遵循同一个节奏

  1. 导入期:新技术出现,金融资本涌入,狂热推高估值,泡沫形成;
  2. 崩溃:泡沫破裂,投机资本被清算;
  3. 展开期:生产资本接管,泡沫期建成的昂贵基础设施变成全社会的廉价底座,技术进入扩散的黄金时代。

在这个框架里,泡沫不是意外,而是机制:只有泡沫级的预期,才能说服资本市场替全社会预付基础设施的建设成本。 铁路的过度铺设给了工业化一张运输网,光纤的过度铺设给了互联网一条信息高速公路。没有当年的疯狂,就没有后来便宜的底座。

所以对”AI 是不是泡沫”这个问题,最有信息量的回答是:是,而且它注定是。 真正的问题在泡沫之后——基础设施会留下来,问题是留给你用,还是留给你的对手用。

短期投资者和长期使用者的差别

当然,这里要区分你的身份。

如果你是个投资者,泡沫就很重要。短期会有剧烈波动,有些公司估值短期过高,追进去可能亏钱,你需要谨慎挑选标的。纳斯达克跌 78% 的历史告诉你,买对了时代也可能买错了公司。

但如果你是个企业、一个使用者,答案就完全不同了。你关心的不是”这个赛道什么时候崩”,而是”我怎么用上它”。对使用者来说,纠结泡沫几乎是一种浪费——你该纠结的是它能不能帮你把业务做好,而不是它的估值合不合理。

长期来看,人工智能会持续发展,并像互联网一样赋能每一家企业。该焦虑的从来不是”AI 是不是泡沫”,而是”等它成熟时,我的组织有没有准备好”。

别让泡沫论成为拖延的借口

我还想补一层自己的观察:“泡沫论”常常被当成不行动的挡箭牌。

我见过不少企业,一边刷着”AI 要崩了”的文章,一边心安理得地继续观望。“反正都是泡沫,等它挤干净了再说”——这话听起来清醒,其实是把不作为包装成了理性。

用佩雷斯的框架说得更直白些:等到展开期再进场,入场券的价格完全不同。 等泡沫挤干净的那天,真正的赢家早在导入期就把根基打完了。你等泡沫破了再进场,大概率只能给先行者当分母。

对企业的建议很朴素:别判断泡沫,判断赋能。 泡沫怎么走是资本市场的事,赋能怎么落地是你自己的事。前者你管不了,后者你不做就输了。

一句话总结

泡沫是资本市场的事,赋能是你自己的事。泡沫是技术革命的融资机制:破裂清算的是投机者,留下的是基础设施——互联网如此,AI 大概率也如此。所以”AI 这个泡沫破不破、什么时候破”,都不该成为你停下来观望的理由。真正该问的问题是:当这项技术像互联网一样无处不在时,你手里有没有已经跑通的场景。


分享这篇文章:
通过邮件分享这篇文章✓ 链接已复制
查看系列全部文章
  1. 01.企业 AI 落地的成熟度分层:L1 到 L4,你的组织在哪一层
  2. 02.企业 AI 推不动的四个认知误区:降本、技术、底座与数据
  3. 03.AI 组织转型:为什么「全员用 AI」和「通用方案」都是陷阱
  4. 04.走向 AI Native:原生 AI 产品与垂直壁垒,企业转型的终点
  5. 05.AI 是不是泡沫,根本不重要
  6. 06.企业 AI 落地:先问 Why/What/How,再谈规模化
  7. 07.SEO 之后是 GEO:当搜索变成「跟 AI 对话」,品牌怎么被看见
  8. 08.AI 背下了所有关于猫的知识,却没摸过一只猫
  9. 09.AI Native 不是工具升级,而是组织重写

上一篇
Agent 评测工程化(一):为什么不能只看平均分
下一篇
企业 AI 推不动的四个认知误区:降本、技术、底座与数据