数据时效：2026-05 Meta 在 2026 年一季度财报里，把全年资本开支指引抬到了 1250 亿到 1450 亿美元。

这个数字太大了。它已经很难被理解成一家公司在“买服务器”。它更像一张押注未来文明形态的账单：未来的人类会把多少工作、搜索、写作、编程、广告、交易、娱乐、教育和组织管理，交给 AI 去完成？

ai-bubble-cover-ten-year-demand ▲ 技术长期革命与资本提前定价，正在被压进同一张价格表。

如果只看技术，今天的 AI 乐观并不荒谬。

微软 2026 财年第三季度说，AI 业务年化收入运行率已经超过 370 亿美元，同比增长 123%。亚马逊同一季度的 AWS 销售额同比增长 28%，到 376 亿美元。英伟达 2026 财年全年收入 2159 亿美元，其中数据中心收入 1937 亿美元。Alphabet 把 2026 年资本开支指引给到 1750 亿到 1850 亿美元，理由里写着 AI compute、Cloud customer demand 和 frontier model development。

这场狂热不只靠 PPT。钱已经进账，芯片已经出货，数据中心已经开工，企业客户也真的在排队买算力。

也正因为它是真的，这轮泡沫才更麻烦。

郁金香泡沫很好批判，因为它几乎没有后续生产力故事。AI 这件事不能这样处理。它更接近 1990 年代后半段的互联网：方向会留下来，价格会重算；基础设施会继续生长，很多早期资产会消失；少数公司会穿越周期，大量资本会在正确方向上买错时间。

判断很简单：AI 会成为下一轮生产力基础设施，但资本市场正在把十年后的需求提前塞进今天的公司价格。

风险集中在三个同时膨胀的地方：AI 资产价格、算力基建、估值叙事。

ai-bubble-dashboard ▲ 收入是真实的，投入也是真实的；麻烦出在两者中间那段尚未兑现的时间。

真实收入，无法自动证明真实估值

资本市场喜欢把“发生了”翻译成“会一直发生”，再把“会一直发生”翻译成“今天应该付更高价格”。

这套翻译在 AI 上走得很快。

微软的 370 亿美元 AI 年化收入，说明企业确实开始为 AI 付钱。英伟达的数据中心收入，说明云厂商和模型公司确实在抢 GPU。亚马逊 AWS 的增长，说明算力需求已经变成云业务增长曲线的一部分。Alphabet Cloud backlog 在 2025 年底达到 2400 亿美元，企业 AI 合同已经越过零星试用阶段。

这些数字足够让“AI 没有商业价值”的说法失效。

但它们无法回答另一个问题：今天市场愿意给 AI 公司付出的价格，隐含了多少未来？

收入是真实的，估值是折现出来的。中间隔着利润率、竞争、折旧、能源价格、芯片迭代、客户留存、监管、开源模型、推理成本下降，以及一个更难估算的问题：AI 到底会替代多少现有软件收入，又会创造多少全新收入。

如果一家公司今天多赚了 1 美元，市场愿意为它多付 20 美元，这是成长股定价。如果市场愿意为它多付 80 美元，那里面就有一部分已经属于信仰。AI 的麻烦在于，信仰并非凭空出现，它有真实产品、真实用户、真实订单支撑。投资者很容易把“真实”误读成“价格没有边界”。

技术革命从来不会替资产价格承担责任。

互联网改变了世界，2000 年买入一篮子互联网股票的人依然可能被市场教育很多年。铁路改变了十九世纪，美国铁路泡沫也留下了一堆破产公司。电气化、汽车、无线电都经历过类似阶段：文明方向成立，资本分配混乱。

AI 正在进入这个阶段。

这轮 AI 浪潮有三本账

同一场 AI 浪潮，至少要拆成三本账。

ai-bubble-three-ledgers ▲ 技术账、基建账、估值账不能混在一起算。

技术账最容易被看见。

模型能不能推理，成本能不能下降，Agent 能不能执行复杂任务，软件开发、客服、营销、数据分析、设计、科研能不能被重写。这本账的方向最强。过去三年，AI 能力提升的速度已经足以改变工作流。即便短期资本价格回落，模型能力也不会因此倒退到 2022 年。

基建账更重。

GPU、HBM、网络、液冷、土地、电力、数据中心、长约、融资、折旧。这里的单位变成十亿美元、吉瓦、年限和负债表。Meta 单季度资本开支 198.4 亿美元，全年指引 1250 亿到 1450 亿美元。Alphabet 2026 年资本开支指引 1750 亿到 1850 亿美元。亚马逊过去 12 个月自由现金流降到 12 亿美元，财报解释说，主要原因是物业和设备采购增加，而这部分增加主要反映 AI 投资。

估值账最脆。

市场不只在买今天的 GPU、今天的云收入、今天的 Copilot 订阅。市场在买一个未来：每个企业都有 AI 员工，每个消费者都有 AI 助手，每次搜索都变成对话，每个软件界面都接入模型，每家公司都要租用推理能力。

这幅图景可能会实现一部分。问题在于，价格常常提前把“全部实现”写进去了。

技术账可以慢慢兑现。基建账需要高利用率兑现。估值账没有这种耐心。它会在每个财报季追问：你的资本开支什么时候变成收入？收入什么时候变成利润？利润什么时候支撑今天的市值？

只要这三个问题的答案稍微延后，资产价格就会先动。

算力基建把未来变成了今天的成本

AI 时代有一个很容易被忽略的特征：它把未来需求提前转换成今天的固定成本。

过去的软件公司可以先写代码，再用很低的边际成本服务更多用户。SaaS 的故事之所以漂亮，是因为一旦产品被市场接受，新增用户带来的收入可以穿过很高的毛利率，直接流到利润表。

生成式 AI 改变了这条路径。

一个 AI 用户每次提问、每次生成图片、每次让 Agent 跑任务，都会消耗计算。推理成本会下降，但不会消失。更大的上下文、更长的任务链、更复杂的多模态输出，会不断吃掉成本下降带来的余量。

所以 AI 公司和云厂商必须提前建厂。

这正是“AI factory”这个词让资本市场兴奋的原因，也正是它危险的原因。工厂需要产能利用率。工厂需要能源。工厂需要折旧年限。工厂需要判断今天买下的设备，在三年后会不会被下一代芯片压低经济价值。

ai-bubble-cashflow-gap ▲ AI 收入已经开始出现，但折旧、利用率和芯片迭代还在等待结算。

IMF 在 2026 年 1 月的文章里提醒了这点：IT 投资占美国经济产出的比例已经升到 2001 年以来最高水平；随着扩张加速，债务融资正在变得更常见；先进处理器的折旧假设会影响盈利，频繁设备升级会压缩利润率。

这段话很冷静，但它抓住了 AI 泡沫的核心。

AI 不只是软件革命。它越来越像一次能源和工业资产革命。谁拿到芯片，谁拿到电，谁能把数据中心利用率维持在足够高的位置，谁才能把技术账转成利润账。

这里有一个不舒服的后果：AI 使用越普及，算力基建越像公共基础设施；算力基建越像公共基础设施，回报率越可能被竞争、监管和规模化压低。

早期投资者最喜欢“基础设施”这个词，因为它听起来稳定、长期、不可替代。可基础设施的历史常常奖励后来的使用者，不奖励过早付账的人。铁路、宽带、云计算都给过类似教训。社会拿到了便宜交通、便宜带宽、便宜算力；许多资产所有者没有拿到同等漂亮的回报。

AI 估值叙事正在偷换一个问题

市场每天都在问“AI 有没有未来”。答案太容易给出。

当然有。

更好的问题是：今天这些公司价格里，已经买进了多少年未来？

ai-bubble-pricing-chain ▲ 判断 AI 资产，不能停在“AI 有没有未来”。价格隐含的年份更要命。

技术能力、用户需求、利润兑现、资产价格，是四个不同环节。资本市场现在最常见的跳跃，是从技术能力直接跳到资产价格。

模型能力提升，于是软件公司应该重估。企业试用增加，于是云厂商应该重估。GPU 订单排队，于是芯片公司应该重估。电力紧张，于是电网和能源公司也应该重估。只要能被放进 AI 供应链，就能获得一个更高倍数。

这会制造一种很奇怪的局面：市场不再只奖励已经证明利润的公司，也奖励所有站在叙事附近的资产。

这种扩散有一部分合理。技术革命早期，瓶颈会沿着产业链移动。今天缺 GPU，明天缺电力，后天缺液冷，再后天缺数据中心运维人才。资本提前寻找瓶颈，是市场的本能。

可叙事一旦扩散太宽，就会把“所有相关”误判成“所有受益”。

AI 需要电力，不代表每个电力资产都能获得 AI 价格。AI 需要数据中心，不代表每个机房都能获得云巨头级别的回报。AI 需要应用，不代表每个套壳产品都能留下利润。AI 会改造软件，不代表每家 SaaS 公司都能把模型成本转嫁给客户。

泡沫常常就是这样形成的：它先抓住一个正确事实，再把正确事实套到太多资产上。

最强反驳：这次的大厂真的有钱

AI 泡沫论最容易被反驳的地方也很明显：今天的头部公司，比 2000 年互联网公司健康太多。

微软、Alphabet、Meta、Amazon 都有真实收入、真实现金流、真实利润。它们靠真实业务融资，也靠真实利润支撑资本开支。英伟达的数据中心业务已经大到足以改写全球半导体产业链。

所以这轮 AI 泡沫如果发生破裂，形态大概率不会照抄 2000 年。它未必表现为一批没有收入的网站倒掉，更可能表现为三种温和但漫长的重定价。

一种是利润率被折旧慢慢吃掉。

微软已经在 2026 财年第三季度披露，Microsoft Cloud 毛利率降到 66%，原因包括持续投资 AI 基础设施和 AI 产品使用增长。这个信号很小，却很真实。AI 收入增长时，成本也跟着增长。资本市场习惯了软件毛利率，一旦发现 AI 更像高强度资本开支业务，倍数就会变。

ai-bubble-microsoft-margin-pressure ▲ 微软 2026 财年 Q3 披露：AI 基础设施和产品使用增长正在影响云毛利率。

一种是赢家范围收窄。

泡沫期市场会把一整条链都当赢家定价。重定价时，市场会重新区分谁有定价权、谁只是通道、谁只是成本承担者。AI 的长期价值可能很大，但价值不会平均分配。芯片、云、模型、应用、电力、数据中心之间的利润分配，还远远没有稳定下来。

还有一种是需求兑现慢于资本开支。

云厂商现在说自己供不应求，这可能是真的。Alphabet 在电话会上也说，2026 年会继续处在 supply-constrained 状态。但供不应求这件事本身，无法保证每一轮新增产能都能获得同等回报。技术系统最残酷的地方在于，短缺会吸引资本，资本会制造产能，产能会改变价格。

今天的短缺，是明天利用率压力的种子。

互联网泡沫留下的判断工具

互联网泡沫常被用来嘲笑新技术乐观派。这个用法太粗糙。

其留下的判断工具很直接：方向正确，不会自动保护价格正确。

ai-bubble-dotcom-map ▲ 互联网没有失败，但很多互联网资产失败了。AI 也可能重复这种分裂。

1999 年相信互联网会改变商业的人，方向上是对的。但他们低估了时间、竞争和商业模式筛选的残酷程度。很多公司死了，很多光纤资产破产了，很多投资者损失惨重。可互联网本身没有消失。搜索、电子商务、社交网络、云计算、移动互联网，在泡沫之后才接管世界。

AI 很可能也会这样。

2026 年相信 AI 会改写知识劳动、软件、搜索、广告、客服、编程和组织协作的人，方向上也许是对的。风险在于，他们可能把这场改写发生的速度、利润归属和资产赢家，想得太美好。

IMF 对这次科技繁荣的判断很克制。它认为，美国广义股指的潜在高估程度大约只有互联网泡沫时期的一半，当前企业盈利也更强。但它同时指出三种脆弱性：股价上涨主要由 AI 相关科技股驱动；许多核心 AI 公司并未上市，它们的债务可能带来新风险；美国市值相对经济产出已经比 2001 年更高，较温和的修正也可能造成明显财富效应。

ai-bubble-imf-dotcom-risk ▲ IMF 把当前 AI 投资潮与 1995–2000 年互联网繁荣放在一起比较，重点在风险结构，而非复刻。

澳大利亚央行 2026 年 3 月金融稳定报告给了另一个角度：与 AI 收入相关的公司，估计已经占 S&P 500 市值 40% 以上。市场集中度本身不等于泡沫，但它意味着一件事：AI 叙事不再只是科技板块内部的事，它已经变成全球资产价格的一根承重梁。

ai-bubble-rba-concentration ▲ RBA 提醒，AI 收入相关公司已经占 S&P 500 市值 40% 以上，市场集中度放大了重定价风险。

当一根承重梁被过多资产依赖时，它不需要断裂，只要轻微变形，整栋楼都会发出声音。

技术文明和资本市场的时间感不同

AI 革命如果成立，它的时间尺度可能是二十年。

资本市场的时间尺度短得多。季度财报、年度指引、利率变化、资金流向、仓位拥挤、卖方模型，都会把一场长期技术变化压缩成短期价格波动。

这两种时间感的冲突，是这轮 AI 泡沫的核心。

技术文明允许延迟。它可以先有昂贵算力，再有更便宜推理；先有笨拙 Agent，再有可靠工作流；先有玩具式应用，再有嵌入组织流程的系统。它可以容忍十年试错。

资本市场不太能容忍这种延迟。市场可以接受烧钱，但烧钱必须被解释成未来垄断。市场可以接受高资本开支，但资本开支必须被解释成未来现金流。市场可以接受今天利润率下降，但下降必须被解释成明天更大的利润池。

一旦这个解释链条出现裂缝，价格就会先调整。

这就是为什么“AI 是真革命”和“AI 资产正在泡沫化”可以同时成立。

技术革命回答的是世界会不会变。资产价格回答的是谁在什么时间以什么成本赚到多少钱。前者可以宽容，后者很残酷。

最后看价格里的年份

未来几年，AI 仍然会继续进步。

模型会更强，推理会更便宜，Agent 会更可靠，AI 编程会吃掉更多软件开发流程，多模态会进入视频、设计、游戏、教育和办公。普通人会越来越习惯把任务交给模型，企业也会越来越认真地重写流程。

这些变化足够大，足够真实，也足够长期。

资本市场的问题从来不在这里。

需要盯住的是另一张表：今天的资产价格，已经假设了多少未来需求。

如果一家公司必须靠 2036 年的使用量来解释 2026 年的估值，它就已经站在泡沫边缘。即便它拥有真实技术、真实收入、真实客户，也无法绕开这张价格表。

AI 会兑现，但兑现顺序不会照顾每一个提前买单的人。

技术会先改变工作流。用户会慢慢迁移。企业预算会重新分配。算力价格会波动。利润池会在芯片、云、模型和应用之间重新切割。市场最后才会知道，哪些公司真的拥有长期定价权，哪些公司只是替这场革命垫付了过于昂贵的基础设施。

AI 是真革命。

资本市场正在用十年后的需求，给今天的公司定价。

这句话里的两个部分，都要同时看见。只看前半句，会把所有价格都合理化。只看后半句，会错过一场正在发生的技术迁移。

更加成熟的判断应该是：相信 AI能 改变世界，同时怀疑每一个已经把世界改变完成写进价格的资产。

数据来源