“AI泡沫”，要爆了？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

導語：近期，全球資本市場關于“AI泡沫”的討論再次掀起熱潮——資本市場的高歌猛進與預期回報之間的巨大落差，正促使各界重新審視人工智能的發(fā)展路徑與潛在風險。針對這一熱點話題，華南理工大學公共政策研究院（IPP）近日舉行了“AI泡沫”專題研討會，戴明潔、李品保、區(qū)富祝、莊文越、蔣余浩等多位IPP研究人員從資本邏輯、產(chǎn)業(yè)應用與政策治理等不同維度切入，對這場技術熱潮的結構性風險與中國人工智能的發(fā)展路徑進行了系統(tǒng)分析。

在資本市場的AI熱潮之下，是否存在著結構性風險？面對美國高強度的AI投資周期，中國的人工智能發(fā)展是否會受到影響？隨著中國產(chǎn)業(yè)數(shù)字化轉型不斷深化的，我們又該如何辨識真正的發(fā)力點，讓AI真正釋放生產(chǎn)力？“IPP評論”特將本次研討會的主要觀點進行了提煉，以供各位讀者參考。

與談人

蔣余浩

IPP研究員

戴明潔

IPP副研究員

李品保

IPP助理研究員

區(qū)富祝

IPP助理研究員

莊文越

IPP研究助理

張心旖

IPP研究助理

張心旖（主持人）：近期媒體上關于“AI泡沫”的討論持續(xù)升溫，有幾組數(shù)據(jù)尤為引人注目：2025年，全球AI風險投資已經(jīng)達到1927億美元，占全球風投總額的53%。這也是AI投資占比首次、也是歷史上唯一一次突破50%的關口。與此同時，10家尚未盈利的AI獨角獸在過去12個月里的估值合計暴增1萬億美元；英偉達的市值更是在10月29日突破5萬億美元，成為全球首家達到這一高度的上市公司。

但與這些亮眼數(shù)字形成鮮明對比的，是投資回報率上的冷酷現(xiàn)實。麻省理工學院（MIT）近期發(fā)布的《生成式AI鴻溝：2025年商業(yè)AI現(xiàn)狀》報告顯示，盡管企業(yè)在生成式AI領域投入了300—400億美元，但95%的組織尚未獲得任何實質回報。這不禁讓人聯(lián)想到17世紀的郁金香泡沫——人類歷史上有記載的首次金融泡沫。

企業(yè)在生成式AI上“興趣高，落地少”。任務型生成式AI工具從試點到實際部署的成功率會由20%跌至5%。圖源：MIT, The GenAI Divide: State of AI in Business 2025.

然而，從技術演進的長周期來看，無論是蒸汽機還是互聯(lián)網(wǎng)等顛覆式技術，都曾伴隨著資本的集中涌入，并出現(xiàn)階段性的泡沫。諾貝爾經(jīng)濟學獎得主邁克爾·斯賓塞（Michael Spence）近日也表示：“我不太擔心泡沫，我稱之（當前AI領域的投資熱潮和股市狂熱）仍是一種‘理性泡沫’。”

那么，當下的“AI泡沫”究竟是如何形成的？與歷史上的其他技術泡沫有哪些相似與不同？從資本、國家以及產(chǎn)業(yè)的視角來看，我們今天所處的AI發(fā)展又面臨哪些潛在風險？這個泡沫究竟更多是一種“好的泡沫”，還是“壞的泡沫”？我們又應當如何應對？

“AI泡沫論”研討會現(xiàn)場

美國“AI泡沫論”的產(chǎn)生及其背后的利益驅動力

戴明潔：自從2022年底ChatGPT發(fā)布以來，美股尤其是科技企業(yè)的市值持續(xù)上漲，AI是其中非常重要的推動力量。但在過去三年里，“AI泡沫論”并沒有像現(xiàn)在這樣集中爆發(fā)。那么，為什么今年下半年這一話題突然引發(fā)了如此強烈的討論？除了主持人剛剛介紹的數(shù)據(jù)之外，我認為還有兩個方面值得特別關注。

第一，與過去科技公司估值和股市上漲的情況不同，這一輪美國科技巨頭之間出現(xiàn)了一種“投資內循環(huán)”的模式。

今年10月，彭博社發(fā)布了一張非常流行的圖，展示了美國當前幾家科技巨頭之間內部資金鏈的網(wǎng)絡結構（見下圖）。這個網(wǎng)絡以英偉達為核心，連接著甲骨文、微軟、OpenAI、xAI、晶片代工廠以及一系列風險投資機構。

圖源：彭博社

它們形成的資金“內循環(huán)”大致可以概括為以下邏輯：首先，三大云廠商——亞馬遜、微軟和谷歌——向英偉達采購芯片；之后，AI公司向云廠商租用算力；AI公司因算力儲備更容易吸引風險投資；最后，AI公司再用這些資金支付云廠商算力租賃費用。

也就是說，通過交叉投資、訂單捆綁等方式，他們構建起一個短期內能顯著推高參與者估值的利益聯(lián)盟。這樣的模式有一個核心特點：它能夠在資本市場上營造出持續(xù)增長的預期；但與此同時，這也可能掩蓋了這些廠商并未創(chuàng)造出真實價值的問題。

更為嚴峻的是，AI融資結構正在從股權投資向債務投資轉型。2025年，美國企業(yè)已發(fā)布超過2000億美元的公司債券，用于資助AI相關基礎設施項目。債權與股權不同：它更容易被杠桿放大，更加不透明，也更容易被用于結構化包裝。例如，部分債務會通過ABS（資產(chǎn)支持證券）的方式進行再包裝。這樣的融資模式，實際上進一步加劇了美國AI投資迅速膨脹所帶來的泡沫化傾向。

第二，與美國政府的推動高度相關。

特朗普政府在第二任期開啟以來，一直在推進一個類似“AI大基建”的計劃。今年1月，特朗普政府聯(lián)合OpenAI、軟銀、甲骨文宣布將投資5000億美元建設5座AI數(shù)據(jù)中心，他稱之為“星際之門”（The Stargate Project）項目；今年7月，美國發(fā)布AI行動計劃（AI Action Plan），將AI基礎設施投資建設作為三大支柱之一；最新的例子是今年11月剛剛發(fā)布的“創(chuàng)世紀計劃”（Genesis Mission）行政令，僅AI實驗平臺首期建設預算就將超過200億美金，未來五年相關投入可能突破1000億美元。這些計劃都在AI基礎設施建設方面給予了高度關注，為AI行業(yè)高估值和高杠桿提供“隱性擔保”，進一步推高了AI投資規(guī)模。

11月24日，特朗普政府通過行政令正式啟動“創(chuàng)世紀計劃”。圖源：路透社

相較于這輪“AI泡沫論”如何形成，更關鍵的是分析其背后的利益驅動力。目前AI投資熱潮的出現(xiàn)，更多反映出是科技巨頭和美國政府在科技發(fā)展和經(jīng)濟前景方面的多層次焦慮，這種焦慮使得他們越來越傾向于將AI視為一種“戰(zhàn)略性工具”，而非對人類未來有共同影響的“創(chuàng)新公共品”。

科技巨頭的驅動力在于搶占AI技術主導權的迫切需求。為了避免在新技術周期中被邊緣化，他們必須緊跟這一輪科技浪潮。在硅谷，這種焦慮被形容為一種“FOMO” 心態(tài)（fear of missing out——“錯過即出局”）。他們寧愿選擇投資過度，也不愿意成為AI時代的“諾基亞”。甚至有人說，投資不足（underinvestment）的代價遠遠高于投資過度（overinvestment）。

另一方面，像OpenAI這樣的企業(yè)，也在極力將自己塑造成對美國“大而不能倒”的企業(yè)，從而借助這種戰(zhàn)略地位來保護自身、鞏固影響力。

對美國政府而言，科技企業(yè)推動的AI浪潮對特朗普政府同樣有顯著的利好，這也促使雙方更多形成一種“利益聯(lián)盟”，既共同推動AI泡沫的膨脹，也合力阻止泡沫的破裂。美國政府的驅動力主要在三個層面：

首先是基建。特朗普推動的制造業(yè)回流計劃，迫切需要對美國的電網(wǎng)、道路等基礎設施進行更新建設。但是由于美國長期受到產(chǎn)權、環(huán)保、勞動力等方面的制約，其基建改造一直難以推進。如果AI的敘事能夠深入人心，就可以借助數(shù)據(jù)中心建設，帶動一場“新時代的大基建”，從而顯著拉動GDP增長。有一位哈佛經(jīng)濟學家預測，如果今年美國沒有數(shù)據(jù)中心建設，美國上半年GDP增速可能不足0.1%。

美國南部地區(qū)對數(shù)據(jù)中心CPU的需求強勁，主要因為德克薩斯州和佛羅里達州等州數(shù)據(jù)中心行業(yè)的發(fā)展，這些州的主要云服務提供商和企業(yè)正在大力投資基礎設施建設。圖源：路透社

其次，AI對美國股市的繁榮和吸引全球資本具有重要意義。數(shù)據(jù)顯示，過去三年標普500的AI版塊相關盈利增長達到了124%，但如果剔除AI版塊后，盈利增長甚至不到10%。可想而知，如果沒有AI敘事或者AI泡沫走向破裂，那么美國股市的繁榮以及資本流入都會面臨較大沖擊。

再次，是推動美國的經(jīng)濟增長，從而緩解美國政府的債務壓力。隨著美國面臨越來越大的債務壓力，特朗普政府目前正努力降低債務占GDP的比率。從整體上看，降債無非兩條路：要么減少開支，要么推動經(jīng)濟增長。前段時間，高盛CEO就指出：在AI的驅動下，美國通過經(jīng)濟增長而非削減開支來化解美債問題的可能性正在不斷提升。但我也注意到，他在報道中也非常隱晦地提醒：如果美國仍然延續(xù)當前的AI發(fā)展思路，不能解決AI投資與產(chǎn)出脫節(jié)的問題，那么AI對削減美債的實際作用也不會太大。

AI熱潮是另一個科技泡沫嗎？

李品保：我主要討論兩個問題：第一，當前AI熱潮是否符合歷史上科技泡沫的“標準配方”？第二，如果符合，應如何理性應對？

我先給出結論：當前AI熱潮在很大程度上符合歷史上科技泡沫的經(jīng)典特征，但最終是否會演化為泡沫，目前尚難斷言。

所謂“泡沫”，指的是價格與投資在短期內劇烈上漲，嚴重偏離其真實價值與盈利前景，最終往往因資本過度涌入和誘人敘事而破裂，導致財富大量蒸發(fā)。

歷史上典型的科技泡沫有三例：

一是千禧年互聯(lián)網(wǎng)泡沫。當時的新興科技公司，只要名字里加上“.com”，基本就能獲得資本的青睞。在估值飛漲后，泡沫最終破裂，結果表現(xiàn)為納斯達克指數(shù)暴跌超70%，市值蒸發(fā)超5萬億美元。但谷歌、亞馬遜等真正有實力的公司得以生存。

二是2017年前后到2021年左右連續(xù)幾輪的加密貨幣泡沫。特點為散戶大量參與、高杠桿與情緒化交易，波動極大。例如在2025年12月的一次事件中，加密貨幣市場在24小時內爆倉金額就達到約10億美元。我們甚至見到，有一些在市場非常活躍的大佬最終也因爆倉或其他原因走上極端。

三是新冠疫情期間的科技泡沫。以納斯達克為代表的一些科技股在2021年出現(xiàn)大量資金涌入、估值暴漲。但最終的結果也是在之后一兩年間出現(xiàn)超過30%的跌幅，股市蒸發(fā)的規(guī)模也達到了萬億美元級別。

我們自身也經(jīng)歷過一些類似的泡沫。如2010年左右的互聯(lián)網(wǎng)創(chuàng)業(yè)潮、2014–2015年的共享單車熱潮，最終都是只有少數(shù)企業(yè)存活下來。

有分析指出，投資者的過度追捧已將少數(shù)AI概念股的估值推得過高，而科技巨頭動輒數(shù)千億美元的投入難以持續(xù)，尤其當這些支出依賴舉債時，更可能形成循環(huán)風險——一家公司失速就可能拖累整個AI板塊。圖源：路透社

這些泡沫表面各異，但存在四大共性：

第一，核心驅動邏輯相似：均由“革命性技術敘事”引爆，如互聯(lián)網(wǎng)、區(qū)塊鏈，被賦予巨大產(chǎn)業(yè)潛力，吸引大量資本與散戶涌入。

第二，市場行為模式相似：新概念驅動并取代舊邏輯。傳統(tǒng)市場的估值邏輯，比如盈利能力、現(xiàn)金流等指標，往往被拋諸腦后。在互聯(lián)網(wǎng)泡沫時代，大家看的是網(wǎng)站的點擊量；到了區(qū)塊鏈時代，看的是“總鎖倉價值（TVL）”，等等。此時，投機行為遠超現(xiàn)實基礎。

第三，破裂機制相似：多與流動性逆轉相關（如美聯(lián)儲加息），或增長放緩暴露盈利模式不可行，之前“吹下的牛”無法兌現(xiàn)，導致估值崩潰，最終泡沫被刺破。

第四，監(jiān)管“真空”或滯后：我們會發(fā)現(xiàn)，法律或者倫理框架幾乎每次都跟不上技術狂奔的步伐，因而監(jiān)管多為“事后補救”。

在Meta之后，歐盟12月9日宣布展開對谷歌的調查。圖源：路透社

對照當前AI熱潮，這些特征高度吻合：

第一，AI毫無疑問是一種顛覆性技術。其具有巨大產(chǎn)業(yè)潛力，敘事充滿革命性。

第二，投機再次領先現(xiàn)實。世界經(jīng)濟論壇總裁博倫德指出，2025年AI領域投資高達5000億美元，但實際回報尚未顯現(xiàn)。例如，OpenAI常處于虧損狀態(tài)。

第三，就是所謂的“估值玄學”。估值邏輯脫離傳統(tǒng)指標，轉而關注模型參數(shù)規(guī)模、AI科學家數(shù)量、訓練數(shù)據(jù)等。我們是在“賭這些數(shù)據(jù)”，而不是按照以往金融投資的傳統(tǒng)指標去進行評估——當然，我們也不能排除，這可能是一種新的投資模式。

第四，“AI+”概念泛濫。類似當年“.com”“區(qū)塊鏈”熱潮，現(xiàn)在只要加上“AI”，就會帶來一系列類似的熱潮。與此同時，監(jiān)管也在奮力追趕，這是我們正在看到的現(xiàn)實。

當然，有一些特征——尤其是最終破裂機制——目前仍不清晰，我們也不知道它最終會不會以同樣方式破裂。但我們確實可以看到，那種“熟悉的泡沫配方”正在AI領域中重新調配。

面對可能的泡沫，我們應如何理性應對？ 我這里提出三個比較“虛”的觀點：

第一是聚焦真實問題，而非虛構前景。當我們評估一項技術時，不要被所謂的“革命性敘事”所裹挾，應問：它解決了什么實際問題？是否觸及真實痛點？如果是投資者，則需關注商業(yè)模式是否可持續(xù)等。

第二是我們常講的“負責任的創(chuàng)新”。所謂負責任的創(chuàng)新，就是科技倫理中非常核心的理念——在技術開發(fā)和商業(yè)部署的最初階段，就將倫理考量和社會影響前置，而不是等問題出現(xiàn)后再去補救。好的監(jiān)管并不是創(chuàng)新的敵人。我們現(xiàn)在經(jīng)常害怕監(jiān)管太嚴、影響創(chuàng)新，但現(xiàn)實情況需要依據(jù)不同領域和行業(yè)進行具體分析，像AI就遠遠跑在監(jiān)管前面，問題不是“管得太嚴”，而是“來不及管”。

第三，以“長期主義”對抗“短期狂熱”。科技發(fā)展是馬拉松，非百米沖刺。記得在大概2016年夏季，我的室友對還在考駕照的我說：可能我們大學畢業(yè)之前，自動駕駛就已經(jīng)普及，根本不需要考駕照了。但事實證明，近十年過去，我們依然需要自己開車。所謂的L3或更高級別的自動駕駛，遠未達到資本當年吹噓的落地效果。換言之，技術的真正到來往往比預期緩慢得多，而資本的故事又往往比現(xiàn)實跑得快得多。

歷史從來不是簡單的重復。我們討論所謂的泡沫，并不是為了唱衰某項技術，而是希望大家能夠坐在一起，通過跨界討論來更理性地看待這場浪潮。我們需要各界群策群力，引導這股強大的技術變革力量，最終能夠平穩(wěn)度過可能出現(xiàn)的泡沫周期。

“AI結構性泡沫”風險與治理路徑

區(qū)富祝：我們首先要明確，AI的技術價值確實存在，而且潛力可能非常巨大。但現(xiàn)在它的商業(yè)節(jié)奏變化得非常快，而未來現(xiàn)金流與產(chǎn)業(yè)轉化的效率又還沒有達到能夠跟上這種節(jié)奏的程度，因此很難對它當前的價值做出準確評估。也正因如此，它不是我們傳統(tǒng)認知中的那種單純的“泡沫”，而更像是一種“結構性泡沫”。

我認為當前信息傳播的速度和廣度遠遠大于以往，資本市場的信息透明度較高，市場估值能夠更有效的調整，“AI泡沫”加劇或者破滅的可能性不大。

那么，當前泡沫的本質風險是什么？我想從資本結構來解釋：即頭部企業(yè)與尾部企業(yè)的融資性質完全不同。

像英偉達、谷歌這些頭部企業(yè)，它們的融資是對沖型的，市盈率也保持在一個健康區(qū)間，因此能夠實現(xiàn)穩(wěn)定現(xiàn)金流、盈利能力強、風險較低。然而，大量初創(chuàng)企業(yè)則屬于投機型融資——它們的融資規(guī)模最多只能覆蓋算力成本，而商業(yè)模式尚未落地。至于最尾部的企業(yè)，則呈現(xiàn)明顯的“龐氏型”融資特征——沒有明確收入來源，完全依賴持續(xù)融資維持運營。

美國商務部即將批準英偉達（Nvidia）高端H200人工智能芯片出口至中國。12月8日消息傳出后，英偉達股價立即上漲2.2%。圖源：路透社

目前，A股中許多AI公司的動態(tài)市盈率已經(jīng)達到了100倍甚至200多倍。反觀美股，頭部公司如英偉達、微軟的市盈率大致維持在40倍左右，相對更為合理。所以，關鍵問題就是：我們當前的AI投資，尤其是國家對于AI基礎設施的投入，能以多快的速度被兌現(xiàn)？這是判斷當前“結構性泡沫”能否實現(xiàn)“軟著陸”的核心。

眼下，關于AI投資的兌現(xiàn)，我認為存在以下幾個堵點：

第一，市場上的企業(yè)，尤其是大多數(shù)中小企業(yè)在智能化轉型上的內生動力不足，投資決策偏保守。

首先，當前的智能化改造技術成本仍然較高，投資回收周期長。中小企業(yè)對于未來收益存在較強不確定性，因此做出投資決策時會更加謹慎。

其次，技術成熟度仍未跨過S型擴散曲線的拐點。從技術成熟到被大規(guī)模采用，本身是一個典型的S型曲線。目前AI技術很可能還停留在S型曲線前端的“平緩區(qū)”，尚未真正跨過拐點。只有跨過拐點之后，才會迎來大規(guī)模推廣和應用。也就是說，在拐點到來之前，大部分企業(yè)還沒有真正嘗到技術帶來的“甜頭”。

再者，是成本與收益之間的價格機制作用。不是所有生產(chǎn)環(huán)節(jié)都值得企業(yè)投入AI，因為這本質上屬于資本性投入。如果企業(yè)雇傭勞動力、培訓員工并支付薪酬的成本低于采用AI技術的整體成本，那么企業(yè)自然會傾向于選擇前者，而不會主動投入AI改造。

第二，是技術成熟度和流程標準化不足。

許多行業(yè)的流程尚未標準化，而AI模型本身如果缺乏標準化，就很難大規(guī)模推廣，也很難實現(xiàn)真正的端到端落地，從而降低了智能化升級的效率。

第三，是信息不透明，導致“劣幣驅逐良幣”的現(xiàn)象。

高質量的AI產(chǎn)品與服務成本較高，在市場上反而不容易被采用；而低質量、低成本的方案卻充斥市場，但實際不能產(chǎn)生真正的生產(chǎn)力提升。例如，某些服裝行業(yè)企業(yè)在進行智能化改造時，被認為是“圈錢”，一部分的重要原因，可能就是因為他們遇到的AI服務或技術并不能帶來實際的生產(chǎn)力的提升。

工人在數(shù)字化紡紗智能生產(chǎn)線上生產(chǎn)高端纖維。圖源：新華社

因此，我認為可以從以下路徑著手突破：

第一，突破現(xiàn)有技術對傳統(tǒng)產(chǎn)業(yè)和新興產(chǎn)業(yè)賦能的堵點。

一方面，要加強技術真實性披露機制和行業(yè)準入標準。提升AI模型能力宣傳的規(guī)范性，防止低質量方案依靠營銷和低成本手段占據(jù)市場，從根本上擴大高質量技術的生存空間。

另一方面，要從規(guī)模效應與規(guī)模經(jīng)濟角度切入，降低技術成本。通過上下游產(chǎn)業(yè)鏈集群建設，例如共享智能化生產(chǎn)車間，讓企業(yè)可以采用“按時計費”的方式，將原本的資本性投入轉化為服務性投入，從而實現(xiàn)更加輕量化的應用路徑。

第二，在技術落地方面，要推動技術與產(chǎn)業(yè)需求的適配，而不是技術先行、產(chǎn)業(yè)被動適應。

技術的改進本應根據(jù)產(chǎn)業(yè)的實際需求來推動，而不是“我有了一個新技術，產(chǎn)業(yè)就必須采用”。中小企業(yè)在采用大模型時面臨很多具體困難，某種程度上說明當前技術尚未完全適配產(chǎn)業(yè)場景。因此，可以推動行業(yè)專用模型、小模型的發(fā)展，以提高性價比，增強AI技術在行業(yè)落地的效率。同時配套采用輕量化策略推進應用。

第三，從資本市場角度，要強化信息披露和風險治理，避免投資過熱。

一旦泡沫破裂，對整個產(chǎn)業(yè)和整體經(jīng)濟都會帶來沖擊。當前傳統(tǒng)投資乏力，內需不足、外需承壓，新一輪投資又集中在AI領域，因此更加要謹慎避免泡沫破裂。資本市場的信息披露制度必須跟上AI的發(fā)展。

例如，訓練數(shù)據(jù)來源、企業(yè)算力成本與推理成本、投入產(chǎn)出比與投資回報率等，這些關鍵指標都需要系統(tǒng)披露，減少信息不對稱，降低投資過熱的風險。基于這些指標，還可以監(jiān)測模型效率、估值偏離度、融資增速等關鍵數(shù)據(jù)，構建一個AI板塊專門的投融資監(jiān)測體系，作為風險治理的抓手。

美國AI泡沫論對中國的影響

莊文越：首先我想先給出一個結論：中國的AI整體產(chǎn)業(yè)發(fā)展路徑與美國完全不同，因此美國當前面臨的那種巨額投資規(guī)模帶來的風險、債務壓力以及集中于基礎設施建設的泡沫化輿論，并不是中國所要面對的主要問題。我們更應該思考的，是如何堅定不移地依托千行百業(yè)，把“人工智能+”真正落實到產(chǎn)業(yè)發(fā)展之中。

美國是一種典型的科技巨頭主導型路徑，依靠“力大磚飛”的方式，追求絕對技術領先和對競爭者的碾壓。可以看到，它的整個發(fā)展方式，就是花大錢豪賭：無論是大模型還是算力基礎設施，它就是要建更大的算力中心，追求更高的算力，做參數(shù)規(guī)模和模型精度都更高的系統(tǒng)。

但中國不是這樣。原因非常現(xiàn)實：第一，在AI起步階段，中國在技術上，包括芯片等關鍵核心部件，都明顯落后于美國。第二，我們沒有那么多錢，無法采取美國那種“豪賭式”投入。第三，我們的比較優(yōu)勢并不在模型本身，而在于最廣闊的應用市場潛力以及最完整的工業(yè)體系。

我們真正的優(yōu)勢在于應用落地，疊加中國特有的政策體系與決策機制。

這些因素共同決定了，中國走出的是一種更加務實、講性價比、因地制宜的發(fā)展路徑。這也決定了，中國在AI領域的投資不會出現(xiàn)像美國那樣的高度集中。目前，中國AI對整體股市表現(xiàn)的影響不到10%，市值貢獻甚至不到3%。這已經(jīng)算是很高的影響力了，但與美國相比仍然有明顯差距。這也說明我們一直強調的一點：中國的突破方向主要在應用端，而不是大規(guī)模豪賭基礎設施或模型規(guī)模本身。

上海市徐匯區(qū)的“模速空間”內展示的人工智能產(chǎn)品。圖源：新華社

從這個意義上講，美國的AI泡沫論對中國的影響更多是積極的。美國現(xiàn)在也在試圖擠掉虛假敘事，強調關注真實產(chǎn)出，這對于中國來說也是一個很好的信號。一些中國AI企業(yè)的估值甚至比美國頭部企業(yè)更高，這并不是技術能力更強，而是結構性泡沫的表現(xiàn)。

因此，中國真正需要思考的問題，與其說是“如何避免美國式泡沫”，不如說是“如何推進中國式AI發(fā)展”。正如剛剛歐博士與李博士所提到的，我們要思考如何推動AI進入千行百業(yè)，尤其是推動中小企業(yè)應用；另一方面，也要思考如何構建一個既能給予安全與倫理邊界、又能支持多路線技術探索的監(jiān)管體系。

如果為了“提前完善監(jiān)管”而設計過于僵硬的制度，可能會走向歐盟的道路——上層建筑很完美，但抑制了創(chuàng)新活力。當然歐盟這樣做有其背景，是為了平衡大國科技企業(yè)對其內部市場的沖擊，但中國需要思考的是：如何制定一種監(jiān)管模式，既明確安全倫理邊界，又足夠靈活，能夠保障多方向、多路徑的技術探索。

“中國AI如何實現(xiàn)包容性？”

蔣余浩：先說一下，人工智能到底算不算泡沫？技術要進步，就需要大量資本去推動；又因為資本天然是逐利的，因此資本都不可能只投向真正“有用”的技術。從這個角度講，似乎也不必對“泡沫”這個狀態(tài)過于敏感。

但如果我們回顧歷史上每一輪新技術出現(xiàn)后的“是否有泡沫”爭論，關鍵不在于泡沫是否存在，而在于泡沫的過程中，是否有一些我們本來應該珍惜的東西——包括某些生產(chǎn)方式，甚至較為傳統(tǒng)但仍有價值的生產(chǎn)方式——被這股技術浪潮徹底沖刷掉了？

比如“技術多元化”這樣的概念，本來意味著技術發(fā)展不是一條線性的路徑，而是多路線并存的；但在強資本驅動、強敘事驅動的泡沫中，技術路線會被單一路徑推著走，而那些本應保留下來的多樣性，可能就被無聲無息地沖刷掉了。

第二個問題是：無論泡沫最終是崩潰也好，還是軟著陸也好，它終究會過去。關鍵是——泡沫退去之后，它真正留下了什么？而這些留下的東西，與泡沫前期所講的那套宏大敘事是否真的有關？

大家都提到2000年前后的互聯(lián)網(wǎng)泡沫。當時的故事講得很美：互聯(lián)網(wǎng)將讓每個人獲益，每個人都能發(fā)聲、能創(chuàng)造價值。泡沫破滅后，表面上的確實現(xiàn)了一些進步——智能手機的普及、移動互聯(lián)網(wǎng)帶來的全民接入，每個人確實獲得了更豐富的信息，也確實擁有了更多表達空間。但同時，它有沒有改變我們的監(jiān)管結構？有沒有改變權力結構？似乎沒有。甚至在很多方面，互聯(lián)網(wǎng)讓財富集中度更高，讓貧富差距更大，讓平臺權力更強。

因此我認為，討論AI泡沫時更重要的是回到兩點：

第一，我們珍惜的某些東西是否在這一輪泡沫中被沖刷掉？

第二，泡沫消退后，我們真正希望它留下什么？

美國現(xiàn)在最吸引眼球的，是那些由少數(shù)科技巨頭所推動的技術迭代，但實際上美國社會非常多元。它內部還存在許多不同的發(fā)展路徑，例如美國參議員伯尼·桑德斯（Bernie Sanders）等人推動的與人工智能相關的企業(yè)改革，其中甚至包含一些帶有社會主義色彩的制度構想。這些想法是否能夠最終變?yōu)楝F(xiàn)實政策還很難說，但它說明美國社會的道路并非單一，因此判斷美國模式時不能只盯著巨頭的那一條路徑。

伯尼·桑德斯主張國會應立即采取行動，對AI進行立法監(jiān)管，遏制技術濫用，保護勞動者權益、公平就業(yè)。圖源：路透社

聚焦到中國的應用型人工智能政策。從中央政策的表述來看，有很多內容確實值得我們進一步深挖。我們需要思考：有哪些配套性制度可以與中央的政策相銜接，從而更好地推動政策落地？在整個政治經(jīng)濟運行過程中，一些政策很容易在執(zhí)行端被“變形”，這也確實是我們面臨的現(xiàn)實問題。

這里也需要提醒大家注意：“人工智能”這個詞本身具有高度包容性，它不僅僅是“深度學習”這一類技術的代名詞，而是包含許多方向的，例如腦機接口、人機互動、無人機等技術都歸屬于該范疇。因此，政策表述中的人工智能，天然需要與各種實體制造工藝深度結合，而不是作為一種孤立的產(chǎn)業(yè)而存在。

那么下一個問題是：這些人工智能技術在現(xiàn)實中是否已經(jīng)能夠真正實現(xiàn)“賦能千行百業(yè)”？許多調研報告都顯示，目前AI技術距離真正實現(xiàn)賦能千行百業(yè)仍然存在較大差距。尤其是，現(xiàn)在外界有很多關于“人工智能取代人”的輿論，我們也需要具體分析：AI到底在取代哪一類工作？

從現(xiàn)有證據(jù)來看，AI的替代能力仍然沒有突破十年前的結構——也就是“波蘭尼悖論”（Polanyi's Paradox）所揭示的現(xiàn)象：高技能崗位與低技能、體力型崗位都很難被技術完全取代，反而是中等技能的崗位更容易受到?jīng)_擊。這說明AI的賦能效果、產(chǎn)業(yè)滲透能力與政策所期待的那種“大范圍改造”之間仍有差距。

瑞典的金融科技公司（FinTech）Klarna于9月在紐約上市，該公司表示，人工智能正在幫助其在不增加員工數(shù)量的情況下提高營收。圖源：美聯(lián)社

但深度學習類人工智能技術的出現(xiàn)也帶來另一個作用——它不僅是單純的“替代性工具”，還可以作為“增強性工具”。這一點在實證研究中其實對政策提出了要求：對于那些與人工智能存在較為明顯替代關系的中技術崗位，我們應當鼓勵什么？是鼓勵企業(yè)直接用AI替代這些崗位，還是鼓勵企業(yè)在采用AI的同時，幫助這些中技能崗位提高生產(chǎn)率？這實際上是一個重要的政策方向選擇。

除了替代關系，我們還必須考慮人工智能技術下一步該如何發(fā)展。是否繼續(xù)沿用當前這條路徑？現(xiàn)在的路徑明顯偏向于自動化、偏向于強化監(jiān)管。如果人工智能的發(fā)展被資本或大型企業(yè)完全主導，那么無論是深層次人工智能還是其他技術，它都會更加傾向于滿足管理者的需求。

上次我在調研時就看到一個例子：某企業(yè)開發(fā)了一套數(shù)字系統(tǒng)。員工不需要再手動打卡，只要進入?yún)^(qū)域系統(tǒng)就能自動識別。老板坐在辦公室里一點開系統(tǒng)，就能看到員工數(shù)字人的狀態(tài)。但問題也在這里：如果人工智能完全沿著“自動化—監(jiān)管”這條路徑發(fā)展，那么自動化和監(jiān)管的力度會越來越強。但這種方向對于很多企業(yè)——尤其是中小企業(yè)、離散型生產(chǎn)企業(yè)、非標化企業(yè)——到底有沒有那么大的作用？這就引出我下面的問題：人工智能下一步的發(fā)展，究竟要如何才能真正幫助這些離散型、非標化行業(yè)？這才是我們在政策和產(chǎn)業(yè)層面都必須認真思考的問題。

這就是我們在研究中常提到的：如何把科研人才、科研資源，與企業(yè)的具體需求、具體應用場景結合起來？如何讓科研資源真正進入企業(yè)，幫助企業(yè)解決在生產(chǎn)和經(jīng)營過程中遇到的瓶頸問題，提升它的競爭力與生產(chǎn)規(guī)模？這才是人工智能政策的“政策指揮棒”應當指向的方向。

中國目前的政策表述中，其實已經(jīng)出現(xiàn)了這一思路。比如中央提出的“因地制宜發(fā)展新質生產(chǎn)力”；又比如強調通過“場景應用”來牽引技術發(fā)展。這里面實際上已經(jīng)形成了一種“非線性創(chuàng)新”的發(fā)展思路，是值得我們重視和支持的。

最后，我想再提一個更大的問題：我們要推動人工智能朝更加包容性的方向發(fā)展，以避免出現(xiàn)我們不愿看到的那種泡沫化傾向。要做到這一點，關鍵在于如何讓人工智能真正實現(xiàn)標準化、體系化，使其作為一種公共資源去支撐千行百業(yè)的發(fā)展。

我們一直強調，人工智能要按照千行百業(yè)自身的發(fā)展需求來發(fā)展——但前提是：千行百業(yè)本身必須有發(fā)展需求。如果整個社會的發(fā)展動力主要來自金融炒作，大家都傾向于走輕資產(chǎn)路線，那自然不會對實體產(chǎn)業(yè)的技術升級提出什么特殊需求；實體經(jīng)濟的創(chuàng)新訴求也就無從產(chǎn)生。

同樣，如果經(jīng)濟長期處于停滯狀態(tài)，內需無法拉動，那么千行百業(yè)為了生存，只能勉強維持，根本無暇顧及技術創(chuàng)新、轉型升級這些事情。他們只要能“活下去”就已經(jīng)很不容易了。

因此，關鍵問題其實在于：如何通過資源調整把內需拉動起來，讓千行百業(yè)真正獲得發(fā)展的空間。只有當產(chǎn)業(yè)自身有了發(fā)展的余裕，它才可能向政策端提出創(chuàng)新訴求，也才會有動力去推進技術升級、人工智能賦能等發(fā)展路徑。

在這個基礎之上，我們再去討論應建立什么樣的治理機制、政策環(huán)境，來使人工智能的發(fā)展不至于走向“壞的泡沫”，而是走向健康、可持續(xù)的方向。

*以上內容由編輯根據(jù)現(xiàn)場發(fā)言記錄整理，內容有所刪減。發(fā)言僅代表研究員個人意見，僅供參考，不構成政策和投資建議。

研討會上，研究人員對當前“AI泡沫論”的成因、風險與中國的應對路徑進行了深入討論。

蔣余浩 華南理工大學公共政策研究院研究員、廣東新質生產(chǎn)力政策研究中心主任

戴明潔 華南理工大學公共政策研究院副研究員、廣東新質生產(chǎn)力政策研究中心研究員

李品保 華南理工大學公共政策研究院 助理研究員

區(qū)富祝 華南理工大學公共政策研究院 助理研究員

莊文越 華南理工大學公共政策研究院 研究助理

張心旖 華南理工大學公共政策研究院 研究助理

IPP評論熱門文章

余荔、朱政宇：“創(chuàng)世紀計劃”能開啟美國科研“新世紀”嗎？觀點集錦｜鄭永年：從俯視到平視，美國對華認知的改變將帶來什么？“臺灣有事”風波后，中日關系何去何從？

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創(chuàng)新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創(chuàng)新和政策咨詢協(xié)調發(fā)展的良好格局。IPP的愿景是打造開放式的知識創(chuàng)新和政策研究平臺，成為領先世界的中國智庫。