金融大家評 | 如何看待“AI泡沫”論？

導語：2025年，人工智能繼續作為全球科技發展的核心驅動力與主導敘事。一方面，技術與資本持續共振：英偉達市值一度突破5萬億美元，印證了其在全球算力基礎設施中的關鍵地位；同期，國產GPU企業加速擁抱資本市場，折射出本土供應鏈自主化進程的實質性推進。另一方面，盡管產業熱度不減，全球資本情緒已呈現微妙轉向，市場共識出現結構性分化。在此背景下，“AI泡沫”的討論持續升溫，引發了對其形成機制、潛在風險與市場影響的系統性審視與深度探討。

為何會出現“AI泡沫”論？影響有多大？

沃頓商學院講席教授及金融系主任 Itay Goldstein

泡沫源于投資動機的轉變

金融泡沫的核心在于資產價格顯著高于其內在價值。內在價值的挑戰在于它并不是一個固定且舉世公認的數字。內在價值的計算充滿了爭議，因為它完全取決于所使用的金融模型和假設。泡沫通常始于投資者因確信某項資產被低估而進行的購買。隨著價格持續上漲，投資動機隨之發生轉變。人們不再追問“這東西值多少錢？”，而是開始關注“它還能漲多高？”

泡沫未必總會對宏觀經濟造成毀滅性打擊。危險的關鍵在于“風險敞口”——即有多少個人和機構卷入了特定的資產或行業，以及他們為了這場博弈借了多少錢。盡管20世紀90年代末的互聯網泡沫破裂讓投資者損失慘重，但對普通大眾的影響相對可控。因為互聯網泡沫本質上是私人資本追逐互聯網初創企業的故事。當泡沫破裂時，普通家庭并沒有失去房產，銀行系統也安然無恙。

經濟是一個極其復雜且環環相扣的系統。因此，在危機真正爆發前，很難完整勾勒出它將產生的所有連鎖反應和溢出效應。如今，通過個人證券賬戶和退休計劃持有股票的家庭遠超90年代末，且這些資金高度向大型科技公司傾斜。AI泡沫集中在“科技七巨頭”身上，這幾家巨頭貢獻了標普500指數的大部分日常漲跌。一旦它們的估值崩塌，大量投資組合都將遭受重創，哪怕是那些自認為只是在被動攢養老金的人也難逃波及。

橡樹資本管理公司聯合創始人、聯席董事長 Howard Marks

泡沫是暫時性的狂熱

人人都在問：“AI 有泡沫嗎？”這個問題本身就存在歧義。我得出的結論是，需要考慮兩種不同但相互關聯的泡沫可能性：一種是行業內部公司行為層面的泡沫，另一種是投資者對該行業的行為層面的泡沫。當前完全沒有能力判斷 AI 公司激進的行為是否合理，所以主要聚焦于：金融世界里圍繞 AI 是否存在泡沫。

市場泡沫并非由技術或金融發展直接造成。相反，它們源自把過度樂觀投射到這些發展之上。泡沫是暫時性的狂熱：技術或金融領域的新進展成為了前美聯儲主席艾倫·格林斯潘所稱的“非理性繁榮”的對象。新事物理所當然會激發巨大的熱情，但當熱情膨脹到非理性的規模時，泡沫就發生了。誰能識別理性的邊界？誰能斷言一個樂觀的市場何時變成了泡沫？這終究只是判斷問題。我們可以理論化地討論當下的熱情是否過度，但要到多年之后才會知道是否已經存在泡沫。

變革性技術引發過度熱情與投資、有形或無形地建設出超出所需的基礎設施，并把資產價格推到事后證明過高的位置——這種歷史一貫存在。這些過度行為以一種在其缺席下不會發生的方式，加速技術采用，對這些過度行為的通用稱呼是“泡沫”。AI 有潛力成為史上最偉大的變革性技術之一，而且正處于巨大的熱情之中。如果這種熱情沒有產生一個符合歷史模式的泡沫，那將是第一次。

AI泡沫是否真的存在? 其演化處于何種階段？

財政部原副部長 朱光耀

AI不存在泡沫，但優勝劣汰是必由之路

從價值本質來看，我不認為AI是泡沫。生產力發展的每一個關鍵階段都需要持續投資，AI作為第四次產業革命的核心領域，吸引大量投資、匯聚眾多企業參與競爭，是產業發展的正常規律。劇烈競爭必然伴隨淘汰過程，若將這一淘汰階段視為“泡沫”，那么這種“泡沫”實則是產業大浪淘沙的必經之路。經過淘汰篩選，優質企業將實現涅槃重生，推動整個產業的生產力水平邁向新高度。

對于“如果要培育中國版的英偉達，應采取何種路徑”的問題，中國無需刻意復制“英偉達模式”，而應堅持走中國式AI發展道路，核心是推進“AI+”戰略。我們要充分發揮三大優勢：一是龐大的應用場景優勢，為AI技術落地提供廣闊空間；二是海量的數據資源優勢，為模型訓練與優化提供核心支撐；三是強大的電力供應與基礎設施保障優勢，為AI產業規模化發展筑牢基礎。依托這些優勢，應著力培育具有中國特色的人工智能企業集群，而非單一企業。

中金公司研究部董事總經理、海外與港股策略首席分析師 劉剛

對AI估值預期高導致波動，長期仍有投資價值

從當前AI需求、融資能力和市場定價三個維度來看：1）需求接近于1996~1997年，內生降本增效已兌現，外延需求仍待突破，僅看營收和生產率提升幅度類似于1996~1997年。2）投資接近1997~1998年，規模仍處于初期，但融資依賴度要遠低于當時的水平。3）一級市場定價接近1999年，二級市場估值和政策環境接近1998年。綜合來看，我們判斷當前市場可能更多處于1996~1998年的情形。

這意味著什么？1）估值高和預期高，所以會波動。自2023年以來，“美股七姐妹”估值始終在30倍左右的相對高位徘徊，但每次逼近35倍時都會引發市場對于泡沫的擔憂，進而導致回調。這也說明估值存在“天花板”，如果想進一步突破，必須依賴技術應用的實質性突破來帶動更多需求兌現。2）長期產業趨勢還在，所以仍有投資價值。從生產率的提升、應用范圍的擴大都可以看出AI技術仍蘊含潛能，短期二級市場的波動并不影響實體產業的投資價值。3）但結構會走向分化。在這個過程中，龍頭間也將出現差異化表現，那些能夠將領先模型與多元業務場景深度結合、形成可規?；虡I閉環的企業，將更有機會受益。例如，谷歌正加速推進AI與傳統業務的融合，其潛在價值也引發價值型資金的關注，伯克希爾哈撒韋三季度首次建倉谷歌，使之成為其前二十大持倉股之一。

蓮華資產管理公司管理合伙人、首席投資官 洪灝

美國AI存在泡沫，但泡沫要破還為時尚早

美國AI泡沫肯定有。你看市場對它們的預期，還有最近AI公司之間互相投資、互相下單的現象。

類似的現象2000年泡沫頂部時也出現過。但這次不一樣的是，直到今年上半年，這些科技巨頭的資本開支主要還是靠自己的現金流。而且它們的現金流、利潤率和成長率仍然很高——全球最大的公司還能保持雙位數增長，這很難得。不過估值也確實到了歷史高位。美股估值達到這么高的次數屈指可數，不能說它不貴。所以估值上確實有泡沫。

但另一方面，這些公司的增長并沒有慢下來，反而還在加速。所以泡沫是有，但泡沫什么時候破，這是另一個問題。市場可以一直非理性，直到你破產為止。一般來說，泡沫破滅往往是因為流動性出了問題，或者市場杠桿太高導致被迫平倉，或者是美聯儲收緊。2000年就是這樣。流動性轉弱是泡沫破滅的必要條件。另一個條件是市場杠桿率過高，導致整個體系很脆弱，對流動性的變化非常敏感。這個條件目前我們還沒看到。相反，美聯儲已經開始降息，還在擴表買美債，流動性其實比較充沛。我們的模型也顯示，未來幾個月流動性條件可能會邊際改善。所以現在說泡沫要破，可能還為時過早。

不可忽視AI泡沫的“正面作用”：

全球知名財經作家 Byrne Hobart

有些泡沫是科技進步的催化劑

并非所有泡沫都摧毀財富和價值。有些泡沫可被理解為科技進步的重要催化劑。大多數新技術并非憑空出現，一進入世界就已完全成型。相反，它建立在之前的錯誤開端、失敗、迭代和歷史路徑依賴之上。泡沫創造了部署必要資本的機會，以資助和加速這種大規模實驗——這包括大量并行進行的試錯——從而加速潛在顛覆性技術和突破的產生速率。

通過產生熱情和投資的正向反饋循環，泡沫可以是凈有益的。樂觀可以成為自我實現的預言。投機為高度風險和探索性項目提供了所需的大規模融資；短期內看似過度熱情或糟糕的投資，最終被證明是引導社會和技術創新所必需的……泡沫可以是集體錯覺，但它也可以是集體愿景的表達。該愿景成為人員和資本的協調點，以及創新的并行化場所。進步并非隨時間發生，而是在不同領域同時爆發。隨著熱情的增長……帶來了更高的風險承受能力和強大的網絡效應。害怕錯失良機，或稱FOMO，吸引了更多參與者、企業家和投機者，進一步強化了這一正向反饋循環。像泡沫一樣，FOMO往往名聲不佳，但有時它是一種健康的直覺。畢竟，我們誰都不想錯過一生一次構建未來的機會。

中郵證券副總裁、首席經濟學家 黃付生

新興行業出現一定泡沫，一定程度上能促進行業發展

任何一種科技革命或新興行業的發展，都必然伴隨泡沫化。泡沫本身是一個中性詞。任何新的技術或創新，從0到1的認知提升和市場追捧過程，就是一個泡沫化的過程。核心在于泡沫能否最終應用落地，避免巨大的泡沫破裂。泡沫化能夠大幅提升估值，從而吸引社會上的大量資金涌入該行業，促使行業快速發展和迭代，最終帶動整個產業鏈的巨大發展。即使泡沫最終破裂，行業也已完成成長和成熟，這就是資本泡沫的力量。

具體到AI領域，涉及硬件、軟件和整個延伸產業鏈，技術屬性強。它與傳統制造業最大的區別是：初期現金流和盈利能力非常有限，缺乏傳統的商業模式。AI 領域更需要資本市場、更需要泡沫去孕育和培育整個行業的快速發展，并在泡沫當中建立起完整的產業鏈。因此，本輪科技泡沫一定會哺育人工智能這一新興行業，進而提升傳統行業和新興行業的生產效率，催生一批與人工智能衍生相關的應用行業。當前，中國科技股處于行業高景氣、高成長期，從0到1的過程中，天然應享受到高估值、高溢價。這能催生更多資本投入，推動行業快速發展和應用推廣。

AI 項目估值的核心邏輯到底是什么？

九合創投創始人 王嘯

好AI項目的定義——明確的場景、可閉環的數據、匹配的團隊

評估一個AI項目時，最核心的是看它是否找到了一個真正有價值的應用場景。好的AI項目必須聚焦在某個具體領域，并且這個場景要能形成閉環，讓數據可以不斷自我強化。比如一開始系統可能只能完成70%的工作，但隨著數據積累和算法優化，它能逐漸提升到90%甚至更高。項目不僅要有扎實的技術能力，還要對行業有深刻理解，才能真正讓"數據飛輪"轉起來。

如果我們拒絕一個AI項目，通常有兩個原因：一是創業者講的故事太小，缺乏想象力；另一種更常見的是故事講得太大，但團隊完全沒有相應的能力支撐。愿景和能力之間必須要有合理的連接，哪怕路徑不是100%清晰，至少邏輯上要能自洽。

舉個例子，我們投了一家用AI改造獵頭行業的公司。傳統獵頭的工作本質上是兩邊溝通——既要了解企業需求，又要評估候選人，這個過程其實很適合AI來優化。這家公司的兩位創始人，一位是資深獵頭，有行業資源和客戶基礎；另一位是微軟研究院出來的技術專家，擅長大模型應用。這樣的組合既能保證對招聘場景的深刻理解，又有能力搭建AI系統。

更重要的是，每次匹配都會產生新數據，讓系統越用越聰明。過去獵頭打電話的信息不會留存，而AI能把這些交互數據結構化，創造出全新的競爭壁壘。從市場規模看，中國招聘是個千億級市場，AI可以先服務高端崗位，再逐步滲透，這樣的項目就完全符合我們對好AI項目的定義——明確的場景、可閉環的數據、匹配的團隊。

內容來源丨根據公開演講或發表內容整理

編輯丨楊曦

審核丨秦婷

責編丨蘭銀帆

關于《清華金融評論》·金融大家評

天下人評天下金融

針對當前經濟金融的重要政策、熱點話題進行深度探討、交流和解讀。把握現實經濟金融現狀，看清事件背后的原因，探索經濟金融未來發展的脈絡。