争议一：AI的技术价值是否被高估？乐观派认为，AI长期价值巨大，是一场深层次的生产力革命；悲观派认为，AI技术尚未成熟，商业化前景仍存重大不确定性。 争议二：AI投资规模是否过大？乐观派认为，当前AI投资规模合理，基本面有稳固支撑；悲观派认为，存在严重的资源与回报错配风险。 争议三：如何看待AI企业之间的循环投资？乐观派认为，循环投资是产业协同下的健康繁荣；悲观派认为，潜藏系统性风险。 二、参考历史经验，如何看待关于AI泡沫的争论？ 历史上，广泛影响全社会生产力革命、重大技术创新都伴随着投机性繁荣，甚至出现趋于泡沫化的阶段。从技术创新和金融市场的关系来看，历史上存在相似的循环模式：技术突破→吸引资本进入→投资过热与泡沫化→泡沫破裂→市场整合与真正的结构性变革。“咆哮的二十年代”以及互联网泡沫时期都出现投机性泡沫，但泡沫破灭后，新技术最终对经济产生深远影响。 考虑到AI投资周期较长，AI相关投资的高增长趋势或将持续，目前讨论是否“证伪”可能言之过早。当前AI领域投资增长快、相关公司估值较高，但从发展阶段看，判断是否泡沫仍言之过早。如果相关趋势持续，假以时日，这一新技术领域可能吸收更多的金融资源，估值“泡沫化”。另一方面，考虑到目前盈利持续兑现、流动性相对宽裕、供需格局紧张的背景，目前也不具备传统意义上触发金融市场预期剧烈调整的宏观条件——即使短期市场对相关领域已经计入较为乐观的预期，但讨论预期“证伪”也仍言之过早。 三、宏观以及市场启示 往前看，未来1-2年AI相关投资预计维持高强度，对增长、通胀带来支撑，对就业市场带来局部冲击。科技巨头仍在加码资本开支，AI应用渗透率上升仍有较大空间，且地缘政治与数据主权驱动非美国家加大投入，我们预计2026年AI相关投资维持偏高增速，通过投资和财富效应渠道推高美国总需求和通胀。但中长期看，AI通过提高劳动生产率以及压低劳动者议价能力，从而压低通胀。此外，目前AI对就业市场影响局限在特定群体/行业，但随着AI渗透加速，AI对就业市场、行业格局、收入分配的影响不容忽视。如果AI带来的收入分配难题不被妥善处理，中长期也将引发更多的关于财政可持续性和社会稳定忧虑（参见华泰 | 宏观深度：海外财政可持续性前景堪忧，2025/11/4）。 整体上，AI相关板块的乐观情绪有一定的基本面支撑，但如果估值进一步上升，则相关资产的波动性以及对利率变化的敏感度也可能上升。2026年美国经济修复、AI叙事可能继续高歌猛进，叠加财政和货币政策均将保持宽松，相关行业的市值可能进一步上升（参见华泰2026年度展望 | 美国宏观：不均衡的经济“再加速”，2025/11/2）。但是不容否认的是美股，特别是AI相关企业估值水平较高，集中度达到历史极值水平，市场脆弱性和波动性上升，持续的表现需要建立在AI投资周期维持强劲增长的基础上。假以时日，随着AI投资占用的金融资源比例日渐增高，也需警惕联储意外紧缩（如在通胀上升的倒逼下）、或AI商业化前景不及预期以及其他外生冲击均可能导致市场出现调整。 风险提示：AI遭遇重大技术瓶颈，AI渗透速度超预期。
目录 二、参考历史经验，如何看待关于AI泡沫的争论？ 三、宏观以及市场启示 正文 一、AI投资加速引发对AI泡沫的担忧 2025年以来，AI在美国渗透加速，企业加码AI相关投资，对美国经济增长产生重要支撑。2025年以来，AI在美国渗透加速：美国企业使用AI的比率快速上升至10%附近，而Ramp AI index所指示的企业AI付费的比率也在2025年快速回升（图表1），特别是信息技术、金融等行业；而根据2025年4月Menlo Ventures与Morning Consult的调查[1]，61%的美国成年人在过去六个月中使用过人工智能，近五分之一的人每天都使用; OpenAI的月度访问量持续增长，9月接近60亿次（图表2）。此外，互联网巨头资本开支大幅上升。脸书、微软、谷歌、亚马逊等美国超大规模运营商（Hyperscaler）2025年资本开支进一步上升，指引显示年度总规模超过3000亿美元。AI相关投资对2025年上半年美国经济增长的贡献达到1个百分点左右，缓冲了关税、驱逐移民等冲击的影响（参见【华泰宏观|深度】美国的“双速经济”格局及其资产价格含义，2025/10/22）。2025年上半年美国AI相关投资季比折年增速连续两个季度达到30%以上，而其他投资则因为不确定性等因素而整体偏弱（图表3）。企业AI相关资本开支还拉动数据中心以及电力投资的大幅增长（图表4）。 伴随着AI相关企业市值的大幅增长以及AI企业之间的循环投资，对AI存在泡沫的担忧明显上升。从google搜索指数来看，6月以来AI泡沫（AI bubble）的搜索量创历史记录（图表5）；10月的全球基金经理调查显示，认为AI股票处于泡沫中的占比上升到54%（图表6）。即使是处于人工智能热潮核心的人也发出警示：亚马逊执行董事长贝索斯认为[2]，目前的 AI 投资潮可被视为一种“工业泡沫”，区别于2008 年银行信贷失控引发的金融泡沫；泡沫破灭后，虽然有很多公司会失败、资本会损耗，但基础设施、技术积累和赢家将为社会带来“巨大”利益。OpenAI首席执行官奥特曼（Altman）表示[3]，AI整体来看对于经济是巨大的利好，但是投资者目前对于AI可能过度兴奋（over-excited about AI）；一些初创公司被给予巨额估值；一些企业会有巨大盈利，但一些企业会有巨额亏损。但是，也有较多投资者认为当前与互联网泡沫时期不同，企业资产负债表更健康，企业盈利也更好。例如，联储主席鲍威尔在10月FOMC上也表示，与互联网泡沫时期不同，如今的AI巨头拥有截然不同的收入、商业模式和利润；摩根大通首席执行官Dimon表示[4]，虽然部分项目可能泡沫化，但整体 AI 领域并不是一个泡沫[5]。具体来看，对AI是否存在泡沫主要存在以下争议： 乐观派认为，AI的长期价值巨大，它不仅是一场技术创新，更是一场深层次的生产力革命，能够像蒸汽机、电力和互联网一样重塑经济结构，带来前所未有的财富与效率提升。贝索斯和奥特曼虽然都坦言目前AI市场出现了过热和阶段性泡沫的迹象，但他们同时强调，这种短期波动并不改变AI的长期发展趋势与宏观价值前景。从企业层面看，AI正在成为核心生产工具和竞争力的放大器，麦肯锡报告指出[6]，AI可帮助企业运营效率提升20%-40%，每年提振劳动生产率0.2%-3.3%，为全球经济贡献 2.6万亿至4.4万亿美元的新增价值。 悲观派认为，AI技术尚未成熟，商业化前景仍存重大不确定性。据 Gartner 公司称[7]，用于采购的生成式人工智能 (GenAI) 已进入幻灭低谷。从技术层面看，当前的大规模语言模型（LLM）虽在文本生成、代码辅助、语义理解等方面取得突破，但仍面临“幻觉”（hallucination）问题—即输出虚假或错误信息；缩放定律（Scaling Law）[8]虽然尚未达到缩放定律的硬性极限，但正面临着日益严峻的瓶颈和挑战[9]；AI在 PlanBench 等需要多步推理和复杂“规划”时依然表现不佳，在精度至关重要的领域里，人工智能的有效性依然存在局限[10]；通用人工智能（AGI）仍停留在理论和实验阶段，至少在可预见的数年内难以落地。从应用角度看，麦肯锡指出，八成的企业认为AI应用没有带来显著的影响[11]；麻省理工学院（MIT Sloan）的研究显示，95%使用AI的企业表示，尚未观察到可量化的生产率提升；来自苹果公司的Parshin Shojaee等发布的研究指出，当前的大语言模型在处理复杂、多步骤推理任务时会出现系统性崩溃，说明仅靠扩大规模已无法提升AI的真实推理能力[12]。从商业前景看，AI能否带来足够收入存在较大不确定性。虽然AI带来的收入增长迅速，但当前的收入规模远低于数千亿美元的相关资本支出。以OpenAI为例，OpenAI当前活跃用户达到8亿，但是订阅用户仅占5%，用户使用量和用户数量之间存在较大差距[13]。 乐观派认为，当前AI投资规模合理，基本面有稳固支撑。根据我们的计算[15]，2025年上半年AI投资占美国GDP的1%左右（图表10），仍低于历史上几次重大技术变革时期的投资狂热。例如，19世纪英国铁路狂热时期，相关投资占GDP的比重曾达到6-7%（图表11）；而在20世纪90年代末的互联网泡沫（Dot-com Bubble）顶峰，科技投资占GDP的比重也达到了约2%。此外，从微观财务来看，本轮AI投资的主力军是微软、谷歌、亚马逊和Meta等美国科技巨头，这些巨头资产负债表较为稳健，盈利能力较强，这与互联网泡沫时期大量依赖风险投资和高杠杆债务的初创公司不同。例如，上述美国科技巨头当前的资本支出占收入的比率显著低于互联网泡沫时期（图表12）。 悲观派认为，AI投资规模空前，存在严重的资源与回报错配风险。从绝对值来看，当前的AI投资规模是空前的。根据PitchBook数据，2024年全球风险投资在AI领域的投入总额就已超过2000亿美元，即使考虑通胀以后，也仍然远高于互联网泡沫时期（图表13）。往前看，AI收入与投资之间的缺口仍将持续，且可能会加大。科技巨头每年数千亿美元的数据中心投资，其产生的收入可能无法覆盖折旧和资本成本，被批评更像是一种错失恐惧症（FOMO）驱动的非理性投资。根据CB Insights的分析[16]，2025年全球领先的AI公司（涵盖软件、服务和平台）的年度总收入（annual revenue run rate）突破600亿美元，仍然远低于AI相关投入。2025年全球数据中心投资规模达到5000亿美元左右，而麦肯锡估计，2025-2030年AI相关数据中心的总投资将达到5.2万亿美元。根据贝恩咨询的预测[17]，为支持AI相关投资，2030年AI行业需要产生近2万亿美元的年收入，而根据当前趋势推算，届时收入缺口将达到8000亿美元（图表14）。除了财务风险，AI投资还可能会面临物理资源瓶颈，特别是电力。根据国际能源署（IEA）的预测，全球数据中心的耗电量正以高达18%的年复合增长率（CAGR）飙升，而全球电网（尤其是在发达国家）的扩容能力年增长率仅为7%左右。电力瓶颈将推高运营成本，并可能导致数据中心建设计划放缓甚至搁浅。 乐观派认为，上述循环投资是产业协同下的健康繁荣，而非泡沫化循环。与互联网泡沫的“hope-and-hype”（空想与炒作）不同，当下AI头部企业资金与业务的交叉绑定代表了AI产业链的战略性互补与协同升级：生成式AI模型的训练与部署对算力需求大幅超出全球高性能GPU的供给；芯片企业、模型公司与云厂商的绑定能够优化资源配置，形成模型研发、硬件供给与算力管理的一体化体系，提高整体创新效率。 悲观派认为，这是典型的“金融自吞尾蛇”，潜藏系统性风险。悲观派指出，上述循环投资中，资金在AI体系内部循环流动，“投资换订单”制造增长假象，掩盖真实需求的放缓，在财务上构成“循环融资”（circular financing）。上述循环融资导致需求被夸大、估值虚高、且容易形成系统性风险传染。因此，悲观派将其比喻为“金融自吞尾蛇”：资本自我循环、反复放大，若AI商业变现未能在短期内兑现，整个产业链可能出现“多米诺式”调整。例如，OpenAI当前收入仅为130亿美元/年，但其长期支出承诺已达数千亿美。 历史上，影响广泛全社会生产力革命、重大技术创新都伴随着投机性繁荣（例如“咆哮的二十年代”以及互联网泡沫），甚至出现趋于泡沫化的阶段。奈恩[27]分析了19 世纪铁路革命到 20 世纪末互联网泡沫，发现技术创新和金融市场存在相似的循环模式：技术突破→吸引资本进入→投资过热与泡沫化→泡沫破裂→市场整合与真正的结构性变革。每次技术浪潮出现后，投资者往往相信世界进入“新时代”，传统估值规则失效，这种“新时代叙事”会放大市场繁荣，也掩盖真实风险。从事后看，技术确实能在长期提升生产率和社会财富，但短期内，市场常被非理性情绪主导。席勒在《非理性繁荣》指出，投资者对技术创新反应过度，导致股价大幅上涨。Sorescu et al（2018）的研究也证实，1825-2000年间的51项重大创新，73%的创新在商业化后引发股市泡沫[28]，股价相对基本面的偏离幅度平均为86%（详见附录图1），且泡沫更可能出现在革命性程度高、具有潜在网络外部性且公众可见度高的创新中（Sorescu et al., 2018）。而旧金山联邦储备银行（2008）发现，由于投资者对劳动生产率的真正提升反应过度，美国历史上重大技术创新时期往往伴随着投机泡沫（图表20）。例如1920年代美股泡沫以及20世纪末的互联网泡沫。 “咆哮的二十年代”（Roaring Twenties）与美股泡沫复盘。1920年代美国正处于第一次世界大战后的经济繁荣期，汽车流水线、商业广播、制造业电气化等新技术不断涌现，带来城市化加速，中产阶级兴起。1921-1929年美国实际GDP增速平均达到4.1%（图表21）。无线电、汽车（福特Model T）、电力等驱动了相关企业盈利以及股价暴涨。联储在这一时期维持偏低利率（2-5%），投资者可以通过“保证金交易”（margin trading）借钱炒股，媒体炒作“永不下跌”的神话，进一步推高股市，股市成为普通人致富的“神话”场所。股市从1924年开始加速膨胀，1929年下半年见顶，道琼斯指数相对1923年底最大上涨288%，年化达到26%（图表22）。1929年10月泡沫破灭，股市出现大崩盘，背后有多重因素：1929年3月联储警告股市杠杆风险，并短暂提高利率；公用事业股丑闻曝光；英国利率上调导致美国资金外流。1929年股市泡沫破灭，叠加联储应对失误，导致美国经济陷入大萧条，失业率最高上升至25%。罗斯福新政、美国退出金本位等最终帮助美国走出大萧条。尽管大萧条期间，新技术的投资锐减，技术扩散放缓，但是上述技术创新在二战后提升了生产力，推动了战后的经济繁荣。例如，汽车业在战后成为支柱产业，并促进美国城市的扩张；商业广播等无线电通信技术奠定了现代媒体和电子产业基础，还推动了半导体和计算机的早期发展；制造业广泛的电气化提高了劳动生产率，并重塑了产业结构，还刺激了家电的需求。 90年代“互联网泡沫”与“去伪存真”。1970-80年代计算机在美国普及，1995年开始，互联网通讯产业的迅速扩张，相关行业投资增速明显超过其他内需部门。彼时美国劳动生产率也明显回升，加之同期通胀也较温和，美国经济进入高增长与低通胀的“新经济时代”。股市估值脱离现金流约束，在新经济的叙事下，风险偏好抬升，市场对公司的定价逐步从可验证的盈利与现金流转向单纯的叙事逻辑。宽松的货币政策以及联储对市场的“呵护”形成Greenspan put，加大了市场的投机，市场参与者预期即使股市下跌或公司出现流动性困境，联储也会快速降息、提供流动性支持，故面对估值泡沫也敢于继续参与。市场在2000年3月达到高点，此后事件逆风与盈利兑现不足引发泡沫破裂。自2000下半年开始，美国企业订单转弱，计算机、软件投资速度也明显回落，叠加“9·11”事件与安然事件对市场信心造成冲击：纳指自2000年3月高点的5132跌至2002年10月1114的低点，最大回撤78%（图表23）。不过，股市回落并未淹没真正具有核心价值的公司，互联网泡沫的破裂实质是一个“去伪存真”的过程。截至2004年，1996年以来成立的互联网公司中约有52%不再存在[29]，但具有核心竞争力的“幸存者”，如亚马逊凭借其存货管理与现金流优势，在经历95%的回撤后仍在未来十多年形成规模经济并积累了巨额市值，且泡沫时期建设的大量高速通讯网络、数据库与服务器架构在此之后支持着美国经济与社会的发展。 三、宏观以及市场启示 AI遭遇重大技术瓶颈：若AI出现较大技术瓶颈导致投入产出比不及市场预期，企业资本开支的有效性或受到质疑，带来金融市场震荡。 AI渗透速度超预期：若AI对企业渗透速度超预期，可能对部分群体的就业替代作用超过我们估计，从而带来劳动力市场超预期走弱。
附录
争议一：AI的技术价值是否被高估？乐观派认为，AI长期价值巨大，是一场深层次的生产力革命；悲观派认为，AI技术尚未成熟，商业化前景仍存重大不确定性。 争议二：AI投资规模是否过大？乐观派认为，当前AI投资规模合理，基本面有稳固支撑；悲观派认为，存在严重的资源与回报错配风险。 争议三：如何看待AI企业之间的循环投资？乐观派认为，循环投资是产业协同下的健康繁荣；悲观派认为，潜藏系统性风险。 二、参考历史经验，如何看待关于AI泡沫的争论？ 历史上，广泛影响全社会生产力革命、重大技术创新都伴随着投机性繁荣，甚至出现趋于泡沫化的阶段。从技术创新和金融市场的关系来看，历史上存在相似的循环模式：技术突破→吸引资本进入→投资过热与泡沫化→泡沫破裂→市场整合与真正的结构性变革。“咆哮的二十年代”以及互联网泡沫时期都出现投机性泡沫，但泡沫破灭后，新技术最终对经济产生深远影响。 考虑到AI投资周期较长，AI相关投资的高增长趋势或将持续，目前讨论是否“证伪”可能言之过早。当前AI领域投资增长快、相关公司估值较高，但从发展阶段看，判断是否泡沫仍言之过早。如果相关趋势持续，假以时日，这一新技术领域可能吸收更多的金融资源，估值“泡沫化”。另一方面，考虑到目前盈利持续兑现、流动性相对宽裕、供需格局紧张的背景，目前也不具备传统意义上触发金融市场预期剧烈调整的宏观条件——即使短期市场对相关领域已经计入较为乐观的预期，但讨论预期“证伪”也仍言之过早。 三、宏观以及市场启示 往前看，未来1-2年AI相关投资预计维持高强度，对增长、通胀带来支撑，对就业市场带来局部冲击。科技巨头仍在加码资本开支，AI应用渗透率上升仍有较大空间，且地缘政治与数据主权驱动非美国家加大投入，我们预计2026年AI相关投资维持偏高增速，通过投资和财富效应渠道推高美国总需求和通胀。但中长期看，AI通过提高劳动生产率以及压低劳动者议价能力，从而压低通胀。此外，目前AI对就业市场影响局限在特定群体/行业，但随着AI渗透加速，AI对就业市场、行业格局、收入分配的影响不容忽视。如果AI带来的收入分配难题不被妥善处理，中长期也将引发更多的关于财政可持续性和社会稳定忧虑（参见华泰 | 宏观深度：海外财政可持续性前景堪忧，2025/11/4）。 整体上，AI相关板块的乐观情绪有一定的基本面支撑，但如果估值进一步上升，则相关资产的波动性以及对利率变化的敏感度也可能上升。2026年美国经济修复、AI叙事可能继续高歌猛进，叠加财政和货币政策均将保持宽松，相关行业的市值可能进一步上升（参见华泰2026年度展望 | 美国宏观：不均衡的经济“再加速”，2025/11/2）。但是不容否认的是美股，特别是AI相关企业估值水平较高，集中度达到历史极值水平，市场脆弱性和波动性上升，持续的表现需要建立在AI投资周期维持强劲增长的基础上。假以时日，随着AI投资占用的金融资源比例日渐增高，也需警惕联储意外紧缩（如在通胀上升的倒逼下）、或AI商业化前景不及预期以及其他外生冲击均可能导致市场出现调整。 风险提示：AI遭遇重大技术瓶颈，AI渗透速度超预期。
目录 二、参考历史经验，如何看待关于AI泡沫的争论？ 三、宏观以及市场启示 正文 一、AI投资加速引发对AI泡沫的担忧 2025年以来，AI在美国渗透加速，企业加码AI相关投资，对美国经济增长产生重要支撑。2025年以来，AI在美国渗透加速：美国企业使用AI的比率快速上升至10%附近，而Ramp AI index所指示的企业AI付费的比率也在2025年快速回升（图表1），特别是信息技术、金融等行业；而根据2025年4月Menlo Ventures与Morning Consult的调查[1]，61%的美国成年人在过去六个月中使用过人工智能，近五分之一的人每天都使用; OpenAI的月度访问量持续增长，9月接近60亿次（图表2）。此外，互联网巨头资本开支大幅上升。脸书、微软、谷歌、亚马逊等美国超大规模运营商（Hyperscaler）2025年资本开支进一步上升，指引显示年度总规模超过3000亿美元。AI相关投资对2025年上半年美国经济增长的贡献达到1个百分点左右，缓冲了关税、驱逐移民等冲击的影响（参见【华泰宏观|深度】美国的“双速经济”格局及其资产价格含义，2025/10/22）。2025年上半年美国AI相关投资季比折年增速连续两个季度达到30%以上，而其他投资则因为不确定性等因素而整体偏弱（图表3）。企业AI相关资本开支还拉动数据中心以及电力投资的大幅增长（图表4）。 伴随着AI相关企业市值的大幅增长以及AI企业之间的循环投资，对AI存在泡沫的担忧明显上升。从google搜索指数来看，6月以来AI泡沫（AI bubble）的搜索量创历史记录（图表5）；10月的全球基金经理调查显示，认为AI股票处于泡沫中的占比上升到54%（图表6）。即使是处于人工智能热潮核心的人也发出警示：亚马逊执行董事长贝索斯认为[2]，目前的 AI 投资潮可被视为一种“工业泡沫”，区别于2008 年银行信贷失控引发的金融泡沫；泡沫破灭后，虽然有很多公司会失败、资本会损耗，但基础设施、技术积累和赢家将为社会带来“巨大”利益。OpenAI首席执行官奥特曼（Altman）表示[3]，AI整体来看对于经济是巨大的利好，但是投资者目前对于AI可能过度兴奋（over-excited about AI）；一些初创公司被给予巨额估值；一些企业会有巨大盈利，但一些企业会有巨额亏损。但是，也有较多投资者认为当前与互联网泡沫时期不同，企业资产负债表更健康，企业盈利也更好。例如，联储主席鲍威尔在10月FOMC上也表示，与互联网泡沫时期不同，如今的AI巨头拥有截然不同的收入、商业模式和利润；摩根大通首席执行官Dimon表示[4]，虽然部分项目可能泡沫化，但整体 AI 领域并不是一个泡沫[5]。具体来看，对AI是否存在泡沫主要存在以下争议： 乐观派认为，AI的长期价值巨大，它不仅是一场技术创新，更是一场深层次的生产力革命，能够像蒸汽机、电力和互联网一样重塑经济结构，带来前所未有的财富与效率提升。贝索斯和奥特曼虽然都坦言目前AI市场出现了过热和阶段性泡沫的迹象，但他们同时强调，这种短期波动并不改变AI的长期发展趋势与宏观价值前景。从企业层面看，AI正在成为核心生产工具和竞争力的放大器，麦肯锡报告指出[6]，AI可帮助企业运营效率提升20%-40%，每年提振劳动生产率0.2%-3.3%，为全球经济贡献 2.6万亿至4.4万亿美元的新增价值。 悲观派认为，AI技术尚未成熟，商业化前景仍存重大不确定性。据 Gartner 公司称[7]，用于采购的生成式人工智能 (GenAI) 已进入幻灭低谷。从技术层面看，当前的大规模语言模型（LLM）虽在文本生成、代码辅助、语义理解等方面取得突破，但仍面临“幻觉”（hallucination）问题—即输出虚假或错误信息；缩放定律（Scaling Law）[8]虽然尚未达到缩放定律的硬性极限，但正面临着日益严峻的瓶颈和挑战[9]；AI在 PlanBench 等需要多步推理和复杂“规划”时依然表现不佳，在精度至关重要的领域里，人工智能的有效性依然存在局限[10]；通用人工智能（AGI）仍停留在理论和实验阶段，至少在可预见的数年内难以落地。从应用角度看，麦肯锡指出，八成的企业认为AI应用没有带来显著的影响[11]；麻省理工学院（MIT Sloan）的研究显示，95%使用AI的企业表示，尚未观察到可量化的生产率提升；来自苹果公司的Parshin Shojaee等发布的研究指出，当前的大语言模型在处理复杂、多步骤推理任务时会出现系统性崩溃，说明仅靠扩大规模已无法提升AI的真实推理能力[12]。从商业前景看，AI能否带来足够收入存在较大不确定性。虽然AI带来的收入增长迅速，但当前的收入规模远低于数千亿美元的相关资本支出。以OpenAI为例，OpenAI当前活跃用户达到8亿，但是订阅用户仅占5%，用户使用量和用户数量之间存在较大差距[13]。 乐观派认为，当前AI投资规模合理，基本面有稳固支撑。根据我们的计算[15]，2025年上半年AI投资占美国GDP的1%左右（图表10），仍低于历史上几次重大技术变革时期的投资狂热。例如，19世纪英国铁路狂热时期，相关投资占GDP的比重曾达到6-7%（图表11）；而在20世纪90年代末的互联网泡沫（Dot-com Bubble）顶峰，科技投资占GDP的比重也达到了约2%。此外，从微观财务来看，本轮AI投资的主力军是微软、谷歌、亚马逊和Meta等美国科技巨头，这些巨头资产负债表较为稳健，盈利能力较强，这与互联网泡沫时期大量依赖风险投资和高杠杆债务的初创公司不同。例如，上述美国科技巨头当前的资本支出占收入的比率显著低于互联网泡沫时期（图表12）。 悲观派认为，AI投资规模空前，存在严重的资源与回报错配风险。从绝对值来看，当前的AI投资规模是空前的。根据PitchBook数据，2024年全球风险投资在AI领域的投入总额就已超过2000亿美元，即使考虑通胀以后，也仍然远高于互联网泡沫时期（图表13）。往前看，AI收入与投资之间的缺口仍将持续，且可能会加大。科技巨头每年数千亿美元的数据中心投资，其产生的收入可能无法覆盖折旧和资本成本，被批评更像是一种错失恐惧症（FOMO）驱动的非理性投资。根据CB Insights的分析[16]，2025年全球领先的AI公司（涵盖软件、服务和平台）的年度总收入（annual revenue run rate）突破600亿美元，仍然远低于AI相关投入。2025年全球数据中心投资规模达到5000亿美元左右，而麦肯锡估计，2025-2030年AI相关数据中心的总投资将达到5.2万亿美元。根据贝恩咨询的预测[17]，为支持AI相关投资，2030年AI行业需要产生近2万亿美元的年收入，而根据当前趋势推算，届时收入缺口将达到8000亿美元（图表14）。除了财务风险，AI投资还可能会面临物理资源瓶颈，特别是电力。根据国际能源署（IEA）的预测，全球数据中心的耗电量正以高达18%的年复合增长率（CAGR）飙升，而全球电网（尤其是在发达国家）的扩容能力年增长率仅为7%左右。电力瓶颈将推高运营成本，并可能导致数据中心建设计划放缓甚至搁浅。 乐观派认为，上述循环投资是产业协同下的健康繁荣，而非泡沫化循环。与互联网泡沫的“hope-and-hype”（空想与炒作）不同，当下AI头部企业资金与业务的交叉绑定代表了AI产业链的战略性互补与协同升级：生成式AI模型的训练与部署对算力需求大幅超出全球高性能GPU的供给；芯片企业、模型公司与云厂商的绑定能够优化资源配置，形成模型研发、硬件供给与算力管理的一体化体系，提高整体创新效率。 悲观派认为，这是典型的“金融自吞尾蛇”，潜藏系统性风险。悲观派指出，上述循环投资中，资金在AI体系内部循环流动，“投资换订单”制造增长假象，掩盖真实需求的放缓，在财务上构成“循环融资”（circular financing）。上述循环融资导致需求被夸大、估值虚高、且容易形成系统性风险传染。因此，悲观派将其比喻为“金融自吞尾蛇”：资本自我循环、反复放大，若AI商业变现未能在短期内兑现，整个产业链可能出现“多米诺式”调整。例如，OpenAI当前收入仅为130亿美元/年，但其长期支出承诺已达数千亿美。 历史上，影响广泛全社会生产力革命、重大技术创新都伴随着投机性繁荣（例如“咆哮的二十年代”以及互联网泡沫），甚至出现趋于泡沫化的阶段。奈恩[27]分析了19 世纪铁路革命到 20 世纪末互联网泡沫，发现技术创新和金融市场存在相似的循环模式：技术突破→吸引资本进入→投资过热与泡沫化→泡沫破裂→市场整合与真正的结构性变革。每次技术浪潮出现后，投资者往往相信世界进入“新时代”，传统估值规则失效，这种“新时代叙事”会放大市场繁荣，也掩盖真实风险。从事后看，技术确实能在长期提升生产率和社会财富，但短期内，市场常被非理性情绪主导。席勒在《非理性繁荣》指出，投资者对技术创新反应过度，导致股价大幅上涨。Sorescu et al（2018）的研究也证实，1825-2000年间的51项重大创新，73%的创新在商业化后引发股市泡沫[28]，股价相对基本面的偏离幅度平均为86%（详见附录图1），且泡沫更可能出现在革命性程度高、具有潜在网络外部性且公众可见度高的创新中（Sorescu et al., 2018）。而旧金山联邦储备银行（2008）发现，由于投资者对劳动生产率的真正提升反应过度，美国历史上重大技术创新时期往往伴随着投机泡沫（图表20）。例如1920年代美股泡沫以及20世纪末的互联网泡沫。 “咆哮的二十年代”（Roaring Twenties）与美股泡沫复盘。1920年代美国正处于第一次世界大战后的经济繁荣期，汽车流水线、商业广播、制造业电气化等新技术不断涌现，带来城市化加速，中产阶级兴起。1921-1929年美国实际GDP增速平均达到4.1%（图表21）。无线电、汽车（福特Model T）、电力等驱动了相关企业盈利以及股价暴涨。联储在这一时期维持偏低利率（2-5%），投资者可以通过“保证金交易”（margin trading）借钱炒股，媒体炒作“永不下跌”的神话，进一步推高股市，股市成为普通人致富的“神话”场所。股市从1924年开始加速膨胀，1929年下半年见顶，道琼斯指数相对1923年底最大上涨288%，年化达到26%（图表22）。1929年10月泡沫破灭，股市出现大崩盘，背后有多重因素：1929年3月联储警告股市杠杆风险，并短暂提高利率；公用事业股丑闻曝光；英国利率上调导致美国资金外流。1929年股市泡沫破灭，叠加联储应对失误，导致美国经济陷入大萧条，失业率最高上升至25%。罗斯福新政、美国退出金本位等最终帮助美国走出大萧条。尽管大萧条期间，新技术的投资锐减，技术扩散放缓，但是上述技术创新在二战后提升了生产力，推动了战后的经济繁荣。例如，汽车业在战后成为支柱产业，并促进美国城市的扩张；商业广播等无线电通信技术奠定了现代媒体和电子产业基础，还推动了半导体和计算机的早期发展；制造业广泛的电气化提高了劳动生产率，并重塑了产业结构，还刺激了家电的需求。 90年代“互联网泡沫”与“去伪存真”。1970-80年代计算机在美国普及，1995年开始，互联网通讯产业的迅速扩张，相关行业投资增速明显超过其他内需部门。彼时美国劳动生产率也明显回升，加之同期通胀也较温和，美国经济进入高增长与低通胀的“新经济时代”。股市估值脱离现金流约束，在新经济的叙事下，风险偏好抬升，市场对公司的定价逐步从可验证的盈利与现金流转向单纯的叙事逻辑。宽松的货币政策以及联储对市场的“呵护”形成Greenspan put，加大了市场的投机，市场参与者预期即使股市下跌或公司出现流动性困境，联储也会快速降息、提供流动性支持，故面对估值泡沫也敢于继续参与。市场在2000年3月达到高点，此后事件逆风与盈利兑现不足引发泡沫破裂。自2000下半年开始，美国企业订单转弱，计算机、软件投资速度也明显回落，叠加“9·11”事件与安然事件对市场信心造成冲击：纳指自2000年3月高点的5132跌至2002年10月1114的低点，最大回撤78%（图表23）。不过，股市回落并未淹没真正具有核心价值的公司，互联网泡沫的破裂实质是一个“去伪存真”的过程。截至2004年，1996年以来成立的互联网公司中约有52%不再存在[29]，但具有核心竞争力的“幸存者”，如亚马逊凭借其存货管理与现金流优势，在经历95%的回撤后仍在未来十多年形成规模经济并积累了巨额市值，且泡沫时期建设的大量高速通讯网络、数据库与服务器架构在此之后支持着美国经济与社会的发展。 三、宏观以及市场启示 AI遭遇重大技术瓶颈：若AI出现较大技术瓶颈导致投入产出比不及市场预期，企业资本开支的有效性或受到质疑，带来金融市场震荡。 AI渗透速度超预期：若AI对企业渗透速度超预期，可能对部分群体的就业替代作用超过我们估计，从而带来劳动力市场超预期走弱。
附录
