泡沫可能如何破裂

2024年8月，我曾预测：AI要真正实现大规模商业化，必须降低技术门槛和使用成本，最终像水、电、网络一样，成为人人可用、持续付费的基础服务。
此后(2026年4月）按token计费基本沿着这条路径发展。
我目前所在公司提供 unlimited token。通过实际观察，我发现当初的类比有错误。

一、水电化解决了消费方式，没解决资本回报

水、电、网络具有相对稳定的需求、标准化的产品、较高的用户黏性和较长的基础设施寿命，定价与资本回报也相对容易匹配。
AI则不同：

• 模型和硬件更新极快；
• token价格持续下降；
• 完成同一任务所需算力不断减少；
• 用户可以在不同模型之间切换；
• 很多AI应用只是提高效率，并不会产生等额新增收入；
• agent还可能消耗大量算力进行低价值生成、重复检查和无效循环。

因此，AI创造的经济价值、模型公司的收入，以及基础设施投资者要求的资本回报，三者之间存在明显错位。
Token也不真正等于水或电。它解决的是“如何计量和收费”，相当于安装了水表和电表，却没有回答卖token能否覆盖GPU、电力、数据中心、折旧和融资成本。
一个token的经济价值高度不稳定。写一封普通邮件和完成一次法律尽调，可能消耗相近的token；不同模型完成同一任务，成本也可能相差数倍。用户真正购买的是“问题被解决”，而不是字符数量或计算量。
因此，token更适合作为底层成本核算单位。最终的商业收费可能更多基于席位、任务、交易、节省成本或成功结果。

二、价值创造不等于价值捕获

AI即使替代或放大了程序员、paralegal、分析师和客服的工作，也不意味着模型公司能够获得这些岗位原有的全部经济价值。
假设一家企业使用AI每年节省1亿美元，这部分价值可能：

• 转化为企业利润；
• 通过降价让渡给客户；
• 被用于扩大产出，而不是裁员；
• 被云厂商、集成商和应用公司分走；
• 最终只有很小一部分成为模型公司的收入。

模型之间又容易被比较、路由和替换。推理成本持续下降会刺激需求，但也会压缩模型层的定价权。
由此产生一个悖论：
AI可能为社会创造数万亿美元价值，但模型公司本身仍未必能赚到足够的钱。

三、AI不是传统软件生意，循环过多

当前AI产业的资本结构，更像是：
半导体制造＋电信网络＋电力基础设施＋高速折旧设备。
主要风险包括GPU和网络设备迅速过时、旧集群经济价值下降、数据中心利用率不足、电力和电工短缺、长期土地与电力合同，以及债务到期时算力价格已经下跌。
Microsoft、Google和Meta仍有广告、云计算和企业软件现金流托底。真正脆弱的是neocloud、数据中心项目公司、模型创业公司，以及各种依赖债务和表外融资的载体。
AI收入是真实的，但不能简单相加后与资本支出比较。模型公司的收入可能同时也是云厂商的收入，应用层收入又包含支付给云和模型公司的成本。
真正应该观察的不是产业链内部重复计算的收入，而是最终客户支付的净收入、自由现金流和资本回报率。

四、哪些商业模式可能挺过

第一，AI成为既有业务的防御性基础设施。
Google不一定需要Gemini独立赚回全部成本，只要它能保住搜索广告；Microsoft可以通过Azure、Office、GitHub和安全产品综合变现；Meta则可以通过提高广告效率回收投资。
第二，应用层按结果收费。
例如追回多少应收账款、减少多少停机时间、完成多少法律文件、提高多少销售额。只有当AI成本与明确的经济结果绑定，企业才会开放更大的预算。
第三，agent形成机器对机器消费。
数百万agent可以持续写代码、测试、交易和协调，使token需求远超人类聊天。但如果agent只是相互生成、检查和修改无价值内容，也可能成为昂贵的计算循环。
第四，国家把算力视为战略基础设施。
届时部分投资的目标不再只是商业回报，而是能源安全、产业政策和国家竞争力。

五、泡沫可能如何破裂

未来完全可能出现这样的局面：
AI需求巨大，AI深入各行业，数据中心长期有用，但部分模型公司、数据中心融资结构和当前估值仍然失败。
技术方向正确，并不意味着当前出资人一定能获得合理回报。问题在于资本投错了层、建设速度过快，定价方式不成熟。

泡沫最可能从以下路径开始：

• 算力供应超过高价需求，token使用量继续增长，但单位价格和利润下降。
• 高杠杆neocloud、GPU抵押贷款和单一客户数据中心项目首先出现融资问题。
• NVIDIA、Broadcom、Eaton、Vertiv、Arista、GE Vernova等上游公司仍然盈利，但估值因增长预期下降而大幅收缩。
• 至少一家大型科技公司宣布降低数据中心资本支出增速，军备竞赛由扩张转向资本纪律。

它不会完全复制2000年的互联网泡沫。今天的大型科技公司拥有真实收入、利润和现金流，因此更可能出现分层出清：

• 大型平台股明显回调后恢复；
• 高估值基础设施股跌幅更大；
• 部分neocloud和数据中心项目破产或被收购；
• 模型公司合并；
• 已建成的基础设施被后来者低价接手；
• AI继续发展，但资本所有者的回报远低于预期。

互联网是正确的，光纤也是有用的，但当年建设光纤的很多投资者并没有赚到钱。

六、可观察的指标

• Hyperscaler资本支出增速是否低于收入增速；
• GPU云租赁价格是否持续下降；
• 数据中心融资是否越来越依赖母公司担保；
• 模型公司的毛利率和现金消耗是否改善；
• 企业是否从AI试点进入大规模付费部署；
• 大型科技公司是否出售多余算力、推迟项目或削减资本支出。

最危险的组合是：
算力使用量继续增长，但价格和利用率下降，资本支出与融资成本却继续上升。这意味着AI需求真实，但资本回报正在恶化（资本配置的规模、速度和层次不合理）。

抛砖引玉，不构成任何投资建议。

heb 发表于 2026-7-2 17:28
AI现阶段就是娱乐工具，让不会编程的屁民高兴一下，情绪价值拉满，绝对能挣大钱。被贪心不死的华尔街吹成生 ...

把匿名马甲摘了说一句，现有的AI不完全是娱乐工具。
人类的语言是一个manifold（这个帖子我提到过：
https://www.1point3acres.com/bbs/thread-1146409-1-1.html），被LLM揭示/预测人类语言的规律不是特别令人惊讶的事，当然提供算力、想法和执行的科学家工程师依然了不起。

瓶颈在于：价值创造和价值提取之间的断层，举个例子：

隋朝大运河修到劳民伤财，隋朝二世而亡
但大运河后来带来了空前繁荣（和风险）

写这个帖子的目的也是希望提醒一下普通人注意避险。大国/机构/企业可能收割几波，或以极低价格利用前人高价投入产出的模型地理套利，但对普通人而言这种信息不对称造成的泡沫风险是难以承受的，点到为止。

AI现阶段就是娱乐工具，让不会编程的屁民高兴一下，情绪价值拉满，绝对能挣大钱。被贪心不死的华尔街吹成生产工具，自食其果

贴图里有ID，所以匿名的意义是。。。

(除非lz并不是图中发贴的人)

freeaccount 发表于 2026-7-2 12:05
贴图里有ID，所以匿名的意义是。。。

(除非lz并不是图中发贴的人)

匿名是为了减少被index到 仅此而已

匿名用户 发表于 2026-7-2 12:10
匿名是为了减少被index到 仅此而已

这是什么神奇的功效😂

现在是做空 DRAM 的好时候吗？

看这个帖子 就是浪费时间，你2024年8月就开始预测A I走不通，简直错的离谱！

匿名用户 发表于 2026-7-2 14:17
看这个帖子 就是浪费时间，你2024年8月就开始预测A I走不通，简直错的离谱！

LLM当时的商业模式有问题
另外如果你觉得一个观点“错的离谱”应该列举哪里错了和/或如何改进，否则是无效输出

主要还是现在ai的应用 还是主要面向to B 没有创造新的to C的商业模式。。 很强 能大幅提高效率 未来也可以大幅降低成本 但是本质上不直接接触到终端消费者。。gemini chatgpt这些没有创造巨量的新的需求 更多还是互联网时代那些产品的替代和升级。。

只有AI的应用落地到to C，才能真的撑起来这个大风口，是老百姓每天能接触到的 快餐就吃麦当劳 饮料就喝可口可乐 买菜就去walmart 装修就去homedepot。。ai要渗透进每个老百姓的日常生活才算真的发展好了 就像互联网 每个人都用amazon网购 在tiktok上刷短视频 用google找饭店 用apple手机网购刷短视频找饭店。。

AI现在大量的算力其实都在给闲人杂人们干一些没有价值的事情，要想让AI盈利就要大幅提高用户使用费用。像现在这样大企业砸钱的模式无意义补贴用户早晚不可持续。现在是前期投入阶段，所以人人都能无限使用，等大家都被培养成对AI依赖了，大公司就该收钱了。我觉得未来AI还真不一定是人人都能用的起的，或者就是一般人只能用低配版本而且费用也得大涨。

很牛的分析，提到了泡沫破灭的4条路径，其实有两条在这两天的新闻里已经出现了：

高杠杆neocloud、GPU抵押贷款和单一客户数据中心项目首先出现融资问题。

英伟达已经亲自下场，AI算力合作计划，给高杠杆neocloud做“融资租赁”

至少一家大型科技公司宣布降低数据中心资本支出增速，军备竞赛由扩张转向资本纪律。

Meta“可能计划”把多余算力进行外租，说明Meta可能预见到了自己算力过剩，也就可能会降低资本支出