近年來，全球幾乎所有行業都在嘗試與人工智能結合，企業只要貼上“AI”標籤便能在資本市場獲得顯著關注。2025 年以來，全球科技巨頭更是紛紛加碼投資 AI 領域，形成了前所未有的資金湧入規模。例如，OpenAI 的“星際之門”項目計劃在未來幾年投入 5000 億美元；Meta 宣布今年將 AI 相關支出提升至 720 億美元；谷歌也將資本性支出上調至 930 億美元。據統計，美股 BIG7 在 AI 基礎設施上的年度合計投入已接近 4000 億美元，相當於馬來西亞 2024 年的 GDP，甚至超過多數國家的經濟總量。這種巨額資本湧入本質上是對 AI 在短期內實現突破性發展的押注，甚至被視為“新的工業革命”，資本正在以“豪賭”方式推動產業向前。
然而，巨額投資背後隱藏著潛在風險。首先，硬件端呈現出極高的集中度。英偉達憑藉 Hopper 和 Blackwell GPU 在數據中心訓練市場佔據了 90% 以上的全球份額。2025 年第二季度，英偉達營收達到 467 億美元，毛利率高達 75.7%，成為 GPT 時代最核心的基礎算力供應商。但值得注意的是，微軟、Amazon、谷歌、Meta 四家公司貢獻了英偉達 約 70% 的營收，它們既是英偉達的最大客戶，同時也直接或間接持有英偉達股票。這些巨頭之間還存在交叉投資，例如英偉達對 OpenAI 投入上千億美元，OpenAI 又向微軟等公司投資；微軟通過“預付款換股權”的方式同英偉達綁定；相關企業也通過簽署巨額長期訂單進行互相捆綁。如此高度交叉持股與互相下單，意味著整個 AI 基礎設施生態被緊緊捆綁為一個資本共同體。
在此結構下，行業的繁榮實際上依賴於極少數公司的持續投入，而缺少大量最終付費用戶來支撐商業閉環，這使得行業存在明顯的系統性風險。如果其中任意一家巨頭減少投資或出現財務壓力，整個鏈條都可能出現連鎖反應。
AI 商業化落地的難度也遠高於市場預期。麥肯錫的調研顯示，80% 的企業在部署生成式 AI 項目後未能提升利潤，95% 的試點項目沒有產生直接回報。這意味著大多數企業雖然投入成本，但未能將生成式 AI 轉化為可量化的經濟效益。與此同時，行業還面臨“算力卡”、硬件快速過時、老舊算力閑置等問題，許多企業因盲目擴容導致算力資源利用率偏低，形成巨額沉沒成本。
圖源：新華社
更進一步的挑戰來自開源生態的衝擊。例如，Kimi 發佈的 Kimi K2 Thinking 開源模型，訓練成本僅約 460 萬美元，但性能被認為超過 GPT-5。若低成本開源模型持續湧現，將顯著削弱傳統“大模型=巨額資本投入”的優勢，使得部分依賴算力壟斷與高門檻的商業模式面臨被擠壓的風險。
當前人工智能產業呈現出明顯的“結構性泡沫”特征：一方面，從巨額資本投入與高度樂觀的市場預期，到部分企業商業回報不足，再到算力等關鍵領域出現系統性集中風險，以及開源技術加速降低行業准入門檻，AI 行業內部確實存在一定程度的估值偏高與資源錯配。另一方面，需要強調的是，這并不意味著整個行業處於全面虛高狀態，而是呈現出“有泡沫但不至於破滅”的結構性分化格局。基礎設施賽道（如算力、數據中心、芯片研發）、平台級模型供應商以及極少數具備技術領先優勢的企業，仍然具有顯著的長期價值；而缺乏可持續商業模式、僅依靠“貼 AI 標籤”吸引資本的公司，則可能在未來面臨更為劇烈的調整。
也應警惕市場對 AI 的誤讀。美國專家克勞夫指出，當前許多機構將本輪 AI 爆發錯誤類比為互聯網泡沫，進而形成過度避險情緒，而這實際上忽視了兩個關鍵變量：一是企業端採用率正在持續攀升；二是單位算力成本仍存在大幅下降空間。這意味著 AI 技術的實際滲透速度和規模化應用前景遠超當年互聯網泡沫時期。從美國到歐洲，再到包括中國在內的其他主要經濟體，政府普遍將人工智能視為下一輪增長動能，正通過政策、補貼和基礎設施投入積極推動產業發展。
因此，儘管資本市場的短期投機行為在一定程度上“製造”了泡沫，但這類金融層面的短期波動并不能掩蓋人工智能技術對生產力的深刻變革作用。從長期來看，AI 產業的價值不僅體現在商業端的盈利能力，更體現在其推動產業升級、提升社會效率、創造新經濟形態的潛力上。總體而言，AI 行業依然是極具前景和戰略價值的未來產業，其短期泡沫終將被長期的技術進步與實際應用所消化。
（本文作者為國際政治學者、經濟與地緣政治專家，本網獲獨家授權刊發，轉載請註明出處）
（本文為作者觀點，不代表本媒體立場）
【編輯：郑景文】
