英伟达财报，让全球对 AI 泡沫破裂的担忧，暂时松了一口气，却也暴露了如今的 AI 就像一场惊险的走钢丝，一点风吹草动都可能引发连锁震荡。

有没有泡沫？有多大？什么时候破？这些问题被频繁提起。但更值得警惕的，是 AI 共识的割裂，这是泡沫破裂的先行信号。

回顾历史，20 世纪 70 年代第一次 AI 寒冬，20 世纪 80 年代末第二次 AI 浪潮专家系统的失败，根源都是技术不达预期，最终导致共识崩塌、政策退出、资本撤离。

按照经济学的选美竞赛理论，这就像是选美活动，参赛者要选出的不是自己眼中最美的那张脸，而是预判大多数人会选择谁。

群体的认知，能够反向塑造现实，只要足够多的参与者相信 AI 叙事，泡沫也能持续膨胀。反之，一旦共识瓦解，便是泡沫破裂之时。

所以，AI 共识是怎样松动的？

正在瓦解的 AI 共识

历史从不重复，但总押着相同的韵脚。如今大模型的狂热叙事与商业化困境，与过往 AI 泡沫破裂前的征兆如出一辙。

2023 年 ChatGPT 横空出世，彻底扭转了公众对 AI= 人工智障的认知，与这一阶段的共识高度一致：以大模型为技术底座，推动 AI 在各行业规模化落地。

然而，群体共识在 2024 年开始松动。核心原因是，规模法则下的 AI 技术突破，开始进入了 " 历史的垃圾时间 "。

大模型的迭代速度明显放缓，GPT-4 到 GPT-5 的迭代间隔长达 29 个月，Meta 也推迟了旗舰模型的发布。尽管出现了 sora、Gemini、Nano banana 等现象级模型，但其他厂商也能很快追赶上。不同厂商的 " 最强模型 " 实际能力趋同，陷入 " 你方唱罢我登场，轮流坐庄三五月 " 的尴尬局面。智能体领域，虽然有 Manus 等少数爆款，但行业整体缺乏颠覆性产品形态。

支撑 AI 高估值的技术叙事，正逐渐乏力。然而，资本市场的 AI 公司却仿佛脱离地表，估值如同左脚踩右脚般飞升。

美股 "AI 七姐妹 " 总市值接近全球 M1 货币供应量，但市值更多是由资本游戏支撑，脱离真实营收。大量底模和 AI 应用找不到 PMF 产品市场契合点，导致高昂投资的算力基础设施闲置。前不久，微软 CEO 公开承认公司囤积的大量 GPU 处于闲置状态，英伟达也遭到知名投资机构做空。

可以说，估值与价值的背离，暴露了 AI 技术产业化正在遭遇的明显阻碍。人们心中 AI 能顺利转化为商业收益的信念有所动摇，估值泡沫就愈发脆弱。所以，相比市盈率、股指点位等量化数据，AI 共识的破裂，或许才是更明确的风险预警信号。

仍然缺失的商业模式

很多 AI 支持者相信，自己的工作流已经离不开 AI，每月的模型订阅费都花了一大堆，说 AI 没有带来真实收益的人是脱离了技术一线。

问题不在于 AI 泡沫下有没有啤酒，在于造酒厂这门生意是否成立。目前，缺乏可持续、可规模化的商业模式，是 AI 行业的致命伤。

前不久，传出 OpenAI 创始人兼 CEO 山姆 · 奥尔特曼向美国政府 " 求救 " 的消息，立刻导致业界对 AI 泡沫的担忧加剧，奥特曼随后发长文辟谣。这反映了一个基本的产业逻辑：依赖政企的 To B/G 模式，不被看好。

原因很简单，AI 商业化应该以 ROI（投资回报率）为核心导向，而政企市场则是被非市场化逻辑主导的。To B/G 模式很容易导致 AI 产品的 "to boss 化 "。

To B/G 项目中，AI 使用者和付费决策者之间是割裂的，领导更愿意为通用智能体、数字员工、行业标杆、独角兽之类的假需求买单，容易忽略业务一线真实的智能化需求。

而 AI 公司和技术服务商，为了迎合决策者或拿下 B 端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。

这种模式与此前机器视觉技术的项目制类似，容易打价格战，一旦决策者方向变化，业务就会快速收缩，商业化前景并不明朗。

而当前 AI To C 市场，又普遍存在同质化竞争。DeepSeek-R1 这样的技术突破虽然可以快速超越，但这类创新又十分稀少。大多数 Chatbot 应用的水平都比较接近，能力相当的情况下，广告营销和投流就成了 AI 应用的增长密码。加上国内用户的软件付费意愿本就薄弱，这类靠砸钱换规模的 To C 产品，难以支撑高估值。而市场上充斥着大量低水平项目，比如给硬件加一个语音交互模组的 AI 玩具，无法建立真正的竞争壁垒。

To B/G 不赚钱，To C 也卖不上价，所以目前 AI 领域唯一清晰的商业模式，就是类似英伟达的 " 卖铲人 " 模式，卖加速卡和算力的企业成了这一轮 AI 浪潮的最大受益人。

AI 并非没有价值，新技术酿出了啤酒，却只能打包倾销或免费品尝，商业闭环的缺失，才是泡沫的根源。

泡沫将破未破，谁来穿越周期？

那么，AI 还能找回群体共识吗？我们认为，焦虑和分歧终会消散，AI 依然是很长一段时间内最具确定性的全球叙事。

哪怕是泡沫将破未破之际，会发现不同角色的担忧，都不是对 AI 叙事的彻底否认，只是对自身成本与回报的权衡。投资者不是不信 AI，是担心买贵了，怕现在入场会成为高位接盘侠，怕流动性收紧之后，估值过高的 AI 公司会崩盘。

而普通大众也不是不知道 AI 的好处，是担心学错了，机会成本太高。毕竟 AI 有周期，人无再少年，当下耗费大量精力学习 AI 技能，几年后行业降温，重蹈当年跟风学土木、金融的覆辙。可不学 AI，又怕被技术浪潮淘汰。由此陷入了 " 要不再看看，看 AI 泡沫到底破不破 " 的拖延。

政府和企业对 AI 真金白银的投入，自然更不是为了否定 AI。中美都在国家战略层面大举投入算力建设，根据 IDC 的调研，如今没有在业务流程中引入 AI 的金融机构，行业占比是 0。它们关注 AI 泡沫，本质是担心，如果投入方向出错，财政资金和企业资源会不会白白浪费。如何避免扶持出一批只懂炒作概念、圈钱骗补的 "PPT AI 公司 "？这些问题关乎产业未来与国家战略，容不得半点轻率。

所以说，AI 共识的瓦解，是短期内对成本与回报的权衡，并不是对长期技术革命的彻底否定。

从这个角度来看，或许穿越周期的密码就已经很清晰了，那就是成本决定心态。泡沫退潮后，只要 AI 创造的价值依然大于收益，那么始终就处于安全线之上。

举个例子，即使美股 AI 估值整体过高，但前不久巴菲特旗下机构建仓谷歌，说明长期来看成本收益比高的 AI 企业，依然是值得押注的筹码。以谷歌为例，从收益上看，AI 已为谷歌搜索、云业务带来实质增长；从成本上看，谷歌从芯片、云、软件到应用的全栈 AI 布局，能有效控制成本，且市盈率在 AI 巨头中相对合理。所以，对于那些具备真实收入潜力和成本控制能力的 AI 企业，筹码并不算贵。

与投资者相比，普通大众使用 AI 的试错成本，可以说是极低的。市面上有大量免费 AI 应用与开源资源，即便付费，AI 办公工具的月订阅费、入门课程支出也不会构成实质性经济负担（高价割韭菜的 AI 课除外）。

所以，只想喝到 AI 啤酒的普通人，与其纠结泡沫与否，不如将 AI 视为提升当下效率的工具，从现在开始接触 AI，就是最好的选择。泡沫或许会褪去，但你拥有的 AI 协作者的能力，只会像河床一样坚固。

而 AI 企业面对的短期形势，可能更为严峻。如前所说，B/G/C 端市场的商业化前景都存在挑战，而 AI 本身又是资本密集、智力密集、算力密集型的吞金大户。这种背景下，AI 企业更需要关注现金流安全，开源节流。

开源方面，一是出海，立项之初就面向国际市场，充分发挥中国团队在算法优化、产品迭代上的优势；二是聚焦行业基础设施服务，卖算力的同时，靠工具链、数据服务等构建壁垒，做 " 卖铲人 " 和 " 卖水人 "，确保稳健的现金流。节流方面，政企业务可以做，但要把能自动化的都自动化，提升人效来规避项目制的人力黑洞。

弗兰西斯 · 培根曾说：" 若始于确信，将止于怀疑；若始于疑惑，终将止于确信。" 当下对 AI 泡沫的种种质疑，看似是信心退潮，实则是行业对 AGI 通用人工智能这一终极理想的阶段性反思。

去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问 "AI 如何创造真实价值 " 的人，会与行业一同穿越周期，走向成熟。