达利欧、彭文生等谈AI投资泡沫

彭文生资料图。本文来源：中金点睛、第一财经、IT之家

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

达利欧：AI热潮虽现泡沫迹象，但真正的拐点还未到来

关于人工智能（AI）热潮是否已进入泡沫区间的讨论在华尔街不断发酵。桥水基金（Bridgewater Associates）创始人瑞·达利欧（Ray Dalio）近日在多家媒体采访中表达了不同观点。他认为，尽管估值已处在偏高位置，但缺乏触发泡沫破裂的关键条件，“现在并不是从 AI 相关资产抽身的时候”。

达利欧的论断出现在英伟达强劲财报带动市场再度聚焦AI热潮的背景下，而这一轮上涨究竟属于技术革命驱动，还是历史周期的再现，争论正持续扩

大。

构成泡沫破裂的因素

近期多家机构警示AI主题的高估值风险，但达利欧认为，市场是否进入泡沫并不是关键，更重要的是泡沫何时会真正被刺破。他提到，从历史经验看，泡沫最终走向破裂通常与两类因素有关：其一是货币政策突然收紧，其二是市场出现必须出售资产的压力。目前，这两种情形都不明显。

当地时间11月19日，英伟达最新财报显示，AI 需求仍在快速增长。公司季度收入570亿美元，同比增长62%，并预计下一季度将升至650亿美元。在分析师电话会上，英伟达首席执行官黄仁勋认为各行业对算力和训练需求仍在快速扩大，与“AI 泡沫”说法并不一致。

尽管业绩强劲，股价却并未持续走高。隔夜，英伟达盘初大幅高开，一度涨逾5%，但随着大盘情绪转弱而回吐多数涨幅，最终高开低走，跌超3%。亮眼的收入和指引未能完全缓解投资者对高估值的担忧，也反映出当下市场对于AI交易的态度仍存在反复。

达利欧认为，市场在估值偏高的情况下仍可能继续上涨，尤其是在技术周期的早中阶段。AI投资热潮在资本涌入、基础设施建设加速、企业端快速扩张等方面，与过去多轮新技术周期有明显相似之处。估值偏高并不等同于短期见顶，真正的拐点往往出现在流动性明显收紧或杠杆链条出现松动时。

达利欧从更宏观的视角审视当前市场，他所使用的“泡沫指标体系”覆盖自 1900 年以来的多项数据，包括杠杆水平、资金集中度、货币供应等。根据这一体系，美国资产大约处在泡沫区间的八成位置。他提到，历史不会完全重复，但规律往往相似；就目前环境看，真正促使泡沫扭转的条件尚未出现。

黄金仍是关键配置

在加密资产方面，达利欧持相对谨慎的态度。他透露，比特币长期占其投资组合约1%，但对其能否成为各国央行采用的储备资产信心不足。

他给出的理由主要有两点：第一，比特币的所有交易永久记录且可追踪，与主权货币体系的结构与隐私要求存在根本差异；第二，量子计算未来可能带来的安全风险，使其长期稳定性仍存不确定性。

在他看来，主要国家不太可能接受一个所有交易在链上永久公开的货币系统，比特币因此难以承担储备货币角色。

尽管如此，他依旧认为投资者需要在组合中保留对冲资产。他通常建议将10%–15%的比例配置在黄金与部分加密资产，但明确自己的偏好仍然是黄金。“黄金是实物，不依赖任何人的承诺”，在当前全球地缘与经济环境下，其避险属性持续加强，今年以来多次刷新历史高点。

达利欧认为，美国市场正在呈现类似1929年和2000年科技泡沫前夕的部分特征，包括杠杆水平上升、财富集中度扩大、资金持续涌向少数行业等。不过，他重申，尽管资产在泡沫区域内运行，但目前仍未看到促使泡沫快速回落的核心条件。■

彭文生：AI投资泡沫争议的几点思考

自2022年年底ChatGPT发布以来，美股AI龙头公司（所谓7姐妹）的股价大幅跑赢整体市场，2025年初DeepSeek出现以来，中国的AI龙头公司（主要在港股）也大幅跑赢大市。就美国股市而言，尽管相关企业盈利有较快增长，但风险溢价在极低水平，反映了投资者的乐观预期。股票高估值使得近期关于AI相关资产价格泡沫的讨论多起来，本文不是如何定义泡沫和测算泡沫的技术分析，而是从资产价格、创新与宏观经济的关系出发提供一些思考。

一、因与果

消化股票高估值的一个可能是利率下降，由此一些投资者把乐观的预期寄希望于美联储降息。传统的思维是利率和风险资产价格是跷跷板的关系，无风险利率下降促使配置向风险资产倾斜，有利于股票估值。这样的关系在当下是不是仍然成立，我们首先得解释为什么过去几年美元利率上升的环境下，股票价格大幅上涨。

利率与股市的关系有三个可能。

第一是传统的利率是因、股价是果的关系。第二个是反过来，股市是因、利率是果。AI领衔的股市上涨是美国经济总需求的重要支撑，由此带来的通胀压力促使美联储维持利率在高水平。今年以来AI相关资本开支贡献了美国GDP增长的三分之一，同时，最富有的10%的人口拥有85%的美国股票，而这部分人占总消费支出的一半，是自有数据记录以来的最高份额。按照这个逻辑，股市的财富效应促进消费，降低储蓄，而AI相关的资本开支增加了投资，两者共同作用，导致维持供求平衡的自然利率上升。

第三个可能是利率和股价都是果，都是由第三方力量驱动。美国AI主导的股市吸引了来自世界各地的资金。根据美国财政部TIC口径统计的海外投资者持股情况，截至2025年9月，外国投资者持有美股21.2万亿美元，占总市值31.3%，按照历史数据，约30%的市场份额是二战结束后最高的份额。全世界的投资者都在押注美国科技巨头的股票，助长美国股市，相关财富效应刺激总需求，进而支撑了利率水平。

第二和第三个情形相互联系，可以解释高利率和股票高估值并存的现象。展望未来，就利率和股市的关系，关键是区分利率下降的原因。如果投资者对AI的乐观预期下降或者被证伪，股票价格和AI相关资本开支下降，导致总需求下行，自然利率下行，促使美联储降息，这种情况下，股价是因、利率是果，利率下降不能支撑股价。尤其需要关注的是数字经济和人工智能时代的投资者羊群效应，智能手机、社交媒体、和生成式AI使得全球越来越多的个人投资者参与人工智能这一宏大叙事的投资。这是一把双刃剑，繁荣的时候强化上涨的动力，一旦转向也会加剧下跌。

消化高估值的另一个可能是相关上市公司盈利的增长。这方面的一个直观的疑虑是目前为止价格上涨集中在少数股票上。从乐观的角度看，AI是一项通用目的技术，就像过去蒸汽机和电力一样，将逐步渗透到各行各业，这有一个过程，AI技术研发和上游机构首先获利。按照这个逻辑，随着时间的推移，盈利和股价上升的浪潮将延伸到大多数公司。但对于投资者当下而言，如何研判AI及其应用的投入产出比是关键。

二、成本与收益

本轮AI技术发展的特征是，在应用层面技术成熟度低和预期利润大并存，需要资本市场尤其股权投资的支持。投资者最终要考虑AI的成本收益比。第一个约束因素是创新需要的研发投入，成本端的一些支出是看得见的，比如大模型有研发成本和应用成本。研发成本主要包括算力成本、人员成本、电费成本、和其他项（数据获取、模型维护等），而应用成本中推理能耗是重要一项。

值得关注的AI相关投资模式的新特征。传统的风投公司熟悉的资本轻型的软件分发模式（比如社交网络）转变为资本密集的硬件生产（先进芯片和数据基础设施）模式。引领这一转型的是占主导地位的科技巨头公司，他们不仅投入巨额资金，还成为包括OpenAI和Anthropic在内的大型AI初创企业的主要支持者，接管了风投公司的历史角色。与风投相比，业界资本更容易被AI赋能，可以降低不确定性或者说提高预期收益。

虽然有很多期待和预期，但AI在产业的应用到底有多大潜力？有不少争议。大模型收益端的分析面临很大的不确定性。不同应用场景的情况相差大，大模型带来的直接经济收益（如降本增效）和间接经济收益（如提升竞争优势）很难估量和加总。一个缺点是大语言模型给出不准确的答案，限制其在很多商业应用的价值。另外，大模型的应用价值在于用企业内部场景数据训练，但很多企业还没准备好或者说还不知道怎么应用到自己的数据。

看远一点，在宏观层面也有一些研究，估算AI对经济增长的影响，存在乐观和悲观两种观点。今年9月份中金研究院欧洲智库行小组在巴黎拜访了Philippe Aghion教授（2025年诺贝尔经济学奖获得者），就相关问题做了探讨和交流。Aghion教授和我们分享了其对相关研究文献的梳理，有两种方法推算AI对经济增长的影响。

一是外推法（extrapolation），即将AI类比电力与IT革命，推测AI技术带来的GDP增长，未来十年AI革命或能带来0.8-1.3个百分点的年度额外增长。二是基于任务的方法（task-based approach），Acemoglu（2024）以此估算为未来十年AI对TFP增速的影响仅为每年增加0.07个百分点。

Aghion教授认为由于没有充分考虑AI的成本下降以及AI能力的提升，基于任务的方法的结果存在低估。综合文献来看，AI带来的年生产率增长应该在0.08-1.24个百分点之间，其中间值与IT和电力革命外推估算的贡献相当。

中金研究院2024年发布的《AI经济学》采用了“元任务”的分析方法对AI的经济影响进行估算，在AI的成本下降和AI能力的提升以外，还考虑到AI应用部署时所需的时间和资金成本。测算数据显示，以2024年为基准，到2035年AI的引入将为我国带来的GDP额外提升幅度约为9.8%，对应额外年化增长率约为0.8%。这一估算结果与主流文献的测算较为接近。

短期来看，对于相关公司而言，如何缩小当下的巨额支出与未来利润不确定之间的差距是一个挑战，这也是部分投资者担心这个行业过热的原因。虽然不确定性使得我们需要谨慎对待任何具体的估算数值，但基于经济学学理的分析有助于我们思考相关问题，规模经济是一个关键概念。

三、规模经济与规模不经济

DeepSeek的突破在于以算法架构的改善来弥补算力的限制（美国对出口中国先进芯片的限制），简单来讲就是用7纳米芯片做4纳米芯片的事。这对先进半导体巨头企业是什么含义，当时有两派观点。悲观一派认为算法改善（技术进步）对先进芯片（要素投入）有替代作用，英伟达股票价格有几个交易日出现明显下跌。乐观派则引用历史上的杰文斯悖论（Jevons Paradox），即当技术进步提升要素使用的效率时，收入效应大于替代效应，导致整体需求增加。从英伟达股票价格后面的走势来看，杰文斯悖论似乎得到印证。

杰文斯悖论的原始例子是瓦特改良蒸汽机后英国煤炭消耗量反而大幅上涨。1865年杰文斯在著作《煤炭问题》中提出，瓦特改良的蒸汽机相较早期纽科门蒸汽机，大幅提升了煤炭利用效率，让煤炭成为更具性价比的动力源。这使得蒸汽机被广泛应用到更多行业，即便单个应用场景的煤炭消耗量减少，但整体的消耗量却显著增加，这和当时人们认为“效率提升会减少煤炭消耗”的直觉认知相悖。

自DeepSeek以来，中国的AI研发企业在通过算法和系统的改善来弥补算力不足方面取得了更多进展。Jevons悖论仍然有效吗？把煤炭的逻辑套用到芯片，我们需要问一个问题，同样是投入要素，芯片和煤炭的经济属性有什么不同。芯片作为制造品具有规模经济的特征，即单位成本随着生产规模的增加而下降，在充分竞争的市场环境下，价格随着边际成本而下降。煤炭作为自然禀赋，具有规模不经济的特征，采矿业的供给弹性低（勘探需要时间、需要挖的更深、交通不便利等），由此需求增加导致价格上升，才能引导更多的资源投入采矿以增加供给。

同样面对需求增加，规模不经济意味煤炭生产企业的收入不仅得益于产量扩张，也得益于价格上升，而规模经济意味芯片生产企业得益于产量的增加，但价格是下降的趋势。当然，芯片行业尤其先进制程芯片不是充分竞争的市场，寡头垄断下规模经济可能使得大型企业在一段时间获得熊彼特利润或者垄断利润，但长远来看这改变不了规模经济的趋势性影响。

上述的逻辑可以从芯片延伸到大模型，我们可以把大模型看成投入，大模型应用创造价值（产出）。规模定律隐含要素投入比如算力、数据、电力等呈现规模报酬递减的特征，由此对模型性能的追求只能通过增加要素投入来实现。对AI大模型及其应用的乐观预期促进了相关的资本投入需求，而给定技术（比如算法）条件下的规模报酬递减意味着，需求的增加在一定程度上只能靠价格的上涨而不是供给的提升来平衡，由此带来上游公司的盈利和股票价格的上升。

规模报酬递减和盈利增长之所以同时发生，反映了相关企业的定价能力。规模定律带来的投入门槛要求意味巨型科技企业处在有利地位，问题是这样的垄断利润能持续多久？一个可能是公共政策反垄断法规监管，但AI相关的商业模式是新现象，如何界定垄断以及如何反垄断有很大争议，而且在地缘竞争新形势下，国家之间的竞争增加了内部反垄断的复杂性。

另一个视角是大模型的开源与闭源。中国大模型开源模式对全球AI的竞争格局带来重大影响，推动市场朝着更公平的方向发展。开源模式大幅提升了中国在全球AI领域的话语权，DeepSeek的动态稀疏架构被IEEE纳入国际标准，欧美的不少初创企业采用中国开源模型。中国的开源模式还倒逼OpenAI重启开源、Meta调整开源策略等。DeepSeek以宽松许可证推动技术自由传播，而且推理成本远低于GPT-4等闭源模型，打破了少数企业靠技术封锁形成的垄断优势。开源的低成本优势吸引了全球开发者，助力发展中国家搭建本土化AI应用，让全球AI创新力量更均衡。

还有一个可能的约束因素，AI的能耗已经成为本轮AI进步的关注点之一。电力有两个来源，化石能源与清洁能源。中美都是空间大国，都有发展绿色能源的空间优势，但两国的政策选择不同，中国的绿色产业领先全球，而美国在鼓励化石能源的使用。化石能源是自然禀赋，具有规模不经济的特征，绿色能源是制造业，具有规模经济。这个差别的影响现在似乎不明显，但如果AI大模型的应用大规模推广，化石能源规模不经济的约束或将会成为现实问题。

四、创造性破坏

综合以上讨论，当前美国AI相关股票的高估值可能有两个载体，一是投资者对未来长期的盈利增长（和AI的应用关联）过度乐观，导致股票价格相对当前的盈利偏差很大。二是当前的盈利本身（和当下AI相关资本开支相关）就不可持续。

泡沫的破裂可能体现为芯片产业规模经济的作用，尤其叠加竞争格局的变化，比如中国先进半导体产业发展，或者算法架构/系统的改善提升芯片的产出效率，导致技术壁垒被打破，先进芯片价格下降。另一个可能是AI大模型的应用及其创造的经济效益不及现在的乐观预期。关键是大模型研发的规模报酬递减能否通过技术进步（比如算法改善）来弥补，或者大模型应用能否在更广经济层面带来规模报酬递增，这些都有待时间验证。

最后，值得一提的是，科技泡沫和房地产泡沫不同，前者的破裂在短期带来较大的冲击，但长远看是创造性破坏。规模经济和正外部性意味一段时间在局部领域的过度投资虽然不可持续，但可能有利于长远的、宏观层面的技术进步和创新发展。2008年的次贷危机则不同，房地产的规模不经济和负外部性意味其大上大下有系统性的破坏作用。■

全球基金经理为企业“过度投资”敲响警钟，AI泡沫正在破裂？

全球基金经理正展现出20年未遇的谨慎，首次就企业“过度投资”发出集体预警。

根据美国银行于11月18日发布的最新全球基金经理调查（FMS），认为企业资本支出过于激进的受访者比例净值达到20%，这是自2005年8月以来，首次出现多数基金经理持此观点的局面。该调查共涵盖202位基金经理，管理资产总规模高达5500亿美元。美银称，这一显著的态度转变与“人工智能（AI）资本支出热潮的规模及其融资方式”密切相关。

这一对过度投资的担忧信号释出之际，正值英伟达发布财报的前一天。进入11月以来，英伟达股票价格下跌了12%，以科技股为主的纳斯达克综合指数累计跌幅已接近6%。

全球基金经理警示风险

根据美银的调查，有45%的受访投资者将“AI泡沫”列为经济和市场的“头号尾部风险”，该比例较上月的33%显著上升，甚至超过了通胀压力或美国消费者支出紧缩等其他潜在风险。超过半数（53%）的投资者认为AI类股票已处于泡沫之中。同时，市场集中度风险仍在加剧，“做多七巨头（Long Magnificent 7）”继续被评为最拥挤的交易策略。

调查还显示，基金经理的现金持有水平已降至3.7%的极低位置。从历史经验看，现金水平处于或低于4.0%通常被视为全球股市的“卖出信号”。美银称，自2002年以来类似情形共出现过20次，每一次股市都在随后的一至三个月内出现下跌。若美联储在12月不实施降息，市场当前的“虚高（froth）”状态可能面临进一步修正。

针对当前大规模支出的可持续性，全球投资咨询公司BCA研究首席策略师贝瑞津（Peter Berezin）也对第一财经记者表达了审慎看法。他称，科技公司的市场力量主要来自两大支柱，一是所谓“网络外部性”，即先发者凭借庞大的用户基础形成了某种自然垄断，其二则是显著的规模经济效应，即企业前期投入高额固定成本进行产品开发，而增加每一位额外用户的边际成本却极低，甚至接近于零。

但他认为，当前AI行业的情况有所不同，该行业既不具备社交媒体、传统软件或搜索引擎那样的网络外部性，也缺乏同等的规模经济效应。如果OpenAI提价，用户完全可以轻松转向其他类似产品，因为这些模型基本都基于相同的Transformer架构，并使用相似的互联网语料库进行训练，产品之间差异性有限。此外，与传统软件不同，AI扩展用户规模并非简单地复制代码，而是需要建设数据中心、采购芯片并消耗电力，这意味着其可变成本相当可观。

贝瑞津称，AI泡沫破裂的预警信号可能是“在某家公司宣布一项需要投入巨额资金的大型AI项目，而其股价却不升反跌之时”。他称：“一旦这种情况发生，企业将迅速停止宣布新项目。到目前为止，这一现象尚未出现，但如果你某天真的观察到，那就意味着转折点已经到来。”

此外，尽管对支出规模普遍感到担忧，但市场对AI的长期潜力仍保持乐观。美银的调查显示，53%的受访基金经理认为AI正在切实提升生产力。展望2026年，AI带来的广泛生产力提升被43%的投资者视为市场最大的看涨催化剂。调查所编制的投资者情绪综合指标（基于现金配置比例、股票配置比例以及经济增长预期计算）也已升至今年2月以来的最高水平。

但贝瑞津进一步警告称，投资者并不应该把生产力与利润混为一谈，二者的到来往往并不同步。他以互联网泡沫时期举例称，美国的生产力增长大约从1995年开始显著提速，并持续高位运行近十年，然而科技公司的利润真正爆发，却要等到2005年左右。

“更重要的是，当利润最终到来时，与其说是技术创新的直接成果，不如说更多源于企业所建立的市场力量。”他将当下的AI产业类比为航空业，“产品高度商品化、资本支出庞大、折旧率极高。然而，航空公司却因缺乏垄断力量而难以盈利。”

风险仍然可控？

尽管警报频传，但并非所有机构都认为崩盘在即。

美国投资研究机构NDR在本月最新报告中提到，当前科技板块回报强劲，估值高于均值，但尚未进入互联网泡沫级别的过热状态。从估值结构来看，科技板块的追踪市盈率为49.2倍，处于2000年泡沫破裂以来的最高水平，但仍显著低于当年77倍的高点。若剔除超大市值公司的影响，中位数市盈率表现更为温和，大致与2018年高点相当，并低于2021年与2024年的水平。基于未来一年盈利预期的前瞻市盈率为30.5倍，虽远高于21倍的长期平均值，并处于2002年以来的高位区间，但仍低于2000年3月的53倍。

NDR联合创始人兼高级顾问戴维斯（Ned Davis）在11月19日的一份客户说明中表示，许多分析师因估值与持仓水平接近纪录高位而发出风险警告，但他仍然坚持“权衡证据法”的市场分析方法。“在美联储政策仍偏宽松、金融环境保持友好的背景下，尽管多项心理指标出现互相矛盾的信号，整体投资者情绪依然复杂而非极端，不足以构成重大市场顶部的特征。”他称。

英国新宏睿投资管理公司创始人兼董事总经理夏宇宸接受第一财经记者采访时也表示，当前AI领域确实存在泡沫，但整体仍处于早期阶段。他特别强调，对泡沫阶段的判断必须依据客观的量化标准，而非依赖主观臆测。

针对市场担忧的融资问题，夏宇宸称，判断风险的关键在于信贷杠杆比例而非投资的绝对金额。“若企业主要依赖自有资金进行投资，即便失败也仅限于微观层面的决策失误。然而，若大量资金来源于借贷，高杠杆比例不仅会放大风险，更可能在投资未能转化为生产力或效率时，引发宏观层面的经济波动。因此，我们密切关注流入AI行业的资金中信贷占比是否已超过历史警戒线。”

这一关切在近期市场中已有体现。美银近日发布的报告显示，AI数据中心建设的融资规模在今年9月和10月出现急剧攀升，Meta与甲骨文在等科技企业共计发行了750亿美元的债券与贷款，这一数字已超过过去十年年均水平的两倍。同时，市场一致预期显示，AI资本开支在2025年与2026年将占到企业运营现金流（扣除分红与回购后）的94%，较2024年的76%进一步上升。

尽管发债规模引人瞩目，但当前一些科技巨头的资产负债表显示风险整体仍处于可控范围。以Meta为例，尽管其债务规模约370亿美元，但其账上现金及等价物高达600亿美元。加之其单季度运营现金流超过200亿美元，而利息支出尚不足2亿美元，债务压力相对有限。

除杠杆水平外，夏宇宸认为，另一个判断泡沫阶段的关键指标在于资产价格的变动速率。他建议借助数学模型分析价格增长的斜率与形态，以辨识市场是否过热。“成长股出现直线或高速增长并不罕见，但若价格走势呈现抛物线式的加速上扬，则往往意味着资产价格已脱离基本面，进入不可持续的泡沫化阶段。”

“从量化分析的角度来看，我认为当前市场确实存在泡沫，但尚未进入非常激进的阶段，”夏宇宸补充说，“即便存在泡沫，其自我调整的周期也可能相对较短。例如，在2021年11月美联储启动加息周期、开始收紧疫情期间的宽松政策时，相关泡沫在不到一年的时间内即被挤压；相比之下，25年前的互联网泡沫则用了两到三年时间才完成出清。这说明当前投资者行为与心理因素也影响了调整速度，因此目前存在的泡沫尚不构成显著系统性风险。”■

比尔·盖茨：AI行业正处于泡沫时期，大量投资将成坏账

微软联合创始人、前 CEO 比尔・盖茨本周（10 月 28 日）出席 CNBC 电视台《Squawk Box》节目，与主持人对谈 AI 行业目前的现状，并预测未来 AI 行业将出现“泡沫破裂”。

盖茨指出，目前整个世界都处于泡沫状态中，不过整体状态与 17 世纪荷兰的“郁金香狂热”不太一样，反而比较像是千禧年间的“互联网泡沫”。

他对“互联网泡沫”破裂时的景象回忆道：“最终整个行业发生了具有深远意义的事件（指 2002 年纳指跌至 1100 点左右），世界变得完全不同。一些公司最终在泡沫破裂时站稳了脚跟，但大多数公司只是跟风投机，消耗资本最终倒闭”。

盖茨预测道，一些投资数十亿美元押注 AI 的公司可能永远不会盈利，且这些钱最终可能会成为坏账，犹如“进入死胡同”一样。

他对此解释道：“AI 的价值非常高，就跟互联网最终被证明价值巨大一样。但现在显然整个行业太过狂热，某些公司会庆幸他们在这个时间点投资，而另一些则会建立一堆只会耗电的数据中心，最终无法反悔”。

与此同时，OpenAI CEO 山姆・奥尔特曼等 AI 行业领军人物却否认 AI 泡沫的说法，认为 AGI（通用人工智能）等重要里程碑即将到来，他甚至预测“超级智能”将带领科学实现指数级增长，以后人类一年取得的进步可能能抵得上过去十年。

IT之家注：互联网泡沫指的是 1995 年-2002 年前后，全球互联网行业发展初期出现的一场投机潮，当时人们对“互联网改变世界”展现巨大期待，大量资金疯狂涌入网络公司，甚至许多资金流向了没有盈利能力的骗子企业。

最终这场泡沫在 2000 年 3 月 10 日达到顶峰，纳斯达克指数达到 5048 点，但从 4 月开始科技股票就大幅下跌，逐步导致市场信心崩溃，引发大量互联网公司破产，最终纳指在 2002 年 10 月跌至 1100 点左右，不过这场泡沫也淘汰掉了许多不良商业模式，留下了亚马逊、谷歌、eBay 等真正能赚钱的公司。■

扫码入群可参加全年至少12场精彩闭门研讨