对话硅谷风投TSVC：AI泡沫的开始，也是下一轮生产力革命的萌芽

近期，人工智能（AI）泡沫论再起。

伴随着大空头做空明星AI股，大型云服务商的资本开支又不断创下新高，“开支太高，但收益太少”（too much spend,too little benefit）的质疑再度升温，而“挥霍巨资”的大语言模型开创者OpenAI是这一切的导火索。

事实上，近两年来暴涨的AI股都是和算力、电力、数据中心等相关的AI基础设施公司，而如今，他们的命运似乎开始和OpenAI紧密相连。据公开信息，今年以来，OpenAI已签署了价值约1万亿美元的交易，从而获得运行AI模型的计算能力，这些协议的交易方包括AMD、英伟达、甲骨文和CoreWeave等。然而，今年OpenAI来自数百万客户的订阅收入仅为100亿美元。近期谷歌Gemini3的入局更是改变了竞争格局。

紧随其后的问题是，当前开支庞大的整个AI生态链将何去何从？美股又将受到什么影响？自2022年底ChatGPT横空出世以来，截至今年9月，美国股市的市值暴涨了21万亿美元，而仅十家公司就贡献了55%的涨幅。

在由“影响力联合会（AFI) ”于纽约举办的分享会期间，第一财经独家对话硅谷知名早期投资机构TSVC（硅谷科技风险投资基金）合伙人夏淳博士。夏淳专注云计算、AI、芯片、智能制造等硬科技领域，他也是清华企业家协会(TEEC)创始会员及首任北美分会会长。TSVC成立之初主要定位种子轮和天使轮的投资，在过去十多年，他们投出了Zoom、Carta、Iterable等独角兽企业，还支持了数十家华人初创企业的成长。

AI陷入投资泡沫早期

在夏淳看来，就一级市场情况而言，当前AI已进入泡沫阶段，大量项目存在胡乱贴标签、估值虚高的问题。“种子轮投资从业者，早期投资需提前2-3年甚至5年布局，核心判断标准是‘撕掉AI标签后项目是否仍成立’，反对单纯因标签抬高估值的做法，这一逻辑源于互联网泡沫及Dot com时代的历史教训。”他称。

当前的“大兴AI基建”令人想起了互联网泡沫前夕，即1998～2001年间。夏淳回忆称，当时全球掀起网络基础设施投资狂潮，各大运营商、网络公司、跨国通信企业纷纷铺设海底光缆、长途光纤干线，希望“互联网数据量将呈指数级增长”。结果是：光纤铺设实际速度远超数据流量增长速度，导致巨量新建光纤长期闲置。这就是所谓的光纤过剩（fiber glut）。

不过，共识在于，美国科技行业目前尚未陷入当年的那种泡沫。当前算力仍处于供不应求状态，CSP（云服务提供商）财报显示，若产能增加，收入可进一步提升；美国每年新增的数据中心算力约8～12GW，未来几年可能增至10～15GW，但仍无法满足科技企业需求；上一代英伟达Hopper芯片租赁价格稳定，未因Blackwell芯片推出而大幅下跌，说明老旧芯片仍有实际需求。

只是当前投资者的标准更为严格，对于部分AI公司，当前只要投资者对未来商业可持续性有所质疑，就遭遇了甩卖，他们都有三个特点：资本开支大、估值高、护城河不够稳固。

例如，近一个月暴跌近45%的CoreWeave（一年以来仍有近99%的涨幅）是英伟达投资并支持的云服务初创公司，它比老牌云服务商更专注AI/大模型训练等高算力需求。

但市场的担忧在于，CoreWeave的商业模式极度依赖英伟达供应链，本季度还因供应紧张下调营收指引，这对股价的打击非常大；同时，公司估值高企，而资本开支暴涨，大量前期投入用于数据中心、电力扩建、机柜租赁；CoreWeave也没有巨头那样的护城河，如AWS、Azure、谷歌等巨头也都在扩算力。绑定了英伟达的CoreWeave属于“短期受益GPU缺货潮的玩家”，而非长期必胜者。

LLM模式存在局限

尽管崩溃论在现在看来还远远太早，但OpenAI确实开创了“大力出奇迹”的先河，也导致现在几乎整个硅谷都陷入了狂热的算力军备竞赛。

具体而言，以前的AI模型都是采用在数据、计算、能源方面都更高效的方法。但OpenAI众多高管一开始认为，最快在AI发展方面达到第一的方法，就是采用规模化的模型训练方法。一旦他们选择了这种方法，就必须投入很多能源、很多资源来做AI。

夏淳认为，这种矛盾就好比当年麻省理工的齿轮计算机，信息论之父、MIT传奇教授克莱德（Claude Shannon）早期利用齿轮和机械结构实现布尔运算的原型机，它靠不断增加齿轮来提升计算能力，但很快遇到体积、速度、能耗和故障率等物理极限，而且齿轮越多，任何一个齿轮卡住都导致整个系统“崩溃”。

今天的大模型走的是类似路线：通过堆算力、堆数据推动能力提升，但也逐渐面临瓶颈，例如：晶体管物理极限（1nm以下难继续缩小），H100/B200每代成本上升，训练成本指数级膨胀（GPT-4→GPT-5成本倍数级增长），LLM幻觉无法用算力简单解决，数据量耗尽等。

齿轮计算机的历史说明，单纯靠“堆资源”无法无限扩展，AI的下一步突破需要新的架构，而不是继续规模化扩张。

也正是因为当前的“堆算力运动”，英伟达凭借GPU优势在训练场景占据主导，算力领域对初创企业不友好，核心资源已被大厂覆盖。但夏淳也认为，当前部分硬件企业的估值过高，未来市场份额可能被稀释，尤其是随着推理占比的上升，英伟达并不会一家独大。

“团队四年前已布局AI推理芯片，未来训练场景市场空间有限，而推理需求与日俱增，推理场景无需高端芯片，开源适配方案将降低对英伟达生态的依赖。我们不看好单一架构垄断，TPU、GPU等不同架构均有生存空间，未来将随模型多样化呈现‘百花齐放’格局。”

据第一财经了解，TSVC此前就布局了硅谷初创公司d-Matrix，其首款AI芯片在去年11月开始出货。d-Matrix的目标是与英伟达等AI芯片巨头形成互补。英伟达的芯片用于在大量数据上训练AI系统。d-Matrix芯片则旨在处理大量推理请求。d-Matrix截至去年已经融资超过1.6亿美元，投资者包括微软风险投资部门。

“AI末日论”vs“末日繁荣论”

除了AI的资本开支，各界对于AI对工作机会的冲击同样关注。

在大规模AI开发的整个过程中，一直存在意识形态冲突——即所谓的“繁荣派”（AI boomers）和“末日派”（AI doomers）之争。

夏淳表示自己是“科技乐观主义者”（techno-optimistic）。他相信一个由AI推动、人类整体福祉不断扩展的未来，原因在于历史的发展提供了一个有效借鉴。

具体而言，人类社会的每一次技术革命，都遵循着同一条核心逻辑：技术先替代重复性、低附加值劳动，再把人力释放出来投入更具创造性和价值的工作。从农业时代的人力密集型体力劳动，到工业革命中机械化取代大规模重复劳动（原本在农业或手工制造中的劳动力，被释放出来进入城市、工厂、服务业），再到信息产业利用计算机和互联网解放文书与办公流程（人们可以更多从事知识创造、创新设计、数据分析等工作），每一轮技术进步都推动社会产能扩大、岗位类型升级、创造空间成倍增长。技术替代带来的不是“岗位消失”，而是“岗位升级”。

因此，夏淳也提出，在AI逐步替代人类的体力和脑力劳动之后，人类必须进入一种新的劳动形态——心力劳动。

AI的核心是算法与算力，依托硅基逻辑和符号计算，而心力劳动依赖“灵觉”，这是一种生命独有的自我感知和存在觉知能力。这种灵觉源自痛苦、爱、孤独、希望和创造等生命体验，机器无法感受、无法领悟、无法在觉察中生成意义。正如现象学家梅洛-庞蒂所言，“意识不是机器可以模仿的思维结构，而是生命对自身存在的觉知”。