金融大家评 | 如何看待“AI泡沫”论？

导语：2025年，人工智能继续作为全球科技发展的核心驱动力与主导叙事。一方面，技术与资本持续共振：英伟达市值一度突破5万亿美元，印证了其在全球算力基础设施中的关键地位；同期，国产GPU企业加速拥抱资本市场，折射出本土供应链自主化进程的实质性推进。另一方面，尽管产业热度不减，全球资本情绪已呈现微妙转向，市场共识出现结构性分化。在此背景下，“AI泡沫”的讨论持续升温，引发了对其形成机制、潜在风险与市场影响的系统性审视与深度探讨。

为何会出现“AI泡沫”论？影响有多大？

沃顿商学院讲席教授及金融系主任 Itay Goldstein

泡沫源于投资动机的转变

金融泡沫的核心在于资产价格显著高于其内在价值。内在价值的挑战在于它并不是一个固定且举世公认的数字。内在价值的计算充满了争议，因为它完全取决于所使用的金融模型和假设。泡沫通常始于投资者因确信某项资产被低估而进行的购买。随着价格持续上涨，投资动机随之发生转变。人们不再追问“这东西值多少钱？”，而是开始关注“它还能涨多高？”

泡沫未必总会对宏观经济造成毁灭性打击。危险的关键在于“风险敞口”——即有多少个人和机构卷入了特定的资产或行业，以及他们为了这场博弈借了多少钱。尽管20世纪90年代末的互联网泡沫破裂让投资者损失惨重，但对普通大众的影响相对可控。因为互联网泡沫本质上是私人资本追逐互联网初创企业的故事。当泡沫破裂时，普通家庭并没有失去房产，银行系统也安然无恙。

经济是一个极其复杂且环环相扣的系统。因此，在危机真正爆发前，很难完整勾勒出它将产生的所有连锁反应和溢出效应。如今，通过个人证券账户和退休计划持有股票的家庭远超90年代末，且这些资金高度向大型科技公司倾斜。AI泡沫集中在“科技七巨头”身上，这几家巨头贡献了标普500指数的大部分日常涨跌。一旦它们的估值崩塌，大量投资组合都将遭受重创，哪怕是那些自认为只是在被动攒养老金的人也难逃波及。

橡树资本管理公司联合创始人、联席董事长 Howard Marks

泡沫是暂时性的狂热

人人都在问：“AI 有泡沫吗？”这个问题本身就存在歧义。我得出的结论是，需要考虑两种不同但相互关联的泡沫可能性：一种是行业内部公司行为层面的泡沫，另一种是投资者对该行业的行为层面的泡沫。当前完全没有能力判断 AI 公司激进的行为是否合理，所以主要聚焦于：金融世界里围绕 AI 是否存在泡沫。

市场泡沫并非由技术或金融发展直接造成。相反，它们源自把过度乐观投射到这些发展之上。泡沫是暂时性的狂热：技术或金融领域的新进展成为了前美联储主席艾伦·格林斯潘所称的“非理性繁荣”的对象。新事物理所当然会激发巨大的热情，但当热情膨胀到非理性的规模时，泡沫就发生了。谁能识别理性的边界？谁能断言一个乐观的市场何时变成了泡沫？这终究只是判断问题。我们可以理论化地讨论当下的热情是否过度，但要到多年之后才会知道是否已经存在泡沫。

变革性技术引发过度热情与投资、有形或无形地建设出超出所需的基础设施，并把资产价格推到事后证明过高的位置——这种历史一贯存在。这些过度行为以一种在其缺席下不会发生的方式，加速技术采用，对这些过度行为的通用称呼是“泡沫”。AI 有潜力成为史上最伟大的变革性技术之一，而且正处于巨大的热情之中。如果这种热情没有产生一个符合历史模式的泡沫，那将是第一次。

AI泡沫是否真的存在? 其演化处于何种阶段？

财政部原副部长 朱光耀

AI不存在泡沫，但优胜劣汰是必由之路

从价值本质来看，我不认为AI是泡沫。生产力发展的每一个关键阶段都需要持续投资，AI作为第四次产业革命的核心领域，吸引大量投资、汇聚众多企业参与竞争，是产业发展的正常规律。剧烈竞争必然伴随淘汰过程，若将这一淘汰阶段视为“泡沫”，那么这种“泡沫”实则是产业大浪淘沙的必经之路。经过淘汰筛选，优质企业将实现涅槃重生，推动整个产业的生产力水平迈向新高度。

对于“如果要培育中国版的英伟达，应采取何种路径”的问题，中国无需刻意复制“英伟达模式”，而应坚持走中国式AI发展道路，核心是推进“AI+”战略。我们要充分发挥三大优势：一是庞大的应用场景优势，为AI技术落地提供广阔空间；二是海量的数据资源优势，为模型训练与优化提供核心支撑；三是强大的电力供应与基础设施保障优势，为AI产业规模化发展筑牢基础。依托这些优势，应着力培育具有中国特色的人工智能企业集群，而非单一企业。

中金公司研究部董事总经理、海外与港股策略首席分析师 刘刚

对AI估值预期高导致波动，长期仍有投资价值

从当前AI需求、融资能力和市场定价三个维度来看：1）需求接近于1996~1997年，内生降本增效已兑现，外延需求仍待突破，仅看营收和生产率提升幅度类似于1996~1997年。2）投资接近1997~1998年，规模仍处于初期，但融资依赖度要远低于当时的水平。3）一级市场定价接近1999年，二级市场估值和政策环境接近1998年。综合来看，我们判断当前市场可能更多处于1996~1998年的情形。

这意味着什么？1）估值高和预期高，所以会波动。自2023年以来，“美股七姐妹”估值始终在30倍左右的相对高位徘徊，但每次逼近35倍时都会引发市场对于泡沫的担忧，进而导致回调。这也说明估值存在“天花板”，如果想进一步突破，必须依赖技术应用的实质性突破来带动更多需求兑现。2）长期产业趋势还在，所以仍有投资价值。从生产率的提升、应用范围的扩大都可以看出AI技术仍蕴含潜能，短期二级市场的波动并不影响实体产业的投资价值。3）但结构会走向分化。在这个过程中，龙头间也将出现差异化表现，那些能够将领先模型与多元业务场景深度结合、形成可规模化商业闭环的企业，将更有机会受益。例如，谷歌正加速推进AI与传统业务的融合，其潜在价值也引发价值型资金的关注，伯克希尔哈撒韦三季度首次建仓谷歌，使之成为其前二十大持仓股之一。

莲华资产管理公司管理合伙人、首席投资官 洪灝

美国AI存在泡沫，但泡沫要破还为时尚早

美国AI泡沫肯定有。你看市场对它们的预期，还有最近AI公司之间互相投资、互相下单的现象。

类似的现象2000年泡沫顶部时也出现过。但这次不一样的是，直到今年上半年，这些科技巨头的资本开支主要还是靠自己的现金流。而且它们的现金流、利润率和成长率仍然很高——全球最大的公司还能保持双位数增长，这很难得。不过估值也确实到了历史高位。美股估值达到这么高的次数屈指可数，不能说它不贵。所以估值上确实有泡沫。

但另一方面，这些公司的增长并没有慢下来，反而还在加速。所以泡沫是有，但泡沫什么时候破，这是另一个问题。市场可以一直非理性，直到你破产为止。一般来说，泡沫破灭往往是因为流动性出了问题，或者市场杠杆太高导致被迫平仓，或者是美联储收紧。2000年就是这样。流动性转弱是泡沫破灭的必要条件。另一个条件是市场杠杆率过高，导致整个体系很脆弱，对流动性的变化非常敏感。这个条件目前我们还没看到。相反，美联储已经开始降息，还在扩表买美债，流动性其实比较充沛。我们的模型也显示，未来几个月流动性条件可能会边际改善。所以现在说泡沫要破，可能还为时过早。

不可忽视AI泡沫的“正面作用”：

全球知名财经作家 Byrne Hobart

有些泡沫是科技进步的催化剂

并非所有泡沫都摧毁财富和价值。有些泡沫可被理解为科技进步的重要催化剂。大多数新技术并非凭空出现，一进入世界就已完全成型。相反，它建立在之前的错误开端、失败、迭代和历史路径依赖之上。泡沫创造了部署必要资本的机会，以资助和加速这种大规模实验——这包括大量并行进行的试错——从而加速潜在颠覆性技术和突破的产生速率。

通过产生热情和投资的正向反馈循环，泡沫可以是净有益的。乐观可以成为自我实现的预言。投机为高度风险和探索性项目提供了所需的大规模融资；短期内看似过度热情或糟糕的投资，最终被证明是引导社会和技术创新所必需的……泡沫可以是集体错觉，但它也可以是集体愿景的表达。该愿景成为人员和资本的协调点，以及创新的并行化场所。进步并非随时间发生，而是在不同领域同时爆发。随着热情的增长……带来了更高的风险承受能力和强大的网络效应。害怕错失良机，或称FOMO，吸引了更多参与者、企业家和投机者，进一步强化了这一正向反馈循环。像泡沫一样，FOMO往往名声不佳，但有时它是一种健康的直觉。毕竟，我们谁都不想错过一生一次构建未来的机会。

中邮证券副总裁、首席经济学家 黄付生

新兴行业出现一定泡沫，一定程度上能促进行业发展

任何一种科技革命或新兴行业的发展，都必然伴随泡沫化。泡沫本身是一个中性词。任何新的技术或创新，从0到1的认知提升和市场追捧过程，就是一个泡沫化的过程。核心在于泡沫能否最终应用落地，避免巨大的泡沫破裂。泡沫化能够大幅提升估值，从而吸引社会上的大量资金涌入该行业，促使行业快速发展和迭代，最终带动整个产业链的巨大发展。即使泡沫最终破裂，行业也已完成成长和成熟，这就是资本泡沫的力量。

具体到AI领域，涉及硬件、软件和整个延伸产业链，技术属性强。它与传统制造业最大的区别是：初期现金流和盈利能力非常有限，缺乏传统的商业模式。AI 领域更需要资本市场、更需要泡沫去孕育和培育整个行业的快速发展，并在泡沫当中建立起完整的产业链。因此，本轮科技泡沫一定会哺育人工智能这一新兴行业，进而提升传统行业和新兴行业的生产效率，催生一批与人工智能衍生相关的应用行业。当前，中国科技股处于行业高景气、高成长期，从0到1的过程中，天然应享受到高估值、高溢价。这能催生更多资本投入，推动行业快速发展和应用推广。

AI 项目估值的核心逻辑到底是什么？

九合创投创始人 王啸

好AI项目的定义——明确的场景、可闭环的数据、匹配的团队

评估一个AI项目时，最核心的是看它是否找到了一个真正有价值的应用场景。好的AI项目必须聚焦在某个具体领域，并且这个场景要能形成闭环，让数据可以不断自我强化。比如一开始系统可能只能完成70%的工作，但随着数据积累和算法优化，它能逐渐提升到90%甚至更高。项目不仅要有扎实的技术能力，还要对行业有深刻理解，才能真正让"数据飞轮"转起来。

如果我们拒绝一个AI项目，通常有两个原因：一是创业者讲的故事太小，缺乏想象力；另一种更常见的是故事讲得太大，但团队完全没有相应的能力支撑。愿景和能力之间必须要有合理的连接，哪怕路径不是100%清晰，至少逻辑上要能自洽。

举个例子，我们投了一家用AI改造猎头行业的公司。传统猎头的工作本质上是两边沟通——既要了解企业需求，又要评估候选人，这个过程其实很适合AI来优化。这家公司的两位创始人，一位是资深猎头，有行业资源和客户基础；另一位是微软研究院出来的技术专家，擅长大模型应用。这样的组合既能保证对招聘场景的深刻理解，又有能力搭建AI系统。

更重要的是，每次匹配都会产生新数据，让系统越用越聪明。过去猎头打电话的信息不会留存，而AI能把这些交互数据结构化，创造出全新的竞争壁垒。从市场规模看，中国招聘是个千亿级市场，AI可以先服务高端岗位，再逐步渗透，这样的项目就完全符合我们对好AI项目的定义——明确的场景、可闭环的数据、匹配的团队。

内容来源丨根据公开演讲或发表内容整理

编辑丨杨曦

审核丨秦婷

责编丨兰银帆

关于《清华金融评论》·金融大家评

天下人评天下金融

针对当前经济金融的重要政策、热点话题进行深度探讨、交流和解读。把握现实经济金融现状，看清事件背后的原因，探索经济金融未来发展的脉络。