十萬億美元的 AI 泡沫，是等待爆發的災難，還是通向進步的必然？（輕解讀）

凱恩斯：“市場非理性的持續時間，可能比你的償付能力更持久。” 感覺AI市場已經變成了一個大的賭局，資本在介入，政治在介入 這個草臺班子裏的所有人，都以爲自己能上場，可以拿到一個角色甚至主演 於是他們瘋狂的加註，瘋狂的卷！ 🖋這篇解讀文章，沒有一上來就喊“危險”。 作者先找了兩本研究泡沫的書，這是他所有分析的根。 一本是《繁榮》，裏面說過去百年的大技術突破，比如頁岩氣開發、互聯網發展，不少是靠金融泡沫推起來的。泡沫哪怕破了，也會留下有用的東西，比如互聯網泡沫後的光纖。 另一本是《繁榮與蕭條》，把泡沫拆成了“三角” 市場流動性像氧氣，讓交易能順暢跑起來； 金錢信貸就像燃料，有足夠的錢才能把泡沫吹大； 投機狂熱則像熱能，大家都跟風才能讓泡沫持續。 《繁榮與蕭條》中還說，泡沫的導火索分兩種， 技術引發的破壞力小些，比如互聯網泡沫； 而政治政策引發的往往更糟，就像日本 80 年代的資產泡沫； 🖋作者也以找了一堆現實數據來套這些理論。 英偉達兩年市值漲了11倍，OpenAI估值翻了24倍， 新增的市值比英法德股市加起來還多。 但這些錢不是單向流的，而是“繞圈轉” ——英偉達投OpenAI最多1000億，OpenAI轉頭就買英偉達的芯片； AMD讓OpenAI用幾毛錢買大量股票，條件還是買它的GPU。 對照《繁榮與蕭條》裏的“利益網”說法， 這就是泡沫變大的關鍵： 大家都綁在一條船上，你投我，我買你的貨，只能接着燒錢，停不下來。 🖋與此同時，現在的錢還多了層風險。 科技公司不光用自己賺的錢燒，還到處借債 這些債很多來自私募信貸，不在資產負債表裏，外人看不清。 如果這些債爆了，比股票跌影響更廣， 因爲可能連銀行和養老金都牽扯進來。 🖋現在AI成了國家競爭的武器， 美國政府直接入股英特爾 AI泡沫以不僅僅是資本的事，還成了“不敢不投”的競賽 企業怕被對手甩開，國家怕落後，哪怕知道燒錢多，也只能接着上。 當技術和國家利益綁在一起， 泡沫的“燃料”會更足，持續時間也可能更長。 經濟全球化讓大家變成一條繩上的螞蚱～ 🖋最近在讀韓鵬傑老師的《道德經講什麼》 老子反覆講的道理：水滿則溢，“持而盈之，不如其已。” 市場的過“滿”就是危局的開端 但是人類不是不懂這個問題，而是幾乎無藥可醫 之前刷視頻看奧特曼的解說視頻時，記得有一句臺詞， 說的是20世紀的軍備競賽： 就像一邊吐血一邊跑馬拉松 沒錯，現在這個AI競賽，何嘗不是如此呢？ 尤瓦爾·赫拉利：“我們知道誰會贏——不是中國，不是美國，而是AI。我們會迅速創造出超級智能AI，無法控制和約束它們。最終統治世界的不是美國人，也不是中國人，而是AI。” 扎克伯格：“如果投資AI最終白花了數千億美元顯然很不幸，但不投入的風險更大——如果AI實現大跨越，自己會錯失先機，被對手甩開。商業巨頭不會接受這樣的可能，國家也一樣。” 🖋摘錄： 梁憲政歸納出12個可能預示AI產業泡沫即將破滅的徵兆： 1.非理性估值與未來承諾； 2.鉅額資本支出與現金流不匹配； 3.大肆吹捧的超大訂單； 4.缺乏可持續性的盈利模式； 5.傳統行業巨頭非理性轉型； 6.人才爭奪戰與薪資泡沫； 7.軍備競賽式的資本支出； 8.股票市場過度投機與炒作； 9.創投圈的盲目追捧； 10.媒體與公衆輿論的狂熱； 11.單一產業成爲市場主導； 12.頻繁出現“這次不一樣”的論調。 相關閱讀（不用去找了，文章裏提到三本書國內連實體書都還沒有）： 📖《對話尤瓦爾·赫拉利：當AI開始向人類提問時，我們就已經輸了（輕觀察）》博陽 📖《5.5小時：中國網民的數字沉溺與腦腐危機（輕觀察）》晚點LatePost 曾夢龍 📖《繁榮：泡沫與停滯的終結》（Boom：Bubbles and the End of Stagnation） 📖《繁榮與蕭條：金融泡沫的全球史》（Boom and Bust：A Global History of Financial Bubbles） 📖《1929：華爾街大崩盤內幕與一場國殤的起源》[美]安德魯·羅斯·索爾金 📖《大數據，正在毀掉我們與最親密的人的關係（輕心理）》KnowYourself知我心理 📖《智人之上 ——從石器時代到 AI 時代的信息網絡簡史》[以]尤瓦爾·赫拉利 📖《泡沫逃生：技術進步與科技投資簡史》[美]阿拉斯戴爾·奈恩

十二個可能預示AI產業泡沫即將破滅的徵兆： 1.非理性估值與未來承諾； 2.鉅額資本支出與現金流不匹配； 3.大肆吹捧的超大訂單； 4.缺乏可持續性的盈利模式； 5.傳統行業巨頭非理性轉型； 6.人才爭奪戰與薪資泡沫； 7.軍備競賽式的資本支出； 8.股票市場過度投機與炒作； 9.創投圈的盲目追捧； 10.媒體與公衆輿論的狂熱； 11.單一產業成爲市場主導； 12.頻繁出現“這次不一樣”的論調。 現在，2026年2月份，天朝和美麗國……能見到哪幾個徵兆了呢？ 其實吧，一個成熟的投資者，不靠猜，更不能單邊下注，對咱散戶來說： 只要做到不追漲，不止損， 尤其……不買熱門品種； 那麼，就無懼崩盤，足以穿越牛熊～ --end-- 「李園讀書會」簡介： 上學，→當牛馬，→創業/投資，→自由人，當前……你在哪個階段呢？ 這裏是「以書會友」的個人成長社區，各階段的書友都有，主線任務是通過「創業/投資」實現FIRE的生活方式： Financial Independence, Retire Early。 🎈「讀書會」現已開放納新，前100名書友，尊享價98元，第101位開始，恢復原價198元；達到300人的時候，提高到398元；600人以上，698元；感興趣就快快私信我加入哈~ 讓咱們常喝茶，多看書，約跑步/徒步/登山，一起愉快地玩耍吧！ 讀萬卷書，行萬里路，閱人少數，少於150人。

我感覺不是科普文，而是一種政治文。先認爲AI有泡沫這個前提，如果有泡沫，那接下來肯定就是要找他要崩盤的理由。 在我看來AI根本沒有什麼泡沫，那就跟那美國的國債，美國底層睡大街吸毒墮落，話術都是一樣的，反正是美股要跌美國要完。這些人就是一直搞不懂他的債務這麼多，AI這麼大泡沫爲啥一直在漲？他老是覺得這些全世界的有錢人都是大傻子，美債增長速度這麼快，還一直拿錢去認購，中國的a港股這麼便宜，他們爲什麼不來呢？很多人是不是這麼想的？你爲什麼會把一幫有錢人甚至能財富百年傳承下去的人當成傻子看？ AI是工業革命以後最大的技術變革，沒有之一。從工業革命以來，全世界無論是政治制度還有國際局勢都發生了翻天覆地的變化。中國在這場工業革命裏先是出現了百年屈辱史，後又有了改革開放以來的偉大復興。1980年出版的《第三次浪潮》預言了信息革命會對世界的改變。AI可能比以往的這些技術變革對社會世界的影響都要大。AI一定會改造現在的經濟、家庭，政治制度。 連這麼簡單的道理都看不出來。就單純的認爲那個地方是泡沫就認爲美股會跌。這明顯是腦子進了水。絕大部分的理由只不過是認爲這個AI還掙不到錢，或者說對生產力的提升不大。但是你要記住人工智能的進化是要遠超人類自身的進化的，它是按年計的，而人類自己進化是按萬年計的。人工智能一直以摩爾定律這種概念在往上走，他每過一兩年他的一個算力知識儲量就在翻倍，5年，10年的是個什麼概念呢？以現在剛開始的早期來看人工智能認爲他不行，那最早期的這個電腦能計算什麼東西呀？AI就是要結束他至少還有一二十年了。況且AI的結束，那要怎麼結束啊？到時候的社會政治又是什麼樣你都難以想象的。在這場浪潮裏想躲着不參與的人和國家，回看歷史，只有滅亡。 我從23年就開始重倉納指100，這幾年只買入不賣出，未來也是隻做多不賣出。我剛纔看了一下納指100現在是34.39pe，納斯達克是25114點。34倍，而且是科技股，貴嗎？不要因爲那邊是美國公司，因爲立場就影響了自身的一個理性判斷。投不投資是你的選擇，這沒有對錯。但是如果因爲先有結果然後去找到一些錯誤的證明信息，然後你還真信了，就是你的愚蠢了。 我個人估計，不出個兩三年，三四年就可以衝到30000點，40000點。最後送大家一句話"不要錯過這個偉大時代"

《十萬億美元的 AI 泡沫，是等待爆發的災難，還是通向進步的必然？（輕解讀）》 晚點LatePost 曾夢龍 3個筆記 文前 ◆ 2025/11/14發表想法 AI到底有沒有泡沫，估值是否可以兌現，商業化落地。畢竟，AI投入，真的很燒錢啊 原文：泡沫顯而易見。曾領導瑞士銀行商品策略團隊的英國分析師朱利安·加蘭（Julien Garran）認爲，美國的資本配置不當，AI泡沫的狂熱是互聯網泡沫的17倍，2008年房地產泡沫的4倍。 OpenAI和英偉達編織的AI利益網：層層綁定，大力出奇跡 ◆ 2025/11/15發表想法 CoreWeavede客戶原來是微軟，OpenAI，英偉達，即是客戶也股東。左腳踩右腳上天，絕了😂 原文：AI交易網絡的另一個交匯點是英偉達：英偉達投資OpenAI和雲基礎設施公司CoreWeave，讓它們有更多錢買自己的芯片。而CoreWeave最大的客戶是微軟，而微軟既是OpenAI的投資者，也自己從英偉達購買芯片。OpenAI也是CoreWeave的客戶和股東，在該公司IPO前對其做了3.5億美元的股權投資。 ◆ AI交易網絡的另一個交匯點是英偉達：英偉達投資OpenAI和雲基礎設施公司CoreWeave，讓它們有更多錢買自己的芯片。而CoreWeave最大的客戶是微軟，而微軟既是OpenAI的投資者，也自己從英偉達購買芯片。OpenAI也是CoreWeave的客戶和股東，在該公司IPO前對其做了3.5億美元的股權投資。 -- 來自微信讀書

在狂潮之中，最值得慶幸的是，仍然還有人一直保持清醒，並時刻警惕着

欲讓其滅亡，必先讓其瘋狂。 Whom the gods would destroy, they first make mad. 這句是西方流傳兩千多年的經典諺語，最早源自古希臘悲劇作家歐里庇得斯的作品。 一、覈對前提與數據來源說明 所有基礎數據均採用2026年8月高盛官方研報、美國BEA公開數據，以及“25法則”的原始定義（顛覆性技術資本支出的可消化上限爲當期美國名義GDP的25%），全程統一口徑爲‌美國本土AI相關投資‌，避免全球/美國、單年/累計的口徑混淆。 二、逐步驟覈對計算（無跳步） 1. 覈對2026年美國名義GDP基準值 已知確定值：高盛2026年8月研報明確給出，2026年美國AI投資爲5810億美元，佔美國名義GDP比重爲1.8%。 計算2026年美國名義GDP： 2026年美國名義GDP=2026年美國AI投資額/AI投資佔GDP比重=5810億美元/1.8%≈32.3萬億美元 交叉校驗：巴倫週刊2026年8月“25法則”相關分析中，採用的2026年美國名義GDP基準爲約30萬億美元，因此取GDP合理區間爲30萬億~32.3萬億美元，中性基準值爲32萬億美元。 2. 覈對25法則對應的AI投資理論上限 公式： AI投資累計理論上限=當期美國名義GDP×25% 代入中性基準值計算： 32 萬億美元×25%=8 萬億美元 區間校驗：對應GDP區間30萬億~32.3萬億美元，理論上限區間爲7.5萬億~8.1萬億美元，與巴倫週刊測算的“危險臨界值約7.5萬億美元”完全吻合。 3. 覈對截至2026年美國AI累計已完成投資 已知確定值：高盛2026年8月研報明確說明，🔛2022年本輪AI週期啓動以來，到2026年底全球🌎AI累計投資總額爲1.8萬億美元；其中美國🇺🇸本土AI投資佔比約57%（2026年單年美國投資5810億美元/全球總投資1.019萬億美元）。 計算美國本土累計AI投資： 美國累計AI投資=1.8 萬億美元×57%≈1.03 萬億美元 口徑校驗：該數值爲2022-2026年的累計值，並非單年投資。 4. 覈對剩餘理論投資空間 公式： 剩餘理論空間=累計投資上限−已完成累計投資 代入中性基準值計算： 8 萬億美元−1.03 萬億美元≈7 萬億美元 區間校驗：對應剩餘空間區間爲6.5萬億~7.1萬億美元。 三、覈對後的最終結論 按“25法則”中性測算，本輪AI週期美國🇺🇸本土累計投資的理論過熱閾值約爲‌8萬億美元‌；截至2026年底，美國本土已完成累計AI投資約1萬億美元，剩餘理論可投資空間約7萬億美元。 一致性校驗：高盛預測美國AI投資佔GDP比重將在2028年達到2.8%，仍處於歷史通用技術週期2%~5%的正常峯值區間內，距離25%的過熱閾值仍有較大距離，與“當前未到泡沫破裂臨界點”的判斷完全一致。 重要提示：25%是歷史經驗歸納的風險閾值，並非必然達到的投資目標；實際投資節奏會受電力基礎設施瓶頸、AI商業化回報進度、融資成本、供應鏈約束等因素影響，可能提前觸發局部調整。 注： AI資本支出的規模已經十分驚人。自2024年初以來，約有5000億美元花在💽芯片上，3500億美元用於⚡️電力基礎設施，2000億美元投入🏗️建設施工，1000億美元用於🛜網絡設備。這一總規模遠遠超過了2021年整個標普500成分股的全部資本開支——約5750億美元——而那一年還是OpenAI的ChatGPT發佈前一年。 只要企業用自由現金流來爲AI買單，似乎沒人介意。但如今，昔日那些現金牛——包括亞馬遜、Alphabet、Meta和微軟等——正在舉債爲其AI數據中心融資，👉擔憂也隨之加劇。而且這種擔憂並非沒有道理。他們計劃投入的金額大得驚人——未來兩年約2萬億美元——相關憂慮也開始在債務市場顯現：用於對沖信用違約風險的保險成本已大幅飆升。 華爾街也在爲這些股票憂心忡忡。AI公司的股價較6月創下的52周高點已下跌20%。這足以讓投資者發問：即便AI建設浪潮尚未終結，AI交易是不是已經走到盡頭了❓ 歷史表明並非如此。 資本開支泡沫幾乎總會破裂，但很少會在投資者懷疑它將破裂的時候破裂。 美國曆史上大多如此，從鐵路🛤️建設浪潮開始，歷經互聯網🛜泡沫，乃至此後更長時期。儘管AI資本開支的激增幾乎肯定會⚠️以糟糕的方式收場，但它在當下就糟糕收場的概率並不高。 根據Barron's的一項分析，在美國250年的歷史中，經濟在事情真正變得棘手之前，能夠吸收相當於🕳️經濟產出約25%的投向變革性技術的支出。 人工智能目前還未到達這一門檻，而且多年內也不會達到，這表明AI交易——以及美股這輪上漲——仍有更大的上行空間。 美國在💸資本開支（capex）繁榮與蕭條方面有着悠久歷史。雷蒙德·詹姆斯（Raymond James）策略師塔維斯·麥考特（Tavis McCourt）指出， 從19世紀60年代的鐵路🛤️大擴張，到20世紀20年代的⚡️電氣化熱潮，再到20世紀90年代互聯網🛜泡沫和21世紀初的🏙️房地產泡沫，它們都遵循着相似的模式： 一種新技術出現，投資者😍熱情追捧，推高📈估值，最終導致股權與債務融資增加以及市場集中度問題，隨後轉向📉崩盤。 不過，繁榮並不會自行結束。麥考特指出，它們需要一次外部衝擊🤜來促成下滑——這種衝擊可能由政策觸發，比如美聯儲加息【人禍】；也可能是類似1906年舊金山地震那樣的事件【天災】。 從歷史來看👁️，這些週期的走勢足夠有規律，因此可以藉此思考🤔AI在這一週期中處於什麼位置。 其中有一種說法可稱爲“25法則”，指的是在變革性技術繁榮時期，美國能夠消化的總支出佔整體經濟的比例。 例如，在19世紀60年代鐵路繁榮初期，美國國內生產總值每年約100億美元（據美國全國經濟研究所數據），而鐵路總支出最終達到25億美元，👉之後纔出現了1873年的崩盤。 同樣，20世紀90年代末，大約1.5萬億美元被用於建設互聯網🛜基礎設施，而當時美國經濟規模僅爲6萬億美元。 20世紀20年代的工業和電氣化建設也是如此。 按照這一標準，我們可以自上而下地估算：在經濟尚未準備好承受崩潰之前，AI最多還能花掉多少錢。計算🧮返回文初

感： 對於Ai目前已經是一場中美國家基金雙下場介入的國家的比拼。 雖然目前實際投入產出比極低極低極低極低。 但是隨着投入無限增大，無論個人還是國家都已經無可避免的裹挾於Ai時代敘事中。 吹大Ai 泡沫還有地緣政治環境的改變。 Ai成爲地緣政治下的經濟戰略和博弈競賽；針對美國巨量債務和貧富差距，Ai帶來的增長前景比分配既得利益更容易讓人通過和接受。 摘：1.人就這樣的，往回看什麼人都可以做諸葛亮，但往前看諸葛亮也要被氣死， 2.不止在美國，AI敘事在中國，歐洲等都獲得了資金青味。因爲阿里雲，阿里巴巴從巴菲特的搭檔查理。芒格所說的"該死的零售商"，搖身一變爲"AI科技公司"。只要對於AI的資本開支增多，大公司的估值就能參照美國科技巨頭的估值抬升。至於中國故事講得子的AI中小公司，估值上漲的速度和幅度更是驚人。 3.麻省理工學院研究人員發現，95%的企業在生成式AI領域的投資回報率爲零。 4.數千億美元已經花掉，如果他們失敗，資本市場的損失可能超過10萬億美元。所有參與者只能期望這兩個公司更進一步，並參與他們的AI革命敘事。這是經典意義的"大而不能倒". 5.債務融資很多來自私募信貨，可以不出現在科技公司的資產負債表上，並與其他項目隔離。它的不透明，槓桿化和循環性引發了擔憂，《金融時報》的論就稱，當前AI的融資結構日益依賴債務，如果發行者未來信用評級較低，會使銀行和高槓杆的非銀行部門面臨違約風險，相互勾結的雙邊融資協議，只會加劇多米諾骨牌效應的風險， 6.這些投資大部分投資流向了10家Al公司--OpenA,Anthropic,xAl,Perplexity,Anspsere scale Al,Safe Superintelligence,Thinking Machines Lab,Figure Al,Databricks。它們的估值合起來達1萬億美元，但還沒有創造出任何顯著的收益。其中，OpenAl的估值已達5000億美元，但它上半年的營收只有43億美元(已超去年全年)，淨虧損達到135億美元。 7.比如相比美國，中國主要是引發繁榮力量的權重，投入資本的性質和誰承擔損失略有不同：中國"集中力量辦大事"的戰略特性爲Ai的未來加了政治槓桿；中國Ai投資的特色參與方是大量政府引導基金。 8.按照目前AI依賴規模化和集中度的技術特性，未來的收益可能仍然集中於少數組織。又因爲現在AI的發展方向是傾向替代人，而非產生新的價值，可能使得多數人最後無法從中受益，從相對角度，多數組織和個人的利益也將受損。 9吹大AI泡沫的還有地緣政治環境的改變，AI成爲地緣政治下的經濟戰略和博弈競賽；針對美國巨量債務和貧富差距問題，AI帶來的增長前景會比分配既得利益更容易通過和讓人接受。 9.今年的國資入股標誌着美國政府開始更直接干預先進製造，投入AI背後的芯片和電力基建，此前五十年，美國政府只有在救市時入股過一些金融，汽車，航空公司。 10.上一次冷戰的成功經驗並不一定適用於新的戰場，以AI技術改變競爭格局的共識已經達成。誰也不敢不投入。就這樣AI投入的催化劑從消費衍生到了國家競爭，投資敘事也從一個虛擬技術擴展爲重建先進製造 10.用Meta創始人馬克。扎克伯格的話說：如果投資AI最終白花了數千億美元顯然很不幸，但不投入的風險更大如果AI實現大跨越，自己會錯失先機，被對手甩開。商業巨頭不會接受這樣的可能，國家也一樣。

AI敘事： OpenAI代表着AI應用的天花板，創業公司估值的對標。英偉達則是計算性能的天花板，全球最大幾個科技公司的生產力工具。只要對於AI的資本開支增多，大公司的估值就能參照美國科技巨頭的估值抬升。至於中國故事講得好的AI中小公司，估值上漲的速度和幅度更是驚人。兩家公司的目的清晰可見，得讓大家同坐一條船，繼續加大燒錢力度。所有參與者只能期望這兩個公司更進一步，並參與他們的AI革命敘事。這是經典意義的“大而不能倒”。 AI泡沫： 參與其中的人已經不再爭辯是不是存在AI泡沫，而是開始論證泡沫是通往技術進步，從而打破經濟停滯的必經之路。科技公司只用主業賺的錢已經不夠燒，開始啓動債務融資。如果泡沫破滅，這將比股權融資帶來更廣泛、更長期的經濟和金融系統的危害。 FOMO（Fear of Missing Out），“錯失恐懼症”： AI技術改變競爭格局的共識已經達成，誰也不敢不投入。 AI投入的催化劑從消費衍生到了國家競爭，投資敘事也從一個虛擬技術擴展爲重建先進製造。用馬克·扎克伯格的話說：如果投資AI最終白花了數千億美元顯然很不幸，但不投入的風險更大——如果AI實現大跨越，自己會錯失先機，被對手甩開。商業巨頭不會接受這樣的可能，國家也一樣。

4.0/5 一、核心內容總結：一場結構極度脆弱的超級泡沫 這篇文章的核心，是描繪了當前AI繁榮背後一個觸目驚心的結構。它不再是一場簡單的技術熱潮，而是一張由科技巨頭、芯片商和國家力量層層捆綁、自我強化的利益網絡。 · 自我循環的金融鍊金術：泡沫的核心是“循環投資”模式。英偉達投資OpenAI，OpenAI再用這筆錢買英偉達的芯片，英偉達的股價因此上漲，從而有能力繼續投資。收入和利潤在閉環中被憑空創造出來，這是一種極其危險的“左右手互倒”遊戲。 · 天文數字的投入與可憐的產出：預計未來四年，全球數據中心投資高達2.9萬億美元，但目前所有AI企業的年收入僅爲500億美元。更嚴峻的是，MIT的研究發現，95%的企業在生成式AI上的投資回報率爲零。資本支出與真實現金流之間存在一個巨大的、不可持續的鴻溝。 · 國家的入場，抽掉了市場的“底牌”：這場泡沫已從“技術導火索”演變爲“政治導火索”。美國直接入股英特爾，並用投資綁定關鍵礦產供應鏈。當AI競爭成爲國運之爭時，市場糾錯機制就可能被強行推遲，這恰恰是最大的風險——它讓系統變得更加脆弱。 二、第一性原理反思：迴歸商業本質的拷問 無論故事多宏大，最終都必須迴歸企業存在的第一性原理：創造真實的、可持續的現金流，並構建不可替代的護城河。 1. 警惕“僞現金流”：真正的收入，必須來自爲外部客戶創造價值的最終產品，而非來自投資人的錢在生態圈內打轉。 2. 警惕“無護城河的規模”：僅僅靠資本堆砌的規模不叫壁壘，因爲對手也能融資。真正的護城河是技術代差、網絡效應或強大品牌。而目前多數AI公司，除了燒錢規模，並無真正意義上的護城河。 3. 理解“財富的幻覺”：賬面估值是算術平均的幻想，只有落袋爲安的退出纔是幾何平均的現實。一次90%的暴跌，需要漲900%才能回本。在市場狂熱期，尤其需要堅守這個常識。 三、對創業者的方法論：在泡沫中構建反脆弱 1. 別做“淘金者”，做“賣水人”的“賣水人” 與其和巨頭拼大模型，不如爲這場淘金熱提供極度確定性的配套服務，比如AI數據中心節能方案、模型安全與對齊工具等。這類業務無論哪個模型勝出，都有真實需求，收入來自客戶預算，不是投資款，天然具備反脆弱性。 2. 用AI解決那“95%”的落地問題 MIT報告指出的“95%投資回報率爲零”，恰恰是最大的金礦。巨頭的模型是通用引擎，但千行百業的具體痛點無法靠一個通用API解決。創業者的機會就在這“最後一公里”的鴻溝裏。做垂直行業的AI落地專家，幫傳統企業把模型真正用起來，需要的不是燒錢，而是深刻的行業知識，這便是深厚的護城河。 3. 迴歸“做人的標準” 正如王金昌拯救加多寶，一個混亂失序的行業，最稀缺的不是技術，而是信任。在AI這個充滿泡沫、炒作和浮躁的領域，如果你能建立起一個以誠信、專業、交付可靠著稱的品牌，這本身就是一種極高的溢價和壁壘。 四、投資思路：區分泡沫與價值 1. 利用“工業泡沫”框架，押注使能技術 《繁榮與蕭條》區分了“純金融泡沫”和“工業泡沫”。即便AI應用層有泡沫，但對電力的需求、對更高性能芯片的需求是確定的。因此，支撐AI的物理底座（清潔能源、電網升級、關鍵礦產）具有更強的價值支撐。 2. 避開“故事驅動”，尋找“現金流驅動” 遠離那些估值建立在“AGI即將實現”宏大敘事上的公司，尋找那些已經能用AI創造出健康現金流、或能持續獲得訂閱收入的工具型、服務型SaaS公司。 3. 警惕並利用“國家隊”信號 密切關注政策風向。當政府開始用行政力量扭曲市場、扶持特定公司時，這就發出了市場可能嚴重高估的信號。真正的投資者，應像寧高寧所說的那樣，在此時“增強行業的自律和理性”。 五、蘊含的商機 1. AI落地的“最後一公里”服務商 垂直行業的AI諮詢、實施和定製開發，將是未來最大的藍海。 2. AI時代的“信任基礎設施” 模型審計、合規、安全、隱私計算等領域，將像當年的會計師事務所一樣，成爲剛需。 3. 物理世界的“能力供給” 高效的清潔能源解決方案、數據中心散熱新技術、芯片材料的創新，這些都是繞不過去的物理瓶頸。 總而言之，這篇文章揭示了我們正處在一個由技術、資本和國力共同催生的宏大敘事之中。但商業的本質從未改變。真正的戰略眼光，是在所有人貪婪時看清脆弱性的結構，在泡沫的喧囂中，安靜地在非共識的領域，爲自己構建一個根基牢固、能創造真實價值的反脆弱系統。

- 書籍類型：微信讀書“輕解讀”系列的深度財經長文（約8100字），屬商業報道/行業觀察，非學術專著。 - 作者背景：曾夢龍，《晚點 LatePost》記者，曾任職《好奇心日報》《燕京書評》等，關注科技、知識與人的交叉議題，屬專業財經媒體從業者。 - 講了什麼內容：圍繞“十萬億美元級AI泡沫”，用英偉達/OpenAI等數據（市值漲幅、估值、ROI爲零的比例、資本開支與收入缺口）與“循環投資/互採”的利益網（英偉達—OpenAI—CoreWeave—微軟等），討論泡沫動力（技術+地緣+FOMO）、風險（債務融資、不透明、大而不能倒）與可能結局（工業泡沫留基礎設施 vs 更猛烈破滅），並給出中美差異與12個泡沫徵兆清單。 - 代表誰的觀點或利益：整體代表財經媒體“中立拆解、風險提示”的立場：不簡單唱多或唱空，而是把“是否有泡沫”轉爲“泡沫的性質、誰承擔損失、可能遺產”，服務於理性認知與風險意識，不等同於特定利益集團。 - 發現什麼問題：指出市場已從“有沒有泡沫”轉向“泡沫是不是進步的必經之路”；但背後存在燒錢遠超收入、互投互採的利益綁定、債務與不透明融資、地緣把賽道變成“不敢不投”的軍備競賽，以及散戶可能被捲入高風險資產等結構性問題。 - 解決什麼問題：不提供投資建議；其“解決”在於給讀者一套觀察框架（規模與數據→利益網→風險點→歷史參照→結局維度），把情緒化站隊（“AI永遠漲/全是騙局”）轉爲可討論的風險判斷。 - 邏輯是什麼：採用“現象（市值/估值暴漲）→ 數據與對照（ROI、開支/收入、歷史倍數）→ 機制（利益網、融資結構、FOMO、地緣）→ 理論透鏡（泡沫三角、工業泡沫論、1929類比）→ 開放結論（性質與損失承擔決定結局）”的報道邏輯。 - 邏輯漏洞/侷限： 1. “泡沫”作爲前提易被默認：文章列大量狂熱指標，但“泡沫”本身仍帶判斷色彩；若技術兌現速度超預期，部分“狂熱數據”會被重新解釋爲領先投入，文章更偏風險提示而非證僞。 2. 互採/循環投資易成敘事靶子：指出“左手倒右手”式綁定很直觀，但也需區分：部分採購是真實算力需求與產能預訂，單純強調循環易弱化產業真實消耗與交付鏈。 3. 歷史類比的雙刃：用互聯網泡沫、1929、鐵路崩盤做參照很有效，但技術屬性（軟件邊際成本、全球資本結構、政策介入度）不同，直接當量比較（如“17倍”）易成傳播點而非嚴絲合縫的結論。 4. 風險傳導未完全量化：提到私募信貸、養老金、不透明槓杆與多米諾風險，但缺乏具體敞口數據與壓力情景，讀者易“知道危險”，仍難判斷概率與臨界點。 5. 中美對照偏概括：點出中國“政府引導基金+場景驅動+換皮AI”等差異，但對地方財政約束、退出機制、估值錨定等細節展開有限，易變成方向性對照而非可操作判斷。 6. 12徵兆是清單而非閾值：清單利於提醒，但多數徵兆在成長行業也會部分出現；若無權重與動態邊界，易被用作“看到幾個=泡沫要破”的簡單推導。