【编者按】AI浪潮席卷全球，资本狂欢与隐忧并存。当科技巨头豪掷万亿建造“计算机城市”，当投资者为尚未兑现的利润蓝图持续押注，我们不禁要问：这究竟是通往未来的黄金赛道，还是又一场危险的泡沫盛宴？从芯片军备竞赛到数据中心耗电狂潮，从企业应用瓶颈到技术突破瓶颈，狂热表象下暗流汹涌。本文深度剖析AI繁荣背后的冰冷现实——当烧钱速度远超盈利速度，当技术迭代快过需求增长，这场豪赌将把全球经济引向何方？以下是编译全文：
市场目前似乎满足于继续在AI领域押下重注——至少暂时如此。
尽管英伟达、甲骨文和Coreweave等AI热潮核心企业的市值已从2025年中的高点回落，但美国股市依然被AI投资主导。
在标普500指数成分股中，75%的回报率来自41只AI概念股。而科技“七巨头”——英伟达、微软、亚马逊、谷歌、meta、苹果和特斯拉——贡献了标普指数37%的涨幅。
这种几乎完全建立在单一技术路径（大语言模型）上的统治地位，正加剧人们对AI泡沫的担忧。
但AI巨头们对此嗤之以鼻。
“我们离泡沫还远得很。”全球首家市值突破5万亿美元的AI芯片制造商英伟达CEO黄仁勋上个月对天空新闻表示。
并非所有人都如此乐观。
对单一AI技术路径的过度自信——尤其是该路径迄今未能产生与巨额投入相匹配的利润——正在考验投资者的神经：回报究竟何在？
泡沫破裂的后果可能很严重。
“如果只是几家风投血本无归，没多少人会真正伤心。”纽约大学荣誉教授、AI科学家加里·马库斯说。
但他指出，鉴于今年美国经济增长很大程度上依赖AI投资，“爆炸半径可能大得多”。
“最坏情况下，整个经济体系可能崩溃。银行流动性枯竭，需要政府救助，最终由纳税人买单。”
这可能发生吗？
一些不祥之兆已经浮现。
据估算，到2026年，微软、亚马逊、谷歌、meta和甲骨文在AI上的总投入将达1万亿美元。
而推出突破性大模型ChatGPT的OpenAI，计划未来三年投入1.4万亿美元。
但这些公司的投资者能得到什么回报？目前来看，微乎其微。
以OpenAI为例，其2025年预期利润仅略超200亿美元。虽是巨款，但远不足以支撑1.4万亿美元的支出。
这场AI繁荣——或者说泡沫，取决于你的观点——的本质在于其构建方式。
计算机城市崛起
AI革命始于2023年初ChatGPT-4的发布。
其在自然语言处理、代码生成和图像创作能力的飞跃，几乎完全源于一个要素：规模扩张。
GPT-4所需算力是前代GPT-2的3000到10000倍。
为提升智能水平，其训练数据量暴增：GPT-2参数仅15亿，而GPT-4可能达到1.8万亿——几乎囊括全网文本、图像和视频数据。
性能的飞跃如此巨大，以至于业界认为只需重复这种“堆料”策略，就能实现媲美人类的通用人工智能（AGI）。
于是狂欢继续：训练AI所需前沿GPU芯片需求暴涨，制造商英伟达股价随之飙升。
推土机开进工地，新一代超大规模数据中心拔地而起，为下一代AI提供算力温床。
建设速度惊人。
今年1月由特朗普、OpenAI CEO山姆·奥特曼等宣布的“星门”项目，已有两座巨型数据中心投入运营。
到2026年中，这座位于德州中部的建筑群预计将覆盖曼哈顿中央公园大小的区域。
而这 soon 可能相形见绌。
meta在路易斯安那州耗资270亿美元建设的“海伯利安”数据中心，规模接近曼哈顿整个城区。
其耗电量预计将达到邻近新奥尔良市的两倍。
电力需求的激增正对美国电网造成巨大压力，一些数据中心需等待数年才能接入电网。
这对某些企业是难题，但乐观者指出，微软、meta和谷歌等财力雄厚的巨头完全可以自建发电厂。
然而当这些巨型“AI大脑”建成启动后，真能成为印钞机吗？
芯片过时危机
与道路、铁路或电网等其他昂贵基础设施不同，AI数据中心需要持续升级。
投资者能较好估算各类基础设施资产的“折旧曲线”，但对于五年前几乎不存在的尖端定制化AI数据中心，却无先例可循。
AI芯片龙头英伟达大约每年推出新一代更强处理器，声称其最新芯片可用三到六年。
但质疑声不断。
因预测次贷危机而被电影《大空头》铭记的基金经理迈克尔·伯里，最近宣布做空AI股票。
他的理由是：AI芯片每三年就需更换，考虑到厂商对最新芯片的竞争，换代周期可能更短。
数据中心的冷却、交换和布线系统也会随时间老化，可能十年内就需要更换。
几个月前，《经济学人》杂志估算，若AI芯片每三年淘汰一次，五大科技巨头的总市值将减少7800亿美元。
若折旧周期缩短至两年，损失将达1.6万亿美元。
计入折旧因素后，本就巨大的AI投入与预期收益之间的鸿沟将进一步扩大。
有估算显示，到2030年科技巨头需实现2万亿美元利润，才能覆盖其AI成本。
买单者在哪里？
更大的问题在于：利润从何而来，以证明万亿级AI投资的合理性？
AI应用无疑在增长。
随便浏览社交媒体，就能看到AI生成的文本、图像和视频泛滥。
孩子用它写作业，家长用它做研究、写邮件和报告。
但除了日常消遣和奇幻的猫咪视频，人们真能从中获利吗？用户愿意支付的费用，足以支撑万亿美元投资吗？
早期迹象显示，当前AI可能革命软件、药物研发、创意产业和在线购物等领域。
某些指标看似乐观：OpenAI声称其产品周活用户达8亿，是2月份的两倍。
然而其中仅5%是付费用户。
而在真正能带来收入的商业应用领域，情况并不乐观。
美国人口普查局2025年初数据显示，8-12%的企业开始使用AI生产商品和服务。
对于更有财力投资AI的大企业，采用率在6月升至14%，但近几个月回落至12%。
麦肯锡分析指出，绝大多数企业仍处于AI试点阶段，或正在探索如何扩大应用规模。
这某种程度上合乎逻辑：生成式AI是新技术，连开发公司都在摸索其最佳应用场景。
但股东们愿意等待多久，才能看到利润接近覆盖投资？
尤其当“现有AI模型只会越来越好”的信念开始动摇时。
规模扩张失灵？
大语言模型确实在进步。
行业“基准测试”显示，AI在执行复杂数学、编程或研究任务方面的性能，与算力规模增长同步——目前约每六个月翻一番。
但在现实任务中，证据并不充分。
LLM通过统计预测生成答案，并不真正理解数据背后的“含义”。
它们难以完成需要理解世界运行规律并从中学习的任务。
其架构缺乏长期记忆机制，无法自主判断数据重要性——而这正是人脑与生俱来的能力。
因此，尽管在某些任务上取得巨大进步，它们仍会重复同类错误，在同类任务上失败。
“难道真有人认为只要把规模扩大100倍，一切问题都能迎刃而解？我不这么认为。”OpenAI联合创始人伊利亚·苏茨克沃上月在播客节目中表示。
这位ChatGPT先驱在离开OpenAI前预言：“我们将重回研究时代，只不过现在有了大型计算机。”
当潜在客户还在摸索如何利用AI时，那些重注AI的投资者会满足于缓慢的进步吗？
“这本质上只是规模扩张假说，一种‘可能有效’的猜测。但实际并未奏效。”马库斯教授指出，
“万亿资金在燃烧，利润微乎其微，折旧率居高不下。这不合逻辑。问题只在于市场何时会意识到这一点。”
