今天這篇文章的核心，不是簡單唱空美股，也不是否定AI。

AI可能是未來十年最大的產業革命，但最偉大的技術革命，往往也會製造最昂貴的投資陷阱。

AI沒有泡沫，但AI資產正在經歷“價值兌現前的估值透支”。

未來真正賺錢的，不一定是賣GPU的人，而是利用AI重構商業的人。

第一場戰爭結束：賣鏟子的時代進入尾聲

過去兩年，資本市場講了一個簡單故事。

誰掌握GPU，誰就是新時代的石油公司。

輝達成為全球資本市場最大的贏家。

市值從不到5000億美元，一路衝向數兆美元。

“AI時代最大的基礎設施公司。”

當所有人都知道正確答案時，價格還會便宜嗎？

這就是資本市場最殘酷的地方。

“價格是你付出的，價值是你得到的。”

而是用未來十年的增長，提前支付了今天的價格。

輝達賣出的幾十兆美元等級的AI基礎設施，什麼時候才能產生對應收益？

這是整個AI產業進入第二階段的標誌。

AI最大的敵人，不是技術失敗，而是資本回報太慢

如果AI最後成功，就沒有泡沫。

真正偉大的技術革命，也會產生巨大泡沫。

但大量網際網路公司依然破產。

微軟、Google、亞馬遜、Meta正在瘋狂投入。

幾千億美元資本開支正在進入AI基礎設施。

那麼現在的投資規模可能過大。

真正改變世界的AI，需要進入：

AI必須從“展示能力”，進入“創造生產力”。

技術革命最大的風險，從來不是沒有未來，而是未來提前被資本賣完了。

美債，才是AI牛市背後的隱藏變數

但真正決定全球資產價格的，是另一個數字：

因為所有資產估值，都有一個共同錨：

買接近無風險收益的美國國債。

4%以上收益率的債券擺在那裡。

2026年6月底，高盛發佈了兩份關於AI投資的重量級報告。

第一份名為《Tracking Trillions: The Assumptions Shaping the Scale of the AI Build-Out》（追蹤兆：塑造AI建設規模的假設），提出了一個令市場震撼的基準情景：2026年至2031年，全球AI相關資本開支預計約7.6兆美元，年度投入將從2026年的7650億美元升至2031年的1.64兆美元。

第二份則通過Axios獨家發佈，高盛投行部報告《Harnessing AI for the Real Economy》（將AI引入實體經濟），明確提出了一個判斷——AI投資的重心正在從純算力建設，向製造、能源、物流、國防、生命科學和機器人等實體場景延伸。

兩份報告，一個指向：AI投資的下半場邏輯正在重塑。

值得注意的是，高盛在報告開篇即明確聲明：這不是一個預測，而是一個情景分析框架。報告的目的不是回答“AI投資會不會有回報”，而是探討“在什麼樣的假設下，需要投入多少資本”。這一區分至關重要——它意味著7.6兆這個數字不是板上釘釘的“必然”，而是一組假設下的“基準”。

二、核心解讀：四大變數決定7.6兆的“彈性”

高盛報告的核心框架，圍繞著四個決定AI投資規模的“搖擺變數”展開。理解這四個變數，比記住7.6兆這個數字本身重要得多。

變數一：AI晶片的經濟壽命——最關鍵的單一變數

AI加速器（GPU、ASIC等）的“經濟壽命”——即晶片在多長時間內仍然具有經濟上的使用價值——是高盛認為影響投資總額最核心的變數。

當前行業慣例假設晶片經濟壽命為4-6年。但這個假設面臨一個尖銳矛盾：輝達正以每年一代的速度推出新架構，每一代的性能都是“階躍式”而非漸進式提升。這意味著，一張今天花5萬美元買來的GPU，可能在3年後就被新一代產品在性價比上碾壓。

高盛的敏感性分析顯示：如果晶片經濟壽命從4年延長到6年，累計投資可以減少數千億美元；反之，如果實際壽命縮短到3年，累計投資將大幅膨脹。

一個值得關注的“緩衝帶”是：舊晶片並非完全喪失價值。高盛指出，A100和H100等上一代晶片的租賃價格目前仍然維持在高位，支撐著5-6年的經濟壽命。這背後可能是極端的供給短缺在起作用，也可能是AI時代晶片價值衰減模式不同於傳統IT硬體的一個訊號。

▶ 對投資者的含義：晶片折舊速度的假設，將直接影響雲廠商的盈利模型和晶片租賃商的資產價值。如果實際經濟壽命短於折舊年限，當前看似合理的資本回報率可能被高估。

變數二：下一代資料中心的成本飆升

傳統雲資料中心每兆瓦造價約1000萬美元。但在AI時代，高密度機櫃、液冷系統、協同設計的供電網路，正將造價推高至每兆瓦1500萬至2000萬美元。

更值得警惕的是“過時風險”。高盛指出，兩年前設計的所謂“過渡型AI資料中心”，可能已經不足以承載下一代AI晶片的功耗和散熱需求。當資料中心這個原本應該折舊20年的長周期資產，面臨著設計標準在短短幾年內就過時的風險——這種資產屬性的變化，對投資者而言是一個需要重新審視的命題。

▶ 對投資者的含義：資料中心不再是“一勞永逸”的基礎設施。單位造價上升疊加技術迭代加速，意味著資料中心投資的回收期可能被拉長，資產減值風險不容忽視。

變數三：GPU vs ASIC——算力的“彈性”之爭

當前AI算力的絕對主力是輝達GPU（毛利率約75%）。但越來越多的買家正在尋求替代方案——自研ASIC（專用積體電路），如Google的TPU、亞馬遜的Trainium。

高盛的核心洞見在於：晶片架構的選擇能否降低總開支，取決於算力需求是“彈性”還是“非彈性”。

如果需求是“非彈性”的——即企業只需要完成固定數量的訓練和推理任務——那麼更便宜的ASIC可以直接降低總開支。但如果需求是“彈性”的——即算力越便宜，用得越多——那麼晶片降價只會刺激更多使用，總投資額不會減少，只是利潤從晶片商轉移到了雲廠商和終端使用者。

高盛目前的基準假設傾向於“彈性”情形。換句話說，晶片多樣化更多改變的是誰賺錢，而非花多少錢。

▶ 對投資者的含義：ASIC替代邏輯對輝達的毛利率構成長期壓力，但不一定意味著AI總投資額的下降。投資者應區分“輝達風險”和“AI投資風險”——兩者並非同義詞。

變數四：物理瓶頸的“延長效應”

電力並網排隊、變壓器和開關裝置的超長交貨期、專業勞動力的短缺——這些物理世界的瓶頸，正在拉長“資本投入”與“算力上線”之間的時間差。

高盛將這種現象稱為“延長效應”（Elongation）。在基準情形下，瓶頸只會拖慢節奏，不會減少總投資規模。但報告中有一個不容忽視的風險提示：如果瓶頸持續惡化，就可能觸發一個危險的反饋循環——項目延遲→投資者開始質疑需求假設→資本開支縮減→反過來印證了悲觀預期。

高盛認為當前環境更接近基準情形而非壓力情形，但也坦承“安全墊並不厚”。

▶ 對投資者的含義：電力裝置、工程服務、冷卻系統等“瓶頸環節”可能成為AI建設鏈條中供給最緊張、定價權最強的環節——這是獨立於晶片需求之外的確定性。

三、從“賣鏟子”到“用鏟子”：投資邏輯的範式轉移

如果說《Tracking Trillions》解決的是「要花多少錢」的問題，那麼《Harnessing AI for the Real Economy》回答的是“錢會流向那裡”。

高盛投行部的判斷可以用一句話概括：AI投資的下一階段，軟體之外的那99.5%才是主戰場。

報告中給出的資料錨點極為有力：軟體目前僅佔全球GDP的不到0.5%。這意味著，AI如果僅僅停留在數字世界，其可觸達的經濟規模是有限的。而工廠、礦山、電網、油田、醫院、實驗室、戰場——這些構成了全球經濟的另外99.5%——才是AI真正釋放價值的廣闊空間。

具體而言，高盛明確指出的實體產業賽道包括：

·製造業自動化：AI驅動的智能工廠、預測性維護、質量檢測

·能源與電力：智能電網調度、AI最佳化的發電與儲能系統

·物流與供應鏈：AI路徑規劃、倉儲自動化、無人運輸

·國防與安全：AI輔助決策、自主系統、態勢感知

·生命科學與製藥：AI藥物發現、蛋白質結構預測、臨床試驗最佳化

·機器人與具身智能：人形機器人、工業機器人、AI與物理世界的互動

這一判斷的背後，還有一個關鍵資料支撐：超大規模雲廠商（Meta、微軟、亞馬遜、Alphabet）到2030年的AI投資將佔其總資本開支的60%以上，四家合計2026-2031年AI相關開支預計達5.3兆美元。這意味著，雲廠商自身正在從“雲服務商”進化為“AI基礎設施商”——它們的資本分配已經做出了選擇。

四、市場背景：晶片股暴跌的“警示鐘”

高盛這份報告發佈的時機，恰好與市場的劇烈波動形成呼應——這不是巧合，而是市場正在尋找新定價錨點的訊號。

7月2日，受隔夜美股晶片類股暴跌（費城半導體指數-5.57%）影響，亞太市場遭遇重挫：韓國KOSPI指數一度跌超6%觸發熔斷，日經225大跌超1400點，三星、SK海力士跌幅均達8%左右。而創新藥、人形機器人等類股則逆勢上漲。

這一輪晶片股的調整，本質上不是AI邏輯被證偽，而是市場對估值透支的一次修正。過去兩年，市場給AI算力鏈的定價，已經隱含了線性外推的極度樂觀預期。而當高盛這樣的機構開始引導市場關注下半場——從算力基建轉向實體應用——估值的錨點自然需要重新校準。

這種風格切換的深層邏輯在於：賣鏟子賺的是確定性，但確定性可能已經被較為充分地定價；用鏟子賺的是想像空間，而從當前晶片類股的估值分位和實體AI應用的滲透率來看，想像空間的定價或許才剛剛開始。

五、啟示：三條主線與風險邊界

基於高盛報告的框架，當前AI投資的邏輯正在沿著三條主線展開。按確定性排序：主線一（算力分化）> 主線三（瓶頸受益方向）> 主線二（實體應用）。

主線一：算力基建的分化——從普漲到精選（確定性：較高）

晶片類股的普漲階段可能正在接近尾聲。未來的超額收益將來自結構性分化：晶片經濟壽命的博弈（利多技術壁壘更高的廠商）、資料中心的升級需求（利多液冷、高端供電）、以及ASIC替代邏輯（利多自研晶片的雲廠商和代工鏈）。

主線二：實體產業的AI+——從概唸到落地（確定性：較低）

高盛指出的製造業、能源、國防、製藥、機器人等賽道，目前仍處於「預期先行、業績滯後」的階段。投資者需要關注的是：那些賽道的AI應用有可驗證的降本增效資料，那些公司有明確的訂單和收入增長，而非停留在「戰略合作」「佈局AI」的敘事層面。

主線三：基礎設施瓶頸受益方向——電力、變壓器、專業工程（確定性：中等）

如果高盛的“延長效應”分析成立，那麼AI建設面臨的物理瓶頸——電力並網、變壓器供應、冷卻裝置、專業工程服務——本身就可能成為一條獨立的投資線索。這些領域的共同特徵是：需求確定性強、供給彈性低、競爭格局穩定。與晶片賽道不同，這些環節的供給擴張受制於物理規律和審批流程，短期難以通過“加大投入”快速緩解。

框架風險：高盛報告明確聲明其分析是“情景分析”而非“預測”。7.6兆美元是基於一組特定假設的基準情景，任何一個關鍵變數的變化都可能顯著改變最終數字。投資者不應將當前數字作為長期定價依據，而應關注高盛後續報告中的假設調整——假設變了，結論就可能隨之改變。

時間節奏風險：從“算力基建”到“實體應用”的切換不是一蹴而就的。高盛自己也指出，AI對生產力的提升仍處於早期階段，歷史經驗表明，變革性技術可能需要數年甚至數十年才能在經濟增長資料中體現。

晶片貶值風險：如果輝達維持每年一代的發佈節奏，且新一代產品性能遠超上一代，現有晶片資產的貶值速度可能遠超當前的折舊假設，對雲廠商和晶片租賃商的資產負債表構成壓力。

瓶頸反饋風險：如果電力、裝置、勞動力等物理瓶頸持續惡化，可能觸發投資信心動搖的反饋循環——這是高盛報告中明確提及但未充分展開的尾部風險。

競爭格局風險：當AI投資從算力延伸到實體產業，競爭格局將變得更加複雜。晶片賽道是寡頭格局，但製造業自動化、AI製藥、機器人等領域是高度分散的競爭環境，選股的難度和不確定性將顯著提升。

高盛這兩份報告的價值，不在於給出了一個7.6兆的大數，而在於提供了一個思考AI投資的分析框架。

第一，AI投資的規模不是由需求決定的，而是由供給側的假設決定的——晶片能用多久、資料中心有多貴、瓶頸有多嚴重。

第二，AI的下一個戰場不在數字世界，而在物理世界——那99.5%的經濟才是真正的星辰大海。

第三，這是一個高度條件性的判斷，不是確定性預言——任何一個變數的變化，都可能讓7.6兆這個數字向上或向下大幅偏移。

對於投資者而言，與其糾結於7.6兆靠不靠譜，不如用高盛的框架去審視自己的投資組合：你的持倉，是在賭鏟子越賣越貴，還是在賭鏟子用出價值？兩者的風險收益特徵，已經不在同一個維度上了。 (藍翼管理諮詢)

今年一筆罕見的超級融資誕生了。

本周，人工智慧公司Scale AI宣佈獲得10億美元融資，估值為138億美元（約為人民幣1000億元），身後站著大半個矽谷圈大佬，也出現了亞馬遜、輝達、英特爾、Meta等超級大廠。可以說，全球風投圈甚少如此豪華的融資陣容。

而公司背後，是一位95後華人少年Alexandr Wang。19歲那年，他從麻省理工學院退學，和同樣從卡內基梅隆大學退學的Lucy Guo創辦了Scale AI。都說AI燒錢，但Scale AI卻成為全球最賺錢的AI初創公司之一。

當初一腔熱血的衝動，如今換來千億估值。這無疑是AI造富最生動的寫照，由此我們看到一群90後正在主導史上最大AI創業潮。

從MIT退學創業  締造最賺錢的AI“賣鏟人”

出生於1997年，Alexandr Wang生活在一個高知華人家庭。父母均是物理學家，對孩子的教育很是重視。小學時Alexandr就展露出數學天才的一面，數次在美國數學人才選拔賽中他獲得金牌、銅牌等名次。中學時他更是電腦、物理、數學奧林匹克競賽的常見選手，成績均名列前茅。

甚至他的工作經歷都要比同齡人早得多。當大部分高中生還在為考大學做準備時，他已經被矽谷最熱門的公司Addepar和Quora聘用。

這裡有一段插曲：當時公司並不知道他是一名17歲的高中生，只是他的能力足以配得上軟體工程師的職位。在Quora工作時，他遇到同是華人的Lucy Guo，為日後攜手創業埋下了伏筆。

Lucy出生於1994年，父母是華人工程師，小學二年級她就開始自學程式設計，是第一批推特機器人的創始人之一。高中畢業後她進入卡內基梅隆大學學習電腦科學和人機互動，並在Facebook、Quora和Snapchat有過工作經歷。

這一邊—— 18歲那年，Alexandr考入麻省理工學院的數學和電腦科學專業。僅過了一年，他做出一個令人意外的決定——退學創業。

創業的緣起，與Alexandr對人工智慧的熱愛和麻省理工的氛圍密切相關。“在麻省理工，機械工程專業的學生在草坪上造彈射器、學電氣工程的造出了機器人，電腦的同學開發了應用程式，但沒有人利用人工智慧做出來任何東西。”

另一邊——彼時22歲的Lucy也從卡內基梅隆大學退學。二人一拍即合，2016年Scale AI 由此誕生，主要為企業使用者提供資料標註和AI模型訓練。

當Alexandr深入研究時，他發現當時處於人工智慧前沿的自動駕駛公司，常常需要數百萬英里的駕駛里程來訓練自動駕駛功能，但沒有足夠的人力和算力來進行審查和標記。

於是，Scale AI開始幫助這些公司對“真實資料”進行資料註釋和標記。

事實證明，資料標註是生成式人工智慧熱潮中的“鏟子”。得益於Alexandr的精準洞察，Scale AI 很快獲得Cruise、Waymo等自動駕駛公司的訂單，並協助 OpenAI一起訓練 ChatGPT。

如今Scale AI 的業務領域已不止自動駕駛這麼簡單，重量級客戶名單持續在增加：輝達、Meta、微軟、通用汽車、PayPal、Pinterest、三星、豐田和Uber等。2022年其營收為 2.5 億美元，去年營收達到了6.75億美元（約為48億元人民幣），而這時候許多 AI 初創公司還沒有賺到一分錢。

Alexandr回憶稱，過去8年，從自動駕駛到ChatGPT，Scale AI幾乎推動了AI領域的每一個重大突破。《時代周刊》去年發佈AI領域最具影響力的100個人物，他與李飛飛、黃仁勳、李彥宏等共同入選。

7輪融資，投資人擠破了頭  估值千億

創業八年，Scale AI留給創投圈深刻印象，至今身後集結一支長長的投資人隊伍。

剛剛成立的第一年，Scale AI接連獲得種子輪和A輪融資，投資方分別是矽谷著名孵化器Y Combinator和風投巨頭Accel。後者機構的合夥人還曾將家裡的地下室借給Scale AI臨時辦公。

2018年，Scale AI宣佈完成1800萬美元B輪融資，由Index Venture牽頭。參與的投資人曾分享出手原因——他在自動駕駛公司Aurora的董事會上聽聞Scale AI的資料標籤服務對行業來說至關重要。

此後，Alexandr和Lucy開始聲名鵲起。但很快，Lucy選擇保留公司的股份，離開Scale AI，轉身創辦了風險投資公司Backend Capital。

2019年，Founders Fund領投Scale AI1億美元C輪融資，彼時公司估值超10億美元，進入獨角獸行列。次年12月，公司完成1.5億美元D輪融資，老虎基金領投，估值漲了不少，達到了35億美元。

直至2021年，公司宣佈了3.25億美元E輪融資，陣容更加龐大。老虎基金、Dragoneer 和 Greenoaks Capital 領投，Coatue、Index Ventures、Founders Fund 、Y Combinator、 Wellington Management 和 Durable Capital也參與其中。

換言之，從0到超70億美元估值，Scale AI只用了5年時間。

這一次，Scale AI再次官宣完成F輪融資，融資額10億美元，估值增長超過80%至約138億美元。投資方陣容堪稱史詩級豪華，20多家機構和個人——

老股東Accel領投，Index Ventures、Founders Fund、Coatue、Thrive Capital、Spark Capital、老虎基金、Greenoaks、Y Combinator、Wellington Management和GitHub 前首席執行官 Nat Friedman繼續加碼，同時輝達、Elad Gil、亞馬遜、Meta、思科、英特爾、AMD、DFJ Growth、WCM、ServiceNow Ventures也參與了此次融資。

“Scale AI為當今市場上幾乎所有領先的 AI 模型提供資料支援。借助此次融資，公司將進入旅程的下一階段——加速豐富前沿資料，為通用人工智慧鋪平道路。”Alexandr稱，解決人工智慧的資料問題將是他一生為之奮鬥的事業。

當然，Alexandr並非個例。放眼望去，高學歷的年輕學霸們正在掀起一波科技創業潮。

就在Scale AI官宣融資的同一天，國內AI大模型明星公司月之暗面的最新一輪融資流出，估值報價已達30億美元（約200億元人民幣）。而在三個月前，該公司剛獲得國內大模型最大單筆融資。

身後創始人楊植麟被視為中國大模型90後第一人。他同樣是名副其實的學霸，高中就被選拔進奧林匹克培訓班，最終被保送清華大學。後來在卡內基梅隆大學讀博時，楊植麟師從蘋果AI研究負責人Ruslan Salakhutdinov、Google首席科學家William Cohen，用4年時間完成了一般6年才能完成的博士課程。

另一位映入眼簾的則是前華為“天才少年”稚暉君彭志輝。本碩畢業於電子科技大學，他也是坐擁250萬粉絲的B站up主，所創立的智元機器人，瞄準具身智能領域。自2023年2月成立以來，智元機器人已馬不停蹄拿下6輪融資，堪稱VC圈最火爆項目之一。

時不我待，因創業退學的還有95後女學霸郭文景。她創辦了自動生成視訊軟體Pika，一度席捲矽谷AI圈。僅有四個人的公司在6個月內連續完成3輪融資，估值超2億美元。

郭文景曾是浙江第一位被哈佛本科提前錄取的天才少女，在哈佛拿到電腦碩士和數學本科學位，後來又到斯坦福大學讀博。去年4月，郭文景和同學Chenlin Meng一起從斯坦福退學，共同開發了一款AI視訊工具，全球爆紅。

還有一批90後AI創始人在今年拿到了融資。

前爆款AI產品“妙鴨”產品負責人張月光創辦的沐言智語成立半年已完成4輪融資，總額接近3億元。90後張月光同樣履歷漂亮，本科畢業於清華大學，曾就職於阿里及字節。

波形智能CEO姜昱辰，出生於1998年，本科就讀於浙江大學，在蘇黎世聯邦理工大學攻讀博士，從事自然語言處理研究。她於去年3月創辦了杭州波形智能，目前已獲得由藍馳創投領投，西湖科創投、老股東藕舫天使等跟投的Pre-A輪融資。

這裡還有一份長長的名單——面壁智能曾國洋、太極圖形胡淵鳴、瑞萊智慧田天、星動紀元陳建宇……細數下來，他們大多擁有中國乃至世界頂級大學的理工科學歷背景，對標前沿技術，並崇尚創業，充滿著永不停歇的激情和創造力，乘著人工智慧東風成為時代的寵兒。

這個世界永遠屬於年輕人。名校出身的他們，正在用最新的技術為世界寫下註腳，共同締造了眼前AI創業波瀾壯闊的一幕。  (投資界)

彙整鉅亨號中所有使用「鏟子」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

美國最大的風險，不是衰退，而是AI太貴

高盛萬字報告定調AI下半場：從“賣鏟子”到“用鏟子”，7.6兆美元的投資邏輯正在重設

95後，一舉融資70億