短期是階段泡沫,長期理性繁榮周末,關於AI泡沫的言論在不斷髮酵!我近期一直指出,從ChatGPT誕生到現在馬上進入2026年,前三年(23-24-25年)AI帶來的效率提升與capex的FOMO效應推動企業不斷通過AI省opex並轉為capex,但是opex的節省到了當前時點也面臨很多掣肘,一方面是技術能力的問題,當前AI agent在很多複雜的工作流領域的能力尚不足以應付,另一方面就是持續裁員效應帶來的人倫反噬。WIRED(Brian Merchant)把 Goldfarb & Kirsch 的“科技泡沫四要素”——不確定性 / 純正押注(pure plays)/ 新手資金 / 宏大敘事——逐條套在 GenAI 上,作者與學者的結論都是“滿分 8/8”;文中還串聯了“95% 企業 GenAI 試點無正向收益”的 MIT 報告熱點。The Atlantic(Matteo Wong & Charlie Warzel)主旨是“美國正在成為 Nvidia-state”:AI 已成 S&P 主要增量驅動、算力資本開支的槓桿鏈條越來越複雜(私募信貸→資料中心租約證券化/分層→再融資),還點名 OpenAI↔Oracle↔Nvidia 的“循環式資本流”。央行/賣方側的外部警示也在同步放大:英格蘭央行直言 AI 相關估值“易受情緒轉折”;J.P. Morgan 的市場月報給出自 ChatGPT 上線以來,AI 相關成分貢獻了 S&P500 漲幅的 ~75%。WIRED 的“8/8 泡沫評分”到底在打什麼分?Goldfarb & Kirsch 在《Bubbles and Crashes》(2019) 裡用四要素判斷“技術是否進入泡沫態”:不確定性、純正押注(pure plays)、新手資金、宏大敘事。Brian Merchant 把這套尺子直接套到 GenAI,逐條給出“滿分 8/8”的結論與證據:不確定性:推理成本高、很多面向消費者的互動仍在虧錢;企業端“到底能賺什麼錢、何時回本”並不清楚;MIT 調研引爆關注點——95% 的企業 GenAI 項目沒帶來可計量 P&L。純正押注:VC 資金大規模單點湧向 AI(SVB 資料:今年 ~58% 的風投流向 AI),二級市場出現 CoreWeave 等純 AI 概念的“直接標的”;NVDA 自身也被界定為最純的“AI 上游押注”。新手資金:AI 太新,連機構在很多賽道都是“新手”;同時移動端券商/碎股降低了散戶參與門檻,抬升了泡沫自增強的“廣譜參與”度。敘事協調:從“AGI 將無所不能/必須加速以贏過CN”到“AI 改造一切”,形成強耦合的必然性敘事,歷史類比最像航空/廣播電台——都經歷了“敘事先於商業閉環”的泡沫—崩塌—再消化。The Atlantic 的“融資→工程→折舊→循環資本”鏈條這篇把一條資金-工程-折舊的閉環講得很直:(A) 融資工程:視角 1:可見度——“新卡萊爾(印第安納)”衛星圖下一年內綠地變資料中心園區,7 座在建、23 座在途,電力需求將超過“兩座亞特蘭大”。視角 2:結構——為了不把槓桿抬上母公司資產負債表,表外 JV+長期租約+144A/分層證券化成了範本:Meta×Blue Owl 的 Hyperion ~$27–30B 私募信貸+債券分層、Meta 僅持 20% 股權、PIMCO/BlackRock 等為主力資金,A+ 評級、144A 定價。這是“把 Capex 變成 OpEx”的財務工程。(B) 工程現實:電力與上架功率成為主約束,且建設/並網周期對現金流形成滯後。文章直白指出:即便建設繼續加速,能耗與基礎設施約束也會限制“無節制”擴張。(C) 折舊/技術半衰期:資料中心“晶片快速過時”,裝置折舊極短、代際更替快——這讓資產的經濟壽命<會計壽命,放大資本開支的周期性風險。這裡我展開補充一下:把“經濟壽命 < 會計壽命”這件事拆成證據→機制→連鎖效應→對策/監控四層,說透它為什麼會在 AI 資料中心裡放大資本開支的周期性風險。證據:會計折舊越拉越長,技術代際卻在加速雲三巨頭系統性拉長折舊年限:Microsoft,把伺服器和網路裝置折舊從 4 年延至 6 年,一次性把 $3.7B 折舊費用從 FY23 往後移;Alphabet/Google,2023 年把伺服器及部分網路裝置壽命改為 6 年,僅 Q1 就少提折舊 ~$0.99B;Amazon,2024 年先從 5→6 年;2025 年又因“AI/ML 技術進步加速”把一部分伺服器與網路裝置回呼至 5 年(已在 2025 Q1 10-Q 寫明)。這就是典型的會計壽命>經濟壽命被迫“糾偏”。晶片代際節奏轉向“年更”,NVIDIA 在 2025 年 GTC 明確表示基礎設施按“年度節奏”迭代(Blackwell→Vera Rubin…)。這意味著 GPU 代際≈1 年、網路 800G → 1.6T 也進入兩年一階。機櫃與供冷門檻躍升,Blackwell NVL72 是整櫃液冷形態;單櫃 ~132 kW、72 GPU 同一 NVLink 域。大量傳統 10–40 kW 機櫃與風冷房根本承接不了這代平台。小結:報表上摺舊在延長,但技術與工程門檻在縮短/抬高;兩條曲線背離,就是“經濟壽命 < 會計壽命”的客觀圖景。機制:為什麼“壽命錯配”會放大資本開支(Capex)的周期性?代際性能/成本台階H100→H200→B200/GB200 在吞吐/頻寬/能效上是跳階;新代系下 $/1k tokens、時延與能耗曲線同步下台。舊代資產的單位經濟學迅速劣化,被迫提前退役或下沉到低價值負載——其經濟壽命自然短於會計帳上的 6 年直線法。架構相容性“整櫃化”NVL72 把 72 GPU織成單一 NVLink 域,功率與互連都“捆綁到櫃”。這會引發級聯升級:不是“換幾塊卡”,而是整櫃/整列更換(GPU→主機板→互連→光模組→供電/供冷),於是周期振幅被放大。供冷與配電的“門檻跳變”Uptime 2024/2025 的冷卻調查顯示直液冷滲透還很低(~22% 在用),而 AI 櫃密度已逼近 60–120 kW/櫃。舊房(風冷/低密度)對新代平台的承載落差,把“折舊未完即翻修/遷建”的機率推高。二手/處置價值受限嚴格的出口管制與合規要求限制了高端 GPU 的二手流通與可回收價值;一旦主要二級市場受限,殘值跌→經濟壽命更短(同樣的帳面年限,真實可回收現金更少)。會計與監管的“觸發條件”當技術躍遷/利用率下滑/價格跳水構成“觸發事件”,US GAAP ASC 360 要求做可回收性測試,可能帶來減值與折舊年限重估(前者一次性打損益,後者推高後續 D&A)。連鎖效應:從財報到融資、從產能到網路利潤表錯覺 → 反身性回擺:延長折舊年限能短期抬高營業利潤(MSFT/GOOGL/AMZN 都出現過),但回呼/減值會一次性吞噬利潤(AMZN 2025 已對部分資產回呼至 5 年,明確因 AI/ML 創新加速)。對高估值資產而言,這是二階放大器。融資與再融資鏈的脆弱點:壽命縮短+殘值下降,會抬高租賃/ABS 的隱含殘值風險溢價;若與“表外 JV + 長租約 + 分層證券化”的融資結構疊加,利差走闊/再融資失敗的系統性風險被放大。網路/光模組與電力的“級聯周期”:800G→1.6T 節奏更快,後端網路與光模組支出佔比上升(不是只換 GPU),周期幅度因此更大、節奏更密。資產處置與持有待售:Meta 2025 把 $2.04B 資料中心資產分類為待售,反映出“規劃—施工—折舊”節拍與技術/項目變更脫鉤時的資產重整代價。循環資本(最敏感的一環):“OAI→Oracle→Nvidia→再投 OAI”的閉環:媒體與研報交叉指稱OpenAI 對 Oracle 的 ~$300B/5y 採購、Oracle 以此大買 NVDA 晶片、NVIDIA 擬向 OpenAI 投資“up to $100B”。這不等於違法,但脆弱性上升(現金流高度互賴)。備註:$300B 由多家一線媒體/評級機構持續跟進報導但仍屬商業合同口徑(現金流節奏/條件在演進),解讀需保留頻寬。在 AI 資料中心裡,“技術年更 × 架構整櫃化 × 供冷/配電門檻躍升 × 合規二手受限”這四件事共同把經濟壽命往下拽,而財報端過去兩年的“會計壽命拉長”又把表觀利潤往上托。背離越久,回擺越猛——AMZN 2025 的“回呼至 5 年”就是一次小型演練。3) JPMorgan 的 S&P “AI 貢獻拆解”說明啥風險?Michael Cembalest(JPMAM)的《Eye on the Market》把自 2022-11 ChatGPT 上線以來的 S&P500 表現做了結構分解:價格回報貢獻:AI 相關籃子≈ 75%;盈利增長貢獻:≈ 80%;Capex+R&D 增長貢獻:≈ 90%。報告還給出“AI 直達/AI 公用事業/AI 資本裝置”三籃子(合計 41 隻)與債務/權益比對比,並點名 OpenAI→Oracle 合同將改變科技資本周期(從現金流自我供血→更債務驅動的軍備競賽)。若 AI 貢獻度從 “75/80/90” 回落至“50/60/70”,指數邊際驅動將顯著鈍化(尤其是盈利與 Capex 口徑)。貢獻高度集中意味著“系統承重梁”風險:一旦龍頭(特別是 NVDA 生態)出現裝機節奏/訂單能見度與業績錯位,二階效應通過指數被放大。我也承認,AI階段性不是“有沒有泡沫”,而是那條鏈先成為薄弱環節以及何時有可能觸發?融資與信用鏈(私募信貸×租約證券化)新發的資料中心“租約債/ABS”發行利差較定價後一月走闊 ≥ 75 bp並伴隨縮量/推遲。類 Hyperion 交易的二級價低於發售價且成交放量兩周以上。信評機構對核心承租方或承建方的展望下調/風險提示增多(Moody’s 已就 Oracle 的 $300B 合同集中過度與槓桿提出警示)。事實基線:Meta×Blue Owl 的 Hyperion 以“租約支援/表外 JV+大額債券”的範本落地,隨後市場討論迅速擴散。若這一範本二級價差走闊或承銷受阻,就是首要裂縫。經濟回報鏈(企業側 ROI → CFO 稽核 → Capex 節流)大型上市公司披露GenAI 項目由“試點→停擺/縮編”的比率≥ 3 連季上行;管理層在 MD&A 裡把 GenAI 從“增長引擎”降級為“效率工具/成本中心”。三大/五大雲廠商合計AI Capex 同比增速出現≥ 2 個季度的階梯式下滑,同時把“AI 單位經濟學改善”目標後延。行業調查更新把“正 ROI 佔比”仍壓在 ≤ 10% 區間。事實基線:MIT Media Lab/Project NANDA《State of AI in Business 2025》:95% 的 GenAI 試點無可計量的 P&L 貢獻;多家一線媒體與投研二次報導已把這一統計放大為“ROI 真空”。硬體與核心載荷鏈(NVDA 作為“承重梁”)NVDA 訂單/供貨“去坡度”(訂單能見度與資料中心上馬節奏“脫鉤”),或下游延遲/取消訊號邊際增多。次級算力資產(轉租/二手 GPU、雲端搶佔價)的連月下行與利用率下滑平行。模型代際躍遷收益(推理成本/延遲/質量的單位改進)邊際遞減被一線應用實證反覆印證。事實基線:Nvidia 剛被多家權威媒體實錘為全球首家 $5T 公司;AI 相關對美股的邊際拉動高度集中。高度集中=脆弱性。“崩塌路徑” vs “軟著陸路徑”——把三條敘事合起來崩塌的機械鏈(The Atlantic 的核心命題):ROI 遲遲不兌現(MIT:95% 無 P&L)→ CFO 收緊預算;資料中心債/ABS,二級價差走闊、承銷放緩;代際折舊+功耗/電價重壓,使現金流更敏感;循環資本,任一環“失火”(違約/延期/評級觸發)→ 傳導到硬體上游與指數。我嘗試把“泡沫學(BM-SL v2.0)”可觀測面徹底鋪開,結合LLM做一張指標雷達地圖(12 維度 × 每維 4–8 個核心指標),指標雷達地圖(12 維 · 多模型對應)記號:↑=值越大泡沫風險越高;↓=值越大風險越低。每項後標出對齊位:[BM因子] / [舊模型鉤子]1) 融資 & 信用(Financing, F)2) 工程 & 能源(Engineering, E)3) 折舊 & 資產壽命(Depreciation, D)4) 閉環 & 對手方集中(Closed-Loop, C)5) 不確定性 & ROI(Uncertainty, U)6) 純押注 & 新手資金(P, N)7) 敘事 & 開放集(S, NOV)8) 貢獻度集中(CCI)9) 需求吸收 & 單位經濟學(DA · GAP-OS 核心)10) 微觀執行 & 容量守則(µ · Z-Trigger/Tech-Edge)11) 供給鏈硬約束(HSD-OS)12) 指數技術 & 行為訊號(Tech-Edge v2.0)下面是用 BM-SL OS對“AI 全產業鏈(北美/美股權重)”做的當期復評(截至 2025-11)。結論:Regime:R1(高利率×緊信用);Composite-Z = 0.857 → p_bubble ≈ 0.659(HEDGE 檔,臨界偏高)。融資端仍然暢通但表外化/分層化上量;工程側 >100–120 kW 液冷架級與 PJM 容量價將風險“傳導放大”;折舊/壽命錯配被 AMZN 在 10-Q 中“6→5 年”實錘;閉環依賴(OpenAI↔Oracle↔NVIDIA)繼續上行;指數層面 AI 貢獻 75/80/90 的集中度未緩解。所以,如果從當前的證據與過往經驗來看,AI確實出現泡沫的特徵,但我們人類不總是會高估短期影響而低估長期影響嗎?從長期來看,AI會是理性繁榮嗎?我一點也不懷疑(作為一個堅定的AI從業者,我個人更傾向於理性繁榮,只是當前謹慎一些總是沒錯吧!)軟著陸反證集(能破壞“崩塌敘事”的資料點):企業正 ROI 佔比提升到 ≥30% 並連續兩季擴大;頭部應用單位經濟學顯著改善($/1k tokens 持續下台階且公開披露可審計);DC 債/ABS 利差穩中縮小、144A/分層繼續順利發,且配電/並網瓶頸緩解;AI 對淨利率的淨貢獻在龍頭財報裡被明示且連續兩個季度擴大。我相信作為人類第四次工業革命,智能化革命帶來的長期價值仍沒有體現出來,所以反證目標與判定口徑(Bayes)是怎麼樣的?原假設 H₁:AI 處於泡沫自增強階段(融資→工程→折舊→閉環的“機械鏈”主導)。對立假設 H₀:AI 進入理性繁榮/軟著陸(需求吸收與單位經濟學改善可以自洽支撐估值與 CAPEX)。判定規則(與 v3.0 對齊):連續 2 個評估窗(≥1 季)滿足反證分組裡 ≥5/8 項為“綠/強反證”;且 p_bubble ≤ 0.50 或 (0.50,0.65] 且 hazard t50 ≥ 240d → 切換為 BUILD;若 p_bubble ≤ 0.35 且 t50 ≥ 300d → ACCELERATE。“理性繁榮”八大反證簇(每簇給指標/閾值/解釋)方向統一:值越好=反證越強。閾值為默認行業級,可按類股/區域覆寫。A. ROI 與業務兌現(U/DA·硬反證)B. 單位經濟學“三元”改善(成本/時延/質量)C. 融資質量與信用“再定價”(F)D. 工程與能源門檻“軟化”(E/HSD)E. 折舊/壽命“重新對齊”(D)F. 閉環去脆弱(C)G. 指數與市場結構“去集中”(CCI/µ)H. 利潤率與會計揭示(SL-MARGIN)因果與滯後:把“證據→結果”串成可檢驗鏈(v3.0 Gate-Graph 版),A(ROI/DA)→ B(三元)→ C(信用)→ D(工程)→ E(壽命)→ F(閉環)→ G(指數)→ H(利潤)邊的要求:正號:A↑ 必須先行後推 C↑(利差回落)/H↑(淨利提升);滯後:A→C 60–90d,A→H 90–180d;衰減:若 B 回落,C/H 隨之於 120–180d內回落。只有鏈路里的符號/滯後/衰減被資料序列反覆驗證,我們才把 p_bubble 系統性下調;否則維持審慎(HEDGE)。當前強反證命中 2/8(融資、單位經濟學-成本),其餘 6 組未達“綠檔”閾值;這兩項反證已經在我們上一輪 BM-SL v3.0 / BBSF 中計入,因此後驗機率不變:p_bubble ≈ 0.66(HEDGE,臨界偏高);要切到 BUILD 至少還差 ≥3 組強反證連續成立一個評估窗(建議 1 季)。所以,只要:正 ROI 佔比≥30%、Token→Revenue/GP 彈性≥0.30/0.20、$/1k tokens YoY≤−30%、DC 利差≤+25bp&覆蓋≥2.0×、DLC≥30%、econ/book≥0.90、Top-3 集中≤0.45&兌現≥0.8、S&P 貢獻≤60/70/80 和 AI 對淨利率正貢獻連 2 季這八項裡 ≥5 項連續兩窗成立,BM-SL 的後驗 p_bubble 就會結構性下行到 ≤0.50(甚至更低),此時把檔位從 HEDGE→BUILD/ACCELERATE 是有審計憑據的,而不是“主觀樂觀”。最後,說一句,投資或者研究research,最重要的是什麼呢?我們都經歷了大大小小的各種周期,不迷信,無執念,看資料,講證據,無所住而生其心! (貝葉斯之美)