比爾·蓋茲：我經歷過dotcom泡沫，目前是AI泡沫……

2025年深秋，當整個科技界仍沉浸在因為輝達市值過5兆的集體狂熱之中時，比爾·蓋茲（Bill Gates）——這位親歷了個人電腦革命與網際網路浪潮，堪稱“最後的大佬”——卻給市場澆上了一盆冷水。

他在近期美國全國廣播公司財經頻道（CNBC）的訪談中直言不諱：

我們正處在一個與2000年“.com時代”高度相似的AI泡沫之中。

他警告說，

“絕對有大量的投資最終將是死胡同/There are a ton of these investments that will be dead ends”

在AI似乎無所不能的今天，而蓋茲的“泡沫論”則提供了一個稀缺的、審慎的視角。

這是老派精英的保守，還是對未來最精準的預判？

本文無意簡單地判斷“是”或“否”，而是希望借用蓋茲的視角作為一面“歷史的鏡子”，深入剖析當前AI狂潮的內在結構、風險癥結與未來路徑。

01. 歷史的迴響

蓋茲的警告之所以極具份量，在於其類比的精準性。

他特意將AI泡沫與“.com泡沫”相提並論，同時明確排除了“鬱金香狂熱”的類比。

這一區分至關重要，也是我們分析的基石。

鬱金香狂熱是純粹的投機，標的物本身沒有顛覆性的內在使用價值。

而網際網路技術，正如蓋茲所強調的，是“非常深刻的東西”，它最終改變了世界。

AI亦是如此，

蓋茲稱之為“一生中見過的最重大的技術”。

這也就是說，我們討論的並非一場“騙局”，而是一個偉大技術在落地過程中，必然伴隨的資本“周期”。

為了理解今天的周期，

我們必須回到歷史的現場深入復盤那種著名的.com泡沫。

在.com泡沫中，

我們的關鍵點是理解背後的金融機制。

一個絕佳的案例是當時的網路裝置巨頭思科（Cisco）。

在泡沫的鼎盛時期，思科開創了“供應商融資”（Vendor Financing）模式：它通過旗下的融資部門，向大量初創的網際網路公司提供貸款，而這些公司則用這筆貸款回頭購買思科的路由器和交換機。

這一操作在短期內極大地推高了思科的收入和股價，使其一度成為全球市值最高的公司。

但請注意，這本質上是思科在“賒帳”給自己創造需求。

當2000年泡沫破裂，這些客戶紛紛倒閉時，思科不得不計提高達22億美元的壞帳，股價一落千丈。

今天，晶片巨頭輝達（Nvidia）的角色與當年的思科何其相似，這形成了驚人的歷史互文，我們將在後文詳細解剖。

歷史同樣也提供了系統性風險的鏡鑑。

20世紀80年代末日本的“平成泡沫”中，企業普遍採用“經連會”（Keiretsu）模式，即通過複雜的交叉持股形成緊密的利益共同體。這種模式在經濟上行期增強了企業集團的穩定性和競爭力。

但在泡沫破裂時，銀行和企業之間的風險傳染也極其迅速，最終導致了日本“失去的十年”。

那，如今AI生態系統中巨頭之間日益緊密的捆綁，

是否也潛藏著類似的系統性風險？

當然，歷史並非只有悲劇。

一個經典的正面案例是：1917年，杜邦公司（DuPont）投資了當時尚在成長期的通用汽車（GM），並長期持有其股份近40年，獲利豐厚。

其成功的關鍵在於，通用汽車所處的汽車產業，擁有一個由工業化和城市化驅動的、真實、廣闊且持續增長的終端市場。

這個案例為我們評估當下的AI循環交易提供了一個至關重要的參照系：

AI技術能否像當年的汽車一樣，找到足夠廣闊的真實應用場景，來消化掉這些天量的投資？

這個問題，是衡量此輪泡沫虛實的核心標尺。

02. 解剖AI狂潮

在古希臘神話中，“銜尾蛇”（Ouroboros）是一個吞食自己尾巴的蛇形生物，象徵著循環、永恆與自我再生。

如今，這個古老的符號精準地描繪了人工智慧領域正在上演的資本奇觀：一個價值數兆美元的資本閉環正在晶片巨頭、雲服務商和AI模型公司之間飛速旋轉。

這正是蓋茲所擔憂的泡沫的核心驅動機制。

而要理解這場資本遊戲的本質，我們首先需要拆解其三種核心模式。

核心模式一：上游投資下游，下游採購上游。

這是最直接的循環形式。

以上圖中輝達與OpenAI傳聞中高達1000億美元的交易為例，這本質上是一種附帶了長期採購協議的股權投資。對於急需資金進行天價研發和算力擴張的OpenAI而言，它獲得的是生存和發展的彈藥；對於坐擁巨額現金和高市值的輝達而言，它不僅獲得了一項潛在高回報的財務投資，更重要的是，它鎖定了未來數年乃至十年的核心客戶，確保了其GPU在AI浪潮中的主導地位。

資金從輝達流向OpenAI，再以訂單的形式流回輝達，完成一次完美的閉環。

核心模式二：交叉持股與戰略聯盟。

交易並不僅限於直接的上下游。整個AI生態系統正通過相互投資，編織一張“你中有我，我中有你”的複雜網路。

微軟深度繫結OpenAI，Google整合自家DeepMind，亞馬遜投資Anthropic，旨在建構一個封閉但高效的生態系統，加速內部的技術迭代和商業化落地，同時抬高外部競爭者的進入門檻。

核心模式三：雲服務商——“關鍵中間人”與“算力二房東”。

微軟Azure、甲骨文雲（Oracle Cloud）以及算力新貴CoreWeave等，在循環中扮演了至關重要的角色。

它們是晶片的“大買家”，也是AI模型公司算力的“總承包商”。資金通過它們進行流轉，使得循環鏈條更長、更隱蔽，也更穩固。

例如，CoreWeave在獲得輝達支援的同時，也向OpenAI等公司提供大規模雲服務，完美地詮釋了其在資本和算力循環中的樞紐作用。

那，為何這種複雜的交易結構會在AI領域野蠻生長？

答案在於AI產業的三個根本特徵：

首先是極端的資本需求。

訓練一個像GPT-4這樣的前沿模型，成本動輒數億美元，而未來的GPT-5或更高級的模型，訓練成本可能達到數十億甚至上百億美元。更驚人的是基礎設施投入。

據報導，OpenAI規劃的資料中心總投資可能高達8500億美元，建成後將消耗17吉瓦（GW）的電力——超過整個紐約市的用電量。面對如此天文數字，傳統融資模式已然失效。

其二是巨大的資本成本差異。

這是一個簡單的金融邏輯。輝達作為市值一度超過5兆美元、盈利豐厚的上市公司，其融資成本遠低於尚未實現穩定盈利的私營公司OpenAI。

由輝達這樣的“金融巨人”為“科技新貴”提供資金，是一種極為高效的資本配置方式，它將低成本的資本精準地注入到最高速增長的領域。

最後是鎖定未來的戰略價值。

對於輝達和AMD等晶片公司而言，這筆投資的戰略意義遠超財務回報。

它們賭的是未來十年AI基礎設施的架構標準。通過深度繫結OpenAI、xAI等頭部模型公司，它們不僅確保了當前晶片的銷售，更是在未來的技術路線圖上烙下了自己的印記，這是一場關乎長期市場主導權的終極博弈。

03. 三大結構性風險

儘管循環交易看似是各取所需的完美閉環，

但其背後潛藏的風險不容忽視。

首先是財務風險。
批評者認為，這種模式與2000年網際網路泡沫時期的“往返交易”（Round-tripping）有相似之處。

今天的AI交易當然不同，晶片和算力是真實存在的產品。

但問題的核心在於需求的質量：如果一家公司的主要收入增長，是由其投資方提供的資金所驅動的，那麼這種增長的可持續性就要打上一個巨大的問號。

諾貝爾經濟學獎得主保羅·克魯格曼（Paul Krugman）將其稱為“金融銜尾蛇”，警告說這可能是一個警示訊號。

對於專業投資者而言，真正的問題在於現金流。

如果我們將這些循環流轉的資本剔除，這些AI公司的真實自由現金流是多少？當外部融資環境一旦收緊，這個看似堅固的循環能否持續？

你說，科技公司比如微軟和Meta等公司已經在其財報中明確指出，AI是收入增長的重要貢獻者。

但有人質疑，科技巨頭在“誇大”利潤：

比如投資公司GQG Partners等機構甚至發出警告，認為科技巨頭通過延長資產折舊周期等會計手段，可能“嚴重低估”了實際成本，導致當前財報上的利潤被“大規模誇大”。一旦市場回歸理性，重新評估折舊成本，這些公司的盈利能力可能會受到巨大衝擊。

其二是系統性風險：“大到不能倒”的連鎖效應。

這些交易將AI生態系統中所有玩家的命運緊密地捆綁在一起，極大地放大了“交易對手風險”（Counterparty Risk）。

OpenAI正變得“大到不能倒”。它的成功不僅僅關乎自身，更直接關係到輝達的收入和股價、AMD認股權的價值以及無數依賴其模型的下游應用公司的生死。一旦OpenAI的商業化路徑受阻，例如企業級使用者並未如預期那樣大規模付費，其後果將是災難性的。

連鎖反應可能迅速傳導至整個半導體行業，甚至引發更廣泛的科技股拋售。這種“業務相關”通過資本循環升級為“財務強相關”，像一個放大器，將市場的同向波動急劇放大。

其三是實體經濟的瓶頸：這是AI的“核心弱點”。

這也正是蓋茲的核心憂慮之一。

金融世界的資本循環終究要受到物理世界的約束。能源是AI最脆弱的環節。根據貝恩公司的測算，到2028年，僅美國資料中心就需要57吉瓦的電力，而公用事業公司屆時最多隻能提供21吉瓦，存在36吉瓦的巨大缺口。除了電力，還包括土地、水資源、光纖網路，甚至是變壓器等電閘道器鍵裝置的產能。

這些物理瓶頸無法僅通過金融手段解決。循環交易製造了“需求無限”的幻象，卻可能在“供給有限”的現實面前碰壁。

04. 這次不一樣？

但這次可能真”不一樣“。

首先，本輪AI浪潮擁有更“硬核”的基本面支撐。

與.com時代許多“空中樓閣”的概念不同，AI已經展現出切實的生產力價值。從程式設計師使用GitHub Copilot提升編碼效率，到生物學家利用AlphaFold預測蛋白質結構，AI正在成為科學家和工程師的強大工具。

聯準會主席鮑爾也觀察到AI與.com時代在潛在生產力上的顯著不同。

此外，本輪浪潮的主導者是微軟、Google、亞馬遜這些手握數千億美元現金、擁有龐大業務生態的科技巨頭，其抗風險能力遠超2000年的初創公司。

而且從泡沫的“成熟度”來看，一些典型特徵尚未完全出現。

歷史學家稱之為泡沫“末日四騎士”的幾個現象——大規模IPO、散戶投機狂熱、天量股票增發、低品質公司股價暴漲——並未完全出現。相反，像輝達這樣的巨頭仍在進行股票回購，而非大規模增發，這顯示了市場內部的某種理性。

一個有趣的現像是，輝達在宣佈對OpenAI等公司的重大交易後，其股價並未出現非理性的“瘋漲”，這表明資本市場對這類交易的價值持有一種相對審慎，甚至部分消化的態度。

最後，我們可以借鑑經濟學家卡洛塔·佩雷斯（Carlota Perez）的技術革命理論。

她認為，每一輪重大技術浪潮都會經歷“安裝階段”（Installation Period）和“部署階段”（Deployment Period）。安裝階段的特徵就是金融資本的狂熱、基礎設施的過度投資和泡沫的產生。這或許是新技術擴散的“必要之惡”。

從這個角度看，當前的泡沫可能只是AI革命進入大規模“部署階段”前不可避免的序曲。

05. 穿越迷霧

我們還可以這樣思考，

假設，蓋茲是對的，泡沫的調整終將到來，

那麼誰會是未來的倖存者？

未來的贏家應該會有一副畫像：

1, 全端整合者：擁有從晶片、模型、平台到應用全端能力的公司（如蘋果、Google，以及微軟-OpenAI聯盟）將擁有最強的定價權和生態控制力。

2, 核心“賣水者”：提供核心基礎設施且護城河深厚的公司，如輝達（只要其CUDA生態無法被輕易撼動）。

3, 資料帝國：在特定行業擁有高品質、專有資料的傳統巨頭。例如，擁有海量病例資料的醫療機構，或掌握無數交易資料的金融公司。

4, “小而美”的問題解決者：專注於解決特定行業痛點的AI原生應用公司，它們不追求建構通用大模型，而是在某個垂直領域建立起真正的商業壁壘。

所以，從投資的角度看，核心原則應該是——

區分“主題投資”與“價值投資”，在資本狂熱時保持對現金流的敬畏，特別是看非AI企業的AI支出增長率： 這是衡量真實需求滲透情況的“試金石”。循環交易可以創造內部需求，但無法創造外部需求。

創業者們應避免陷入“模型軍備競賽”，思考你的產品是否解決了真實世界中一個“足夠痛”的問題。

回到最初的問題：我們應該為AI的資本“銜尾蛇”感到擔憂嗎？

答案是：應該保持高度警惕，但不必陷入恐慌。

我們可以為這場資本遊戲下一個更精準的定義：

它更像是“打了興奮劑的供應商融資”。

它本身並非騙局，而是為了應對一場前所未有的技術競賽而採取的一種激進、但符合當下邏輯的金融策略。它極大地加速了AI基礎設施的建設，但也極大地放大了整個生態系統的風險敞口。

這不是一個非黑即白的問題，而是一場高槓桿的豪賭。

比爾·蓋茲的警告並非否定AI的未來，恰恰相反，正是因為深知其革命性，才更擔憂非理性的狂熱會摧毀本可健康成長的創新生態。

最終，決定這場循環交易結局的，不是交易結構本身，

而是AI技術能否創造出足夠大的真實經濟價值。

對於普通人而言，

保持審慎，關注基本面，或許才是穿越周期的最佳路徑。 (TOP創新區研究院)