AI热潮下，过早“看懂一切”本身就是风险|机器人|泡沫|疯狂|英伟达

文 / 巴九灵（微信公众号：吴晓波频道）

“我认为，这次的AI泡沫和互联网泡沫并不一样。”

“AI在提升效率的同时，也会放大并固化人类原有的偏见，因此，我最担心的并不是AI不够聪明，而是人类过度依赖AI。”

2025年，AI狂潮袭来，各大厂商竞相推出新模型、英伟达市值破5万亿美元、数据中心建设遍地开花。

但在这一条条烈火烹油的新闻背后，还有越来越多针对AI的质疑声。

有人担心，AI的热烈恰是泡沫的温床。他们举例说，疯狂建设的数据中心老化极快，投资不一定能回本，他们还质疑，AI智能的跃迁，可能并不是通过堆算力实现的。

对此，资深科技自媒体人庄明浩总结道：“正反两面怎么看，似乎都有道理，历史也提醒我们，过早成为‘看懂一切的人’，本身可能是最大的风险。”

而对普通用户而言，AI幻觉、数据投毒、信息错漏百出，仍是当下AI行业亟待解决的问题，这让香港大学中国商学院客座教授王勇坚信，独立思考、持续学习，将变得越来越重要。

如今，在AI产业中狂奔的2025年接近尾声，明年，AI泡沫的争论将围绕什么展开，AI行业会如何演变，普通人又能做些什么？

不久前，两位老师分别做客吴晓波频道视频直播间，让我们一起来看看他们的答案。两天后，12月28日，吴老师将在厦门为大家带来一场“AI闪耀中国”科技人文秀，对于AI话题的所有答案，他会分享他的看法和调研成果，欢迎预约直播间~

怎么看待AI泡沫？

庄明浩

■ 资深科技自媒体人

■ 屠龙之术播客主理人

当前这个阶段，大家已经不再纠结“有没有AI泡沫”，而是在默认它存在的同时转而讨论：这到底是一种什么类型的泡沫？比如贝索斯就表示，这是一个“好的泡沫”。简单来说，当前较为普遍的共识是：AI更是由股权和生产性因素引起的泡沫，这类泡沫通常并不那么危险。当然，在进入2025年第四季度之后，由于数据中心所引发的巨额债务也加剧了业界对于泡沫的担忧。

与此同时，人们不可避免地会把今天与2000年的互联网泡沫作比较，于是问题又变成了：我们现在处在当年的哪个阶段？是早期增长阶段，还是已经接近1998—1999年的疯狂阶段？

我认为，这次和互联网泡沫并不一样。

一个常见的对比是当年的思科与今天的英伟达。思科在互联网泡沫顶峰时，市盈率超过100倍，盈利并不足以支撑其股价；而英伟达今天的股价，与其盈利能力是相对匹配的。

再看整体估值水平。2000年前后，头部互联网公司的PE高达89倍，而今天的Magnificent 7（苹果、微软、谷歌、特斯拉、英伟达、亚马逊、Meta），即便加上博通，最高也不过37倍，很难说这是一个典型的估值泡沫。

再看资本开支与现金流。互联网泡沫时期，头部公司资本开支占自由现金流的比例一度超过100%，也就是说赚的钱不够投入；而今天头部科技公司的这一比例平均约在50%左右，现金流仍有较大缓冲空间。

回到历史，泡沫通常经历三个阶段：第一阶段是泡沫形成；第二阶段是资产错配，参与者即便意识到风险，也会继续；第三阶段才是崩溃。真正容易引发崩溃的更多的是表外的债务，因为债务会引发挤兑。

不过，相对于互联网泡沫时期，如今有一些外部变量看起来更糟糕一些。

当年互联网泡沫时，美联储正在加息，收紧流动性；而今天，美联储正处在降息周期，在放水。

更关键的是基础设施本身的差异。铁路和光纤即便在泡沫破裂后，仍然长期存在并能支撑后续增长；而今天的数据中心、GPU的折旧周期要短得多——在这么短的折旧周期内，成本能不能被收回，是个大问题。

总结来说，正反两面怎么看，似乎都有道理，历史也提醒我们，过早成为“看懂一切的人”，本身可能是最大的风险。彼得·林奇说过：投资者因预测市场调整而损失的钱，往往比市场调整本身还多。

目前，真正价值最确定的，仍然集中在英伟达和台积电这一端。应用层和模型层的问题在于：即便假设全球用户全面采用AI，其可计算的收入上限，是否足以覆盖整个中间层的投入？这才是讨论“泡沫”真正绕不开的核心问题。

最后补充一句，以上只是我的个人判断，而不是确定结论。

对未来AI行业有何预测？

庄明浩

■ 资深科技自媒体人

■ 屠龙之术播客主理人

◎首先，我认为AI开源是一件长期可持续的事情。

过去大家之所以对开源持保留态度，很重要的原因在于，模型研发被认为是一项需要极其巨大投入的事情，但从目前的实际情况来看，这个投入并没有最初想象得那么夸张。更重要的是，开源的边际收益非常明显。它能够形成生态，吸引越来越多的开发者参与模型的使用、反馈与改进，这种参与本身会不断强化模型的演进速度，形成正反馈循环。

这里有一点需要特别强调：今天的开源，并不等于放弃商业化。如今的开源生态，正在以多种方式与商业化深度结合，这也是它能够持续运转的重要原因。

◎第二，关于行业AI未来是“并购整合”还是“百花齐放”，我的判断是，两者都会发生。

并购其实已经在进行中，而在应用层面，细分方向的创新会越来越多，尤其到2026年，这种多点爆发的态势会更加明显，中国厂商在其中可能会展现出更强的竞争力。

回到应用本身，目前最大的商业化痛点依然存在。很多产品的留存和使用时长并不理想，还远没有走到稳定转化的阶段。这个问题并没有捷径，只能通过不断迭代、不断打磨，等产品能力、技术水平和使用场景叠加到某个临界点，才可能出现明显改善。

◎第三，关于2026年AI的具体落地方向，我认为有几个趋势相对清晰。

AI手机我认为已经不再是一个边缘战场，会明显抬高明年整个行业的竞争曲线。

当前，中国的移动互联网格局已经非常稳固，各大平台像一个个“孤岛”——微信、淘宝、抖音之间存在着清晰而坚固的壁垒，这是由原有商业模式决定的。而AI手机这种新的入口形态，客观上具备削弱这些“城墙”的潜力，这也必然会遭遇既有巨头的抵触。

但从用户角度来看，我认为用户是愿意尝试、也愿意接受这种新形态的。真正的问题在于，这种需求如何被表达、被放大、被持续渗透。多方力量的博弈，很可能会在2026年变得更加激进和清晰，包括隐私、数据、安全等问题，最终可能仍需要政策或监管层面的进一步明确，才能推动事情真正向前。

关于AI与机器人的结合，我也非常看好。上一轮产业周期中，中国已经在硬件、制造、控制等层面积累了大量经验，而AI的到来，补上了“智能大脑”这一关键环节。具身智能在中国具备现实土壤，这一点已经在大量初创公司的快速推进中得到了验证。

此外，多模态会进一步深化，尤其是在图像和视频领域；AI硬件会更加丰富，从陪伴型玩具到智能眼镜，都将成为竞争焦点；语音作为人类最自然的交互方式，也很可能在2026年迎来更广泛的AI应用落地。

至于AI是否会重演5G“预期很高、买单不足”的问题，我认为这种风险确实存在。即便在非常理想化的情况下，用户需求的天花板是否足以覆盖当前如此庞大的数据中心投入，可能会成为未来几年行业绕不开的核心议题。

AI时代的个体该怎么办？

王勇

■ 香港大学中国商学院客座教授

■ 新加坡星耀科技董事长

我首先想说的是，要保持独立思考的能力。

此前，高盛与一家大型科技公司推出了一款信用卡产品，在使用AI进行信用额度审批的过程中，外界发现，女性用户获得的信用额度系统性地低于男性用户，但是，这套算法并没有在模型中直接区分“男性”和“女性”，出现这一问题的原因是，许多家庭中，主卡往往由男性持有，女性更常作为副卡用户存在，而副卡天然会被赋予较低的信用权重。

模型并没有“性别歧视”，它只是极其忠实地学习了人类社会早已存在的偏见，这也正是AI发展中一个极其典型，也极其棘手的问题：AI在提升效率的同时，也会放大并固化人类原有的偏见。因此，在AI时代，我个人最担心的并不是AI不够聪明，而是人类过度依赖AI。

当孩子甚至成年人，把判断、学习、思考全部外包给模型时，问题就出现了——AI学会了人类所有的知识，也学会了偏见、盲点和愚蠢。此外，它还会产生“幻觉”。我曾咨询某大模型关于法律案件的细节，它洋洋洒洒列举了10个完全符合我预期的历史案例，但经核实，这10个案例全部是AI虚构的。

对此，我一直坚持一个简单的使用原则：无关紧要的琐事、重复性任务，可以交给AI；重要的事，一定要自己三思。

此外，还有很多人问，普通人会不会被AI淘汰？我常说：真正让我感到有风险的，不是硅基生命是否会取代碳基生命，而是当别人都在进步时，我却在原地踏步。对此，我有四点建议：

◎第一，积极学习。在日常工作中，我建议大家积极拥抱新的生产力工具，多使用ChatGPT、DeepSeek这些工具。

AI其实带来了一个巨大的好处，那就是它实现了技术权威的去中心化。过去，某些高端技能被少数专家垄断，但现在，只要你掌握了与AI协作的技巧，你也可以学习。

同时，不必排斥碎片化学习，但要保持连贯性。在这个时代，我们很难有长时间脱产学习的机会，但是可以通过碎片时间关注某一课题，然后通过持续的努力将这些碎片串联起来。

◎第二，在AI时代，我们还要学会主动“清理”记忆。

那些腐朽的、过时的技巧，比如原本需要死记硬背的复杂公式，如果机器几秒钟就能生成，我们就应该把它们从大脑中挤出去，腾出空间掌握最先进的工具。不断学习不仅是抵抗衰老的良药，更是防止被时代淘汰的工具。

◎第三，除了生成式AI、预测式AI等，我们现在更应关注通用人工智能（AGI）的趋势。

关注AGI，核心不在于它是否会完全取代人类，而在于它将如何深刻地改变我们的社会结构和生活方式，比如，未来我们可能更需要机器人的陪伴而非仅仅是人的照料，这能从根本上解决老龄化社会的养老难题。

◎第四，面对“天塌下来”般的职业焦虑，我的建议是：