2024年6月到9月，英伟达市值从3.34万亿美元跌至2.14万亿美元。120天，1.2万亿美元蒸发，相当于跌掉了一个谷歌。这不是回调，是资本在用脚投票。
AI行业正在经历一场静默的清算。ChatGPT发布两年后，那些曾被奉为圭臬的叙事——算力即权力、Scaling Law（规模定律）永动机、通用人工智能（AGI）触手可及——开始露出裂缝。本文按时间线还原这场泡沫破裂的真实轨迹，不预测未来，只记录已经发生的事。
2024年3月：第一块多米诺骨牌
事情从一份财报开始变味。英伟达2024财年Q4营收221亿美元，同比增长265%，但股价盘后暴跌5%。
市场给出的解释很微妙：数据中心业务增速从Q3的279%降至Q4的217%。绝对数字仍在膨胀，但二阶导数转负——增长的增长在放缓。对冲基金开始重新定价：如果最上游的卖铲人都在减速，下游的金矿还有多深？
同一时期，OpenAI的GPT-5传闻不断推迟。内部人士向The Information透露，新模型在推理能力上的提升"不足以支撑订阅涨价"。这是关键信号：模型能力的边际收益在递减，而训练成本仍在指数级攀升。
资本的第一反应是逃离应用层。2024年Q1，AI初创公司融资额环比下降27%，种子轮平均估值从1800万美元跌至1200万美元。那些"套壳ChatGPT"的产品最先断粮——用户留存率中位数只有8%，远低于SaaS行业20%的基准线。
2024年6月：算力信仰动摇
6月的苹果全球开发者大会（WWDC）是一个转折点。苹果宣布与OpenAI合作，将ChatGPT集成进iOS 18，但现场演示的AI功能——邮件摘要、图像生成、Siri升级——没有一项需要端侧大模型。
苹果的选择很务实：能调用云端API解决的，绝不在本地跑参数。这对英伟达是隐形打击。市场原本押注端侧AI（On-Device AI）会催生新一轮芯片替换周期，但苹果证明，现有硬件+云端协同已能满足90%的场景。
更直接的冲击来自微软。6月底，微软暂停了俄亥俄州一个10亿美元数据中心项目的建设。官方理由是"需求评估"，但内部邮件泄露显示，Azure的AI算力利用率从年初的75%跌至58%。
微软Azure首席技术官Mark Russinovich在内部会议上承认：「客户买了算力，但不知道用来做什么。」（"Customers are buying compute but don't know what to do with it."）
这句话后来被广泛引用。它戳破了一个幻觉：算力采购不等于AI落地。2023年的恐慌性囤货正在变成2024年的库存积压。
2024年7月：收入幻觉破灭
7月是财报季，也是叙事崩塌的加速期。
Salesforce首先发难。CEO Marc Benioff在财报电话会上直言：「我们没有看到AI带来的实质性收入增长。」（"We have not seen material revenue uplift from AI."）Salesforce的AI产品Einstein GPT上线一年，付费转化率不足5%。
Adobe跟进。Firefly生成式AI工具月活用户超3000万，但转化为Creative Cloud订阅增量的比例"低于内部预期"。公司被迫下调全年指引，股价单日暴跌14%。
最狠的是ServiceNow。尽管AI功能推动其新签合同金额增长，但CFO Gina Mastantuono披露了一个细节：「客户要求将AI模块从标准合同中拆分，按需付费。」（"Customers are asking to unbundle AI modules from standard contracts."）
这意味着什么？企业不再愿意为"AI"这个标签支付溢价。技术祛魅的速度，比所有人预期的都快。
7月底，红杉资本发表了一篇内部备忘录，标题很直接：《AI的6000亿美元问题》。分析师David Cahn计算：2023年全球数据中心资本开支+GPU采购+电力成本约5000亿美元，但AI原生应用的实际年收入——注意是收入不是估值——可能只有30-50亿美元。
50倍的投资-收入比，即使在泡沫年代也过于悬殊。
2024年8月：技术路线之争
8月的争议围绕一个技术概念：测试时计算（Test-Time Compute）。
OpenAI的o1模型发布，展示了"用更多推理时间换更好结果"的新范式。这直接挑战了Scaling Law的经典版本——此前行业默认，模型能力提升主要靠预训练阶段的参数扩张。
如果推理阶段的算力投入可以替代训练阶段的暴力堆叠，英伟达的增长逻辑就要重写。训练是批量采购GPU，推理是按需调用API。前者是资本开支狂欢，后者是运营费用优化。
DeepSeek的R1模型在8月底泄露，进一步加剧了焦虑。这个据称训练成本仅600万美元的模型，在多项基准测试上接近GPT-4水平。虽然细节存疑，但它证明了一个可能性：算法效率的提升可能快于硬件迭代。
英伟达CEO黄仁勋在8月的财报电话会上试图安抚市场：「推理需求将呈指数级增长。」（"Inference demand will grow exponentially."）但投资者已经学会区分"需求"和"收入"——前者是技术可能性，后者是商业现实。
2024年9月：清算时刻
9月的抛售是结构性的。
英伟达股价单月下跌14%，但更严重的是行业共识的瓦解。此前"AI例外论"——认为AI可以脱离宏观周期、利率环境、估值重力——被证伪。AI股票开始与纳斯达克指数高度相关，甚至波动率更高。
一些数据值得记录：
• 2024年前9个月，美国AI初创公司裁员总数超3.4万人，超过去年全年。
• 大模型API价格同比下降90%以上，OpenAI、谷歌、Anthropic的价格战没有赢家。
• 企业AI采购的决策周期从2023年的3个月延长至9个月，CFO签字门槛显著提高。
最讽刺的案例是Inflection AI。这家曾融资15亿美元、估值40亿美元的明星公司，在9月宣布"转向企业端"，创始人Mustafa Suleyman跳槽微软。其旗舰产品Pi的月活用户从未突破100万，而运营成本每月超800万美元。
这不是失败，是早期泡沫的典型出清。
泡沫之后：什么留了下来
需要区分"AI泡沫"和"AI技术"。泡沫是资本周期，技术是长期变量。破裂的是前者，不是后者。
一些真实的需求正在沉淀：代码辅助工具GitHub Copilot的付费企业用户突破100万，付费率超30%；法律AI Harvey的年经常性收入（ARR）突破5000万美元，客户包括美银、普华永道； even 制造业的预测性维护、金融业的合规审查，都有可量化的ROI（投资回报率）案例。
但这些是垂直场景、渐进改良，不是通用智能的奇点临近。2023年的叙事把两者混为一谈，2024年的市场在纠正这个错误。
英伟达的估值从峰值回落后，动态市盈率仍超50倍。这意味着市场相信AI算力需求将在未来2-3年重新加速——不是"是否"的问题，是"何时"的问题。
这个赌注对吗？没有人知道。但可以确定的是，2024年的暴跌教会了市场一件事：在技术革命的早期，买铲人往往比淘金者赚得多，但铲子的价格也可能透支了十年的金矿产量。
热门跟贴