人工智能的使用场景正在明显分化。一边是消费者端的AI热度居高不下，各大AI模型的日活用户已触及10亿量级。但另一个扎心事实是：绝大多数消费者使用AI并不付费，仅靠日活数据支撑的投资逻辑难以成立。
真正能为AI产业链创造商业价值的，是企业端市场。企业级AI落地的进展远不及预期。麦肯锡调研显示，尽管90%的企业已启动AI转型，但仅25%取得了切实成果，真正实现规模化应用的企业仅占10%。企业部署AI并非简单地接入聊天机器人，而是需要整合内部不同格式、不同系统的非结构化数据，并融合人工判断才能输出可靠结果。目前的通用AI模型在稳定整合多套数据方面仍有明显短板，且存在“幻觉”问题。
更深层的问题在于，企业AI的应用涉及数据治理、流程调整、员工培训等一系列系统性工程，绝非安装一个软件即可解决。正如高盛全球股票研究主管吉姆·科韦洛在访谈中所言，至今仍无人能清晰回答AI能为企业节省多少钱、创造多少收益。如果AI无法实现真正的降本增效，这一轮投资便缺乏稳固的经济基础。
科韦洛在访谈中提及一个关键数字：据摩根士丹利等机构预测，到2026年全球AI基础设施相关资本支出可能达到3万亿美元规模，但目前实际部署的尚不足20%。
这笔巨额资金主要流向芯片、数据中心和电力三个方向。AI已从早期的试探性投入演进为系统性的资本开支周期。但问题也随之而来：投入越大，未来需要算清的账就越复杂。
科韦洛指出，此前的技术革命通常打破一个成熟的盈利模式——谷歌打破了纸媒广告的格局，亚马逊冲击了线下零售。但AI究竟要重塑哪个领域？最常被提及的是“替代人工”，但当前企业AI应用的顺畅度远未达到大规模替代员工的程度。若成本省不下来，AI的投资逻辑便无法自洽。
关于AI行业是否存在泡沫，科韦洛给出了更为细致的判断：泡沫分两种，且分布在不同市场层面。
公开市场上，芯片和AI基础设施相关公司确实获得了可观利润，但这些利润高度依赖下游客户的持续投入。若需求断档，利润便难以为继——这更多是“盈利泡沫”而非估值泡沫。
私募市场则不同。许多AI初创公司估值高企，但商业模式尚未清晰，甚至未来四五年内都未必能实现盈利，这才是真正需要警惕的“估值泡沫”。
另一个不可忽视的风险信号是产业链融资问题——企业向客户提供资金支持以购买自身产品，若客户的需求完全依赖产业链输血而非自身现金流支撑，这种需求便是虚的。
关于中美AI竞争，搜索材料显示：中国在模型层的低成本生产方面具有优势，而美国在芯片层掌握关键技术。对企业而言，真正值得关注的是推理成本下降趋势、国产算力生态成熟度，以及企业AI的付费能力和场景复制性。
一个值得关注的长周期趋势是：未来企业使用的将不再是“什么都能聊”的通用大模型，而是专门解决特定任务的小模型。企业需要的是能解决具体问题的工具，而非全能选手。全球开发者使用开放模型的比例持续攀升，在模型路由平台上，中国模型的Token份额已从年初的不足1%升至17%。
这场访谈的价值在于，它没有盲目跟风，而是提醒一个关键事实：AI已步入需要以资本回报验证价值的阶段。在这些根本问题尚未厘清之前，不宜轻易入局。
热门跟贴