深度｜資本曲線飛奔，技術與需求掉隊，AI基建投資或正在復制2000年的互聯網光纖泡沫

圖片來源：Unsplash

當下人工智能的狂熱，很難不讓人想起上世紀末的互聯網泡沫。

AI 公司估值動輒數千億美元，2025 年已誕生數十位新晉億萬富翁；科技巨頭把前所未有的資本開支砸向數據中心與算力集群。問題回來了：我們是在見證技術革命，還是在重演歷史的押注游戲？

類似之處觸目可見。和 20 多年前的互聯網企業一樣，今天的 AI 公司多憑“潛在顛覆力”而非當期盈利吸金。斯坦福研究顯示，2024 年全球企業在 AI 的投資已達 2523 億美元，是 2014 年的 13 倍；亞馬遜、谷歌、Meta、微軟今年合計計劃 3200 億美元資本開支，其中大部分直指 AI 基建。

連 OpenAI CEO 山姆奧特曼都承認兩難：投資者是否過度興奮？是；AI 是否是“很久以來最重要的事”？也是。

這句自我“打架”的表態，恰是市場情緒的縮影——懷疑、亢奮并存。

基礎設施的過度投資：暗光纖與暗算力

回望 2000 年的“完美泡沫”：美聯儲在 1999—2000 年連續加息，聯邦基金利率由約 4.7% 升至 6.5%，無風險收益率抬升讓投機資本退潮；日本經濟在 2000 年 3 月步入衰退，引發全球風險偏好驟降。

更致命的是商業模式的空心化——Commerce One 幾乎無收入卻估值 210 億美元，TheGlobe.com 上市首日暴漲 606% 仍缺乏營收抓手，Pets.com 在 268 天燒光 3 億美元后破產。

表面導火索是利率與宏觀，深層裂縫在于“用流量講故事、用虧損講成長”的估值體系撐不住了。

更值得今天借鑒的，是基礎設施的過度建設。

當年電信商在美國鋪設超 8000 萬英里光纖，源自 WorldCom“流量每 100 天翻番”的夸大口徑；現實只有年增一倍，結果大量光纖長期閑置成“暗光纖”。康寧股價從近 100 美元墜至 1 美元，Ciena 營收從 16 億驟降至 3 億，產業鏈在虛高需求下集體踩空。把鏡頭切回 2025：超級數據中心的規劃動輒“覆蓋曼哈頓大片面積”，面向全國的 5000 億美元級算力網絡亦在臺面上——如果需求兌現不及預期，今天的“機電+土建+能源+GPU”有可能成為新一代的“暗算力”。

當然，今天并不等于昨天。與當年“靠點擊率估值”的互聯網不同，AI 頭部玩家已開始產生真現金流：微軟 Azure 因 AI 業務實現高增并達到數百億美元級年化；OpenAI 的年化營收據稱有望在年內逼近 200 億美元；企業側也出現了少量可規模化的落地場景。

但現實檢驗仍然嚴苛：據業內估算，微軟、Meta、特斯拉、亞馬遜與谷歌在過去兩年合計將約 5600 億美元投向 AI 基建，而能清晰標注為“AI 相關”的直接收入僅約 350 億美元；MIT 的研究還指出，企業內部 95% 的 AI 試點并未產生“有意義”的產出。這些數字不必苛求小數點后的精準，它們傳遞的是同一個信號——資本曲線遠在技術與收益曲線之前。

泡沫與現實的拐點：技術曲線追趕資本曲線

真正決定這輪周期走向的，并不是“AI 強不強、會不會改變世界”，而是三條曲線能否在可見期限內對齊。

第一條是成本曲線：算力和算法是否沿著學習曲線持續下臺階，單位推理成本能否以接近指數的速度下降；

第二條是需求曲線：企業是否把 AI 從“試點演示”轉為“流程重構”，由錦上添花的工具化升級為剛性生產要素，尤其是把“節省時間”確認為“可計量的新增毛利”；

第三條是資本曲線：利率、折現率與股權風險溢價決定了相同現金流的當下價值，若資金價格維持高位，長久期技術現金流的估值空間會被持續壓縮。

三條曲線只有在“成本快降、需求快起、資本不緊”的交匯點上，重資產的 AI 基建才具備可持續的財務閉環。

從經營視角看，這個閉環并不抽象，它落在幾項可操作的單位經濟上：數據中心側看“GPU 利用率—負載結構—PUE—電價/度—攤銷期”的聯動；模型側看“$ / 1K token—延遲—質量”的三角取舍，隨著蒸餾、稀疏化與緩存命中率提升，是否真的把成本降到能支撐大規模常態化調用；業務側看“客戶流失率—ARPU—附加模塊滲透率”，也就是 AI 是否在組織內部變成“必開開關”。

如果這些指標仍然長期停留在“試點好看、賬上難看”的區間，龐大的 GPU 與配套電力將很難避免階段性的閑置與折價流轉。

還需要警惕一條 2000 年之后才被市場充分領悟的經驗：技術革命往往不是“線性兌現”，而是“結構性兌現”。互聯網泡沫破裂后，并不是互聯網消失了，而是基礎層資產經歷出清，應用與平臺在新范式下重排座次。

把這個鏡像投到 2025：最先承壓的可能是“高假設、高 CAPEX、低可見現金流”的重資產環節（尤其是電力受限區域的超大規模機房與邊際電價偏高的算力供給），而最先走出順周期的，可能是“成本曲線掌握在手、需求曲線可控在身”的軟硬結合型廠商（例如能以軟件優化和模型工程顯著改善 $/token 與延遲的服務商），以及真正把流程重構做實、能把“節省時間”轉化為“新增毛利”的行業應用方。

如果用場景推演當作“壓力測試”，大致有三種路徑：其一，軟著陸，成本持續下行、需求加速起量、資本成本回落，過剩被新增工作負載消化，形成更健康的以用促建循環；其二，階段性出清，部分超配算力與電力合同成為“準公用事業”資產，設備折價在二級市場流轉，幸存者獲得更高的資產回報率；其三，結構性分化，基礎設施局部過剩與應用側結構性繁榮并存，“暗算力”與“熱應用”同框出現，估值體系隨之重定價。三條路徑并非互斥，甚至可能在不同地區、不同電價與不同行業里同時發生。

回到投資者與經營者當下最務實的抓手：少看故事，多看利用率、成本線與回款節奏。看數據中心，不僅看“裝機數”，更看“峰谷利用”“平均作業大小”“功率使用效率與邊際電價”；看模型，不只看榜單分數，更看“質量—延遲—成本”的三角在真實業務負載下的解；看客戶，不只看簽約新聞，更看“席位擴張、模塊滲透與續費凈額”。當這些“冷指標”持續改善時，熱故事自然會回來；若它們遲遲不動，越大的 CAPEX 反而意味著越緊的財務束縛。

歷史不會簡單重復，但常常押韻。互聯網最終改變了世界，只是沒有在 2000 年兌現所有承諾，走得太快的人被現實教育了一遍。AI 也將改變世界，但能否避免成為“暗算力”的關鍵，不在情緒、也不在口號，而在經濟學的那幾條樸素曲線是否真的拐彎。

[1] https://fortune.com/2025/09/28/ai-dot-com-bubble-parallels-history-explained-companies-revenue-infrastructure/

歡迎掃碼加群參與討論

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生