中国战略新兴产业融媒体记者 艾丽格玛
全球科技巨头在AI领域的资本支出不断攀升。这些支出主要用于AI基础设施的建设，包括数据中心、服务器、存储设备以及网络设施的升级和扩展。据统计，谷歌、亚马逊、微软和Facebook等公司，每年都在AI研究和开发上投入数十亿美元。
然而，对AI泡沫的忧虑和对AI服务盈利模式的质疑声从未止息。
高盛全球宏观研究部的高级策略师Allison Nathan在其报告中提出了对AI投资效益的质疑：“生成式AI技术被认为能改变公司、行业和社会，所以很多大公司计划在未来几年投入1万亿美元在AI相关的东西上，比如数据中心、芯片和电网。但到现在为止，这些钱除了让开发人员的工作效率提高了一点，没看到其他明显的成果。甚至连从中获益最多的英伟达的股价也下跌了。”
与此同时，巴克莱分析师Ross Sandler提出，“投资者担心错过下一个重大创新，从而在没有充分了解长期潜力的情况下，对新兴技术进行大量投资。这种情绪在2000年的互联网泡沫中表现得淋漓尽致，而在今天的AI领域，历史可能正在重演。”
那么，AI领域的泡沫究竟是否存在？行业整体面临的“洗牌”又会不会孕育出新的机遇？面临过度扩张的隐患，AI行业能否走出困境、化“泡沫”为“繁荣”？
泡沫经济通常指的是在特定领域内，资产价格远高于其内在价值，由市场过度投机行为驱动，形成的一种不稳定且不可持续的经济现象。这种经济现象往往伴随着价格的快速上涨和随后的急剧下跌，最终导致市场崩溃。
回顾历史，最为人所熟知的泡沫案例之一便是21世纪初的互联网泡沫。在90年代末，互联网技术的兴起引发了一场投资狂潮。众多互联网公司凭借概念性的商业模式和预期的高增长吸引了大量资本，股价远远超出了公司的实际价值。
近年来，在AI热潮下，以科技股为主的纳斯达克综合指数自2022年底上涨超过70%。而包括英伟达在内的一小群大型科技股，让人回想起20世纪90年代末的“四骑士”：思科、戴尔、微软和英特尔。
当年，随着市场对互联网企业盈利能力的质疑和2000年的经济衰退，泡沫迅速破裂，许多公司股价暴跌，甚至倒闭。
如今的AI产业，面临着同样的隐忧。美国韦斯多元化战略咨询公司的副首席投资官迈克·爱德华兹认为，“最能让人联想到当年那场互联网泡沫的就是股市领头羊的高度集中”。
虽然识别泡沫并非易事，但一些关键指标可以帮助我们进行判断。具体来说，可以观察这几个现象：价格与价值的严重脱节，资产价格的快速上涨往往缺乏实际业绩的支持；市场参与者的非理性行为，包括过度乐观、羊群效应和对风险的忽视；市场调整的剧烈性，泡沫破裂后往往伴随着价格的急剧下跌和经济的衰退。
在健康的市场中，企业的股价应与其盈利能力、增长潜力和财务状况相匹配。然而，在泡沫形成期间，股价可能会因为市场的过度乐观和投机行为而与企业基本面脱节。因此，评估泡沫风险时，需对比市盈率（PE）、市净率（PB）和市销率（PS）等估值指标与企业盈利能力，分析是否存在估值过高的情况。
同时，投资者情绪是评估泡沫风险的另一个重要指标。乐观的市场情绪可能会推高资产价格，但当情绪逆转时，价格可能会迅速下跌。通过分析市场情绪指标，如投资者调查、市场波动率（VIX指数）和新闻舆情分析，可以对市场情绪进行量化，并评估其对资产价格的影响。
投资者对AI投资的回报周期正感到担忧。与互联网泡沫时期相似，当前AI领域的许多企业尚未实现盈利，其高估值主要建立在未来增长的预期之上。然而，AI技术的商业化应用和盈利模式尚不明确，这增加了投资回报的不确定性。一些投资者担心，如果AI技术的发展和应用未能达到预期，其投资可能面临损失。
资本市场对AI企业的高估值，一方面，为企业提供了更多的资金支持，有利于企业加大研发投入、拓展市场、吸引人才；另一方面，高估值也可能导致企业过度依赖资本市场，忽视了自身的盈利能力和可持续发展。一旦市场对AI行业的预期发生变化，高估值的企业可能会面临较大的风险。
从数据来看，2008年金融危机以来，美国股市的表现一直优于全球其他市场，MSCI USA指数增长超过300%，而MSCI World ex USA指数仅增长了57.6%。美国股市的优异表现主要得益于每股收益（EPS）和估值的快速增长，特别是在信息技术和人工智能领域。Capital Economics的团队认为，美国股市的这种超常表现，就源自于AI泡沫的推动——但这种泡沫最终会破裂，从而使得美国股市的表现回归全球平均水平。
当然，也有人认为AI行业的繁荣与泡沫无关。MSCI首席研究官阿什利·莱斯特（Ashley Lester）通过MSCI股票拥挤度模型等测算，提出与人工智能相关的一些股票确实出现了“拥挤”的征兆，但是经过对AI与互联网行业的情况进行对比后，他认为，“当时的互联网泡沫非常明显，投资者涌入没有盈利、没有明确商业模式的股票。在那种情况下，股票的估值与基本面完全背离，当时是一个真正存在泡沫的情况”。而据目前情况来看，未有证据表明AI投资领域“泡沫”已经出现。
Ross Sandler在最近发布的巴克莱研报中指出，尽管早期的AI公司可能会以用户注册数量和初创公司的增长作为需求存在的证据，但华尔街的怀疑情绪开始上升。
FOMO（Fear of Missing Out，即“害怕踏空”，描述了一种对错失投资良机的恐惧，这种恐惧往往能驱使投资者在没有充分理性分析的情况下做出决策）情绪在投资决策中并不罕见，特别是在技术快速发展的领域。而目前，市场上对AI的资本支出预测就存在显著的FOMO情绪。
Ross Sandler预计，AI领域的资本支出将从2023年到2026年累计达到1670亿美元，这一数字是基于对AI产品需求的乐观预期。然而，到2026年，对AI投资和应用带来的云服务市场增加的预期额外收入仅为200亿美元。云服务市场是当前AI应用中较为直观的回报领域。
这种资本支出与预期收入之间的巨大差距，才是最令人担心的地方。
《全球数字经济白皮书（2024年）》显示，截至2024年一季度，全球AI企业近3万家，人工智能大模型有1328个；从2023年到2024年第一季度, 全球AI独角兽已有234家。
然而，纵观硅谷的公司们，当下似乎只有英伟达、谷歌、微软这些垄断AI基建的巨头赚到了钱，下游的初创公司却陷入了“烧钱”但不赚钱的困境，就连被誉为“四小龙”的头部AI初创公司（Anthropic、Stability AI、Inflection AI、OpenAI）也在挣扎求生。
那么，AI究竟该怎么盈利？
从目前仍然在“局内”的玩家们来看，常见的AI服务盈利模式不外乎订阅服务、出售软件许可、数据分析、硬件销售、广告等方式。
盈利方式：企业提供AI软件或服务，客户按月或按年支付订阅费用。如Salesforce的Einstein AI：通过集成AI功能，Salesforce为客户提供智能CRM解决方案，用户通过订阅服务获得服务。
盈利方式：客户根据实际使用的AI服务量（如API调用次数、数据存储量等）支付费用。如Google Cloud AI和Amazon AWS AI服务，这些云服务平台提供各种AI服务，客户根据使用量支付费用。
盈利方式：为企业客户提供定制化的AI解决方案，根据项目规模和复杂度收费。如IBM Watson，IBM为企业客户提供定制化的AI服务，如个性化推荐、智能客服等。
盈利方式：出售AI软件的使用许可，客户支付一次性或周期性的许可费用。如SAS Institute，作为分析软件的提供商，SAS通过出售其AI和分析软件的许可盈利。
盈利方式：通过收集和分析数据，为企业提供洞察和决策支持服务。如Palantir Technologies，提供大数据分析服务，帮助企业和政府机构从复杂数据中提取价值。
盈利方式：开发和销售AI相关的硬件产品，如AI芯片、智能设备等。如英伟达作为GPU制造商，其硬件被广泛应用于AI和深度学习任务。
盈利方式：提供AI相关的技术咨询、实施和支持服务。如Accenture，提供AI技术咨询服务，帮助客户实现数字化转型。又如Stability AI，主打图像生成，预计通过销售其图像生成系统来盈利。
盈利方式：通过云平台提供AI能力，如机器学习模型训练、自然语言处理等。如Microsoft Azure AI，Azure提供多种AI服务，客户可以根据自己的需求选择相应的服务。
盈利方式：利用AI技术优化广告投放和提高数据分析能力，从而获得广告收入。如Facebook使用AI技术来优化广告推荐，提高广告业务的收入。
盈利方式：通过许可AI相关的专利和技术给其他公司使用，获得许可费收入。如高通，虽然其业务以通信技术为主，但高通也通过许可其在AI领域的专利获得收入。
然而，无论哪种盈利方式，似乎都面临着“雷声大、雨点小”的窘境。以前述的“四小龙”为例，Anthropic正在推动与大型科技公司合作，向企业和政府机构销售定制化的AI系统和聊天机器人，但它每年有高达18亿美元的收支缺口，目前尚未实现盈利。Stability AI的财务状况好于其他大模型公司，但付费需求尚不确定，且公司进行了裁员和重组。Inflection AI推出了AI个人助手，旨在通过此服务盈利，但几乎没有产生任何收入，目前被微软“挖墙脚”，创始人团队被迫回到大厂体系内。最有名的OpenAI通过提供如ChatGPT等AI技术吸引用户和企业客户，但也面临销售增长挑战，其在过去一年中大约收入了16亿美元，但具体花费和盈利情况不详。
对于微软、谷歌、英伟达等巨头来说，可以通过构建庞大的基础设施，将AI深度嵌入到自身产品和服务的每一个环节，为利润增长打造新引擎。但这种接近于垄断的模式对于初创企业来说很难实现，甚至可能挤压它们的生存空间。
实际上，人工智能技术的研发具有明显的资本密集型特点。如何有效控制成本是企业面临的重要挑战。尤其是在技术快速发展的背景下，企业需要不断更新和升级技术，以保持竞争力。这种持续的技术投入对企业的财务状况构成了压力，影响了企业的盈利能力。
高盛的股票研究主管Jim Covello直言：“人工智能将解决哪些价值1万亿美元的问题？用极其昂贵的技术取代低薪工作，这基本上与我密切关注科技行业30年来所见证的先前技术转型截然相反。”他提出，开发和运行AI技术的成本非常高，要让这笔投资“值得”，AI需要解决非常复杂的问题，但AI现在还做不到。像互联网这种颠覆性技术，即使在早期也能用低成本方案取代高成本方案，但AI现在很贵，还不能提供更便宜的替代品。
AI技术的研发不仅需要大量的资金用于基础研究，还需要持续的投入以维持技术的进步和创新。这些资金主要用于购买和维护高性能的计算设备、收集和处理大规模的数据集、聘请高水平的技术人才等。例如，训练一个深度学习模型可能需要使用到数以千计的GPU，而这些硬件的成本非常高昂。而且，AI项目从概念验证到产品开发，再到市场推广，往往需要数年的时间。在这个过程中，企业需要不断地投入资金，而回报可能在短期内难以实现。这种长周期的投资模式对企业的财务状况构成了压力，尤其是对于那些尚未实现盈利的初创企业。此外，长期的投资周期也增加了投资的不确定性，可能导致投资者信心的动摇。
麻省理工学院教授Daron Acemoglu甚至认为，未来10年内，AI对生产力的提升仅为0.53%到0.66%，对GDP的增长仅为0.9%。他提出，短期内，AI能自动化的任务数量有限。很多需要现实世界互动的任务，像交通、制造、采矿等，AI短期内无法显著改进。AI的主要影响会在纯脑力任务上，但这些任务的数量和规模不大。Daron Acemoglu说道：“我不相信单纯增加数据和计算能力能快速提升AI的能力。很多人认为更多数据和计算会让AI变得更好，但AI能力翻倍具体意味着什么？在客户服务或复杂文本总结方面，没有明确的指标证明AI输出也会好两倍。此外，数据的质量很重要——目前还不清楚从哪里获得更多高质量的数据。”
随着AI行业的快速发展，市场竞争不断加剧。许多企业和资本纷纷进入这一领域，导致市场出现了一定程度的过剩和泡沫。在这种竞争环境下，AI公司需要在技术创新、产品开发、市场拓展等方面“内卷”，以争夺市场份额和用户。这种竞争不仅增加了企业的运营成本，也加剧了企业的盈利压力。行业开始洗牌，一些缺乏竞争力的AI公司被淘汰，而那些能够适应市场变化、不断创新的公司则能够生存下来，这不仅体现在小型创业公司，连一些大型AI企业也面临重组或转型的压力。
AI行业变局猛烈，企业们正小心翼翼地在“无序膨胀”和“陷入停滞”之间走着钢索，探索着长期存活的路径。正如富国银行投资研究所高级全球市场策略师Sameer Samana所说的，“没有人确切知道人工智能的未来会是什么”。
