Podcast Interview · 逐期深读

关于当前AI泡沫的成因、结构与周期性变化的深度对话

本期背景与内容导览

本期由曲凯与家族办公室资深从业者莫傑麟讨论AI泡沫、ROI焦虑与周期变化。两位嘉宾不是简单回答‘有没有泡沫’,而是把价格、价值、投入产出与不同市场位置分开:一线从业者看到能力进步,二级市场与社交媒体更关心巨额投入如何收回。 节目把‘复利周期到算账周期’作为嘉宾的分析框架:此前市场主要奖励模型能力和规模扩张,现在同时要求降本、收入、利润与现金流。这个框架能解释为什么同样的技术进步会引发不同估值反应,但不是每个公司都同时进入同一阶段,也不能把价格回调都归因于泡沫。 随后讨论中美一二级市场差异、英伟达的反常表现、价值投资与金融工程,以及算力与渠道的结构变化。对创业者而言,更重要的是识别自己所处位置、真实客户与现金流,而不是用‘泡沫’一词替代商业判断。

42章经 · 2025-11-22 · 0:48:02

原对话:沿提问、回答和转折完整展开

下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。

00:00:02–00:26:22连续对话 1

00:00:18–00:04:28开篇:AI有泡沫,但从业者为何感受不到?

  • 你觉得现在的AI有泡沫吗?

主持人曲凯以一个直接的问题开场:“现在的AI有泡沫吗?”嘉宾莫傑麟给出了肯定的回答“有”,但他补充说,有泡沫不一定是坏事,也不一定会随时破裂。他将“泡沫”定义为“比现实高的预期”,并认为这种高预期是行业发展的动力。

曲凯则提出需要分类看待这个问题。他认为,应将“价值”与“价格”分开。从价值层面看,AI技术本身发展良好,他接触的一线AI从业者普遍非常振奋,认为AI的能力已在很多方面超越人类,因此不认为存在泡沫。但从价格层面看,无论是一级市场的估值还是二级市场的市值,都出现了显著上涨。他指出,国内一级市场的估值同比虽可能高了几倍,但与美国相比仍不算高。

莫傑麟对此表示认同,并指出关于AI泡沫的讨论并非首次出现。他回顾,去年市场为高市盈率辩护的理由是科技公司的每股收益(EPS)持续增长。但他认为,判断泡沫不能只看价格,核心在于“预期”。不同参与者(如采购英伟达GPU的公司)对AI的预期是不同的。他以上期播客内容为例,指出AI发展周期中存在两个关键预期:一是实现通用人工智能(AGI),二是整合与降本增效。这些预期的水位高低,是判断价格的重要尺度。

此外,莫傑麟强调,这轮AI发展与以往的科技浪潮不同,其结构非常明确,例如一开始就分化为中美、软硬件两条发展路径。一个长期存在的争议是,AI市值中半导体硬件占比过高是否正常。他总结道,虽然从业者对AI创造价值充满信心,但从价格上看,必然存在预期过高的人。更重要的问题是,AI发展的“结构性”是否发生了变化。他重申了之前的观点:追求AGI的阶段和当前以降本增效为目标的阶段,是两种不同的结构,会产生不同的赢家和输家。这或许能解释曲凯提出的“分场景看待泡沫”的观点。

一级市场/二级市场在对话中,“一级市场”指非公开的股权融资市场,主要涉及对未上市公司的投资,其“价格”表现为“估值”。“二级市场”指公开的股票交易市场(如股市),涉及对已上市公司的股票买卖,其“价格”表现为“市值”。
PE (Price-to-Earnings Ratio)市盈率,是衡量股价水平是否合理的重要指标之一。其计算方式为:每股股价 / 每股收益(EPS)。在对话中,它被用来评估AI相关上市公司股价是否存在泡沫。
EPS (Earnings Per Share)每股收益,指公司在一定时期内(通常为一年)的净利润与总股本的比率。它是衡量公司盈利能力的重要财务指标,也是计算市盈率(PE)的分母。
AGI (Artificial General Intelligence)通用人工智能,指具备与人类同等智慧、或超越人类智慧的AI系统,能够理解、学习并应用于广泛的任务。在对话中,它是AI发展早期阶段的核心叙事和终极目标。

话题推进:在明确了“结构性变化”是核心议题后,主持人曲凯将话题具体到上一期播客讨论的叙事转变,即从预训练(pre-training)转向后训练(post-training),并追问这是否是本轮泡沫讨论的导火索。

00:04:29–00:08:11泡沫讨论的共同指向:对ROI的焦虑

  • DeepSeek之后,后训练(RL)叙事后继乏力,这是否是造成泡沫感的主要原因?

主持人曲凯回顾了上一期播客的核心观点:AI的叙事正从追求AGI的预训练(pre-training)阶段,转向以降本增效为目标的后训练(post-training)和强化学习(RL)阶段。他观察到,自DeepSeek发布后,RL的叙事似乎后继乏力,缺少更惊艳的新版本,他询问这是否是导致市场产生泡沫感的主要原因。

嘉宾莫傑麟回应,他为此搜集了近一两个月关于泡沫的论据,发现非常分散。这些论据涵盖了模型绝对能力、后训练的Scaling Law是否有效、应用发展、商业模式、成本问题,甚至中国模型的开源等多个维度。尽管论据杂乱,但他认为,所有讨论最终都指向同一个核心问题:当前模型公司在AI上的投入产出比(ROI)存在问题。具体来说,就是投入成本过高,而产出和收益在各个维度上都未达到预期。

曲凯对此提出两点疑问。第一,关于ROI的担忧并非新话题,过去一年一直在讨论。第二,他发现近期并没有一个强有力的、扛旗式的论据或人物来引爆“AI有泡沫”的讨论。他提到,虽然有“大空头”做空英伟达的消息,但那是几个月前的事,并非近期动态。

莫傑麟解释说,这一轮泡沫讨论与以往不同,其论据是全方位的,而非单一的。例如,之前围绕DeepSeek的讨论集中于其低成本高效能,而去年关于GPT-5的讨论则聚焦于硬件限制导致的训练延迟。本轮讨论的触发点虽然多样,但存在一条叙事线索:它始于Meta、OpenAI、xAI等公司宣布投入巨资(如20-37千兆瓦级别)建设数据中心,以及英伟达投资模型公司等一系列资本行为。这些巨大的投资(Investment)计划,与市场感知到的回报(Return)增长停滞形成了鲜明对比,从根本上激化了对ROI的焦虑。结合宏观经济的波动,共同引发了这轮关于泡沫的广泛讨论。

ROI焦虑把许多看似不同的看空理由连在一起:训练与推理成本持续上升,数据中心和能源需要重投入,用户与收入增长是否足以覆盖这些成本仍未确定。价格上涨并不等于价值创造同步增加,能力进步也不保证每个公司都能捕获收益。

但‘有泡沫的价格,没有泡沫的价值’是嘉宾用于区分的强观点,不是对所有AI资产的统一估值。不同模型、应用、基础设施和客户有完全不同的现金流,必须分别看任务结果、付费、成本与资本结构,不能只从市场叙事判断。

话题推进:在确认了ROI焦虑是核心矛盾后,主持人将讨论从线上情绪转向了现实的市场表现,即美股和英伟达的下跌,试图厘清AI泡沫在其中的影响权重。

00:08:11–00:11:19美股下跌中,AI泡沫是主因还是催化剂?

  • 近期美股下跌,如果给各种可能的原因排序,AI泡沫的影响有多大?

主持人曲凯指出,除了网络上的讨论,美股和英伟达的实际下跌让“泡沫”议题变得更加现实。他列举了美股下跌的多种可能原因:1)前期涨幅过大后的技术性回调;2) 降息预期不确定、美国政府停摆等地缘政治与宏观因素;3) 针对AI本身的担忧。他询问嘉宾莫傑麟如何为这些因素的重要性排序。

莫傑麟认为很难排序,但他确定AI泡沫不是下跌的唯一原因。他对比了今年1月DeepSeek发布时英伟达股价曾跌破90美元,而这次跌幅并未达到该程度。他判断,如果市场完全相信泡沫论,跌幅应该会更剧烈。他认为,当前的市场下跌是多重因素叠加的结果:一方面,科技巨头宣布了前所未有的AI投入规模;另一方面,近几个月宏观经济波动剧烈,例如特朗普在社交媒体上的言论就曾引发市场下跌。因此,他无法量化有多少资金是因AI泡沫而撤出。

莫傑麟总结,在宏观不确定性、美国流动性问题(如降息)与AI发展自身问题的共同作用下,市场的风险偏好确实比几个月前明显降低。但他同意曲凯的观察,并补充了两点:第一,这种情绪尚未大面积影响到一线从业者;第二,风险偏好的降低并未在价格上完全体现,例如仍有很多人在买入Google股票。他认为这只是一种“结构性、小范围的风险偏好降低”。

曲凯补充道,当前市场情绪有些脆弱,似乎在“合力寻找泡沫”。他引用一篇文章的观点:无论是看多还是看空AI的人,都希望它跌。看多者希望抄底,看空者则认为本就该跌。这种合力可能推动市场下行,但目前来看,跌幅尚在可控范围内,莫傑麟也认为这可能只是对前期乐观情绪的一次“回撤”。

话题推进:在讨论了市场情绪的脆弱性后,主持人进一步指出了一个更深层的变化:市场对下一代大模型的期待正在减弱,这引出了关于AI发展周期是否已经转变的讨论。

00:11:20–00:19:40从“复利周期”到“算账周期”:AI发展的结构性转变

  • (在指出市场对GPT-5等下一代模型期待降低后,引出)你如何理解这种结构性变化?是好是坏?

主持人曲凯观察到一个感性层面的重要变化:市场对GPT-5等下一代模型的期待已显著降低。他认为,大家普遍觉得现有模型能力已足够强大,在很多方面超越了人类,不太可能再出现颠覆性的惊艳之作。

嘉宾莫傑麟认为,这正是他所说的“结构性变化”的体现,标志着一个周期的转变。过去两年,市场热衷于打探模型训练的各种细节(如数据、算力、人才),核心是期待模型变得更强、解锁新能力。而现在,这种期待正在消退。他提出了一个关键问题:那些真正决定AI发展方向的少数公司领导者(可能只有10个左右),是否也抱有同样的想法?如果他们仍然坚定地投入,那么泡沫与否就无所谓了。

因此,莫傑麟认为当前最重要的问题是判断:过去三年以模型预训练为核心的“复利周期”(compounding growth driven by scaling laws)是否已经结束?未来三年,行业重心是否会转移到在现有模型和产品上挖掘应用场景、探索商业模式,以及模型公司自身更关注降本增效?

曲凯从模型公司的行为变化印证了这一趋势。他观察到,模型公司开始“卷应用”,这在他看来是一个不好的信号,说明它们已无法单纯通过提升智能来创造价值,而是迫于市场反馈(如Sam Altman的决策所示)转向工程和应用层。这又反过来逼迫应用公司(如Cursor)开始自研模型,形成了去年难以想象的产业格局。

莫傑麟进一步深化了“结构性变化”的讨论。他指出,我们理解AI趋势时,往往会代入自己的叙事,但现实中存在一些难以解释的“事实”,比如Meta为何要重新投入巨资做预训练。他建议采用二级市场的思维,即“假设自己什么都不懂”,跳出固有框架。他推测,也许Sam Altman和Meta等决策者也知道有泡沫,但他们认为AI是稀缺资源,必须投入。他强调,对这些公司行为的评价是与“结构”相关的。在AGI叙事主导的结构下,不投入AI(如苹果)被视为错误;而在当前开始计算ROI的“算账周期”结构下,苹果的“没有过度投资”反而被一些人视为优点。这个结构变化的核心是:我们从过去不计成本地追求scaling law背后的“复利”,转向了现在开始仔细衡量投入(I)与回报(R)。

曲凯对此回应,他认为市场之所以开始算账,是因为scaling law似乎失效了。在scaling law有效时,巨额投入(哪怕是一个国家的GDP)换取AGI是可以接受的。但现在,预训练和后训练的scaling law都看不到明确的前进路径,此时宣布投入万亿建AI,就像投资瑞幸咖啡,钱给出去了,对方却说要从造水泥开始,市场难以接受。

莫傑麟不同意“scaling law失效”的说法,他认为只是变得难以评估了。更重要的判断是,从业者普遍认为“模型能力已经OK了”,当前瓶颈不在模型本身,而在成本、基础设施、上下文长度(context)和智能体层(agentic layer)。他将此比作:我们已经完成了“基建”(硬装),现在进入了“软装”阶段。他个人认为这是好事,也呼应了曲凯之前提到的“对行业是好事”的观点。

‘复利周期到算账周期’是嘉宾对市场评价变化的概括:早期模型能力提升本身就能吸引资本,随后投资者会更频繁地询问成本何时下降、收入何时兑现、企业能否自我维持。这并不表示模型能力不再重要,而是评价维度增多。

这种转变也不必然整齐发生:基础设施、模型、应用和不同地区可能处在不同阶段,有的仍靠预期扩张,有的已被要求证明利润。把框架用于具体公司时,要看其产品、客户与现金流,而不是给整个行业贴统一周期标签。

话题推进:在就“发展阶段”达成共识后,对话转向对不同市场的泡沫浓度进行具体分析,从中国一级市场开始,逐一剖析中美一二级市场的现状。

00:19:41–00:23:13中美一二级市场泡沫浓度差异与英伟达的“反常”

  • 国内二级(市场)有没有泡沫呢?
  • (在指出英伟达跌幅不大后)这是否说明市场理解与结构性变化存在脱节?

在确认从业者普遍对AI发展持乐观态度后,对话开始具体分析不同市场的泡沫程度。嘉宾莫傑麟首先给出了自己的判断:

1. 中国一级市场:没有泡沫,处于相对健康的状态。他指出,国内头部AI项目的估值可能只有美国同等公司的十分之一。

2. 美国一级市场:有泡沫。他以Cursor为例,该公司在持续亏损的情况下,估值能达到百亿美金,说明其数据并不扎实。

3. 中国二级市场:主持人曲凯认为不确定,因为很多标的(如光模块、HBM概念股)是英伟达产业链的延伸。莫傑麟补充,这些公司大多有实际业绩支撑,泡沫相对可控。

4. 美国二级市场:这是泡沫讨论的核心。曲凯认为,如果“模型训练周期已平稳”的判断成立,那么美国二级市场一定有部分公司存在泡沫。

随后,曲凯提出了本轮下跌中最让他费解的一点:英伟达本身并没有怎么跌,跌得最惨的反而是其数据中心生态相关的公司,比如Oracle(甲骨文)。他认为,这反映出市场的理解是:无论AI如何发展,建数据中心就需要买GPU,英伟达始终是受益者。

曲凯进一步分析了这种现象背后的矛盾。市场一直以来的“预期”是从硬件转向软件,而现在行业确实在努力向软件转型,但市场的“价格”却并未跟上这个预期。投资者似乎因为历史上做空英伟达的多次失败经历,即使有了新的预期,也不敢轻易转化为做空操作。他总结道,讨论泡沫之所以困难,是因为它混合了价格、预期、结构性变化和宏观等多个复杂且相互脱节的层面。大多数人无法像从业者一样清晰感知到“硬件转向软件”进行到了哪个阶段。

他认为,“泡沫”是一个情绪化的词,但它能有效反映市场“水温”。当前的水温显示市场需要一次小周期的调整。然而,这背后最重要的问题是:这次由泡沫论引发的调整,究竟是周期内的正常波动,还是一个大周期的结束信号?他表示自己一直在思考这个问题。

中美一二级市场的差异来自估值、资金供给、退出渠道、公司类型与投资者结构,而不只是‘美国更乐观、中国更谨慎’。英伟达的股价表现也不能单独证明AI没有泡沫,它同时受芯片供给、数据中心投入、竞争、利率与盈利预期影响。

嘉宾把这些作为市场结构讨论,帮助解释为什么同一技术趋势会在不同资产上产生不同结果。具体股价与估值数字需以当时公开数据核验,不能用一两天的涨跌推断长期行业方向。

话题推进:在提出“这是否是一个大周期的结束”这一关键问题后,嘉宾莫傑麟通过回顾历史上的泡沫,进一步探讨了本轮泡沫讨论的独特性,并引出了AI发展的“脉冲式”特征。

00:23:13–00:26:22脉冲式发展与信仰缺失:为何市场需要新的模型突破?

针对主持人曲凯提出的“周期结束”的疑问,嘉宾莫傑麟引用了Andreessen Horowitz(a16z)一位合伙人的观点来对比历史。该合伙人亲历过2000年的互联网泡沫(dot-com bubble),他指出,当时的泡沫程度远超现在:泡沫顶点时很少有人公开说有泡沫;任何公司都能轻易上市并大涨,完全不需要收入;甚至出租车司机都在谈论股票。莫傑麟也分享了个人经历,去年国庆节A股大涨时,他听到小区保安都在聊股票,那种全民狂热的状态才是泡沫的典型特征,而现在显然不是。

莫傑麟提出了一个悖论:如果所有人都理性地认为有泡沫,那么价格应该已经调整,泡沫也就不复存在了。这使得本轮“全民聊泡沫”的现象显得非常独特。

接着,他回归到AI自身的周期性。他认为,近两年AI的快速变化不仅是日常波动,更是周期性的。他将AI的发展模式形容为“脉冲式发展”或“阶梯式发展”。回顾过去近三年,AI行业经历了两次由模型驱动的大高潮:

1. 第一波(2023年初及上半年):由GPT-3.5等模型的能力突破驱动,引发了全球投资和创业的热潮。

2. 市场冷却期(2023年下半年至2024年上半年):尤其在中国一级市场,投资近乎停滞。

3. 第二波(2024年下半年至2025年上半年):由以Manus为代表的、基于O1和DeepSeek等推理模型和Coding能力的进展驱动,再次点燃市场热情。

莫傑麟总结,这两波浪潮的根本驱动力都是“模型能力的突破”。而当前市场情绪低迷的核心问题,正是因为我们确实没有看到新的、更高维度的模型突破。甚至,市场叙事已经从期待模型突破,转向了“模型能力已够用”。

他从两个视角分析了这种转变的影响:

* 从业者视角:认为这是好事。随着推理成本下降和基础设施完善,模型将变得更可用,从而催生更多能落地的应用。

* 外部(投资者)视角:则感到焦虑。因为看不到一个像过去那样激动人心的新模型出现,来为市场进行下一次“信仰充值”。大家当前能期待的,似乎只有即将发布的Gemini 3。

话题推进:在指出市场缺乏新的“信仰充值”后,对话自然地转向了对未来的展望:在新的周期里,谁有可能成为最终的赢家?

00:26:22–00:47:38连续对话 2

00:26:22–00:30:19泡沫是情绪词,识别周期与赢家更重要

  • 你觉得(谁能给市场提供下一次信仰充值)呢?

承接上一段对市场缺乏“信仰充值”的讨论,嘉宾莫傑麟认为,即使Google即将发布Gemini 3,市场的期待也主要集中在多模态、代码能力等产品玩法层面,而非通用人工智能(AGI)或智能水平的根本性突破。因此,除非出现类似DeepSeek的时刻或有新概念接替强化学习(RL),否则AI领域短期内难以获得新的巨大提振。

主持人曲凯对此回应,他认为未来市场会严重分化。他引用了互联网中后期流行的“Winner pattern”(赢家模式)概念,指出一个行业的最终赢家(Winner)与普通赢家(winner)截然不同,前者的增长没有上限。他认为,“泡沫”这个词主要反映了投资回报率(ROI)中“投入”这部分,但另一个同样重要的维度是,行业中是否会诞生新的结构和新的“Winner”。他回顾道,2023年时,普遍的悲观情绪是中国模型技术和算力都跟不上;但两年后回头看,中国开源模型已经占据主导地位。莫傑麟也感慨,身处周期之中很难把握当下,现在看2023年反而是估值便宜、投资回报丰厚的最佳时机。

曲凯进一步举例,指出市场情绪的摇摆:2024年,许多行业专家还在统一质疑“寒武纪”(此处指一家公司,但转录未明确,按上下文指代一家曾被质疑的公司);而到了2025年的当下,被广泛质疑的对象变成了OpenAI。他强调,“泡沫”是一个情绪词,更重要的任务是判断周期的起止和识别每个周期里的“Winner”。他认为,历史上的赢家常常出人意料。例如,2023年大家觉得中国模型不行,现在却很强;2024年质疑“寒武纪”;今年则轮到OpenAI。曲凯提出一个不负责任的猜想:大家对OpenAI的判断可能是错的。即使它未来的定位与最初设想(例如Ilya Sutskever在任时)完全不同,也未必妨碍它成为一家商业上很成功的公司。他总结,市场情绪可能与短期结论吻合,但与中长期结论时常相反,因此判断周期和结构变化才是关键。

‘泡沫是情绪词’的实际含义是要求把判断落到对象与证据:谁在支付成本,谁获得收入,谁能持续融资,谁拥有客户与现金流。识别赢家不是简单押注知名公司,而是看它在周期转换中是否有真实任务、成本优势、渠道和组织能力。

这也改变了对突破的期待:市场希望新模型打开新需求,但创业者不能只等待下一次技术救场,需要先在当前能力下建立可验收的业务。‘泡沫’不能代替这类分析。

Winner pattern“赢家模式”,在本段中指一种商业现象,即在一个行业或赛道中,最终的头部赢家(Winner)会占据绝大部分市场份额和利润,其增长潜力和市场地位远超其他普通赢家(winner),形成赢家通吃的局面。主持人用此概念来强调识别并投资于最终赢家的重要性。
Financial Engineering金融工程,在本段中与“价值投资”相对。它指一种更侧重于利用金融工具和市场短期情绪、叙事进行套利的投资策略,而非基于公司长期基本面和内在价值进行投资。嘉宾认为,当前二级市场的投资范式已向此方向迁移,投资者更关注短期alpha,而非构建长期观点。
GOG此处为转录错误,根据上下文和发音,应为“Growth”(成长)或“Background”(背景)的口误。主持人说“跟我们俩的GOG有关系”,意指与他们过去在移动互联网行业的工作经历和从中获得的认知有关。

话题推进:曲凯认为判断周期和结构比追随情绪更重要,莫傑麟表示同意,并由此引出对公司评价的新视角。

00:30:19–00:35:37二级市场范式迁移:从价值投资到金融工程

  • (你认为被骂是好事)但有很多人骂Manus吗?
  • (你认为被骂是好事)有很多人骂Kimi吗?

嘉宾莫傑麟赞同不应判断情绪,因为情绪变化太快,可能今天聊泡沫,明天就因Gemini 3或英伟达财报而转向唱多。主持人曲凯补充,无论市场如何波动,每个技术和商业模式周期里总会诞生最终的赢家。莫傑麟由此提出一个观察:一家公司在发展过程中如果一直被骂,反而是件好事。他以Manus为例,认为虽然有很多人骂它,但这恰恰说明它发展得很好。曲凯则以Kimi举例,称其去年也遭受了很多批评。

曲凯进一步指出,许多关于泡沫的讨论,其信息输入(input)质量堪忧。他提到,看到有文章基于错误的数据中心投入金额,推导出OpenAI现金流即将断裂的结论,这种基于不实信息的情绪化结论是不可靠的。莫傑麟回应,这正是他想和曲凯交流的原因,因为曲凯与华尔街接触更多。但他同时指出,如今的二级市场投资者已不再深究这些基本面,投资范式已从“价值投资”大规模迁移至“金融工程”(Financial Engineering)。投资者更关心近期的情绪、叙事和alpha,追求领先市场,不愿构建太长期的观点,因为个人判断可能与市场未来三个月的主流看法不符。

莫傑麟观察到,相比之下,AI行业的从业者(如创始人)反而更关注事情的“绝对好坏”和长期趋势,他们的判断信息含量更高。他将投资决策解构为四个层次:情绪、预期、趋势、洞察(insight)。他认为,二级市场投资者对前两者敏感,而从业者对后两者更敏感。当前关于泡沫的讨论,正处于“情绪低落”但“预期不低”的矛盾状态。他认为,真正的结构性变化,是从期待模型本身转向期待产业化落地。在这个周期转变中,识别“绝对的Winner”至关重要。他发现,即便是硅谷的文章在讨论中国模型时,也常常忽略了字节跳动这个拥有顶尖人才储备的重要角色,这正是一种“绝对的insight”被忽视的体现。他坚信,行业正从模型预训练周期转向落地周期,这将诞生不同的赢家和输家。

价值投资与金融工程的并置,是嘉宾提醒评价对象正在变化:传统价值投资更关心长期现金流与竞争力,金融工程则更关心价格、杠杆、波动、交易结构与资金行为。AI资产可能同时受两套逻辑影响,单用技术前景或短期价格都无法完整解释。

‘从价值投资到金融工程’不是宣称传统价值判断失效,而是要求区分长期投资逻辑和短期交易结构。对普通创业者而言,更直接的仍是客户、产品、成本与现金流,而非用市场风格变化替代经营。

话题推进:莫傑麟强调行业正处于两个周期的交界点,曲凯对此表示同意,并进一步探讨了AI行业赢家通吃的格局。

00:35:37–00:40:07泡沫中的生存法则:识别赢家与确保现金流

  • 你觉得模型会是这样的吗,AI里面?

嘉宾莫傑麟认为,当前市场正处于两个周期的交界点:一方面,应用落地是行业共识,但尚未有明确的交付成果;另一方面,评价标准正从AGI和Scaling Law的潜力,转向实际应用的ROI。这个转变过程需要时间。

主持人曲凯非常认同识别“Winner”的重要性,这与他过去在移动互联网行业的经验有关,即行业第一、第二、第三名之间的差距巨大,头部效应极其明显。他提问,AI大模型领域是否也会如此。莫傑麟认为,如果将模型定义为2C产品,那么赢家通吃的规律必然适用。曲凯补充,即使是云计算(Cloud)市场,最终也由两三家主导,这与当前AI格局很像。莫傑麟解释,云市场的高固定成本支构成了高壁垒。曲凯总结,正是因为AI大模型行业需要巨大的成本投入,甚至对创始人的技术理解力都有极高要求,其头部集中效应只会更强。因此,将“谁是绝对的Winner”这个问题与泡沫问题结合起来判断,会更有价值。

莫傑麟回到最初的话题,重申AI行业有泡沫是正常的,甚至是好事,因为泡沫能提供公司成长所需的资金。泡沫破裂时,虽然许多参与者会成为“养料”,但伟大的公司也往往在此时诞生。因此,关键不在于判断有无泡沫,而在于清醒地认识到自己所处的阶段和目标。曲凯补充,泡沫中成长起来的公司有相似特征,例如下跌时一起跌,但反弹时表现各异。对于身处其中的创业者而言,一个极大的挑战是如何在泡沫中做出正确决策,比如融资节奏和估值管理,这要求创始人具备投资人思维。

莫傑麟以PayPal为例,指出其是互联网泡沫破灭后成长起来的典型公司,核心在于拥有能自我造血的健康现金流。他因此给创业者提出建议:在担忧泡沫破裂时,最底线的生存法则是确保公司有良好的现金流,否则一切都无从谈起。

现金流是嘉宾给创业者的底线建议:当融资环境变化或估值回调时,企业能否继续支付研发、算力、人员和交付成本,决定了它是否有机会等到下一次能力或需求突破。现金流健康不是保守,而是保留选择权。

识别赢家还包括选择位置:有的团队做模型,有的做垂直应用,有的提供算力、能源、互连或渠道。不同位置的投入、回收和竞争不同,不能只用一个AI故事评价。

话题推进:在讨论了泡沫中的生存法则后,对话转向了对当前AI格局中具体公司和结构性变化的更深入分析。

00:40:07–00:47:38关注结构性变化:算力格局的重塑与渠道的获利

  • (你觉得当前周期是回调吗?)你觉得呢?

主持人曲凯认为,当前AI行业正经历结构性分化。他判断,Google、OpenAI和国内的字节跳动已经进入“决赛圈”,具备了显著优势。他再次强调一个有趣的现象:在讨论泡沫(过度投入)时,大家不约而同地用OpenAI举例,而不是泡沫中获利最大的英伟达。莫傑麟解释,Sam Altman作为代表人物,享受了泡沫的红利,自然也要在泡沫被质疑时首当其冲。

莫傑麟进一步引申,指出在过去几年的SaaS、新消费、线下连锁、教育、游戏等热潮中,最终获利最多的往往是“渠道”。例如,字节跳动作为流量渠道,在教育、游戏、新消费中都赚到了钱;分众传媒作为线下渠道,从教育和新消费中获利;购物中心(Shopping Mall)则在连锁品牌扩张中获利。他总结,这些渠道赚的钱,本质上是投资人的钱,再往上追溯则是LP的钱,每一波周期都是如此。

曲凯将此逻辑应用到当前,他认为2025年第三季度最值得讨论的并非泡沫本身,而是一系列标志着上游算力格局发生结构性变化的商业决策。他列举了三件事:1. 英伟达宣布向OpenAI投资1000亿美金;2. OpenAI宣布与AMD的统一采购条款;3. OpenAI宣布与Broadcom的新条款。他指出,作为投资人出身的创业者,Sam Altman的这些决策带有极强的ROI思维。同时,Google的TPU战略也是另一个指向半导体板块的重要商业决策。这些事件的综合影响是,市场开始预期上游算力格局正在发生明确的转向,尽管尚未完全体现在财报中。这个结构性变化与泡沫话题密切相关,但更为复杂和重要,值得拆解深究。

最后,两位主播预告了即将举办的线上讨论活动,邀请AI从业者共同探讨关于泡沫、模型迭代、应用PMF以及市场预期等结构性变化。他们希望通过结合从业者的深度洞察和市场分析,更准确地把握未来一年的行业走向。

算力格局的变化不只是GPU数量增加,还包括推理成本、能源、互连、存储、CPU与专用芯片、云与本地部署的组合。渠道也可能因掌握用户、能源或基础设施而获得稳定收益,不能只按应用公司收入判断产业价值。

这为创业公司提供了多个入口:不必都去做通用模型,可以在成本下降、部署效率、行业数据与分发上形成优势。但这些位置同样需要真实客户和技术交付,不能把‘卖铲子’当成无风险生意。

话题推进:节目以活动预告和对未来讨论的展望收尾。

以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。

主要论证:观点怎样由经历与例子支撑

AI泡沫讨论应拆成价格、价值、ROI与现金流,而非简单判断有无。

莫傑麟(嘉宾框架) · 00:00:02;00:08:00

能力进步可带来价值,但训练、推理、能源和资本成本仍需由收入与现金流覆盖。不同业务的结果与回收路径不同,不能用统一泡沫标签。

成立条件:这是嘉宾的市场分析框架,具体公司数字与估值需独立核验。

‘复利周期到算账周期’意味着评价维度增加,而不是技术不再重要。

莫傑麟(周期判断) · 00:18:00

资本不仅看模型能力,也看成本下降、收入兑现与自我维持。不同业务阶段不同,不能用统一周期表解释所有公司。

成立条件:周期是分析框架而非确定事实,基础设施、模型、应用和地区可能不同步。

创业者应优先识别业务位置与现金流,再判断市场赢家。

莫傑麟(创业建议) · 00:30:00;00:38:00;00:42:00

真实客户、成本优势、渠道和组织能力决定能否穿越融资变化;算力、能源、互连和垂直应用有不同回收路径,不必都做通用模型。

成立条件:市场预测与公司案例按嘉宾观点,未独立核验,不能作为投资建议。

机制与术语:对象、输入输出和中间过程

从技术进步到ROI账本

模型能力提升提供潜在产出,训练与推理成本、能源与组织投入构成成本,客户付费与现金流决定能否持续。评价需同时看三者,不能只用能力或价格替代。

对应节目:00:08:00

本文自拟示意,不是嘉宾实验

本文自拟示意:某产品模型效果提升20%,但推理成本提高3倍,若客户只按原价格购买,毛利反而下降。需要重新定价、降低成本或寻找更高价值任务,不能只用效果提升证明商业可行。

复利与算账周期的评价差异

复利叙事关注能力与规模扩张,算账叙事还关注成本、利润与现金流。后者不会否定技术,而是要求技术转化为可维持的业务。不同业务可能处于不同评价阶段,需逐项分析。

对应节目:00:18:00

本文自拟示意,不是嘉宾实验

本文自拟示意:一家应用公司从免费试用转为按结果收费后,才第一次能比较每个客户的收入与模型、交付、售后成本,这就是从‘能不能做’到‘能否持续做’的转变。

现金流如何保留创业选择权

现金流支持研发、算力、人员与交付,融资环境变化时让企业能继续试验和转型。健康现金流不是避免所有投入,而是让投入有明确的回收路径与停止条件。

对应节目:00:38:00

例子来源:嘉宾原例重述,不是本文虚构场景

嘉宾原例重述:创业者在资本热潮中也需知道自己还能支撑多久、哪些支出可暂停、哪些客户能回款,而不是只等下一次模型突破或融资。

独立判断:这些对话改变了什么理解

【本文推断】泡沫讨论最有价值的部分,是把‘市场是否高估’转成‘谁能以何种成本创造何种可验证结果’。

推理:价格由预期与交易结构决定,价值由真实任务与客户决定,ROI又受成本、回收与组织影响。把三者拆开,才能解释为什么技术很强仍有公司失败,也能解释为什么某些基础设施或垂直应用可能有稳定回报。

竞争解释与边界:技术进步也可能改变成本曲线,使目前不成立的业务未来成立;因此不能只按当前现金流否定长期投入。需要同时记录事前假设、兑现时间和反例。

【本文推断】‘算账周期’更适合被理解为一种压力测试,而不是新的历史阶段标签。

推理:它要求企业证明客户、收入与现金流,而不是只讲能力。不同公司会被不同问题检验:模型公司看训练与推理成本,应用看任务交付与留存,基础设施看利用率与能源。

竞争解释与边界:过度强调短期ROI也可能让团队错过重要研发窗口。长期项目需要里程碑和证据,而不是只以当季利润决定价值。

【本文推断】创业者的位置选择比‘是否AI’更重要,渠道与成本结构可形成不同生存路径。

推理:通用模型需要巨额投入,垂直应用可依赖场景数据与交付,算力与渠道则可从利用率和分发获益。不同路径的现金流和失败方式不同,不能用同一估值故事比较。

竞争解释与边界:这些位置也会被大厂覆盖,护城河需要真实任务、成本优势与客户关系。‘卖铲子’或‘垂直’只是入口,仍需证明持续价值。

尚未解决的问题与可检验的下一步

待解问题:AI公司能否把能力提升转成可验证的ROI与现金流?

下一步信息或小实验:按客户与任务记录模型成本、交付成本、收入、回款、留存与毛利,比较能力升级前后全成本,而非只看调用量。

怎样的结果会改变判断:若能力升级同时改善全成本与回款,商业逻辑成立;若成本与亏损同步扩大,需要重新定价、降本或改变任务。

待解问题:‘算账周期’是否会在不同业务上产生不同的淘汰与胜出的结果?

下一步信息或小实验:分别比较模型、应用、算力与渠道企业的研发周期、现金流、客户集中、利用率与融资依赖,记录哪些公司能穿越资本收缩。

怎样的结果会改变判断:若现金流与真实交付决定存续,说明算账框架有效;若技术突破仍可让高投入公司长期占优,需要重新估计其权重。

待解问题:算力与渠道结构变化能为小团队提供哪些真实入口?

下一步信息或小实验:筛选能降低推理、能源、互连、部署或获客成本的具体方案,跟踪客户付费、利用率与毛利,比较自建与外部服务。

怎样的结果会改变判断:若小团队能以明显成本或分发优势获得持续客户,入口成立;若只是依附资本热潮而无独特价值,需要重新定位。

影响理解的转录疑点

优先连读 00:08:00—00:26:22,理解ROI焦虑、算账周期与中美市场差异,再读 00:30:00—00:47:38 的价值与金融工程、现金流和算力渠道。重点不是判断泡沫,而是分析每类业务的成本、收入与回收路径。

证据边界与资料索引

本页依据整期机器转录、官方节目介绍与章节逐段重建,未宣称逐字人工听审。说话人、专名、数字和时间可能存在识别误差;原声仍是最终核对依据。嘉宾关于公司、市场、研究、个人经历与未来的说法按口述保留,不自动等于独立核验的事实。

原节目:「你觉得 AI 有泡沫吗?」——有!|对谈莫傑麟

本页使用的公开文字或字幕来源

返回顶部