「AI 是不是泡沫？」大概是现在最多人问、也最容易吵起来的问题。有趣的是，多空两边往往拿着同一批数字，却吵出相反的结论。
这篇不打算给你「是」或「不是」的答案，因为没有人能准确预测泡沫会不会破、何时破。比较有用的，是给你一把尺：四个一起看的指标，加上多空双方最强的论点，让你自己对照判断，而不是听谁喊多喊空。这是「AI 产业观察」系列的一篇；想看谁真的在赚钱，配 AI 概念股资金流地图，想看芯片商和云端互相投资的资金网，配 AI 循环投资地图。
核心数据快照
下面这些数字，多空两边都会引用，只是解读不同。
| 指标 | 数字 | 性质 |
|---|---|---|
| 云端五巨头 2026 资本支出 | 合计约 7,450–7,750 亿美元 | 官方指引 |
| NVIDIA 数据中心单季营收 | 约 752 亿美元，同比增长约 92%（Q1 FY27） | 官方财报 |
| Sequoia「AI 的 6,000 亿美元问题」 | 估 AI 一年需约 $600B 营收才回本 | 创投观点 |
| Bain 估算 | 2030 年需约 $2T 年营收支撑 AI 规模 | 顾问报告 |
| Oracle 未履约合约（RPO） | 逾 5,230 亿美元 | 官方财报 |
| 模型公司年化营收 | OpenAI、Anthropic 媒体估算各约 $25B、$30B，仍烧钱 | 媒体估算，未经核查 |
为什么有人喊泡沫
空方的核心担忧是一句话：花得太快，回本太慢。
最常被引用的是创投 Sequoia 提出的「6,000 亿美元问题」：照目前砸下去的基建规模，AI 产业一年大约要生出 6,000 亿美元的营收才撑得起来，而实际的 AI 营收，离这个数字还有不小距离（各方估计不一）。顾问公司 Bain 也估算，到 2030 年大约需要 2 万亿美元的年营收，才能支撑这一轮的算力扩张。
回本之外，还有几个常被点名的疑虑。一是企业导入的成效：MIT 一份研究指出，多数企业的 AI 试点还看不到明确的损益贡献。二是模型公司还在大量投入：OpenAI、Anthropic 营收增长很快，但同时签下天文数字的算力合约，依媒体估算仍在烧钱（私人公司财报未经核查），连专门租 GPU 给它们、已上市的 CoreWeave 都还是净亏损。三是芯片折旧（下一段细谈）。四是芯片商和云端互相投资的「循环投资」，让人担心需求被自己人的钱推高，这部分可以看 AI 循环投资地图。
为什么有人说不是泡沫
多方的核心反驳也是一句话：需求是真的，而且这次砸钱的是有本钱的人。
证据上，NVIDIA 的数据中心营收一季就超过 750 亿美元、同比增长约九成，多方解读为需求仍然强劲。云端的订单簿（backlog，已签约还没确认的未来收入）也很厚，例如 Oracle 的未履约合约金额就逾 5,230 亿美元，多方认为这代表需求已经被预订下来。
更重要的是出钱的人不同了。这一轮砸大钱的，是 Alphabet、Amazon、Microsoft、Meta 这些现金流强劲的巨头，不是借钱度日的新创。多方因此把它类比成电气化、铁路那种「工业级基建」：前期投资看起来吓人，但铺好的底子能用很久，撑起后面好几十年的成长。
一把尺：四个一起看的指标
比起纠结「是不是泡沫」，自己盯着四个指标更有用。重点在于，它们「同时」恶化才真正危险，只有一两个亮灯，往往只是局部过热。
- 资本支出 vs 回本。看资本支出占营收的比重（capex intensity）有没有失控。Morgan Stanley 估计，几家云端巨头的资本支出对营收比，2026 到 2028 年可能升到约 38%、44%、45%，远高于 AI 之前的水平。比重高不必然是坏事，但若连续几年远远跑在营收前面，就值得警觉。
- 营收质量。尤其是私人模型公司，它们的「年化营收」多半是媒体估算、不是经会计师核查的数字，也少有留存率、客户集中度的披露。同样一个增长数字，背后是稳固的续约，还是一次性的尝鲜，差很多。
- 循环投资的程度。当芯片商、云端一边投资模型公司、一边又向它收钱，需求就可能被自己人的资金推高。看这串交易里，有多少是真实的外部需求，有多少是资金在自己人之间绕圈。
- 芯片折旧年限。这是最技术、也最容易被忽略的一个（下一段细谈）。
把这四个摆在一起看，会比单看股价或单听一个多空观点，清楚得多。要强调的是：这是一把帮你自己对照的尺，不是我替你下的结论。
为什么折旧年限这么关键
第四个指标值得单独讲，因为它最不直觉。
云端公司买来的 GPU，会分好几年慢慢摊提成本（折旧），目前多用 5 到 6 年。问题是，AI 芯片汰换很快，有人质疑它的实际「经济寿命」可能只有 2 到 3 年（新一代一推出，旧芯片跑起来就不划算了）。如果折旧年限假设得太长，每年确认的成本就偏低、账面利润会被垫高；一旦把年限调短，利润就会明显缩水。
这不是空谈。Amazon 在 2025 年把部分服务器与网络设备的折旧年限从 6 年缩为 5 年，单是这个调整，就增加了约 14 亿美元的折旧、减少约 10 亿美元的净利；Meta 则反向把服务器年限拉长到约 5.5 年，替 2025 年省下约 29 亿美元的折旧。同一批硬件，年限假设一改，利润数字就跟着跳。空方因此认为，目前部分账面利润可能被偏长的折旧假设美化了。
历史能借鉴吗
最常被拿来类比的，是 1990 年代末的互联网泡沫。
当年电信业者深信「网络流量会无限暴增」，大举举债铺光纤，结果需求没跟上，大量光纤闲置、业者倒成一片。像不像？都在需求还没完全到位前，先砸大钱盖基建。但也有关键差异：当年砸钱的多是负债累累的新创，这一轮是现金流强劲的巨头；而且光纤是能用几十年的资产，AI 芯片汰换快得多。另一个常见类比是 19 世纪的铁路狂热：很多投资人赔钱，但铁轨留了下来，撑起后面的工业时代。
历史的启示通常是：泡沫对「投资人」可能是灾难，对「社会」却可能留下有用的基础建设。AI 会走哪一种剧本，关键在今天盖的东西，能不能撑得够久、用得够满，把成本赚回来。
这一篇的重点
没有人能准确预测泡沫会不会破、何时破。比起听人喊多喊空，自己备好一把尺更实在。
这把尺有四格：资本支出与回本的落差、营收质量、循环投资的程度、芯片折旧年限的假设。四个同时恶化时，常被市场视为风险升高；只有一两个亮灯，往往只是局部过热。多空双方其实常拿同一批数字，差别只在怎么解读，看懂这点，就不容易被任何一方的情绪带着走。
判断留给你自己。本文整理框架与双方论点，不对任何个股或大盘做涨跌判断，也不构成投资建议。
想看谁真的在这条链上赚钱，读 AI 概念股资金流地图；想看循环投资的完整资金网，读 AI 循环投资地图；想了解租 GPU 的新云端业者，读 neocloud 算力租赁；想看实体的硬件供应链，回到 AI 硬件供应链一条龙。