AI是泡沫吗？被低估的上行空间

2025年12月11日更新

2025年12月更新： 超大规模云服务商的AI资本支出预测已上调至2025年的4050亿美元，高于最初2500亿美元的估计。随着GitHub Copilot付费用户达到180万、46%的代码由AI生成，麦肯锡2.6-4.4万亿美元的年度价值创造预测得到验证。大型企业的AI采用率达到87%，年支出增长130%。随着生产力提升的实现速度超过互联网泡沫时期的对比预期，基础设施投资的理由更加充分。

这个问题本身就预设了错误的答案。当Ray Dalio称AI投资与互联网泡沫"非常相似"时，当国际货币基金组织警告即将到来的崩盘时，当阿波罗全球管理公司的首席经济学家指出今天的顶级科技公司估值高于1990年代同行时——这种框架假设核心风险是过度投资。¹ ² ³

核心风险恰恰在相反的方向。市场投机低估了上行空间。

许多AI公司会失败。大多数以虚高估值融资的创业公司将给投资者带来零回报。企业试点项目将继续保持95%的失败率。⁴ 调整会来临，可能会很痛苦。但这些都不与本文的论点相矛盾。从当前投资浪潮中脱颖而出的赢家将创造与所部署资本极不成比例的价值，以至于今天超大规模云服务商3800亿美元的年度资本支出将显得微不足道。⁵

互联网泡沫的类比实际上支持了这一论点。亚马逊和谷歌从那场废墟中崛起，创造了数万亿美元的价值。那些泡沫时代公司建设的基础设施——光纤、数据中心、协议——推动了数十年的经济转型。失败者失去了一切。赢家改变了文明。AI以更大的规模和更快的速度遵循着同样的模式。

泡沫论述忽视的价值创造数学

泡沫分析聚焦于错误的比率。分析师将AI投资与AI收入进行比较，发现存在差距。差距确实存在。但这种比较没有抓住重点。

相关的比较应该衡量投资与价值创造潜力。当Anthropic在企业中部署Claude时，重要的指标不是Anthropic的收入。重要的指标涵盖了使用该技术的每个组织的生产力提升、成本降低和能力扩展。当一家制药公司使用AI在数周而非数年内识别候选药物时，创造的价值远远超过计算成本和许可费用。

麦肯锡估计，在分析的63个用例中，生成式AI每年可为全球经济增加2.6至4.4万亿美元。⁶ 这个范围代表的是单年影响，而非累计价值。与3800亿美元的年度基础设施投资相比，该比率以数量级的优势支持看涨者——即使麦肯锡的估计过于乐观一半。

生产力证据已经在积累。使用GitHub Copilot的用户完成任务的速度比未使用者快55%。⁷ 使用GPT-4的BCG顾问在减少25%时间的情况下产出了质量高40%的工作。⁸ 使用AI助手的客服运营报告称座席生产力提高了14%，新手员工的提升最为显著。⁹ 这些数字来自早期、原始的部署。模型每月都在改进。

计算机历史上每一次重大平台转型创造的价值倍数都超过了初始投资。在形成期的几十年里，个人电脑每投资1美元大约创造了10美元的经济价值。¹⁰ 互联网产生了相似或更高的比率。移动计算放大了这一模式。AI代表着比以上任何一种都更基础的通用技术——一种增强认知工作的技术，就像之前的革命增强了体力和信息工作一样。

泡沫框架将AI视为Pets.com：一家没有价值创造路径、销售无人需要产品的公司。AI在每次部署中都demonstrably创造价值。问题在于规模和分配，而非存在与否。

为什么采用速度意味着价值创造速度

圣路易斯联储发布的数据应该让AI怀疑论者感到担忧。1981年IBM PC推出三年后，个人电脑采用率达到19.7%。¹¹ 互联网商业化开放三年后，采用率达到30.1%。¹² ChatGPT于2022年11月推出三年后，到2025年8月生成式AI采用率达到54.6%。¹³

这种差异反映了一种具有深远价值影响的结构性优势。之前的平台转型需要用户购买新硬件、学习新界面、改变既定工作流程，并围绕不熟悉的功能重建流程。AI的采用不需要这些。该技术通过现有设备、现有浏览器、现有应用程序到达用户。2024年的知识工作者获得了2022年不存在的能力，而无需购买任何新东西或学习任何新的界面范式。

采用速度对价值创造至关重要，因为价值随着部署而复利增长。一项技术在三年内达到50%的采用率，就在这三年内创造价值。一项技术需要十五年才能达到相同的渗透率，价值创造就相应延迟。AI的采用速度意味着价值创造速度。

企业采用数字使这一模式具体化。到2025年，87%的大型企业已实施AI解决方案。¹⁴ 生成式AI工具的周使用率从37%跃升至72%。¹⁵ 企业AI支出在一年内增长了130%。¹⁶ 这些组织不是出于热情而支出。他们支出是因为技术产生了回报。

批评者引用的95%试点失败率在仔细审视后实际上支持了看涨论点。¹⁷ 企业运行试点是为了找到有效的方案。试点中95%的失败率意味着5%的成功率——而成功的试点会扩展为生产部署，产生持续价值。在经历高试点失败率后继续投资的企业已经找到了那5%有效的方案。他们在优化，而非放弃。

编码生产力革命

软件开发为AI的价值创造提供了最清晰的窗口，因为生产力提升是可衡量的、即时的，并且已经大规模运作。与关于未来应用的抽象预测不同，编码生产力改进来自每天使用AI工具的数百万开发者的硬数据。

GitHub Copilot提供了最有力的证据。GitHub的内部研究发现，使用Copilot的开发者完成任务的速度比没有辅助的开发者快55%。⁷ 该研究控制了任务复杂度和开发者经验水平。到2024年底，Copilot已积累超过180万付费用户，产生4亿美元的年经常性收入。²⁷ 更值得注意的是，在启用Copilot的代码库中，46%的代码来自AI建议。²⁸

技术已经超越了自动补全。早期版本建议接下来几行代码。当前版本提出架构模式、生成全面的测试套件、编写文档并调试复杂问题。从"建议下一行"到"实现这个功能"的转变大约在18个月内发生。

生态系统远不止Copilot。Cursor，一个AI原生IDE，到2024年底从零增长到超过40,000付费用户，月增长率超过50%。²⁹ Claude Code、Aider和Cline使自主编码代理能够以最少的人工干预执行多文件更改。开发者越来越多地描述他们想要什么，而不是编写每个字符。工作流程的转变类似于从汇编语言到高级编程语言的转变——抽象层次的范畴性变化。

经济数学使泡沫框架难以维持。美国劳工统计局报告软件开发者的中位数薪酬约为每年127,000美元。³⁰ 55%的生产力提升转化为每个开发者大约70,000美元的等效额外产出。美国大约雇用440万软件开发者。³¹ 即使是保守假设——20%的采用率和30%的生产力提升——仅美国软件开发就能产生260亿美元的年度价值创造。全球开发者人数超过2800万。³²

怀疑论者的反驳值得认真对待： AI生成的代码包含bug、引入安全漏洞并产生技术债务。开发者花在调试AI输出上的时间和生成它节省的时间一样多。生产力研究由AI公司资助，他们显然有动机产生有利的结果。真实世界的使用表明，初级开发者变得依赖他们不理解的工具，削弱了他们的基础技能。

这种批评混淆了天真使用和熟练使用。显示质量下降的研究通常考察的是将AI作为拐杖的新手，而非将AI作为杠杆的专业人士。发现质量提高40%的BCG/哈佛研究专门考察的是经验丰富的顾问——而非摸索不熟悉工具的初级开发者。⁸

代码审查流程捕获AI错误的方式与捕获人为错误的方式相同。安全问题有其道理，但忽略了发展轨迹：静态分析工具现在自动扫描AI生成的代码，GitHub Advanced Security集成意味着AI建议在合并前接受安全审查。工具跟上了能力。

最重要的是，开发者用他们的手指投票。Copilot的留存率超过80%。³³ Cursor在几个月内从零增长到40,000付费用户。如果这些工具带来的是净负值，开发者会放弃它们。他们没有放弃；他们在扩大使用。

软件代表着6500亿美元的全球产业。³⁴ 整个行业20%的生产力提升每年创造1300亿美元的价值——这只是AI创造可衡量收益的数十个行业中的一个。支持AI编码工具的基础设施投资只是这一价值创造的一小部分。泡沫框架问的是AI投资是否与AI收入匹配。正确的框架问的是AI投资是否与AI价值创造匹配。仅在软件领域，这个比率就差得很远。

暗光纤的教训：失败者为赢家买单

1995年至2000年间，电信公司投资约2万亿美元建设了8000万至9000万英里的光纤网络。¹⁸ 当泡沫破裂时，95%的光纤处于闲置状态。¹⁹ 建设它们的公司——Global Crossing、Level 3、Qwest、WorldCom——破产或濒临破产。这些公司的投资者失去了一切。

光纤本身保留了价值。摧毁建设者的基础设施成就了后来者。Netflix通过WorldCom股东出资建设的电缆传输视频。云计算运行在使其原始所有者破产的暗光纤上。二十年来由该基础设施创造的经济价值至少超过投资的2万亿美元一个数量级。

失败者为赢家买单。泡沫时代电信公司的股权投资者承担了损失。更广泛的经济获得了收益。亚马逊没有建设它所依赖的互联网基础设施；它建立在其他公司的投资者出资并亏损的基础设施之上。

AI遵循同样的模式，但有一个关键区别：基础设施成本与创造价值之间的比率更加有利。光纤需要跨大陆的物理安装。AI基础设施集中在服务全球用户群的数据中心。AI基础设施的资本效率大大超过物理网络基础设施的资本效率。

今天的AI基础设施投资将产生失败者。估值数十亿美元的创业公司将归零。一些投机性建设的基础设施将闲置多年。成功的公司将