这半年，关于“AI 是不是泡沫”的讨论，几乎成了一种舆论惯性。

金融时报层密集刊文上百篇幅来讨论“AI 泡沫”；“大空头”原型人物 Michael Burry 公开披露并做空英伟达与 Palantir，并放话“几乎所有 AI 公司都会破产”；美国银行对基金经理的调查中，“AI 过度敞口”被列为头号尾部风险。

舆论的基调很清晰——历史上每一次技术狂热，都以泡沫收场，这次也不会例外。

但问题在于，如果市场一直沉迷于“会不会崩”的“至暗时刻”，反而会忽略另一种更现实的风险：如果它不是泡沫，而是基础设施级变革，那么接下来可能出现的，不是崩盘，而是资本的“踩踏”。

五个月前，有研究机构提出一个相对冷静的判断框架，用五个指标追踪 AI 投资周期，其中一个关键指标是“行业压力”——投资额与收入之比。当投资远高于收入，说明企业靠融资硬撑，泡沫风险高。

当时该比率为6.1倍，如今已降至4.7倍。作为对照，2000年前后的电信泡沫顶峰也不过略高于4倍。如果趋势延续，今年二季度可能跌破3倍，这意味着AI收入已经开始“托底”投资，而非单纯靠资本市场输血。

更重要的是收入的绝对增长。相关模型显示，全球AI月收入从2024年1月的7.72亿美元，增长至2025年12月的138亿美元，两年时间放大近18倍。

三大云厂商成为主引擎：谷歌的 Cloud 同比增长48%至177亿美元；AWS 增长24%至356亿美元；Azure 增长39%，签约积压订单同比暴增110%至6250亿美元（其中45%与 OpenAI 相关）。目前 AI 收入已占 Cloud 的23%，Azure 的10%，AWS 的5%。

因此，当谷歌、微软和亚马逊的 CEO 在财报会上反复强调“AI 是云业务增长的核心驱动力”时，这已不是资本的泡沫故事，而是财务现实。

当然，结构并不完美。以 OpenAI 为例，其 GPT-5 捆绑包在61亿美元收入下实现约48%毛利率，低于成熟软件70%-80%的水平。更关键的是，模型迭代太快——四个月窗口期带来约30亿美元毛利，难以应付50亿美元的研发成本。

AI 模型更像快速折旧的重资产，而非可以长期收割的订阅产品。但如果把视角从利润率切换到渗透率，画面就不同了。

对6000多场标普500公司财报电话会议的数据分析，带有明确量化成果的 AI 项目披露比例，从2022年底的1.9%升至2025年底的13.2%。这不是“我们在研究和探索 AI 可能”的表态，而是“AI 为我们带来多少效率提升”的报表语言。

美国银行就曾表示，AI 编码工具将开发时间缩短30%，相当于节省2000名全职工程师；挪威2万亿美元主权基金用 Claude 自动化投资组合监控，每年节省1700万至3200万美元；Meta 工程产出提升30%，重度用户提升达80%；西部数据报告 AI 改善良率与测试流程，生产率提升最高10%。

这些案例看上去没有一点“利润的性感”，甚至在财报会议上有些空洞。但它们是节省成本、提高效率、减少人力的“无聊改善”。但恰恰是这种“无聊”，意味着技术已经从实验室走向生产线。

多家机构的调查也在强化这一趋势。《Deloitte》2026年报告显示，已有25%的组织让40%以上 AI 项目进入生产环境，54%预计半年内达到这一比例。

《Morgan Stanley》调查发现，AI 预算越来越来自业务部门，而非IT部门；《KPMG》报告中，67%的 CEO 预计 AI 投资将在1至3年内见效，而一年前主流预期还是3至5年。

更关键的变化出现在2025年底。模型跨过“可持续工作”的门槛，能够稳定处理一两小时的复杂任务。

Anthropic 推出的 Claude Code 让软件开发成本结构发生跃迁——构建一个 C 编译器仅花费2万美元 API 成本，而传统模式可能需要5至10名工程师、18至24个月时间、约200万至300万美元投入。

这意味着什么？意味着生产函数正在被重写。

如果 AI 只有泡沫的叙事，资本撤退会是线性的、断崖式的；但如果AI正在成为基础设施，资本回流就可能是非线性的、震荡波动的。

当收入兑现、成本结构改善、企业确定回报周期缩短，之前因“泡沫恐惧”而克制投资的机构，可能会在确认趋势后集中甚至是“踩踏式”的加仓。

而对所有投资者而言，市场真正的风险，从来不只是高估值，还有错失。

要永远相信一点：真正造成剧烈波动的，并非大家一起狂热，而是多数人犹豫、少数人先动，随后形成追赶式入场。那种由确定性驱动的资本奔跑，比泡沫破裂更猛烈。