AGI 估值泡沫:算力堆不出真智能
2026 年 2 月,四家美国科技公司交出下一年的预算:亚马逊 2000 亿美元,字母表 1850 亿,Meta 1350 亿,微软接近 1050 亿。
加在一起,6500 亿美元。彭博社称,这是本世纪以来规模最大的企业资本开支周期。
财报公布后,四家公司市值合计蒸发超过 9500 亿美元。花钱的人还没说话,掏钱买股票的人先慌了。
资本开支的斜率
拉长看,这条曲线更陡。2024 年四家合计约 2560 亿美元,2025 年 4270 亿,2026 年 6500 亿以上,两年翻了一倍半。
巨头们的说法一致:这是下一个赢者通吃的市场,谁停谁出局。DA Davidson 的分析师 Gil Luria 讲得更直白,没有一家愿意在竞赛里掉队。
科技巨头 AI 竞争持续升温 投资回报风险引担忧(经济参考报,2026-02-24)资本开支的性质却常被说混。它不是一年烧掉的现金,而是摊到五到十年的折旧。用一年收入去对比一年的总投入,缺口会被放大。
可即便按五年摊销,这笔钱也要每年变出上千亿美元的新增收入才划得来。而全球 AI 产品的年收入,离这个量级还有距离。
算力的边际收益
过去几年,行业信一条经验规律:参数多十倍,能力上一个台阶。这条规律支撑了大部分估值模型。
它正在失效。公开高质量语料的存量见底,是第一个硬约束。英文网页被反复抓取,书籍与论文的版权越来越贵,剩下的增量要靠合成数据补。
第二个约束是电。国际能源署测算,全球数据中心用电量将从 2024 年的 415 太瓦时增至 2030 年的约 945 太瓦时。电不是有钱就能立刻变出来的东西,电网扩容以年为单位。
第三个约束最容易被忽略:评测。能力涨没涨,靠 benchmark 判断;benchmark 又被训练数据污染。分数在涨,用户感知到的提升却在变薄。
合成数据的近亲繁殖
2023 年 5 月,六位研究者挂出一篇预印本,标题很刺眼:《递归的诅咒:用生成数据训练会让模型遗忘》。2024 年 7 月,论文上了《自然》。
他们做的事不复杂:拿一个模型,用它自己的输出接着训练,一代一代往下传。
结果是分布尾部先消失。罕见事件、少见说法、少数群体的表达,被一次次平均掉。几代之后,模型开始输出重复、平滑、看起来正确却没有信息量的句子。
论文把这种现象叫模型崩溃。它算不上某次事故,更像统计上的必然:每一代都在拟合上一代的近似,误差累积,世界被磨平。
这对估值是个坏消息。支撑 scaling law 的前提是数据管够,而人类写的高质量文本是有限的。合成数据能补数量,补不了分布。
对齐税
另一个不常被提起的成本,是安全。
InstructGPT 的论文里有一组对照:经过人类反馈微调后,模型在指令遵循上大幅提升,但在 SQuAD、DROP、HellaSwag 这些基准上出现回退。研究者把这种能力损失称为对齐税。
税率的含义很实际:想让模型更听话、更少越界,就得让出一部分能力。安全不是免费附加的插件。
商业公司于是面对一个取舍。交税,产品更稳但更笨;不交税,跑分漂亮但事故率高。估值模型通常假设两者可以兼得,现实里只能选一个折中。
这也解释了一个现象:发布会上的演示越来越像,真到了长尾任务上,差距立刻显出来。被修剪过的能力,恰好修剪掉了最难的部分。
收入在哪里
红杉资本的 David Cahn 在 2024 年算过一笔账。把英伟达的数据中心收入乘以二,补上机房、电力、发电机的成本,再乘以二,给下游留五成毛利。
算出来的结论是:AI 行业每年需要约 6000 亿美元的新增收入,才能覆盖当年的算力投入。他当时估的缺口是 5000 亿。
MIT NANDA 在 2025 年的报告里给了另一组数字:企业级生成式 AI 试点中,只有约 5% 带来了可测量的收入加速,其余停在演示阶段。
一边是每年数千亿美元的资本开支,一边是落地率个位数。两者之间的落差,就是「泡沫」这个词的来历。
落差之下,市场看公司的尺子也在换:
估值体系的核心变量正从「增长的速度」转向「增长的质量」。
反面:泡沫论也可能是错的
先摆最强的反驳。历史上,铁路修得太多,倒闭了一批公司,但铁路留下来了;光纤铺得过剩,2000 年崩盘,但宽带留下来了。
基础设施过剩不等于技术无效。真正被清算的是估值,不是能力。用泡沫破裂去证明 AI 没用,是把两件事混为一谈。
第二个反驳关于时间尺度。看空的声音从 2023 年就没停过,而英伟达的市值在那两年里屡创新高。预测泡沫的人,往往对了方向,错了时点。
第三个反驳更硬:需求确实在涨。推理调用量一路上行,token 单价掉了一个数量级,用量补上了价格。有人用杰文斯悖论解释这件事:效率提高,总消耗反而更大。
所以我只认一半。资本开支的斜率确实超过了收入曲线,这个缺口是真的;但把它读成「AI 是骗局」,就跳过了太多中间环节。
我的判断是:算力能堆出更强的模型,堆不出通用智能。瓶颈已经从芯片移到了数据、评测和组织采用。泡沫若破,破的是「再投一倍就能到 AGI」这个叙事。
收口
下次看到某家公司宣布千亿级数据中心,先翻到财报的折旧那一行,再找它 AI 业务的收入那一行。
两个数字放在一起看,比任何一篇泡沫论都清楚。你不需要判断 AGI 什么时候来,只需要知道这笔账由谁在付。
参考
- 科技巨头 AI 竞争持续升温 投资回报风险引担忧(经济参考报,2026-02-24) · 报道
- 科技四巨头高额资本支出带来的三重启示(中国经济网,2026-02-12) · 评论
- The Curse of Recursion: Training on Generated Data Makes Models Forget(arXiv,2023-05) · 论文
- Training language models to follow instructions with human feedback(arXiv,2022-03) · 论文
- 麻省理工学院报告:企业 95% 的 AI 项目以失败告终(财富中文网,2025-08-21) · 报道
- 全球 AI 竞赛持续升温 美国四大科技公司年资本支出计划达 6500 亿美元(环球网,2026-02) · 报道
- Are we headed for a massive AI hangover?(Fortune,2024-08-05) · 报道
- 战争、油价、加息都来了,AI 还在狂欢?重看 1999 年互联网泡沫(市场48小时) · 视频