摘要

AI 确实有泡沫，但泡沫主要存在于价格和预期，而非技术发展的本质。 莫傑麟将泡沫定义为“比现实更高的预期”，并强调有泡沫“不一定是坏事，也不一定随时会破”；他认为 AI 当前的智能已经很强，很多时候超过人。一级估值和二级市值则需要分市场、分板块判断。
本轮争议的共同落点不是模型能不能用，而是模型公司的 ROI 能否覆盖急剧扩大的投入。 Meta 挖人、OpenAI 与 xAI 等公司规划二十到三十 GW 以上 data center、英伟达投资模型公司，让 investment 快速抬升；与此同时，市场感知中的 return 正在收平。曲凯将这种变化概括为：“我们过去不看 ROI，现在开始看 ROI 了。”
近期美股和英伟达回撤不能被单因归结为 AI 泡沫，宏观、流动性与风险偏好同样关键。 一月 DeepSeek 出来时英伟达曾跌到 90 美元以下，本轮并未达到同等幅度；莫傑麟据此判断，“如果市场是完全相信了泡沫这个事情，应该跌更多”，眼下更像多重因素共同削弱了此前的乐观。
真正的周期换挡，是市场从等待下一次 AGI 式突破，转向要求模型产业化、降本增效和应用交付。 人们不再普遍期待下一代模型带来决定性的 aha moment；模型公司开始卷应用和收入，应用公司又反向做模型，AI 正从 scaling law 的“市梦率”走向实际“市盈率”，但暂时还缺一次新的“信仰充值”。
两位对 scaling law 是否失效存在关键分歧，但对新增投入需要有能力或回报依据。 莫傑麟认为，更大投入的前提是 scaling law 有效，并以连锁餐饮扩张后却要“从水泥造起”作比；曲凯不同意 scaling law 已失效，认为它只是“没有办法去评估了”。许多 founder 则认为当前问题更多在成本、infra、context 与 agent layer。
泡沫程度高度结构化：中国一级相对健康，美国一级更有泡沫，二级则尚未完成从硬件到软件的定价迁移。 美国同等状态公司的估值可能是国内的至少十倍；Cursor 即使持续亏损仍可到 100 亿美元估值。二级市场里 Oracle 等 data center 标的跌得更多，英伟达本身却相对抗跌，因为“事实上的结果就是英伟达仍然是最赚钱的”。
投资上比判断“有没有泡沫”更重要的，是识别周期切换后新的 winner 与 loser。 2023 年两人还担心中国模型追不上，两年后曲凯称开源模型已经全是中国模型；寒武纪也显示，行业判断在一年内可能发生剧烈反转。“winner 的上限就是没有上限”，而 To C、云和大模型都可能强化头部集中。
对创业者而言，泡沫中的正确动作不是停下来，而是管理融资、估值和现金流节奏。 泡沫会提供成长资本，也会在破裂时把大量参与者变成“养料”；PayPal 穿越 dot-com 的例子指向同一底线——“自己要能造血”。与此同时，英伟达已宣布向 OpenAI 投资 1000 亿美元，OpenAI 又与 AMD 达成采购协议、与 Broadcom 达成新协议，提示算力上游格局正在先于财报重排。

精读

1. AI 的价值与价格要分开

莫傑麟开门见山回答“有”，但随即拆掉泡沫必然崩溃的含义：如果泡沫是“一个比现实高的预期”，快速发展的行业几乎必然带着泡沫；它能带来资金和成长空间，“有泡沫不一定是坏事，也不一定随时会破”。
莫傑麟把问题分成价值与价格：身边真正做 AI 的人几乎不讨论泡沫，甚至觉得这个问题可笑，因为当前 AI 的智能已经很强，“很多时候都超过人了”。因此从 AI 发展的本质看没有泡沫，一级估值和二级市值则要另算。
曲凯指出，去年大家讨论泡沫时，主要依据是科技公司的收入和 EPS 持续增长，按预期 PE 大约在 30 倍左右，单看 PE 确实可以支撑一部分价格。莫傑麟补充，预期并不完全体现在估值倍数里：同样采购英伟达的卡，有人押注 AGI，有人押注降本增效，两者对 data center ROI 的预期可能不同。

2. 本轮泡沫叙事由投入激增引爆

过去的质疑往往火力集中：DeepSeek 时讨论的是“用很少的钱”做出模型；再早一轮围绕 GPT-5 没有训练出来、硬件导致训练未完成。本轮论据却覆盖绝对智力、RL、post-training、应用、商业模式、推理成本与中国开源模型，最终都指向同一个问题：ROI。
莫傑麟梳理出的引爆线索，先是 Meta 挖人，随后是 OpenAI、xAI 等公司拟投入二十到三十 GW 以上的 data center，再到英伟达投资模型公司。资本行为不断放大 investment，而市场感知中的 return 至少没有同步变强。
曲凯的追问是：这些问题过去至少一年一直有人提，为何现在突然合流？莫傑麟的答案是程度变了：美国科技公司在 AI 上投入的金额，已经是前面几年加起来更大的规模，又恰好撞上宏观波动。曲凯将其概括为：“我们过去不看 ROI，现在在看 ROI 了。”

3. 股价回撤不是泡沫破裂的单一证据

对美股下跌的归因，两人列出前期涨幅后的回调、降息预期、美国政府停摆、地缘政治、流动性与 AI 估值等因素。莫傑麟拒绝强行排序，但确信“它不是单一因为 AI 的这个泡沫在跌”，整体风险偏好下降才是共同结果。
一月 DeepSeek 出来时，英伟达曾跌到 90 美元以下；本轮跌幅尚未到那个程度。莫傑麟据此反推：“如果市场是完全相信了泡沫这个事情，应该跌更多。”目前更像收回一部分此前的乐观，而非完成泡沫定价。
从业者情绪并未大面积转冷，风险偏好的下降也只是结构性、小范围的变化，身边仍有很多人在买 Google 股票。录制时，第二天是 Gemini 3，后一天是英伟达财报；Gemini 3 的预期不低，英伟达财报预期相对可控但非常重要。真正的风险是市场“情绪有些脆弱”，容易借事件寻找方向。
曲凯引用一个耐人寻味的市场合力：看多 AI 的希望先跌，以便低价抄底；看空者则认为“本来就该跌”。所以多空都可能短期希望回调，价格行为本身并不能证明哪套长期叙事成立。

4. AGI 信仰周期正在让位于落地周期

过去两三年，行业持续追踪下一代模型如何解决 math、coding，拿到什么数据、多少卡、又挖走哪些人，因为这些信息共同指向“模型更强以后能解锁什么”。曲凯的直觉变化是：现在已经很少有人期待下一代 GPT 再带来惊艳跃迁。
从 o1 开始，叙事逐渐从 pre-training 转向 post-training 与 RL；DeepSeek 又把推理模型热度推到阶段高点。曲凯提出的疑问是，如今 RL 似乎有些后继乏力，DeepSeek 也尚未交付市场期待的新版本，这是否正在消耗原有预期。
莫傑麟把它定义为周期变化，而不只是泡沫：统一 benchmark 已难以衡量模型优劣，周围 founder 普遍认为能力“已经 OK 了”。未来三年可能不再把预训练当成唯一重点，而是挖掘现有模型、垂直 To B、商业模式和降本增效。
曲凯从公司行动反推管理层判断：模型公司肉眼可见地开始卷应用、工程和收入，应用公司又反向做模型，Cursor 也开始推出自己的模型。如果 Sam Altman 仍看到纯智能跃迁的高确定性，未必会把如此多精力转向应用层；但曲凯强调，外部只能通过行动反推，无法获得其内部信息。

5. Scaling law 的争议是失效还是不可测量

莫傑麟先提出，更大的投入成立的前提是 scaling law 有效。若投入十倍就能实现 AGI，“你把一个国家投进去”市场也可能接受；但如果给连锁餐饮扩张的钱，最后却被告知要先“从水泥造起”，投资者自然会追问价值在哪里。
曲凯不同意 scaling law 已失效，认为从调研看它只是“没有办法去评估了”。模型已经在许多场景超过人，剩余问题集中于 RL、泛化和最后一步能力，不能因为缺少统一 benchmark 就判定 scaling law 失效。
许多 founder 反馈，现在往往“不是模型的问题”，而是成本、infra、context 和 agent layer。曲凯把阶段变化比作：原来连基建都没有，现在基建有了，接下来要做软装；从业者因此更可能把它看作行业进入下一阶段，而不是变差。

6. 中国与美国、一级与二级处在不同泡沫水位

莫傑麟认为中国一级市场没有明显泡沫，整体仍相对健康：美国同等状态的公司很容易拿到国内十倍以上的估值，国内头部项目的估值可能只有美国同类项目的至少十分之一。美国一级则有泡沫，部分公司数据并不 solid，Cursor 持续亏损仍能达到 100 亿美元估值。
对中国二级，莫傑麟更谨慎，因为不少标的是美国二级市场的延伸，并与英伟达产业链有关；但光模块、寒武纪等至少存在业绩支撑，不能与纯预期公司一概而论。
美国二级的反应更反常：如果训练周期趋稳，部分公司肯定存在泡沫，但本轮英伟达并未大跌，Oracle 等 OpenAI data center 相关标的反而跌得更多。市场似乎仍认定，建设 data center 仍需要购买英伟达的卡，因此英伟达是受益方。
市场早已期待“从硬件转软件”；价格层面，迁移却没有完成。事实仍是英伟达最赚钱，软件端尚未出现同等级的成功和盈利，加上历史多次证明做空或低估英伟达是错的，投资人的预期还没有完全转化为价格。

7. 泡沫是水温计，周期才是待回答的问题

曲凯提到一位 a16z 合伙人的播客；莫傑麟补充说，对方经历过 2000 年 dot-com 泡沫。当时随便一家公司都能上市，上市就能涨很高，收入并非必要条件，甚至出租车司机都在讨论股票；但在那个节点，并没有那么多人公开说“这是泡沫”。
曲凯用去年国庆前后的 A 股作对照：大涨时，路过楼下都能听到保安聊股票，所有人开户，假期后市场随即下跌。今天的 AI 尚未进入这种全民状态；如果所有人都知道有泡沫，价格理论上也应有所反映。
AI 的节奏更像“脉冲式”或“阶梯式”发展：2023 年上半年因 GPT-3.5 等模型升温；2023 年下半年至 2024 年上半年，中国一级投资近乎冻结；2024 年下半年至 2025 年上半年，又由 o1、DeepSeek 和 coding 能力带起热潮。
当前缺失的是更大的“信仰充值”。录制时市场期待 Gemini 3 的多模态、coding 与产品组合，却没有普遍押注它在 AGI 上跨越式提升；若未来再出现一次 DeepSeek 式时刻，新概念仍可能接棒，令小周期重新向上。

8. 周期切换会重排 winner，而不是平均降温

曲凯认为 AI 的 To C 天然具有很强的头部效应；莫傑麟补充，如果把模型定义成 To C 产品，也会如此。云计算则因为固定成本支出壁垒很高，通常只有两三家主要公司。大模型不仅成本高，还取决于 leader 是否真正懂 AI，强者效应可能比移动互联网更明显。
2023 年，两人还担心中国模型追不上、卡也不够；两年后曲凯称“现在开源模型全是中国模型”。莫傑麟尤其提醒，硅谷讨论中国模型时经常漏掉字节，而其人才储备可能是判断长期位置的重要输入。
寒武纪提供了情绪快速变化的样本：2024 年仍有不少行业专家集中质疑；按节目所述，其推理芯片后的首份财报出现在 2024 年 10 月，而录制时已是 2025 年 11 月，仅过去约一年。
2025 年大家集中质疑的反而是 OpenAI，部分原因是 Sam Altman 的一系列激进行动。莫傑麟保留反向可能：它即使已不同于 Ilya 在场时的最初形态，也未必妨碍其成为强大的商业公司；短期情绪与中长期结论可能恰好相反。

9. 二级市场正用情绪和预期取代长期绝对判断

为准备讨论，两人查阅了大量泡沫文章。曲凯指出，部分文章在计算 data center 投入时甚至弄错了投入对应的年份，却据此推导 OpenAI 现金流即将断裂。莫傑麟随后指出，二级市场现在未必会细看这些底层计算；情绪化结论背后的 input 质量可能完全不过关。
二级市场已从价值投资大幅迁向 financial engineering：莫傑麟认为，专业投资人关心最近的情绪、叙事、alpha 和三个月内影响 buying 的预期，不愿持有过于长期、绝对化的 view。
曲凯提到，他曾向一位专业且机构业绩不错的二级投资人说，身边从业者都在买 Google；莫傑麟补充说，对方没有任何反应，因为他们并没有研究 Google。
莫傑麟把信息分为情绪、预期、趋势和“这个东西绝对是对的”四层。二级投资者通常对前两层更敏感，founder 对后两层更敏感；在这次泡沫讨论上，曲凯认为至少可以说“预期不低、情绪很低落”，这既可能意味着下跌未完成，也可能因情绪过低而反弹。

10. 市场正在从市梦率切换到市盈率

莫傑麟把当前位置概括为两个周期、两套标准的交界：行业内部相信应用必然落地，未来也会更好，但市场尚未看到足够明确的 deliver。估值正从 AGI 与 scaling law 的“市梦率”，转向产业化结果和实际市盈率约束下的“市盈率”。
泡沫本身能给创业公司更多资本成长，破裂时却会让许多参与者成为“养料”；伟大公司也往往从同一轮泡沫里长出。因此关键并非准确喊出顶部，而是清醒知道自己在哪个阶段、做什么，以及想换取什么。
莫傑麟认为 founder 也必须成为好的投资人：除管理、技术和产品之外，融资节奏与估值节奏都是公司成功要素。“都知道是泡沫，那难道我停下来吗？我觉得肯定不是”，但融不融资、何时融资，会决定能否跨过周期。
曲凯以 PayPal 穿越 dot-com 为例，提炼出的底线是“自己要能造血”，保持良好现金流。没有现金流，泡沫一破公司就直接死亡，也就谈不上熬到下一阶段或等待下一轮信仰回归。

11. 算力上游的利益与结构重组

莫傑麟回看 SaaS、新消费、教育、游戏和线下连锁热潮，认为每轮往往是渠道先获利：教育、游戏、新消费中渠道赚到钱，连锁则由 shopping mall 等位置渠道获利；进一步看，渠道赚到的钱来自投资人，再往后是 LP。
莫傑麟认为，2025 年第三季度更重要的事件，是英伟达宣布向 OpenAI 投资 1000 亿美元；同一周 OpenAI 又公布与 AMD 的采购协议，两天后再出现与 Broadcom 的新协议。这些安排体现了 Sam 作为“投资人出身的企业家”的投资和 ROI 思维。
Google 的 TPU 又提供了另一条需要观察的算力路线，TPU 对 Google 的商业价值也值得单独讨论。英伟达、AMD、Broadcom 的安排都指向半导体板块；同期承压更大的却是 Oracle 等 OpenAI data center 合作方，因为市场担忧 data center 的利润、建设可行性与缺电问题。
莫傑麟认为，上游算力结构已经在逻辑和预期层面发生转向，只是尚未完整反映在财报里。OpenAI data center 等问题还需要进一步拆解；泡沫讨论提供的是情绪水温，更需要识别的是结构变化及其将产生的 winner 与 loser。后续讨论还会涉及 pre-training、post-training、视频模型用卡、token 优化、PMF 等问题。

AI动态：NVIDIA创纪录营收、Elon在太空建设数据中心，以及Gemini 3的惊人性能 Epstein文件余波、Nvidia风险、Burry的糟糕赌注、Google的突破、Tether的繁荣