记者丨冉黎黎

　　编辑丨李博 郑玮

　　一种关于AI泡沫的担忧情绪正在市场上蔓延 。

　　近期 ，不少科技巨头纷纷上调AI资本投入
。瑞银旗下研究部门Holt Unit的一份最新报告显示，全球科技行业的波动性已攀升至互联网泡沫破灭以来的比较高 水平
，投资者正在重新评估人工智能驱动的超大规模数据中心和半导体公司现金流回报是否能够持续。

　　全球视野下，资本的狂飙正遭遇质疑 。而将视线拉回国内 ，AI热潮是否也面临泡沫的可能？

　　与资本市场的躁动不安形成对照的是
，政策端的信号清晰而连贯。今年政府工作报告首次提出“打造智能经济新形态 ”
。4月28日，中共中央政治局会议要求“全面实施‘人工智能+’行动
”。7月30日 ，中共中央政治局会议又明确提出“深入实施‘人工智能+’行动
，发展智能经济新形态” 。

　　多位受访人士指出，泡沫的判断是针对投入、费用 和回报节奏 ，并不等同于判断AI技术有没有价值
。近来 
，许多企业的投资尚未带来实质盈利，但面向未来 ，公司在AI方向的投入预计还会继续增加
，重点投向研发团队建设等。在这背后，企业需要注意到的是 ，大量真实场景还没有被AI充分改造，对工业AI来说
，现在不是泡沫，而是价值远远没有释放出来 。

　　AI泡沫存在吗？

　　AI泡沫是什么？财信金控首席经济学家 、财信研究院副院长伍超明对21世纪经济报道记者表示 ，AI泡沫是指资本市场对AI相关资产的定价大幅脱离了其现阶段的盈利能力与现金流创造能力
，核心在于叙事溢价远超商业基本面
。

　　伍超明指出，之所以出现“AI泡沫 ”论 ，主要有三方面原因。一是技术叙事宏大（AGI愿景）与短期变现困难之间的落差 。二是资本密集投入（算力
、研发）与现金流回报周期长之间的矛盾
。三是部分企业估值锚定故事而非业绩
，市场担忧预期难以兑现。

　　从数据层面看，泡沫担忧并非空穴来风 。据公开报道 ，瑞银估计
，排名前五的超大规模数据中心运营商微软、Meta 、Alphabet、亚马逊和甲骨文，明年将面临总计2270亿美元的资金缺口 ，无法满足其运营和融资承诺
。

　　在国内市场
，北京大学光华管理学院教授翁翕指出，一些AI企业在财报中显示亏损 ，收入无法覆盖支出，同时资本支出却非常庞大。在亏损状态下进行大规模投资
，自然会引发外界对泡沫的质疑 。

　　“但从另一个角度看，许多重大技术革命 ，如互联网革命
，本身往往伴随着泡沫，并需要适度的超前投资。尽管当期可能不赚钱 ，但从长远来看
，这种投资方向是正确的
。”翁翕说。

　　今年政府工作报告在首次提出“打造智能经济新形态
”的同时，还提出了“实施超大规模智算集群
、算电协同等新基建工程”等 。

　　当前 ，中国AI基础设施规模正在快速扩张
。工信部数据显示
，截至今年6月底，我国智能算力规模达2185EFLOPS（FP16）。其中 ，东部、中部 、西部
、东北地区智算规模占全国比例分别是55.9%、10.6% 、32.6%
、0.9% 。全国算力设施整体上架率达71.4%
。另据国家数据局今年7月数据
，八大国家算力枢纽已建成智算总规模占全国比重超80%。

　　基础设施铺开的同时，产业规模也在快速壮大 。据中国信息通信研究院测算 ，2025年我国人工智能产业规模超1.2万亿元，同比增长40%
。截至2026年6月
，人工智能企业数量超6600家，全球占比达到15% ，已形成覆盖基础底座、模型框架 、行业应用的完整产业体系。

　　对于未来的增长空间
，今年3月，国家发展和改革委员会主任郑栅洁在〖Fourteen〗
、 届全国人大四次会议经济主题记者会上表示 ，“十五五 ”末人工智能相关产业规模将增长到10万亿元以上 。

　　郑栅洁同时提到
，将持续做大做强传统产业，推动重点产业提质升级 ，预计未来5年
，传统产业将新增10万亿元以上的广阔市场，这些同样是发展动能的重要来源
。

　　传统产业的提质升级 ，也将越来越多地借助AI的力量。在“优化提升传统产业
”方面
，“十五五”规划纲要提出“强化数智绿色技术赋能 ”“发展智能制造
”等 。

　　一位人工智能专家对21世纪经济报道记者表示，AI已经积累大规模用户、产生企业收入并形成算力需求 ，技术趋势具有坚实基础。当前AI呈现的鲜明特征是，确实能看得到生产力的提高
，但也必然叠加局部资本泡沫
。不过，泡沫的判断针对投入 、费用 和回报节奏 ，并不等同于判断AI技术有没有价值。

　　从企业端看
，河北博柯莱智能装备科技股份有限公司深耕医药工厂和智能制造场景多年，其选取 也反映了部分工业企业的判断 。过去一年 ，博柯莱AI团队规模扩张约200%
，且扩张主要发生在研发端
。

　　博柯莱董事长杜仁杰观察到，客户正在发生变化。“客户对纯概念
、纯展示型AI的兴趣在下降 ，但对能够真正解决具体生产问题、质量问题 、效率问题、知识管理问题的AI应用
，兴趣在快速上升 。”他说，AI正在从“看起来很先进 ”转向“到底能不能在场景里创造价值
”
。

　　价值仍待释放

　　“若供给与需求匹配 ，投资应当能获得较高回报率。”翁翕指出
，近来 无论在中国还是美国，许多AI企业的投资并未带来实质盈利 。

　　麦肯锡调研显示 ，更多企业开始使用AI，但真正的规模化部署依然稀少
。在企业层面
，多数机构仍停留在探索或试点阶段，仅约三分之一已着手推进AI的规模化落地。AI改善整体利润的案例仍较少见 ，将EBIT（息税前利润‌）因AI提升超过5%
，并已利用AI创造“显著 ”价值的企业定义为“AI高绩效企业
”，这一群体约占样本总量的6% 。

　　伍超明强调 ，当前数据不支持“AI需求完全虚假”的判断
，但也不足以证明所有投资都能获得合理回报
。关键应观察资本效率——算力利用率是否下降，AI收入能否快于折旧和运营成本增长 ，付费客户是否来自真实行业
，企业试点能否转化为年度续约。

　　在前述AI专家看来，2026年正处于供给追赶需求的后半程
、回报验证的前半程 。

　　阿里巴巴集团的财务轨迹则提供了一个更具观察价值的样本 ，其发布的2026财年第三季度财报显示
，集团净利润156.31亿元，同比下降66%；调整后净利润167.1亿元 ，同比下降67%。阿里巴巴集团表示，本季度公司在AI与消费两大核心领域持续投入
。

　　在阿里巴巴集团披露的2026财年第四季度财报中
，当期营收2433.8亿元，同比增长3%；净利润254.76亿元 ，同比大涨106%。本季度AI相关产品收入89.71亿元
，连续11个季度实现3位数同比增长，AI业务发展势头强劲 。阿里巴巴集团首席执行官吴泳铭表示：“阿里全栈AI技术投入已正式跨越初期培育阶段 ，进入正向的规模商业化回报周期
。 ”

　　从更贴近实体经济的垂直场景来看
，杜仁杰向21世纪经济报道记者算了一笔账，过去一年 ，博柯莱AI相关业务收入超过3000万元
，但如果将前期研发投入全部计入，业务线尚未完全覆盖历史研发成本。

　　“这在工业AI发展早期非常正常 。”杜仁杰对暂时的“未盈利
”并不焦虑 ，他反复强调一个判断：AI在To B
，尤其是在医药工业场景里，不是一个简单卖软件、卖概念 、卖展示系统的生意 ，它需要和具体工艺
、设备、数据 、质量体系
、验证体系结合起来
。“大量真实场景还没有被AI充分改造，对工业AI来说
，现在不是泡沫破裂，而是价值还远远没有释放出来。”

　　杜仁杰透露 ，明年公司在AI方向的投入预计还会继续增加
，重点投向研发团队建设、硬件与测试环境，以及医药工厂典型场景的可复制解决方案 。“我们更关注可复制场景 ，而不是一次性的项目展示
。 ”

　　与互联网泡沫不同

　　市场上
，不少人将当前的AI热潮类比于之前的互联网泡沫。

　　亿万富翁投资者 、全球最大对冲基金桥水基金创始人达里奥（Ray Dalio）近日表示，人工智能（AI）的狂热已将市场推向泡沫破裂边缘 ，让人想起1929年（股灾）和2000年（互联网）的泡沫 。

　　而在伍超明看来
，两代技术革命范式存在本质差异
。互联网是连接型革命，红利通过降低交易成本外溢至全社会 ，平台难以截留利润。AI是生成决策型革命
，直接替代人力完成降本增效，具备潜在的价值捕获能力 。2000年互联网泡沫破裂 ，深层矛盾在于价值传导机制断裂——互联网虽创造了社会价值，但受限于当时商业基础设施
，无法将公共收益转化为企业利润。相比之下，AI已初步形成B端变现路径 ，当前呈现上游硬件利润丰厚
、中下游普遍亏损的结构性分化
。

　　赛迪顾问人工智能与大数据研究中心高级分析师白润轩对21世纪经济报道记者表示
，看清AI泡沫论的关键，在于区分技术泡沫和资本泡沫。前者的核心假设是技术本身不可行 ，后者的核心问题是资本投入和估值节奏跑在了商业兑现前面 。当下的AI泡沫论更像是“预期超前兑现
”的结构性矛盾——技术进步真实存在
，但部分环节的资本定价和投入强度可能超出短期基本面的支撑
。这不是互联网式的全面虚假繁荣，而是技术真实与资本过热并存、出清将在局部发生的阶段。

　　前述AI专家也认为 ，互联网泡沫以一次剧烈调整淘汰了大量网站企业
，却留下了通信网络 、电子商务和云计算基础设施 。AI周期更可能通过应用
、模型和基础设施三个层次的滚动出清，淘汰大量同质化企业 ，同时留下算力网络、数据资产 、智能工作流程和新的组织能力
。

　　身处制造业之中
，杜仁杰还观察到了当前行业存在的一个普遍问题：把To C端的AI热潮和To B端的工业AI混为一谈，把通用大模型、聊天机器人和工业现场的AI应用混为一谈。

　　在生产制造环节 ，客户决策极其谨慎 。杜仁杰说：“我们身边的企业，基本没有因为一时冲动就在生产环节大规模采购AI硬件或系统
。更多客户还处于观望
、试点、验证和逐步落地阶段。”

　　杜仁杰更愿意把AI看作一项长期的工业基础能力
，而不是短期概念 。医药行业的数据非常丰富，但过去很多数据没有真正形成闭环 ，也没有充分转化为生产力
。“如果从短期资本市场看
，AI可能有泡沫。但如果从工业场景 、医药制造和长期生产力提升看，AI的价值才刚刚开始 。 ”

　　（声明：文章内容仅供借鉴  ，不构成投资建议。投资者据此操作
，风险自担
。）