孫占卿：AI的“預期泡沫”，正變得越來越脆弱？

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺。

導語：當前的全球資本市場正被AI引發的兩種焦慮所籠罩。

一種是對AI顛覆性的焦慮。 年初至今，伴隨Anthropic Claude Cowork等系列類AI Agent產品發布，市場預期其將替代大量傳統軟件產品，恐慌情緒蔓延至全球軟件股和數據服務行業。市場正在以近乎“二選一”的邏輯重新評估行業價值：要么成為AI的放大器，要么成為被其替代的對象。

另一種焦慮則來自對AI泡沫的焦慮。Alphabet、Microsoft等科技巨頭預計將繼續投入巨額資金用于AI基礎設施。在商業回報曲線模糊、穩定產生現金流的應用場景有限的背景下，一些人擔心AI可能正在重演互聯網泡沫時期的路徑。就在此前2月，由于市場擔憂其“燒錢規模”相對于潛在收入過于龐大，OpenAI已將長期基礎設施投資計劃從1.4萬億美元大幅削減至6000億美元。

在IPP特約研究員孫占卿看來，當前AI領域的市場預期已演變為一種帶有強烈浪漫主義色彩的“跨越奇點”敘事，成倍放大了主觀估值，使投資者不僅貼現未來的生產力紅利，更為“文明躍遷”的無限可能性賦予極高權重，導致資本配置嚴重前置，構成了系統性的溢價風險。然而，AI擴張正面臨巨額資金與能源投入的現實瓶頸。一旦增速從指數級轉向線性或短期停滯，將觸發市場回調與投入擱淺的多重風險鏈條，其后果可能超越經濟范疇。

孫占卿 博士

廣州市社會科學院城市治理研究所副所長、IPP特約研究員

自2022年ChatGPT發布以來，人工智能領域的市場預期已超越單純的技術進步范疇，演變為一種帶有強烈浪漫主義色彩的“跨越奇點”敘事。這一敘事不僅包含對計算能力、自動化效率和經濟產出的常規樂觀預測，更疊加了“人類智能被超越、文明進入指數級自加速階段”的指數級加成。

浪漫主義熱情，推動全社會對AI估值（預期）嚴重偏離理性基礎，與比特幣、互聯網泡沫等歷史技術預期超前兌付案例相比，人們普遍認為AI已經度過了長達數十年的“冰凍期”，正式開啟了第四次工業革命的序幕，并且其影響將遠超之前的三次工業革命。

這種高度樂觀的預期引發了前所未有的認知“溢價”，帶來了巨大的短期市場（廣義，指社會對AI的預期和期待）波動風險。

1990年代和2020年代（2022年11月至今）納斯達克指數的走勢對比，當前的增長速度已超越1990年代互聯網泡沫時期。來源：IBD MarketSurge

當前，AI正處于從概念驗證向大規模基礎設施部署的過渡階段，其發展軌跡需警惕短期繁榮掩蓋下的結構性不匹配。市場對AI的過度反應可能已經透支了未來相當一段時間的支撐潛力，如果不能實現軟著陸，很可能與業已緊張的全球貿易沖突、地緣政治風險疊加，構成系統性風險。

一、高預期帶來高“溢價”

（一）估值溢價帶來資產泡沫

AI相關資產估值呈現爆炸式增長，形成明顯的溢價現象。以半導體巨頭英偉達為例，2022年底其市值約為3640億美元，至2026年2月已攀升至約4.6萬億美元，漲幅超過12倍，累計增加超過4萬億美元。同期，Microsoft市值從約1.79萬億美元增至約2.98萬億美元，Alphabet（谷歌）市值從約1.15萬億美元增至約3.79萬億。

AI生態企業合計貢獻了標普500指數自2022年11月以來約75%的價格回報、80%的盈利增長及90%的資本支出增長。AI相關股票占全球市值比例已從2022年的約11.5%升至23%左右，在美國市場占比更高達46%。

2023年—2025年主要人工智能公司市值變化。單位：十億美元。圖源：作者繪制

這一估值邏輯不僅限于軟件與芯片領域，還溢出到整個產業鏈上游。數據中心建設需求激增，直接推高銅、銀等原材料價格。銅作為電力傳輸與散熱核心材料，單座超大規模AI數據中心耗銅量可達數萬噸，2025年全球銅價創歷史新高，全年漲幅約44%，2026年多家機構甚至預測銅價將進一步升至每噸1.25萬美元以上。

2025年至2040年間全球銅需求的預測，單位為百萬公噸。圖表將銅需求分為四個類別。從2025年到2040年，能源轉型與新增需求以及人工智能與數據中心對銅的需求增幅顯著。圖源：S&P Global（標準普爾全球）

（二）AI浪潮橫掃傳統世界

高預期不僅重塑資產定價，更以無敵之姿橫掃傳統產業，所到之處土崩瓦解。IBM股價在2026年2月23日單日暴跌13.2%，創25年來最大單日跌幅，市值蒸發約350億美元。起因是Anthropic發布Claude Code工具，可自動化完成COBOL語言（IBM大型機編程語言）的編程和更新工作，大幅壓縮傳統咨詢與遷移項目的周期與成本。這一事件直接動搖了IBM在銀行、政府等傳統系統維護領域的長期優勢，引發投資者對整個軟件行業“AI替代”風險的恐慌。AI工具的快速迭代加速取代重復性與規則化勞動，傳統軟件、咨詢與服務領域的競爭壁壘迅速瓦解。

在更廣泛層面，AI正引發職業結構劇烈重構。英偉達首席執行官黃仁勛強調AI將“改變所有工作，讓我們更忙碌”，然而現實并不如此樂觀。麥肯錫預測，至2030年美國約1200萬個崗位需轉型，全球范圍內約3億個工作小時可能被自動化，相當于數千萬全職崗位當量。

世界經濟論壇估算，2027年前AI可能淘汰8300萬個崗位，同時創造6900萬個新崗位，凈效應為負1400萬，但轉型成本集中于中低技能群體。客服、行政支持、零售銷售與制造業組裝等領域受沖擊最大，占比約75%。高技能領域雖相對穩健，但編程、數據分析等崗位亦面臨AI從“輔助工具”向“主導者”的角色轉變。

美國受AI自動化影響比例最高的行業。圖源：MSCI（摩根士丹利資本國際公司）

（三）AI身披“奇點浪漫主義”色彩

傳統技術預期超前兌付，通常局限于特定應用場景的效率提升或市場滲透。例如，2000年互聯網泡沫源于對“一切業務在線化”的高估，最終通過實際情況校正，但AI的“跨越奇點”預期則嵌入了一種歷史性浪漫主義：它預言人工智能將實現遞歸自我改進，形成“智能爆炸”，從而開啟“后人類”的硅基文明時代。這種敘事并非單純經濟計算，而是融合了烏托邦愿景，帶有近乎宗教般的色彩。

不同于線性技術周期，奇點被描繪為不可預測的“事件視界”：一旦跨越，未來對人類而言變得不可知。這種指數級加成放大了主觀估值：投資者不僅貼現未來的生產力紅利，更為“文明躍遷”的無限可能性賦予極高權重，導致當前資本配置嚴重前置。結果是，AI相關資產的市盈率與資本支出規模遠超歷史可比技術周期，構成系統性溢價風險。

二、已經超前兌現的“高預期陷阱”

“跨越奇點”的浪漫主義為AI發展注入了強大動力，但也制造了前所未有的溢價風險。其指數級加成不僅放大短期估值偏差，更使超前兌付的后果超越經濟范疇，延伸至社會秩序與人類定位。

（一）AI持續長虹短期面臨資金、能源等瓶頸

AI擴張依賴巨額資金與能源投入，形成顯著瓶頸。Gartner預測，2026年全球AI總支出將達2.52萬億美元，同比增長44%，到2030年將占IT支出的絕大部分。

全球AI支出正快速擴張，從2025年的約1.76萬億美元增長到2027年的3.34萬億美元。圖源：Gartner

數據中心耗電量同步激增：國際能源署估算，2030年全球數據中心電力消耗將從2024年的415太瓦時增至945太瓦時，美國部分地區占比已超10%—26%。銅、銀等原材料價格因AI需求持續高位，2025年銅價累計漲幅約44%。

2026年2月OpenAI向投資者下調長期計算資源支出預期，從此前宣稱的1.4萬億美元規模調整為2030年前約6000億美元，并將營收目標與支出更緊密掛鉤。該調整釋放明確信號：早期天量承諾已面臨現實約束，AI狂飆進入調整末期。

如果估值未能匹配實際產出，資產估值逆轉將引發連鎖反應，波及從芯片到原材料的廣泛領域，形成“一地雞毛”的泡沫破裂場景。

圖源：Getty Images

能源約束更為緊迫。全球數據中心2024年耗電約415太瓦時（占全球1.5%），預計2030年翻倍至945太瓦時，年均增長15%，遠超其他部門增速。美國數據中心2024年耗電183太瓦時（占4%），2030年或達426太瓦時，部分地區占比已超10%—26%。

AI服務器功率密度極高，一座大型數據中心耗電可能超過10萬戶家庭，微軟等企業的數據中心建設遭到居民反對顯示AI企業用電已經對居民造成影響。國際能源署與高盛等機構均警告，電力供應短缺將成為AI規模化首要障礙，部分區域容量市場價格已因數據中心需求上漲數十億美元。

（二）預期提前兌付的滑落風險

從經濟邏輯分析，高溢價源于對AI未來收益的主觀高估。投資者傾向于將技術潛力視為即時、可無限擴展的價值來源，而忽略了資本結構的長期性與異質性。短期內，市場對“贏者通吃”敘事的追捧放大了流動性溢價，但邊際回報遞減規律已初現端倪：額外計算投入帶來的性能提升正面臨瓶頸，早期指數級增長難以無限延續。

比特幣的波動值得借鑒。作為高預期技術的典型，其波動印證了超前兌現后的脆弱性。2025年上半年比特幣受樂觀情緒推動，價格一度觸及12.6萬美元高點；下半年則因杠桿去化與現實回報不及預期，出現47%—52%深度回調，全年首現負收益。這一軌跡與歷史上的技術周期高度相似：初期敘事驅動估值暴漲，一旦增長停滯，泡沫便會迅速破滅。

AI領域同樣面臨類似風險。計算規模法則雖曾推動性能躍升，但邊際效用遞減已現端倪。雖然黃仁勛仍堅持“基礎設施建設規模前所未有”，但如果AI應用不能迅速擴散至非科技領域，勢必產生泡沫。一旦技術進步若出現短期滯停，資產泡沫破裂將直接傳導至實體經濟：信貸收縮、投資銳減可能引發衰退；社會層面，職業顛覆引發的適應困難或加劇不穩定。當前的狂熱使得市場早已忘記AI曾經歷數十年的低谷，一旦預期落空或延緩，系統性風險可能遠超單一資產調整。

（三）超前兌付風險的放大機制

與其他技術不同，AI奇點預期的浪漫主義熱情使社會沖擊更具系統性。AI增速放緩，只要其增速從指數級轉向線性或短期停滯，就將觸發多重風險鏈條。

首先，AI市場回調。目前已有很多機構預測2026年投資泡沫風險，受高利率和通脹影響。以“ChatGPT”們目前的情況看，在實現可持續發展之前，仍然需要燒大量投入。一旦奇點時間表落空、浪漫主義敘事被現實打破，可能引發集體去杠桿。

其次是大規模AI投入擱淺的風險，盡管多項研究證明AI部署和應用可能導致大規模失業，但在多數企業“all in AI”的情況下，如果預期難以達成，前期投資成為豆腐渣工程，必然觸發多重風險鏈條，包括企業投資浪費和社會動蕩。

三、AI可持續發展需要構建韌性治理體系

（一）當前AI對治理造成巨大挑戰

AI未來仍存在多重不確定性。當前人工智能（AI）領域的競爭已進入白熱化階段，主要驅動因素在于對人工通用智能（AGI）的“入場券”或話語權的激烈爭奪。

多數從業者和投資者堅信，率先跨越AGI門檻將確立“領先者通吃”的市場地位，這一信念源于網絡效應理論和平臺經濟模型，其中早期主導者可通過數據反饋循環和規模經濟鎖定競爭優勢。大科技公司通過“卷”模型規模和計算力來鞏固地位，中小型企業則聚焦應用層創新。

然而，AI的發展模式對治理形成巨大挑戰。

一是投入過分集中和機會成本損失的風險。AI的高投入、高技術、高試錯特征，使得它的主要發展必然由市場主體中的超級企業完成。超級企業的巨量投資使得方向相對集中。而“領先者通吃”神話的脆弱在于AI仍然存在多路徑可能性，極易受到范式轉變影響，如Transformer架構和scalling law的有效性等，短期內的高強度投入雖然可以推動創新加速，卻不能替代時間的檢驗。另外，投資過分集中在少數技術路線，也面臨踏錯的風險。

二是技術壟斷的風險。截至2026年3月，AI壟斷已高度顯現，少數大公司控制90%以上的計算資源和模型訓練能力。人工智能（AI）作為一種高滲透性技術，其發展模式深受算法訓練前置和控制機制復雜性的影響。這些特性使得AI資源高度集中于少數大公司，可能放大壟斷風險。一旦這些公司主導AI生態，世界可能面臨思想單一化、生產安全隱患，以及全球管控權向少數實體轉移的系統性威脅。

美國當前幾家科技巨頭之間內部資金鏈的網絡結構。網絡以英偉達為核心，連接著甲骨文、微軟、OpenAI、xAI、晶片代工廠以及一系列風險投資機構。圖源：彭博社

（二）著眼AI平穩有序發展構建韌性體系

AI風險防控不應完全依賴市場自發調節，而需由國家與國際組織承擔核心責任。當前模式病態之處在于將系統性風險外部化：能源消耗、就業沖擊、倫理偏差等均可能演變為公共成本。國際層面，歐盟《AI法案》已確立風險分級監管框架，美國、英國、中國等亦在推進主權AI與治理標準。中美兩國作為AI發展的主要參與者，應該加強協調，共同管控AI技術的可持續發展。

基于AI的通用性和高滲透性，其治理必須是一個“整體”的體系。聯合國與G7框架強調透明、可解釋性與人權保障，在國家層面應有序推進技術更新：設定計算能耗上限、強制環境影響評估，并通過財政工具引導資本流向普惠應用而非純競賽。同時，加強AI的影響評價和有序推進規劃，完善基于AI沖擊的經濟社會風險聯動評估系統。

（三）AI可持續發展的建議

1.推動多元化路線與成熟度評估，提高技術可控性

AI可持續發展需優先解決技術路線不確定性和成熟度不足。通過建立技術成熟度水平評估體系，將AI從實驗室原型到商業部署實行分級管理。

建議政府與企業聯合資助多路徑研發，避免單一依賴。推廣開源協作平臺降低訓練前置壁壘，實現性能每瓦的100倍提升目標，以緩解能源瓶頸。

同時，強制實施AI審計機制：企業需定期評估算法偏見、環境影響和數據隱私，確保透明性和可解釋性。

2.構建全球韌性治理體系，強化政策與監管建設

國家與國際組織應主導AI治理，避免市場外部化風險。借鑒歐盟AI法案的風險分級框架（2024年生效），將高風險AI納入強制環境影響評估和能耗上限。

建議成立監管創新辦公室，協調跨部門AI政策，針對少數大公司壟斷實施反壟斷審查，包括拆分數據基礎設施和強制開源部分模型。

在國際層面上，推動全球AI治理對話，聚焦發展中國家能力差距和治理互操作性。中美作為AI領導者，應加強協調，建立主權AI標準，避免地緣碎片化。同時，引入AI稅制，資助通用基本收入緩沖失業沖擊。

3.加大投資于人，緩解失業與思想單一化風險

加大對人的投資，通過 AI 輔助培訓彌合技能差距，推動形成“人—AI 協同”的發展模式。同時，應完善社會保障體系，建立 AI 影響評估系統，持續監測職業結構重構及不平等放大的趨勢。針對可能出現的思想單一化問題，推動算法多樣性審查機制，以防范“回音室”效應。

在治理層面，加強社區參與機制，例如探索去中心化治理方式，以提升制度透明度與包容性。與此同時，應優先推進AI倫理基礎設施建設，確保發展中國家能夠參與其中，避免全球技術治理權過度集中。

本文作者：孫占卿 廣州市社會科學院城市治理研究所副所長

點擊圖片閱讀更多孫占卿博士的文章

IPP評論熱門文章

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。