英伟达黄仁勋“AI没有泡沫”的保证言犹在耳，第二天美股就罕见“从大涨到大跌”，而包括英伟达在内，各大科技巨头上演的“盘中惊魂”，固然与大环境密不可分，但也表明，市场对于“皮衣黄”的言之凿凿，依然并不完全相信！
巨头的狂热VS大佬的“棒喝”
AI领域正呈现出前所未有的矛盾景象。一方面，硅谷巨头们异口同声地为市场注入强心剂，另一方面，预警信号已频频闪现。
就在最近，在和马斯克的“大对谈”中，黄仁勋在回应“AI泡沫”质疑时表示，当前世界正在经历三大计算平台的转型：摩尔定律的终结、生成式AI对推荐系统的重塑，以及AI智能体的兴起。
与此同时，近期英伟达等AI龙头股遭到大佬做空或清仓，加大了市场对AI泡沫的担忧。
首当其冲的当属软银：11月11日，软银宣布已于今年10月全数出售其所持有的英伟达股份，套现58.3亿美元。此外，软银还透露在今年6月至9月期间，出售了部分T-Mobile持股，价值91.7亿美元，以筹集资金，全面押注OpenAI的投资——未来对其投资总额可能高达225亿美元。
据外媒，市场分析认为，此次软银清仓英伟达，是因为软银在10至12月的第三财季至少需要305亿美元向OpenAI及芯片设计公司Ampere等投资。这意味软银一个季度的投资金额，已超出其过去两年总和，因而需要各种手段融资。
但这就是市场的全部图景吗？并非如此。与软银“圈内打转”的策略形成鲜明对比的是，一些敏锐的投资者已经开始用“真金白银”直接表达对AI泡沫的警告。他们的行动不再是调仓，而是直接的做空。
“大空头”迈克尔·伯里近期披露了针对AI领域热门股英伟达与Palantir的新做空仓位。监管文件显示，截至9月30日，他持有名义价值约1.87亿美元的英伟达看跌期权，和9.12亿美元的Palantir看跌期权。目前尚不清楚其是否仍持有这些仓位，或其仅作为对冲手段。
调节利润的“帽子”，AI当得起么？
常言道“悲观者永远正确，乐观者永远前行”，谁说的不重要，关键问题在于，他说的是否有道理！
他声称，“超大规模计算商”，即主要云计算与AI基础设施提供商，正在通过低估折旧费用来美化报表。其在其推文中写道：“通过延长资产使用寿命来低估折旧，从而人为推高盈利——这是当代最常见的财务欺诈手段之一。”
“财务欺诈”这顶帽子到底有多严重，相信任何一家正规上市的公司都不敢视若儿戏，特别是面对巨头，这种指控更要有凭有据，否则难免面临司法风险！
他进一步解释道，科技企业大规模增加资本开支，采购英伟达芯片和服务器以扩充算力，这些产品周期通常只有2至3年，但部分公司将折旧周期延长至6年，这恰恰是所有超大规模计算商都已采取的做法。
但据投行伯恩斯坦（Bernstein）在11月17日发布的一份报告，分析师认为，将GPU的折旧周期设定为6年是合理的。报告指出，即便考虑到技术迭代，运行旧款GPU的现金成本相对于其市场租赁价格而言非常低，使得延长使用年限在经济上完全可行。
按照该报告，运营一块旧GPU的现金成本（主要是电力和托管费用），远低于市场上的GPU租赁价格。这意味着，即便硬件性能不再顶尖，但只要市场对算力的需求依旧旺盛，持续运行旧GPU就能带来相当高的贡献利润。
面对全新芯片的昂贵价格和紧张的产能，巨头们完全可以采取“新旧混搭”的模式，以甲骨文为例，其将前沿研发任务分配给最新芯片，同时将大量的模型推理等任务分配给旧芯片或更具性价比的替代方案，以此优化其成本，还可确保供应链稳定，增强市场竞争力。所谓“好钢用在刀刃上”，“新三年，旧三年，缝缝补补又三年”还真不是一句空话。相信精明的巨头们会有应对政策的！
AI应用？先要找到方向
微软CEO纳德拉，或许是比较早公开表示AI“可能跑得太快”的业内大佬之一。早在今年2月，其表示“如果AI会像工业革命一样，那就让它真能带来类似工业革命所带来的增长率。对我来说，这意味着10%的增长，或者至少7%，发达国家通胀调整后还能有5%。”言下之意，如果AI带不来经济增长，那对它的价值就要重新考虑！
当然CEO这么讲，或许更多出于一种鞭策，并不耽误微软今年在AI上大举押注。据外媒，纳德拉认为，生成式AI时代已经逼得微软必须彻底重塑商业模式，为此他找上了 15 年前推动微软云业务转型的关键高管Rolf Harms。其将担任 AI 经济学顾问，帮助推进这项大型转型计划。
这位老兄在2010年写下《云计算经济学》白皮书，引发微软内部的深层反思，并为微软后来在云计算上的成功奠定基础。而当时的云计算，像极了今天的AI——巨头大手笔建设数据中心，但能否收回成本并不明朗，各种“蹭热度”更是层出不穷，宛若“风陵渡口”！
而那份白皮书，后来成为云计算发展史上的重要节点，通过详细测算证明大规模云服务能替企业节省成本，从而为微软继续投入云业务提供了强力依据，铸就了微软的成功转型之路。进而证明，任何一个领域要想被广泛应用，就必须拿出“真金白银”的路径！与资本市场的狂热形成对比的是，而“真金白银”的实用路径，在基层的开拓却要艰难和缓慢得多。
技术的圣杯并未如预期般转化为商业的甘露，一个关键证据就是，AI的应用远未触及经济的腹地。
据安永报告，截至2025年9月，美国报告使用AI生产商品或服务的企业比例，仅从两年前的5%增长到10%。而且，这种渗透在不同行业间严重失衡，高度集中在信息业（30%）、专业服务（23%）和金融保险（17%）等领域。反观建筑、住宿餐饮等行业，AI采用率只是从1%增长到3%，AI革命尚未撼动这些“经济毛细血管”。
不光是在美国，中国的情况也如出一辙。大模型并非“包打天下”的万能钥匙，最终必须落到实实在在的场景中去。对此，各家企业只能“八仙过海，各显神通”，将AI与自身经营深度融合。关键还在于结合企业实际情况，避免“硬装斧头榫”，否则不仅难以见效，还可能适得其反。
就以电商行业为例，与一些高调布局通用大模型的电商平台相比，拼多多在对外宣传上似乎没有紧跟“AI浪潮”。但这实际上是其“务实派”的体现：更倾向于将AI资源集中投入到农业供应链的改造和推荐算法的精准优化等核心业务环节上。
实际上，2025年8月以来，其官网开始密集招募AI人才，岗位包括大模型平台工程师、多模态算法工程师等，职责都明确要求服务于“核心电商场景”，这一动向进一步印证：AI的价值不在于概念的喧嚣，而在于能否扎实落地，真正融入商业的本质逻辑。
除了资本层面的泡沫担忧，AI还面临着更底层的物理约束。在过去，互联网行业的扩张几乎是“零边际成本”的。增加一个Facebook用户，只需要多几行代码和一点点服务器空间。但AI不同，AI是重资产、重能源的行业。
黄仁勋推销的是“加速计算”，但他没有明说的是，加速计算背后是指数级增长的能耗。以GPT-4为例，其在持续14周的数据模型训练中消耗了42.4GWh电力，日均耗电0.43GWh，这堪比2.85万户欧美家庭的日均用电量。但这仅仅是AI能耗的冰山一角。
AI这只电老虎，让马斯克和奥特曼都变成了“能源焦虑症”患者。亚马逊买下了核电站驱动的数据中心，微软重启了三里岛核电站的合作。AI的尽头，竟然是光伏和核能。
尾声
站在2025年末的这个节点，AI的未来依然充满了相互矛盾的信号。英伟达的财报亮眼却难消市场疑虑，硅谷的乐观与做空者的预警形成鲜明对比，资本的热浪与应用的骨感并行不悖。
AI的十字路口，向左是泡沫破灭的万丈深渊，向右是技术革命的星辰大海。唯一确定的是，我们正置身于一场重塑全球经济的技术浪潮中，它的终局远未注定，它的故事刚刚开始。