一个回答技术领域最重要问题的实用框架
Azeem Azhar 和 Nathan Warren
2025年9月17日
一个月前，我开始回答一个看似简单的问题：AI是否是泡沫？
自2024年以来，随着我在世界各地活动的演讲，人们一直在问我这个问题。尽管华尔街银行家们基本上将这视为一次投资热潮，但在欧洲和美国的会议室和会议厅里，越来越多的人正在提出这个问题。
有些人已经下定决心。Gary Marcus称之为"巅峰泡沫"。《大西洋月刊》警告说"存在当前正在经历AI泡沫的可能性，投资者的兴奋程度已经远远超过了技术的近期生产力效益。如果这个泡沫破裂，其破坏力可能让互联网泡沫崩溃相形见绌------科技巨头和他们的硅谷支持者不会是唯一的受害者。"
《经济学人》表示"潜在成本已经上升到令人警惕的高度。"
理解这样一个问题的最好方法是创建一个框架，一个随着新证据出现而更新的框架。整理这个框架花费了数十小时的数据分析、建模以及与投资者和高管的多次对话。这篇文章就是那个框架：五个仪表盘指标来衡量生成式AI与历史泡沫的对比。
我研究并亲身经历了互联网泡沫。我是一名投资者，亲身感受了它的影响。和在座的许多人一样，我在全球金融危机期间也很活跃。出于这个原因，我在理解正在发生的事情方面投入了相当多的思考和分析。今天我将与大家分享我的框架。
添加图片注释，不超过 140 字（可选）
我的思考基于对Carlota Perez、Bill Janeway以及该领域其他巨擘的研究，以及主要银行和分析师的金融分析。但我在其他地方没有看到的是一个将那些理论转化为今天AI实用仪表盘的框架：一组你可以阅读、与过去泡沫比较并用来指导决策的参数。
我们将在未来几周内向Exponential View会员提供基础数据和方法论。
如果你是在应对这些问题的投资者或高管，我正在开放非常有限的咨询席位来直接处理这些问题。这是一个定制化的机会，用我开发的相同分析框架来压力测试你的策略。你可以在这里申请。
泡沫的含义
泡沫是资本主义最古老的故事之一。它们是关于过度、信念和崩溃的寓言。但泡沫不仅仅是金融现象；它们是文化产物。
它们一次又一次地作为关于贪婪和愚蠢的道德教训回归。郁金香狂热，通常被误记为破产织工和溺水商人的疯狂，其破坏性比传说中要小。它局限于富商之中，很大程度上没有损害荷兰经济。但神话经久不衰，这就是关键：泡沫成为我们告诉自己的关于乐观主义危险的故事。
添加图片注释，不超过 140 字（可选）
有些泡沫是金融性的：1720年代的南海热潮、1920年代咆哮的股市、1980年代日本的房地产繁荣和2008年的住房崩溃。有些是技术性的。在1840年代，铁路被誉为新工业体的血管。它们确实是。但身体只需要这么多血管，很快轨道就铺设到了商业无法维持的地方。1990年代的电信承诺了有线乌托邦，结果却有7000万英里的过剩光纤黑暗地躺在地下。互联网泡沫让我们看到了新经济的愿景，其中大部分最终确实实现了，但在此之前，估值在2000年蒸发了。
有趣的是，对于投资泡沫是什么，似乎没有学术共识。诺贝尔经济学奖得主Eugene Fama甚至说过它们不存在。
我想超越"我们看到泡沫就知道是泡沫"的概念。这里有两个相互关联的系统在起作用。第一个，最显眼的，是当股市变得被荒谬地高估然后崩溃。第二个是投入的生产性资本数量（进入资本支出或风险投资）是否崩溃。
当然，两者是相关的。股权价格的崩溃使投资流动更加昂贵。而生产性资本投资的长期衰退可能被股市视为经济放缓的预兆。
但为了界定这个：我们将泡沫视为从股权价值峰值下跌50%，并持续至少五年。在美国住房泡沫和互联网泡沫的情况下，这个低谷大约持续了五年。完全恢复到泡沫前峰值，美国住房用了10年，互联网泡沫用了15年。与此同时，我们期望部署的生产性资本率大幅下降，再次从峰值下降50%。
添加图片注释，不超过 140 字（可选）
在本分析中，"泡沫"我将涉及这两个竞争维度。最终，它意味着一个以价格和投资快速升级为特征的阶段，估值实质性地偏离了相关资产的基本前景和实际收益能力。泡沫在充足的资本和诱人的叙述上繁荣，它们往往以急剧持续的逆转结束，抹去了上升过程中创造的大部分账面财富。
相比之下，"繁荣"在其早期阶段可能看起来非常相似，有不断上升的估值和加速的投资。但关键区别在于，在繁荣中，基本面最终会赶上。潜在的现金流、生产力收益或真正的需求增长上升到乐观主义的水平。繁荣仍然可能过度，但它们会整合成持久的行业和持久的经济价值。
两者之间是一个灰色地带：过度兴奋的时期，很难确定资本是在建设新经济的基础，还是仅仅在推高不可持续的价格。这就像处于暴风眼：你能感觉到风、雨和压力，但你不知道它会清除空气还是夷平房屋。
这把我们带到了当前的问题：AI是另一个泡沫吗？让许多观察者不安的是数字。自ChatGPT在2022年底发布以来，超大规模云服务商将其年度数据中心资本支出增加了一倍多，大量投资于训练和运行越来越大模型所需的基础设施。当Sam Altman去年提出7万亿美元的投资需求时，听起来像是狂妄自大。今天，投资者们不再笑了；他们在思考这种支出规模是否可持续。
添加图片注释，不超过 140 字（可选）
泡沫是不可能实时诊断的。只有在事后我们才知道过度兴奋是合理的还是妄想。与其做出明确的判断------这接近无益的投机------不如将今天的繁荣与历史基准进行比较，以发现泡沫般的动态可能正在悄悄潜入的地方。
我们认为这就像驾驶飞机。飞行员不依赖单一仪器。他们监控一组仪表盘来了解飞行情况。我们在这里使用五个：
仪表盘1 -- 经济压力：投资现在是否足够大以至于能够影响经济？
仪表盘2 -- 行业压力：行业收入是否与部署的资本支出相称？
仪表盘3 -- 收入增长：收入是否增长/扩大得足够快以赶上？
仪表盘4 -- 估值热度：估值有多热？与历史相比，股票是否过度定价？
仪表盘5 -- 资金质量：是什么样的资金在资助这个？是强大的资产负债表，还是脆弱、易变的资本？
在文章的其余部分，我将逐一查看每个仪表盘，解释它为什么可能是绿色、黄色或红色，最后将它们整合成一个完整的仪表盘视图。
仪表盘1：经济压力
正在进行的投资是巨大的，摩根士丹利预计到2029年AI基础设施支出将达到3万亿美元。但它还没有达到历史上最大崩溃的失控极端。使这个维度变得棘手的是依赖性。在美国，超过三分之一的GDP增长可以追溯到数据中心建设。
这本质上并不坏，但如果动力减弱，可能就很危险。一个如此严重依赖一个行业实现增长的经济可能会发现地面消失得比预期更快。
添加图片注释，不超过 140 字（可选）
资本支出（capex）的激增，倾注到AI所需的物理基础设施中，是一种乐观主义行为。这就是capex的性质。今天花钱，相信它将成为明天收入的渠道。如果今天投得好，它最终将带来生产力提升和经济扩张。
如果你想向人们销售呼啦圈来促进他们的健康和幸福，你需要先买呼啦圈。在下游的某个地方，需要有一个工厂制造它们。资助那个工厂就是capex。你部署capex来构建一个可以销售的有用东西。Capex投资通常是，但不总是，成长业务的前兆。
AI数据中心有类似的特性，甚至更多。它们不仅仅是单一产品的工厂；它们是基础设施。微软、OpenAI和美国政府都这么看。他们将计算视为21世纪的基础设施，其重要性不亚于高速公路、铁路、电网或电信网络在早期时代的重要性。我在上一本书中提出了相同的论点，所以你可以猜到我的立场。不包括美国，主权政府已承诺到2030年在AI作为基础设施方面投资超过1万亿美元。
建设这样的基础设施不可避免地需要历史性的资金，与过去的铁路和电力建设相当。麦肯锡预测，到2030年满足AI驱动的需求将需要大约156 GW的新电力容量------相当于西班牙和葡萄牙电网的总和。该公司估计这将花费5-7.9万亿美元的资本支出。作为背景，这大约是阿波罗任务成本的20倍。这将使AI数据中心成为现代历史上最大的基础设施建设之一。
但是基础设施是有用的，特别是当私人资本参与时，事情可能会脱离现实。融资结构与技术本身同样重要。美国的铁路主要是私人资助的，经历了多次投资泡沫。相比之下，电力和道路系统受益于更多的公共投资和协调，较少受到投机过度的影响。当繁荣所需求的资源开始围绕它扭曲整个经济时，它就变得危险了。工资被吸入一个行业，供应链重新定向以服务它，资本市场变得依赖它。当期望破裂时，反弹是恶毒的。
衡量经济压力的一种方法是查看投资占GDP的份额，即国民产出流入单一技术前沿的部分。这是一个粗略但有说服力的比率。它显示经济在多大程度上依赖于一个技术赌注。
在AI基础设施的情况下，大部分支出采取资本支出的形式：服务器、冷却系统、网络设备、混凝土和钢铁外壳以及保持它们运行所需的电力基础设施。
按照这个衡量标准，铁路泡沫是最沉重的。在美国，铁路支出在1872年达到了GDP的约4%，就在第一次大崩溃之前。相比之下，1990年代末的电信热潮在GDP的近1%达到顶峰，这个水平今天看起来很熟悉。
AI建设处于这个中间地带。预计2025年将有约3700亿美元流入全球数据中心，其中约70%指定用于美国，约占美国GDP的0.9%。高盛预计支出将在2026年再增长17%。我自己的预测与此观点一致：到2030年年度capex达到8000亿美元，或许60%在美国，这将使美国的份额达到2025年GDP的1.6%。
经济压力仪表盘有三个区段：绿色到1%，黄色到2%，红色超过2%。所以今天，生成式AI处于绿色区------刚刚处于绿色区。当然，考虑到声明的承诺，它看起来很快就会进入黄色区。
添加图片注释，不超过 140 字（可选）
但这里有一个历史泡沫没有面对的转折：快速折旧。一旦铺设，铁路轨道可以持续几十年。美国仍在19世纪铺设的轨道上运行货运，一直进入20世纪。1990年代推出的电信光纤35年后仍在承载流量。
相比之下，GPU以狗的年份老化。它们用于前沿应用（如模型训练）的有用生命也许只有三年，之后它们被降级到低强度任务。大约三分之一的超大规模云服务商capex正流向这种短期资产。理论上，在第五年和第六年它们仍可货币化。其余的进入持续二三十年外壳、电力和冷却。调整资产寿命使AI建设看起来更加苛刻：与铁路或光纤不同，系统必须在几年而不是几代人的时间内证明自己的价值。
这种动态是使金融条件恶化还是更好是一个悬而未决的问题。悲观的看法是，一箱成熟的香蕉不如同等价值的巴西坚果值钱，因为它必须快速消费。但乐观的情况很有趣：较短的折旧周期可能对进入投资者施加财务纪律。
在铁路狂热期间，数十年的资产寿命掩盖了许多商业模式的弱点；公司可能在破产前蹒跚数年。在AI中，缺陷可能很快浮出水面，迫使快速适应或快速失败。
添加图片注释，不超过 140 字（可选）
压力是明显的，但还不到不可忍受的地步。AI应用层的风险投资资金，虽然嘈杂，但与1990年代的电信狂热相比仍然适度。这表明在周期过热之前可能还有运行空间。投入服务器、冷却系统和电力线路的数万亿美元可能是必要的，但历史表明它们不是持久利润积累的地方。在铁路中，许多轨道公司破产了，但沿着线路行驶的物流公司和大亨们繁荣了。在电信中，不是光纤的建设者捕获了上行空间，而是使用带宽的平台和服务提供商。同样的逻辑可能适用于AI：超大规模云服务商承担capex负担，但持久价值可能累积给那些控制模型、数据和建立在顶部生态系统的人。
这把我们带到了仪表盘上的第二个指标：行业压力。
仪表盘2：行业压力
每个繁荣都需要证明投入到新设备中的资金开始证明自己的价值。在任何增长阶段，收入不太可能覆盖投资，但它们应该是非零的。这个仪表盘查看capex与收入的比率。
我们估计生成式AI收入今年有望超过600亿美元，而五年前几乎为零。这个数字很可能低估了生成式AI产生的价值。例如，Meta建议该技术将其平台上的转化率提高了约3-5%。这样的间接效应可能有助于解释为什么一些分析师，如摩根士丹利，将2025年收入定得远高于我们的估计，达到1530亿美元。
大型超大规模云服务商，如谷歌、微软和亚马逊，无疑正在进入更高capex强度的阶段。2021年，在ChatGPT之前，超大规模云服务商将其经营现金流的约44%投资于capex。到2024年，这一比例上升到68%。2025年，它将更高。但是，正如New Street Research的Pierre Ferragu指出的，这些公司可以通过重新平台化来吸收这种转变，结构性更高的资本强度驱动增长和效率提升。这种动态已经存在十年了：2015年到2018年间，微软Azure的capex占收入的70%到90%。这是对未来的投资。
这使得与早期繁荣周期的比较很有趣。铁路特别相关。铁路的直接收入贡献与铁路在美国经济中创造的价值相比微不足道。铁路泡沫总是与现金流的现实挂钩。为融资新轨道和机车车辆发行的债券必须用乘客票价和货运收入来偿还。每当capex超过收益时，压力就显现出来。1873年、1883年和1887年的狂热都遵循相同的模式：年收入与资本支出比率的急剧下降，在某些情况下，甚至是绝对的收入收缩。
添加图片注释，不超过 140 字（可选）
在美国铁路扩张的高峰期1872年，capex约为收入的2倍。在1990年代末的电信泡沫中，capex相当于收入的近4倍。相比之下，今天的生成式AI繁荣在大约600亿美元的收入对抗大约3700亿美元的全球数据中心capex上运行------capex与收入比率为6倍，是三个中最紧张的。
在行业压力仪表盘上，铁路健康地处于绿色区。生成式AI处于黄色区，接近红色。
这还不完全是一个警告信号，特别是因为生成式AI有人争相访问AI数据中心。一份报告表明，企业客户甚至在数据中心建成之前就承诺容量。驱动这一切的是使用，随之而来的是惊人的收入增长。
添加图片注释，不超过 140 字（可选）
仪表盘3：收入增长
铁路和电信繁荣的问题不是行业压力本身，而是收入失去了动力。投资期望回报。在铁路泡沫于1873年破裂后，收入同比下降了3%。电信稍好一些，下降了0.5%。
在崩溃之前，收入增长几乎没有爆炸性。1873年的铁路扩张了22%------足够在三年内翻倍。1990年代末的电信只管理了16%，翻倍时间略超过四年。
相比之下，生成式AI收入仍在加速。据我们估计，生成式AI收入今年将增长约两倍。这可能是一个保守的预测。花旗估计模型制作者的收入将在2025年增长483%。OpenAI预测到2030年年化增长约73%，而像摩根士丹利这样的分析师估计这个市场到2028年可能高达1万亿美元，相当于该期间复合年增长约122%。
我们的收入增长仪表盘是指数性的。它衡量收入翻倍时间（以年为单位）；即，在当前增长率下，行业收入翻倍需要多长时间？在这里，生成式AI完全处于绿色区，每年翻倍。
添加图片注释，不超过 140 字（可选）
大部分支出流向运行基础设施的超大规模云服务商和新云服务商。超大规模云服务商赚很多钱，所以他们能够投资，如果认为这能很好地为未来定位，可以从收益中削减几个百分点。甲骨文预测其云业务到2030年可能产生约3800亿美元的累积收入。
在我与大公司的交谈中，我强烈感觉到他们现在对这项技术如饥似渴。这可能支持强劲的增长率。IBM的CEO调查显示，生成式AI已经在扩大IT预算，62%的受访者表示他们将在2025年增加AI投资。需求如此之高，新数据中心一上线就满负荷运行，亚马逊CEO Andy Jassy指出"我们多快投入容量，它就被消耗掉了"，Sam Altman表示缺乏计算能力正在影响模型升级。Jensen Huang预计这会在2024年初发生，预测Hopper和Blackwell芯片的需求将在明年全年超过供应。
美国约9%的公司有一个有用的生成式AI用例。粗略计算表明，9%将在五年内变成75%，用例数量将从1个上升到数百个。
这本身就指向了某物的千倍增长。我说某物是因为当前按token计费的模型可能会改变。即使不改变，我们也会看到每token定价的急剧下降，可能是数量级的下降。潜在的一点是我们仍处于企业使用的早期阶段。目前，企业几乎无法确保足够的token来满足他们的需求。
消费端讲述了类似的故事。美国消费者每年已经在线花费约1.4万亿美元。如果以每年15-17%的速度增长（自2013年以来每年增长超过14%），到2030年这可能会合理地翻倍到3万亿美元。在这个背景下，生成式AI应用部门从今天的100亿美元增长到五年内的5000亿美元看起来不那么牵强。300-500%的指数增长率已经在中等规模的初创公司大型模型提供商中可见（见上周关于OpenAI估值的文章），表明即使是消费者数字支出的小额重新分配也可能推动收入达到数千亿。
综合来看，这些信号表明行业仍处于强劲上升期，与铁路和电信崩溃之前相对微弱的收入增长不同。如果生成式AI收入甚至以去年一半的速度增长，那么根据我的保守预测，它们将在2026年达到1000亿美元，覆盖当年capex的约25%。
仪表盘4：估值热度
如果经济和行业压力显示繁荣的重量和收入增长其轨迹，估值热度就是市场情绪。这通常是泡沫最清楚地暴露自己的地方：投资者如何不顾基本面地为行业定价。正如Carlota Perez几十年来所论证的，金融市场倾向于在每次技术革命的早期"安装阶段"过度，投入的资本远远超过近期收入合理的水平。狂热在那一刻看起来不理性，但它是社会铺设新基础设施的机制。挑战是狂热能否进化到"部署阶段"，当基础设施变得普遍并提供真正的生产力提升时。
添加图片注释，不超过 140 字（可选）
互联网泡沫是原型。根本没有利润的公司以三位数倍数交易，有些在IPO当天筹集的钱比它们在任何时候赚取的收入还多。Boo.com从投资者那里筹集了1.35亿美元，包括LVMH的Bernard Arnault，并将自己定位为"时尚界的亚马逊"。该网站在18个国家推出，具有本地化语言和运输，有一个虚拟形象"Miss Boo"，在3D模型上提供购物建议。
添加图片注释，不超过 140 字（可选）
它在发布前在广告上花费了2500万美元，员工从40人膨胀到400人，在纽约和欧洲各地开设了豪华办公室。JavaScript和Flash沉重的网站在拨号连接上几乎不可用，与Mac计算机不兼容且有错误。四分之一的购买尝试失败。尽管奢侈------豪华派对、协和飞机航班和Miss Boo的名人造型师------但民意调查显示只有13%的互联网用户知道这个品牌存在。18个月内，钱没了。Boo.com在2000年5月崩溃了。
生成式AI正在发生的事情与此相比不值一提。这里的关键衡量标准是市盈率（P/E），即投资者实际上为支付多少年当前利润的简写。如果一家公司有1美元的年收入，P/E为20，买家为每美元当前利润支付20美元，假设增长将使这值得。高P/E意味着公司押注于快速的未来增长，但太高太久，投资者可能正在买入一个幻想。在互联网时代就是这种情况。在峰值，纳斯达克的P/E约为72。一项详细研究估计仅互联网股票就带有隐含P/E 605。换句话说，投资者愿意支付超过六个世纪的当前收益。问题不是需求消失了------亚马逊的收入从2000年的27.6亿美元增长到2001年的31.2亿美元------而是没有公司能够增长得足够快以证明那些天文般的期望是合理的。基本面改善了，但期望崩溃了。
今天，情况要平静得多。纳斯达克P/E约为32，是互联网时代的一半。更广泛的科技市场高于长期平均水平，但远未达到互联网泡沫的领域。与铁路泡沫相比，铁路泡沫估计P/E约为20，它很高。但铁路最终结局糟糕，不是因为估值本身极端，而是因为收入增长衰退。相比之下，生成式AI收入仍在快速加速。
许多投资者关注的估值过度的另一个指标是所谓的"巴菲特指标"，它衡量股市估值相对于GDP的领先程度。毫无疑问这个指标是高峰的，远高于通常预示市场修正的两个标准偏差异常。我们暂时更为乐观。历史押韵；它不重复。巴菲特指标依赖于GDP，而GDP在捕获技术生产力提升方面是出了名的差。此外，大型科技公司收入的很大一部分来自美国以外，使它们的收益与国内GDP脱钩。最后，基于AI的生产力可能影响利润率------保持产出（和GDP不变），同时增加公司利润。所以虽然我们关注巴菲特指标（和它的远亲席勒CAPE比率），我们觉得加速数字经济的不同动态没有被它们很好地捕获。
那么这个仪表盘有多热？我的判断是绿色。价格还没有像互联网泡沫估值那样摆脱重力。
添加图片注释，不超过 140 字（可选）
仪表盘5：资金质量
资金质量不是标准指标而是复合判断。它询问钱从哪里来，如何结构化，以及资本是否愿意等待数年回报还是追逐季度跃升。简而言之，低质量资本是短期主义、不自律和债务负担的；它快速涌入和逃离。高质量资本更有耐心，承保更好，能够承受波动。
每个泡沫都有其特有的弱点，无根植于其融资方式。铁路由投机性散户投资者资助，他们背后几乎没有资本。到1870年代初，美国铁路的平均资助债务占总资产的46%；当过度建设遇到信贷紧缩时，融资消失了。1873年的恐慌将铁路线送入接管状态。
一个世纪后的互联网公司稍微更坚固。1995年，风险投资是一个精品业务，只有53亿美元部署。到2001年，超过2370亿美元被投入初创公司，通常由新的和不经验丰富的管理者管理。狂热蔓延到公开市场：1999年到2000年间的IPO量是历史平均水平的六倍。公司几乎没有收入就上市。我的两个朋友在1998年将theGlobe.com上市，并在上市当天享受了606%的股价跃升。
1990年代末的电信依赖大量廉价债务。美国和欧洲运营商在短短几年内将其杠杆翻倍和四倍。德国电信和法国电信在1998年到2001年间总共增加了780亿美元净债务。当收入未能跟上时，违约在整个行业蔓延。
在每种情况下，为繁荣提供燃料的资本被证明是短暂的。但脆弱程度不同。铁路和电信最容易受到信贷紧缩的影响，债务比率膨胀。互联网公司是人质于市场情绪，股权价值蒸发。
在这方面，今天的AI繁荣看起来更坚固。微软、亚马逊、Alphabet、Meta和Nvidia正在创造非凡的现金流，足以资助自己的建设。目前。但投资需求正在快速前进。摩根士丹利认为2025年到2028年间全球数据中心capex总额将达到2.9万亿美元。超大规模云服务商可以从内部现金覆盖其中约一半。其余必须来自私人信贷、证券化金融和新运营商。政府也已承诺1.6万亿美元主权AI投资，海湾资本正在寻求新机会。
添加图片注释，不超过 140 字（可选）
这就是风险潜入的地方。摩根士丹利自己指向一个1.5万亿美元的缺口，需要由债务市场和资产支持证券填补。数额巨大：8000亿美元私人信贷，1500亿美元数据中心ABS，以及数百亿美元更多的OEM贷款和供应商融资。仅那1500亿美元就将几乎一夜之间使数据中心证券化市场规模扩大三倍。而且不是每个借款人都看起来像微软。
考虑CoreWeave，一个Nvidia支持的新贵，现在以80亿美元债务上市。它已经滑入技术性贷款违约，没有破产但违反了契约，其收入仅依赖两个客户。其经济学依赖于年折旧20-30%的GPU出租，更像WeWork租赁而不是超大规模云服务商的持久资产负债表。
AI的资本质量今天是稳健的，但只有大约一半的未来支出预计被超大规模云服务商现金流覆盖，其基础可能会削弱。
添加图片注释，不超过 140 字（可选）
换句话说，基础比过去泡沫更坚固，但上层建筑开始看起来像旧模式。深奥的债务结构、集中的交易对手和可能不保值的硬件正在重新出现。如果生成式AI收入增长十倍，债权人会没事。如果不，他们可能会发现装满过时GPU的仓库是一个难以担保的东西。
目前，我的仪表盘是偏绿色。我们还没到泡沫领域，但如果融资在未来一年继续这样爬行而没有2025年那样强劲的收入增长，它可能会转向黄色。
这给我们留下了什么？
添加图片注释，不超过 140 字（可选）
基于这些仪表盘，生成式AI仍处于需求驱动、资本密集的繁荣而不是泡沫。但繁荣可以很快变酸，有几个压力点值得观察：
如果投资爬升到GDP的2%，这可能表明经济相对于其生产力回报超重了AI；同样，如果一个或多个超大规模云服务商在未来三到五年内将capex削减超过五分之一，这将标志着情绪的急剧转变，可能引发其他参与者的快速衰退。
当前企业和消费者支出水平的持续下降将是另一个警告，特别是如果以英伟达订单积压缩小为预兆。同时，经济学需要改善：每美元资本的收入应该向0.5-1.0范围移动。如果差距未能缩小，这意味着规模没有提供预期的效率。
如果估值开始接近50-60的P/E比率，它看起来会泡沫化，因为真正的增长阶段应该看到收益赶上价格，而不是进一步落后。
如果内部现金覆盖少于25%的capex，数据中心投资稳定性就受到压力。现在，稳定性来自超大规模云服务商的强劲现金流。如果他们停止覆盖大部分capex，那么更多债务和证券化会悄悄渗入。考虑到GPU的折旧周期，这不太好。如果内部资助滑落到新capex的四分之一以下，依赖转向债务和证券化，行业对短期GPU的依赖和对更高利率的暴露可能迅速变得不稳定。
我目前的启发式方法是，如果五个仪表盘中两个进入红色，你就处于泡沫领域。是时候清仓，购买VIX指数，深呼吸了。
在1873年恐慌的前一年，铁路的经济压力转红，伴随着资金质量下降。疲软的收入增长没有帮助。在2001年电信崩溃中，收入增长和资金质量亮起红色。在互联网时代，是行业投资压力和估值。
生成式AI还没到那里。快速奔跑，发动机在嗡嗡作响，但没有过热。两个仪表盘进入红色需要多长时间？我玩弄过各种组合，最可怕的情景需要几年时间才能展开。（而且不是所有情景都可怕。）也就是说，如此多的宏观因素，从美国衰退，到上升的通货膨胀，挑战性的利率环境，国内或国际政治，都可能抑制情绪。虽然我们可能没有完全进入泡沫领域，但假设AI投资周期对那些过度动态免疫将是狂妄自大。
继续。暂时。
脚注说明：
1 我甚至在1999年的《互联网泡沫》一书中写了推荐语。
2 Edward Chancellor关于泡沫的书是一个有用的指南。
3 去年，SemiAnalysis预测约70%的数据中心容量建设将在中期内在美国发生。
4 调整通胀后，2000年互联网VC投资为859亿美元；Dealroom.co报告去年AI应用层为470亿美元------相差389亿美元。
5 收入主要来自企业披露（SEC文件、收益记录、投资者演示、新闻稿），并辅以分析师和咨询公司估计（麦肯锡、Gartner、IDC等），当公司报告不完整时。我们优先考虑披露的数字，调整收入分享协议中的潜在重复计算（例如，OpenAI-Microsoft），并分类收入流（订阅、API、基础设施、许可）以保持可比性。私营公司收入（例如，Anthropic、Midjourney）依赖报告的运行率或可信的新闻/VC来源，标记为估计。
6 见前一个脚注关于生成式AI收入模型。铁路从FRED数据计算，电信从美国租赁线路收入的OECD数据计算。
7 我们的模型显示AI公司同比增长130%。
8 从约600万美国公司开始，假设9%（约54万）现在有一个有用的生成式AI用例；预测在五年内采用率到75%（约450万），采用公司的平均用例数从约1上升到约100------产生约4.5亿用例，增长约830倍；说明性，不是预测。
9 大多数生成式AI服务今天按"token"计费。token是文本单位，通常约四个字符或¾个单词。客户为提示和响应中处理的token收费（例如，1000字输出可能等于约1300个token）。这个模型直接将成本与使用联系起来，但随着企业谈判固定费率合同、消费套餐或基于结果的定价，它可能会演变。
10 我在崩溃后花了一个下午走过Boo废弃的办公室，看看是否有任何物理资产保留价值。
11 资产支持证券是出售给投资者的债券，由资产池的现金流支持。在这种情况下，资产是数据中心租赁或基础设施合同，允许运营商通过证券化可预测的租赁或服务收入筹集资本。
12 OEM（原始设备制造商）如戴尔、思科或英伟达经常向客户授信或与融资部门合作帮助他们购买硬件。供应商融资是供应商向买家贷款的更广泛术语，通常从使用购买设备的收入中偿还。