AI 泡沫还是生产性泡沫？4 条硬证据与 6 个跟踪信号

关于「AI 泡沫」，我现在的判断是：把它当成一场赌局去猜顶底，不如把它当成一次产业升级去跟踪指标。以下是我自己用的框架。

一、为什么「泡沫论」和「革命论」都对

历史上真正的技术革命（铁路、电力、互联网）都伴随过巨大的资本泡沫，而且泡沫破灭之后，基础设施往往留了下来。

所以真正的问题不是「有没有泡沫」，而是：

• 这轮投入沉淀下来的是生产性资产（算力、模型、数据、工作流），还是消耗性支出（营销、囤卡、重复建设）？
• 一旦融资收紧，哪些环节会瞬间停摆，哪些环节能继续产生现金流？

二、我跟踪的 4 条硬证据

1. 收入侧的兑现速度：头部模型公司的 API 收入、企业级部署的真实续费率
2. 单位经济模型的改善：推理成本每年下降的斜率，是否快于用量增长
3. 算力资产的利用率：闲置算力比例、二手卡价格——这是最诚实的指标之一
4. 人才流向：顶尖研究者是在离开，还是在涌入

三、6 个跟踪信号

• 头部公司融资节奏与估值/收入比
• 大厂资本开支（Capex）指引的边际变化
• 应用层「ARPU 能覆盖推理成本」的案例数量
• 开源模型与闭源模型的差距曲线
• 监管与合规对落地节奏的扰动
• 二级市场对「AI 概念」与「AI 收入」的定价分化

四、我自己的做法

不预测顶底，做两件事：用小成本参与（工具、内容、产品试验），用指标跟踪（上面 4+6）。泡沫破了，资产还在；泡沫没破，我还在牌桌上。

本文为个人观察记录，不构成任何投资建议。