比尔·盖茨：我经历过“.com泡沫”，现在是“AI泡沫”!

2025年深秋，当整个科技界仍沉浸在因为英伟达市值过5万亿的集体狂热之中时，比尔·盖茨（Bill Gates）——这位亲历了个人电脑革命与互联网浪潮，堪称“最后的大佬”——却给市场浇上了一盆冷水。

他在近期美国全国广播公司财经频道（CNBC）的访谈中直言不讳：我们正处在一个与2000年“.com时代”高度相似的AI泡沫之中。

他警告说，“绝对有大量的投资最终将是死胡同/There are a ton of these investments that will be dead ends

”

在AI似乎无所不能的今天，而盖茨的“泡沫论”则提供了一个稀缺的、审慎的视角。

这是老派精英的保守，还是对未来最精准的预判？

本文无意简单地判断“是”或“否”，而是希望借用盖茨的视角作为一面“历史的镜子”，深入剖析当前AI狂潮的内在结构、风险症结与未来路径。

历史的回响

盖茨的警告之所以极具分量，在于其类比的精准性。

他特意将AI泡沫与“.com泡沫”相提并论，同时明确排除了“郁金香狂热”的类比。这一区分至关重要，也是我们分析的基石。

郁金香狂热是纯粹的投机，标的物本身没有颠覆性的内在使用价值。

而互联网技术，正如盖茨所强调的，是“非常深刻的东西”，它最终改变了世界。

AI亦是如此，盖茨称之为“一生中见过的最重大的技术”。

这也就是说，我们讨论的并非一场“骗局”，而是一个伟大技术在落地过程中，必然伴随的资本“周期”。

为了理解今天的周期，我们必须回到历史的现场深入复盘那种著名的.com泡沫。

在.com泡沫中，我们的关键点是理解背后的金融机制。

一个绝佳的案例是当时的网络设备巨头思科（Cisco）。

在泡沫的鼎盛时期，思科开创了“供应商融资”（Vendor Financing）模式：它通过旗下的融资部门，向大量初创的互联网公司提供贷款，而这些公司则用这笔贷款回头购买思科的路由器和交换机。

这一操作在短期内极大地推高了思科的收入和股价，使其一度成为全球市值最高的公司。

但请注意，这本质上是思科在“赊账”给自己创造需求。

当2000年泡沫破裂，这些客户纷纷倒闭时，思科不得不计提高达22亿美元的坏账，股价一落千丈。

今天，芯片巨头英伟达（Nvidia）的角色与当年的思科何其相似，这形成了惊人的历史互文，我们将在后文详细解剖。

历史同样也提供了系统性风险的镜鉴。

20世纪80年代末日本的“平成泡沫”中，企业普遍采用“经连会”（Keiretsu）模式，即通过复杂的交叉持股形成紧密的利益共同体。这种模式在经济上行期增强了企业集团的稳定性和竞争力。

但在泡沫破裂时，银行和企业之间的风险传染也极其迅速，最终导致了日本“失去的十年”。

图源：Keiretsu Networks (系列 ネットワーク) | SpringerLink

那，如今AI生态系统中巨头之间日益紧密的捆绑，是否也潜藏着类似的系统性风险？

当然，历史并非只有悲剧。一个经典的正面案例是：1917年，杜邦公司（DuPont）投资了当时尚在成长期的通用汽车（GM），并长期持有其股份近40年，获利丰厚。

其成功的关键在于，通用汽车所处的汽车产业，拥有一个由工业化和城市化驱动的、真实、广阔且持续增长的终端市场。

这个案例为我们评估当下的AI循环交易提供了一个至关重要的参照系：AI技术能否像当年的汽车一样，找到足够广阔的真实应用场景，来消化掉这些天量的投资？

这个问题，是衡量此轮泡沫虚实的核心标尺。

解剖AI狂潮

在古希腊神话中，“衔尾蛇”（Ouroboros）是一个吞食自己尾巴的蛇形生物，象征着循环、永恒与自我再生。

如今，这个古老的符号精准地描绘了人工智能领域正在上演的资本奇观：一个价值数万亿美元的资本闭环正在芯片巨头、云服务商和AI模型公司之间飞速旋转。

这正是盖茨所担忧的泡沫的核心驱动机制。

而要理解这场资本游戏的本质，我们首先需要拆解其三种核心模式。

核心模式一：上游投资下游，下游采购上游。

这是最直接的循环形式。

以上图中英伟达与OpenAI传闻中高达1000亿美元的交易为例，这本质上是一种附带了长期采购协议的股权投资。对于急需资金进行天价研发和算力扩张的OpenAI而言，它获得的是生存和发展的弹药；对于坐拥巨额现金和高市值的英伟达而言，它不仅获得了一项潜在高回报的财务投资，更重要的是，它锁定了未来数年乃至十年的核心客户，确保了其GPU在AI浪潮中的主导地位。

资金从英伟达流向OpenAI，再以订单的形式流回英伟达，完成一次完美的闭环。

核心模式二：交叉持股与战略联盟。

交易并不仅限于直接的上下游。整个AI生态系统正通过相互投资，编织一张“你中有我，我中有你”的复杂网络。

微软深度绑定OpenAI，谷歌整合自家DeepMind，亚马逊投资Anthropic，旨在构建一个封闭但高效的生态系统，加速内部的技术迭代和商业化落地，同时抬高外部竞争者的进入门槛。

核心模式三：云服务商——“关键中间人”与“算力二房东”。

微软Azure、甲骨文云（Oracle Cloud）以及算力新贵CoreWeave等，在循环中扮演了至关重要的角色。

它们是芯片的“大买家”，也是AI模型公司算力的“总承包商”。资金通过它们进行流转，使得循环链条更长、更隐蔽，也更稳固。

例如，CoreWeave在获得英伟达支持的同时，也向OpenAI等公司提供大规模云服务，完美地诠释了其在资本和算力循环中的枢纽作用。

那，为何这种复杂的交易结构会在AI领域野蛮生长？

答案在于AI产业的三个根本特征：

首先是极端的资本需求。

训练一个像GPT-4这样的前沿模型，成本动辄数亿美元，而未来的GPT-5或更高级的模型，训练成本可能达到数十亿甚至上百亿美元。更惊人的是基础设施投入。
据报道，OpenAI规划的数据中心总投资可能高达8500亿美元，建成后将消耗17吉瓦（GW）的电力——超过整个纽约市的用电量。面对如此天文数字，传统融资模式已然失效。

其二是巨大的资本成本差异。

这是一个简单的金融逻辑。英伟达作为市值一度超过5万亿美元、盈利丰厚的上市公司，其融资成本远低于尚未实现稳定盈利的私营公司OpenAI。
由英伟达这样的“金融巨人”为“科技新贵”提供资金，是一种极为高效的资本配置方式，它将低成本的资本精准地注入到最高速增长的领域。

最后是锁定未来的战略价值。

对于英伟达和AMD等芯片公司而言，这笔投资的战略意义远超财务回报。

它们赌的是未来十年AI基础设施的架构标准。通过深度绑定OpenAI、xAI等头部模型公司，它们不仅确保了当前芯片的销售，更是在未来的技术路线图上烙下了自己的印记，这是一场关乎长期市场主导权的终极博弈。

三大结构性风险

尽管循环交易看似是各取所需的完美闭环，但其背后潜藏的风险不容忽视。

首先是财务风险。

批评者认为，这种模式与2000年互联网泡沫时期的“往返交易”（Round-tripping）有相似之处。
今天的AI交易当然不同，芯片和算力是真实存在的产品。
但问题的核心在于需求的质量：如果一家公司的主要收入增长，是由其投资方提供的资金所驱动的，那么这种增长的可持续性就要打上一个巨大的问号。

诺贝尔经济学奖得主保罗·克鲁格曼（Paul Krugman）将其称为“金融衔尾蛇”，警告说这可能是一个警示信号。

对于专业投资者而言，真正的问题在于现金流。

如果我们将这些循环流转的资本剔除，这些AI公司的真实自由现金流是多少？当外部融资环境一旦收紧，这个看似坚固的循环能否持续？

你说，科技公司比如微软和Meta等公司已经在其财报中明确指出，AI是收入增长的重要贡献者。

但有人质疑，科技巨头在“夸大”利润：

比如投资公司GQG Partners等机构甚至发出警告，认为科技巨头通过延长资产折旧周期等会计手段，可能“严重低估”了实际成本，导致当前财报上的利润被“大规模夸大”。一旦市场回归理性，重新评估折旧成本，这些公司的盈利能力可能会受到巨大冲击。

其二是系统性风险：“大到不能倒”的连锁效应。

这些交易将AI生态系统中所有玩家的命运紧密地捆绑在一起，极大地放大了“交易对手风险”（Counterparty Risk）。

OpenAI正变得“大到不能倒”。它的成功不仅仅关乎自身，更直接关系到英伟达的收入和股价、AMD认股权的价值以及无数依赖其模型的下游应用公司的生死。一旦OpenAI的商业化路径受阻，例如企业级用户并未如预期那样大规模付费，其后果将是灾难性的。

连锁反应可能迅速传导至整个半导体行业，甚至引发更广泛的科技股抛售。这种“业务相关”通过资本循环升级为“财务强相关”，像一个放大器，将市场的同向波动急剧放大。

其三是实体经济的瓶颈：这是AI的“核心弱点”。

这也正是盖茨的核心忧虑之一。

金融世界的资本循环终究要受到物理世界的约束。能源是AI最脆弱的环节。根据贝恩公司的测算，到2028年，仅美国数据中心就需要57吉瓦的电力，而公用事业公司届时最多只能提供21吉瓦，存在36吉瓦的巨大缺口。除了电力，还包括土地、水资源、光纤网络，甚至是变压器等电网关键设备的产能。

这些物理瓶颈无法仅通过金融手段解决。循环交易制造了“需求无限”的幻象，却可能在“供给有限”的现实面前碰壁。

这次不一样？

但这次可能真”不一样“。

首先，本轮AI浪潮拥有更“硬核”的基本面支撑。

与.com时代许多“空中楼阁”的概念不同，AI已经展现出切实的生产力价值。从程序员使用GitHub Copilot提升编码效率，到生物学家利用AlphaFold预测蛋白质结构，AI正在成为科学家和工程师的强大工具。

美联储主席鲍威尔也观察到AI与.com时代在潜在生产力上的显著不同。

此外，本轮浪潮的主导者是微软、谷歌、亚马逊这些手握数千亿美元现金、拥有庞大业务生态的科技巨头，其抗风险能力远超2000年的初创公司。

而且从泡沫的“成熟度”来看，一些典型特征尚未完全出现。

历史学家称之为泡沫“末日四骑士”的几个现象——大规模IPO、散户投机狂热、天量股票增发、低质量公司股价暴涨——并未完全出现。相反，像英伟达这样的巨头仍在进行股票回购，而非大规模增发，这显示了市场内部的某种理性。

一个有趣的现象是，英伟达在宣布对OpenAI等公司的重大交易后，其股价并未出现非理性的“疯涨”，这表明资本市场对这类交易的价值持有一种相对审慎，甚至部分消化的态度。

最后，我们可以借鉴经济学家卡洛塔·佩雷斯（Carlota Perez）的技术革命理论。

她认为，每一轮重大技术浪潮都会经历“安装阶段”（Installation Period）和“部署阶段”（Deployment Period）。安装阶段的特征就是金融资本的狂热、基础设施的过度投资和泡沫的产生。这或许是新技术扩散的“必要之恶”。

从这个角度看，当前的泡沫可能只是AI革命进入大规模“部署阶段”前不可避免的序曲。

穿越迷雾

我们还可以这样思考，假设，盖茨是对的，泡沫的调整终将到来，那么谁会是未来的幸存者？

未来的赢家应该会有一副画像：

所以，从投资的角度看，核心原则应该是——

区分“主题投资”与“价值投资”，在资本狂热时保持对现金流的敬畏，特别是看非AI企业的AI支出增长率： 这是衡量真实需求渗透情况的“试金石”。循环交易可以创造内部需求，但无法创造外部需求。
创业者们应避免陷入“模型军备竞赛”，思考你的产品是否解决了真实世界中一个“足够痛”的问题。

回到最初的问题：我们应该为AI的资本“衔尾蛇”感到担忧吗？

答案是：应该保持高度警惕，但不必陷入恐慌。

我们可以为这场资本游戏下一个更精准的定义：它更像是“打了兴奋剂的供应商融资”。

它本身并非骗局，而是为了应对一场前所未有的技术竞赛而采取的一种激进、但符合当下逻辑的金融策略。它极大地加速了AI基础设施的建设，但也极大地放大了整个生态系统的风险敞口。

这不是一个非黑即白的问题，而是一场高杠杆的豪赌。

比尔·盖茨的警告并非否定AI的未来，恰恰相反，正是因为深知其革命性，才更担忧非理性的狂热会摧毁本可健康成长的创新生态。

最终，决定这场循环交易结局的，不是交易结构本身，而是AI技术能否创造出足够大的真实经济价值。

对于普通人而言，保持审慎，关注基本面，或许才是穿越周期的最佳路径。