編者按： 當(dāng)?GPT-5?的表現(xiàn)未達(dá)預(yù)期，當(dāng)眾多?AI?應(yīng)用試點(diǎn)項(xiàng)目收效甚微，當(dāng)市場(chǎng)開(kāi)始質(zhì)疑人工智能的發(fā)展前景時(shí)，我們是否正在經(jīng)歷一場(chǎng)?AI?泡沫的破裂？還是說(shuō)，這些表面現(xiàn)象背后隱藏著更深層次的產(chǎn)業(yè)邏輯？

我們今天為大家?guī)?lái)的這篇文章，作者的觀點(diǎn)是：當(dāng)前 AI 市場(chǎng)并非陷入停滯或崩潰，而是進(jìn)入了一個(gè)必要的“消化階段”，這一過(guò)程雖伴隨陣痛，卻蘊(yùn)含著持續(xù)的發(fā)展動(dòng)能。

文章通過(guò)四個(gè)層次的分析框架，系統(tǒng)性地解構(gòu)了當(dāng)前 AI 市場(chǎng)的真實(shí)狀況：首先厘清了產(chǎn)品體驗(yàn)設(shè)計(jì)與技術(shù)能力上限的區(qū)別，指出用戶對(duì) GPT-5 的失望更多源于產(chǎn)品策略而非能力倒退；第二，應(yīng)用層回報(bào)不明朗的根源在于組織流程滯后于技術(shù)能力，真正有價(jià)值的垂直整合方案正在悄然建立護(hù)城河；第三，基礎(chǔ)設(shè)施投資正從粗放擴(kuò)張轉(zhuǎn)向精細(xì)化運(yùn)營(yíng)，算力合約結(jié)構(gòu)化、算力利用率優(yōu)化和電力資源爭(zhēng)奪成為新焦點(diǎn)；最后闡述了技術(shù)演進(jìn)已超越“規(guī)模至上”的初級(jí)階段，轉(zhuǎn)向測(cè)試時(shí)計(jì)算、工具調(diào)用、數(shù)據(jù)質(zhì)量與智能體系統(tǒng)等更深層次的創(chuàng)新。作者還提供了判斷行業(yè)是否真正崩潰的具體指標(biāo)，并為資金配置方、應(yīng)用層創(chuàng)業(yè)者和基礎(chǔ)設(shè)施構(gòu)建者提供了清晰的戰(zhàn)略建議。

作者 | Dave Friedman

編譯 | 岳揚(yáng)

目前流傳著一種看似合理的說(shuō)法：GPT-5 表現(xiàn)未達(dá)預(yù)期，因此 AI 泡沫正在破裂。這個(gè)觀點(diǎn)看似順理成章，實(shí)則是錯(cuò)誤的。這個(gè)說(shuō)法將四個(gè)不同維度的事情強(qiáng)行捆綁，硬是揉成了一個(gè)整體：（1）產(chǎn)品體驗(yàn)的設(shè)計(jì)選擇；（2）應(yīng)用層的投資回報(bào)；（3）基礎(chǔ)設(shè)施投入與供應(yīng)鏈；（4）科研進(jìn)展與規(guī)模化應(yīng)用。當(dāng)你拆解這層層架構(gòu)時(shí)，看似崩盤(pán)的態(tài)勢(shì)其實(shí)正轉(zhuǎn)化為一個(gè)“消化階段” —— 既有可預(yù)見(jiàn)的陣痛，也伴隨著同樣可預(yù)見(jiàn)的持續(xù)動(dòng)能。

以下是一個(gè)用于厘清思路的清晰框架。

01 Layer 1：產(chǎn)品體驗(yàn) ≠ 能力上限

圍繞 GPT-5 的爭(zhēng)議大多聚焦于使用感受：語(yǔ)氣轉(zhuǎn)變、拒絕機(jī)制，以及有時(shí)將用戶導(dǎo)向更安全但乏味的交互模式。這些屬于產(chǎn)品決策（模型對(duì)齊過(guò)程中的參數(shù)選擇、安全護(hù)欄、模型路由配置、默認(rèn)設(shè)置），而非技術(shù)能力的倒退。 安全調(diào)校的悖論在于：當(dāng)交互界面改變“對(duì)話風(fēng)格”或嚴(yán)格限制高風(fēng)險(xiǎn)場(chǎng)景時(shí)，即便能力略有提升，用戶仍可能感知為性能倒退。

三大常見(jiàn)認(rèn)知誤區(qū)：

1）對(duì)齊策略與核心能力：若模型規(guī)避特定輸出或在高風(fēng)險(xiǎn)領(lǐng)域縮短推理鏈條，用戶就會(huì)判斷“模型變差”。此時(shí)衡量的實(shí)則為安全策略，而非底層能力。

2）路由系統(tǒng)與核心模型：AI 助手類產(chǎn)品常采用多個(gè)模型混合調(diào)用方案。若路由系統(tǒng)誤將請(qǐng)求導(dǎo)向更保守的小模型，用戶體驗(yàn)到的性能波動(dòng)會(huì)被錯(cuò)誤歸于旗艦?zāi)Ｐ汀?/p>

3）大家的心理預(yù)期比較高：被冠以“劃時(shí)代”稱號(hào)的發(fā)布版本會(huì)設(shè)定參照標(biāo)準(zhǔn)，而實(shí)際改進(jìn)幅度往往難以匹配這種預(yù)期。但即便不如宣傳片震撼，這些改進(jìn)（尤其在編程、長(zhǎng)程任務(wù)和工具調(diào)用領(lǐng)域）仍然具有重要意義。

本層結(jié)論：這是產(chǎn)品管理策略引發(fā)的爭(zhēng)議，并非能力停滯的證據(jù)。

02 Layer 2：應(yīng)用層投資回報(bào)混沌不清，且與基礎(chǔ)設(shè)施需求背道而馳

的確，很多企業(yè)試點(diǎn)項(xiàng)目都沒(méi)有達(dá)到預(yù)期目標(biāo)。但原因很簡(jiǎn)單：數(shù)據(jù)管道尚未就緒；工作流未重新設(shè)計(jì)；激勵(lì)機(jī)制阻礙落地；風(fēng)控措施拖慢部署；套殼應(yīng)用同質(zhì)化嚴(yán)重。當(dāng)技術(shù)普及速度超過(guò)組織流程改造速度時(shí)，市場(chǎng)必然會(huì)出現(xiàn)應(yīng)用層淘汰洗牌。

關(guān)鍵差異點(diǎn)：

1）套殼應(yīng)用與系統(tǒng)重構(gòu)：基于 API 的套殼聊天應(yīng)用會(huì)快速同質(zhì)化，而重構(gòu)工作流的系統(tǒng)（如智能體、工具調(diào)用、私有數(shù)據(jù)檢索、知識(shí)圖譜）雖見(jiàn)效慢，卻能建立更持久的優(yōu)勢(shì)。

2）橫向與縱向方案之別：橫向通用助手的市場(chǎng)聲量大，但深度融合領(lǐng)域工具的垂直方案才真正能產(chǎn)生回報(bào)。后者需與一線操作者共同設(shè)計(jì)且銷售周期更長(zhǎng)，但正是護(hù)城河所在。

3）核心評(píng)估指標(biāo)：節(jié)省工時(shí)數(shù)量和客戶滿意度這類脫離利潤(rùn)的虛榮指標(biāo)毫無(wú)意義。應(yīng)關(guān)注誤差調(diào)整后的吞吐量、營(yíng)運(yùn)資金周轉(zhuǎn)率或事件率變化值。若無(wú)法將成效折算為財(cái)務(wù)收益，下一輪預(yù)算審議時(shí)項(xiàng)目必然被否決。

這一層的低迷與基礎(chǔ)設(shè)施層的蓬勃發(fā)展并不矛盾：邊緣應(yīng)用的弱產(chǎn)品市場(chǎng)匹配度，不會(huì)削弱對(duì)訓(xùn)練迭代、模型升級(jí)或智能體框架的需求，只會(huì)重新分配價(jià)值捕獲的主體。

03 Layer 3：基礎(chǔ)設(shè)施資本支出正從沖刺期轉(zhuǎn)向消化期，而非斷崖式下跌

基礎(chǔ)設(shè)施領(lǐng)域并非“投資枯竭”，而是進(jìn)入了一個(gè)新階段：資源配置結(jié)構(gòu)與利用效率將成為決勝關(guān)鍵。三個(gè)同時(shí)存在的事實(shí)：

1）產(chǎn)能持續(xù)擴(kuò)張：電力、高頻寬存儲(chǔ)器（HBM）與先進(jìn)封裝（CoWoS 級(jí)）仍是關(guān)鍵制約因素。即便積極擴(kuò)產(chǎn)，2026 年前多數(shù)地區(qū)的供應(yīng)仍將緊張。這支撐著定價(jià)并持續(xù)激勵(lì)基建投入。

2）算力閑置風(fēng)險(xiǎn)是局部性的而非系統(tǒng)性的：擁有全棧需求（搜索、廣告、云服務(wù)、辦公軟件、消費(fèi)應(yīng)用）的超大規(guī)模廠商可通過(guò)模型輪替與吸納測(cè)試時(shí)計(jì)算階段的算力消耗保持 GPU 滿載。風(fēng)險(xiǎn)主要集中在獨(dú)立的 AI 云服務(wù)商和專項(xiàng)供應(yīng)商 —— 它們面臨租賃成本攀升、客戶集中度高和短期采購(gòu)協(xié)議的壓力。即便總體需求增長(zhǎng)，這類企業(yè)仍可能遭遇階段性的困境。

3）從粗放式短期算力租賃向精細(xì)化長(zhǎng)期商業(yè)協(xié)議：隨著市場(chǎng)逐漸成熟，短期的算力現(xiàn)貨租賃將減少，結(jié)構(gòu)化的采購(gòu)協(xié)議將成為主流（包括更長(zhǎng)的合約期限、最低采購(gòu)量承諾以及指數(shù)化定價(jià)機(jī)制）。算力金融化工具（期貨/遠(yuǎn)期合約、容量預(yù)留、風(fēng)險(xiǎn)對(duì)沖）將平滑市場(chǎng)的消化過(guò)程，同時(shí)降低建設(shè)方與采購(gòu)方的資金成本。

“資本支出消化期”意味著：在供應(yīng)增速超越短期客戶需求的領(lǐng)域?qū)⒊霈F(xiàn)價(jià)格體系調(diào)整。行業(yè)重點(diǎn)正轉(zhuǎn)向電力采購(gòu)、互聯(lián)技術(shù)、散熱系統(tǒng)和可用性保障，并對(duì) GPU 利用率管理賦予更高溢價(jià) —— 這與市場(chǎng)崩潰的論調(diào)截然不同。

04 Layer 4：“規(guī)模即王道”從來(lái)就不是嚴(yán)肅的理論命題

有一種夸張的片面觀點(diǎn)宣稱：“我們已經(jīng)擴(kuò)大了預(yù)訓(xùn)練規(guī)模，現(xiàn)在就此止步”。而真正嚴(yán)謹(jǐn)?shù)募夹g(shù)演進(jìn)路徑實(shí)則是：規(guī)模 × 算法創(chuàng)新 × 測(cè)試時(shí)計(jì)算 × 工具調(diào)用 × 高質(zhì)量數(shù)據(jù)。 技術(shù)前沿正在發(fā)生范式轉(zhuǎn)移：

1）測(cè)試時(shí)計(jì)算與規(guī)劃能力：更多思維鏈、外部記憶、驗(yàn)證機(jī)制以及搜索/規(guī)劃循環(huán)的運(yùn)用。這方面的突破不需要更大的基礎(chǔ)模型，而更依賴更智能的推理計(jì)算。

2）工具調(diào)用與智能體：將代碼執(zhí)行、數(shù)據(jù)庫(kù)操作和服務(wù)調(diào)用作為默認(rèn)運(yùn)行模式（而非演示功能），使模型從文本預(yù)測(cè)器升級(jí)為行動(dòng)系統(tǒng)。

3）數(shù)據(jù)質(zhì)量與課程學(xué)習(xí)：當(dāng)粗暴的數(shù)據(jù)規(guī)模擴(kuò)張效益遞減時(shí)，數(shù)據(jù)精加工、合成數(shù)據(jù)方案、基于結(jié)果指標(biāo)的強(qiáng)化學(xué)習(xí)以及針對(duì)特定任務(wù)設(shè)計(jì)的課程學(xué)習(xí)將成為突破性能瓶頸的關(guān)鍵。

單純擴(kuò)張預(yù)訓(xùn)練規(guī)模的收益遞減并不意味進(jìn)步終結(jié)，而是改變了規(guī)模化的方向。

結(jié)合這四個(gè)層面來(lái)看：AI 助手默認(rèn)設(shè)置的重設(shè)計(jì)帶來(lái)了不好的用戶體驗(yàn)；大量應(yīng)用型初創(chuàng)公司遭遇試點(diǎn)價(jià)值的轉(zhuǎn)化困境；基礎(chǔ)設(shè)施投入正在進(jìn)行結(jié)構(gòu)化調(diào)整與專業(yè)化升級(jí)；研究重點(diǎn)從無(wú)序的規(guī)模擴(kuò)張轉(zhuǎn)向結(jié)構(gòu)化推理。這些內(nèi)容無(wú)一指向 AI 泡沫破裂，而是符合冪律分布特征的技術(shù)走向成熟的必然形態(tài)。

05 需要出現(xiàn)怎樣的證據(jù)，才能真正推翻“行業(yè)處于消化期”的判斷？

請(qǐng)關(guān)注下面這個(gè)簡(jiǎn)單明了的核查清單：

1）多家超大規(guī)模廠商連續(xù)兩輪以上資本支出下調(diào)（非僅投資結(jié)構(gòu)調(diào)整），且明確推遲數(shù)據(jù)中心建設(shè)（而非僅重新排序工期）

2）頂級(jí) GPU 集群出現(xiàn)價(jià)格戰(zhàn)（通過(guò)公開(kāi)價(jià)目表可量化），同時(shí)披露閑置產(chǎn)能或明顯延長(zhǎng) GPU 閑置周期。

3）需連續(xù)多代模型版本在復(fù)雜推理基準(zhǔn)測(cè)試和智能體工作流中出現(xiàn)平臺(tái)期，工具使用可靠性（如代碼執(zhí)行成功率）停止提升。

4）電網(wǎng)互聯(lián)排隊(duì)周期長(zhǎng)和變電站擴(kuò)容項(xiàng)目延期導(dǎo)致項(xiàng)目大規(guī)模取消（非僅工期延后），聯(lián)邦能源監(jiān)管委員會(huì)/公用事業(yè)約束硬性限制建設(shè)規(guī)模。

5）兩個(gè)及以上客戶群在經(jīng)過(guò)深度工作流整合后，AI 套件/助手的續(xù)約率顯著低于試點(diǎn)期表現(xiàn)。

若同時(shí)觸發(fā) 2-3 項(xiàng)指標(biāo)則需重新評(píng)估“行業(yè)處于消化期”這一判斷。否則應(yīng)預(yù)期行業(yè)處于結(jié)構(gòu)性調(diào)整而非崩潰狀態(tài)。

06 戰(zhàn)略要點(diǎn)

6.1 資金配置方

• 優(yōu)先布局瓶頸環(huán)節(jié)，而非追逐品牌光環(huán)。 高頻寬存儲(chǔ)器（HBM）、芯片基板、先進(jìn)封裝、電網(wǎng)升級(jí)、變壓器/變電站設(shè)備以及散熱系統(tǒng)。這些領(lǐng)域的供給制約持續(xù)時(shí)間將遠(yuǎn)超市場(chǎng)預(yù)期。
• 審慎評(píng)估獨(dú)立廠商的資本結(jié)構(gòu)。 關(guān)注租賃費(fèi)用遞增條款與收入條款的匹配度、客戶集中度及合同期限。用僅持續(xù) 90 天的收入流去支撐長(zhǎng)達(dá) 36 個(gè)月的債務(wù)責(zé)任，便是在重演硅谷版的 WeWork 式危機(jī)。
• 優(yōu)先選擇與約定期限關(guān)聯(lián)的風(fēng)險(xiǎn)敞口。 優(yōu)先選擇包含階梯價(jià)格、保底/封頂機(jī)制和電力成本傳導(dǎo)條款的容量預(yù)留與算力采購(gòu)協(xié)議。此類合約正在快速完善風(fēng)控體系。

6.2 應(yīng)用層創(chuàng)業(yè)者

• 構(gòu)建系統(tǒng)級(jí)解決方案，而非淺層套殼應(yīng)用。 開(kāi)發(fā)深度整合私有數(shù)據(jù)與領(lǐng)域工具的智能體工作流，用財(cái)務(wù)收益衡量成效而非使用演示效果衡量。
• 掌控評(píng)估體系。 評(píng)估能力是產(chǎn)品的核心模塊而不是純研究屬性的功能。若無(wú)法基于客戶自有指標(biāo)證明成果差異，則終將淪為附屬功能。
• 善用測(cè)試時(shí)計(jì)算（test-time compute）。 部署輕量基礎(chǔ)模型搭配強(qiáng)大的規(guī)劃/搜索框架，可在成本與質(zhì)量上超越暴力擴(kuò)展方案。

6.3 基礎(chǔ)設(shè)施構(gòu)建者

• 優(yōu)先獲取電力資源。 土地易得，充足的電力難求。變電站的交付周期與等待電網(wǎng)公司審批接入的排隊(duì)時(shí)間對(duì)項(xiàng)目進(jìn)度的影響，遠(yuǎn)超過(guò)芯片供應(yīng)短缺。
• 為算力利用率而設(shè)計(jì)。 多租戶隔離、拓?fù)涓兄约斑m配智能體工作流的任務(wù)調(diào)度系統(tǒng)，將成為差異化優(yōu)勢(shì)。“90%+的持續(xù)算力利用率”已成為核心銷售賣點(diǎn)。
• 對(duì)沖周期波動(dòng)。 勿將市場(chǎng)波動(dòng)視為意外。在可鎖定處簽訂長(zhǎng)期合約，在不可控處保持靈活選擇權(quán)。

07 為何“AI 崩盤(pán)論”看似可信卻實(shí)非如此

• 人們傾向于只關(guān)注那些容易被包裝成故事的信息。一個(gè)旗艦產(chǎn)品的風(fēng)格發(fā)生變化，人人都能立刻感知；但 HBM（高頻寬存儲(chǔ)器）的供應(yīng)量變化，卻鮮有人注意。我們總是過(guò)度重視那些顯而易見(jiàn)、容易被講述的事物。
• 炒作后的幻滅。人們的期望以比科學(xué)進(jìn)步快得多的速度膨脹；當(dāng)新產(chǎn)品發(fā)布時(shí)，現(xiàn)實(shí)達(dá)不到大家的想象，我們又立刻從狂熱跌入過(guò)度失望。
• 我們把“我的 AI 助手沒(méi)改變生活”這種個(gè)人體驗(yàn)，和“沒(méi)人會(huì)買 GPU”這種市場(chǎng)趨勢(shì)混為一談。可這是兩個(gè)完全不同的市場(chǎng)，運(yùn)行在不同的節(jié)奏上。

在這里使用消化期這個(gè)隱喻還是蠻恰當(dāng)?shù)摹＿^(guò)去一段時(shí)間，整個(gè)行業(yè)像饕餮一樣吞下產(chǎn)能，瘋狂追逐產(chǎn)能擴(kuò)張、快速推出原型產(chǎn)品，并不斷制造吸引眼球的故事。但現(xiàn)在，熱潮過(guò)去了，身體吃得太撐，需要停下來(lái)好好消化。這表現(xiàn)為新聞?lì)^條不再那么激動(dòng)人心，進(jìn)展看起來(lái)變慢了；企業(yè)采購(gòu)變得更謹(jǐn)慎、更難；大家開(kāi)始認(rèn)真討論投入產(chǎn)出比（ROI）：不再問(wèn)“能不能做”，而是問(wèn)“值不值得做”；技術(shù)進(jìn)步的重點(diǎn)，從“往訓(xùn)練里砸多少算力”轉(zhuǎn)向“如何更聰明地使用模型”——追求的是質(zhì)的躍升，而不是量的堆砌；資本運(yùn)作也回歸理性：短期投機(jī)減少，長(zhǎng)期規(guī)劃增多；不再靠“感覺(jué)”和“氛圍”融資，而是靠扎實(shí)的財(cái)務(wù)評(píng)估和風(fēng)險(xiǎn)控制。

如果你想貶低它的話，你可以稱之為“回落期”或“降溫階段”。但實(shí)際上，這其實(shí)是一個(gè)關(guān)鍵時(shí)期：護(hù)城河正在被真正挖深，財(cái)務(wù)脆弱的公司開(kāi)始崩塌，而真正持久的運(yùn)營(yíng)杠桿（即成本不變但產(chǎn)出大幅增加的優(yōu)勢(shì)）開(kāi)始在那些不起眼的地方顯現(xiàn)出來(lái) —— 比如電力供應(yīng)、芯片封裝、互聯(lián)技術(shù)，以及讓智能體（agents）真正可靠干活的、枯燥卻至關(guān)重要的工程細(xì)節(jié)。

歸根結(jié)底，如果你的投資或判斷是基于“GPT-5 讓我失望，所以 AI 泡沫要破了”這種感受，那你其實(shí)是在用情緒做決策，而不是分析真實(shí)市場(chǎng)。 你應(yīng)該分清表層情緒和底層現(xiàn)實(shí)，關(guān)注那些能證偽你觀點(diǎn)的信號(hào)（比如數(shù)據(jù)、產(chǎn)能、需求），并做好準(zhǔn)備 —— 迎接的可能是一段消化調(diào)整期，而不是突然的崩盤(pán)。

END

本期互動(dòng)內(nèi)容 ??

?如果你是一家企業(yè)的決策者，在當(dāng)前的“消化期”，你會(huì)更傾向于投資基礎(chǔ)設(shè)施，還是深耕垂直場(chǎng)景的 AI 應(yīng)用？為什么？

原文鏈接：

https://davefriedman.substack.com/p/the-ai-market-isnt-collapsing-its