Written by Ralph Sun
2022 年留下的有用教训并非必然会出现 35% 的固定跌幅，而是当投资者不再为遥远的营收买单，转而要求利润证明、现金生成能力和资本纪律时，成长型市场可能会出现剧烈重置。
这正是人工智能目前面临的问题。这项技术可以保持其重要性，同时其大部分市场价值被重新定价。这两个结果并不矛盾。
与 2022 年的对比比标题所示的更为严苛
2022 年成长股的抛售并非直线下跌，也未在几周内结束。纳斯达克 100 指数的流动性代名词 QQQ 在 2021 年 11 月 19 日收于 403.99 美元。随后在 2022 年 12 月 28 日收于 260.10 美元：在 404 个日历日内，按收盘价计算跌幅达 35.6%。直到 2023 年 12 月 15 日，QQQ 才重新夺回 2021 年 11 月的收盘水平。
这段历史之所以重要，是因为它将有用的类比与简单的口号区分开来。类似的 AI 重置可能包括空头回补引发的反弹、业绩驱动的回升以及让空头和后期买家同时被套的剧烈抛售。它不需要是一次性的崩盘。随后的复苏也不会抹去那些资产负债表或业务模式未能通过资本测试的公司所遭受的损失。
因此，相关的类比是估值倍数压缩周期。2022 年，利率上升，应用于远期现金流的贴现率增加，市场对主要依靠营收增长估值的公司失去了耐心。如果下一次 AI 重置发生，可能会由类似的转变驱动：投资者认定，如果没有计算、数据中心和分销投资的可信回报，模型能力、用户增长和融资规模将不再足够。
AI 业务模式需要证明其资本回报能力
AI 建设存在真实需求，但其经济效益也异常严苛。
据路透社报道，Anthropic 告知潜在的 IPO 投资者，其第三季度营收达到 168 亿美元，环比增长 45%，且公司在该季度实现了调整后盈利。同一份报告称，其招股说明书描述了 2025 年将面临 420 亿美元的亏损，以及十年内至少 5,180 亿美元的云、计算和基础设施承诺。
问题的关键不在于 Anthropic 或任何其他知名实验室必然会失败，而在于：在计入训练、推理、云容量和融资成本后，快速的顶线增长并不能解决谁能赚取充足回报的问题。
Gartner 的情景分析使这种错配变得显而易见。据估计，AI 提供商在 2026 年的基础设施支出将接近 1 万亿美元，2027 年至 2030 年间还将支出 6 万亿美元。在 Gartner 的预测中，如果目前的资本支出轨迹持续下去且营收无法支撑可接受的回报，到 2030 年，超过 3.5 万亿美元的 AI 基础设施支出可能会面临减值风险。
这并不意味着每家 AI 公司都只依赖融资。多元化的超大规模云服务商（Hyperscalers）可以利用云、广告、搜索、软件和其他现金流为 AI 投资提供资金。但规模较快的前沿实验室、新兴云服务商（Neoclouds）和单一产品提供商面临着同一个问题更难的版本：在底层硬件被取代之前，下一美元的投资能否赚回超过其成本的收益？
市场可以相信 AI 的前景，同时拒绝为每一种 AI 业务模式提供资金。这是投资者应该保持关注的区别。
通胀是警告灯，而非重播键
与 2021 年底的对比也需要严谨。2026 年 9 月 CPI 同比上涨 3.7%，核心 CPI 上涨 2.6%。而在 2021 年 11 月，头条 CPI 同比上涨 6.8%。2026 年 9 月最终需求 PPI 同比上涨 6.3%，低于 2021 年 11 月录得的 9.6% 的增速，但仍处于高位，环比增长 1.3%。
这些数据支持部分类比，而非完全等同。目前的生产者价格压力很大，而头条消费者通胀明显低于 2021 年底市场见顶时的水平。
更重要的是，CPI 或 PPI 水平刷新高点并不是一个独立的见顶信号。当通胀为正时，价格指数往往会随时间推移创下名义新高。劳工统计局明确指出，指数点数的变化受指数水平的影响，而百分比变化通常是分析波动的更有用方式。
对于市场而言，相关的问题在于通胀是在加速还是减速、分布有多广泛、政策利率是否必须保持限制性，以及盈利预期能否吸收更高的融资成本。创纪录的指数水平本身无法回答其中任何一个问题。
熊市可能会经历几个市场阶段
最可信的 AI 看跌理由不是“AI 被证明毫无用处”，而是市场过早地定价了过多的未来利润，而该行业的资本需求依然高企。
第一阶段将是估值重置。随着投资者从营收倍数转向衡量毛利率、自由现金流、债务能力和为每个新增用户提供服务的成本，最昂贵的模型、基础设施和应用类股票可能会下跌。
第二阶段将是分化。拥有真实分销渠道、专有数据、持久软件集成或现有现金流的公司，其表现可能优于依赖外部资本的公司。市场将不再把每个 AI 标的视为可以互换的。
第三阶段将是整合。一些受资本约束的提供商可能需要重组资本、合并、出售资产、缩减计算承诺或退出独立运营。Gartner 在其情景中特别预测，到 2030 年，成本压力和微弱的差异化可能迫使超过 80% 的新兴云服务商停止独立运营。该预测针对的是新兴云服务商，而非预测知名的 AI 巨头公司将会倒闭。
这种区分很重要。少数失败或重组将减少过剩产能和补贴驱动的竞争，但它们不会自动使所有幸存者都成为有吸引力的投资标的。竞争减少可以改善 Token 推理和云容量的定价纪律。但如果剩余的供应商激进地利用其定价权，也可能提高客户成本并减缓采用速度。
为什么复苏可能在叙事尚未感到舒适之前到来
熊市可以为更好的下一个周期创造条件。较低的估值可以使未来的回报减少对“完美表现”的依赖。整合可以减少产能过剩。较低的硬件和推理成本可以扩大具有经济意义的应用范围。
如果部署开始产生可衡量的生产力提升，物理 AI——机器人、工业自动化、自主系统和其他具身应用——可能成为更重要的需求来源。但不应将其视为模型公司洗牌后的必然续作。物理 AI 有其自身的瓶颈：硬件可靠性、安全性、集成、监管以及客户重新设计工作流程的意愿。
因此，复苏的逻辑并非“万物下跌，然后 AI 立即恢复其旧的领导地位”。它更为严苛。投资者需要证据表明应用端营收正在追上基础设施支出，Token 和计算的经济效益正变得持久，且幸存的公司拥有可防御的分销或产品优势。
什么会证明 2022 年的类比是错误的
如果 AI 提供商证明营收规模的增长快于其资本负担，且毛利率、利用率和自由现金流轨迹同时改善，那么熊市情景就会弱化。如果通胀压力在不需要限制性政策反应的情况下缓解，从而允许成长股估值维持支撑，该情景也会弱化。
相反，如果资本支出持续上升，而应用营收和计算利用率令人失望；如果 AI 基础设施的融资条件收紧；或者如果高估值公司未能达到其估值中隐含的利润率里程碑，风险就会增加。
投资者不应将波动与长期趋势的破坏混为一谈。2022 年的例子表明，成长股超过 35% 的回撤之后可能会创下新高。它还表明，路径很少是清晰的，时机无法预知，且指数的复苏并不意味着能救赎该主题下的每一家公司。
