人工智能过热了吗？

人工智能无疑是未来十年最炙手可热的赛道，但近期越来越多的业内重量级人物和机构频频发出过热警示。

我初步统计发现，目前至少有 6 位顶尖专家 公开提示 AI 投资风险。

一、六位重量级人物发出警示

👉 比尔·盖茨（Microsoft 创始人）

近期多次表达对 AI 过热的担忧，他将当前情况与 互联网泡沫时期 相提并论。

“AI 是我一生中见过的最重大的技术，但当前的投资热潮已经明显催生泡沫。”

盖茨认为，一些公司投入的数十亿美元可能 永远无法盈利，并批评盲目建设高耗能数据中心造成资源错配。

👉 博尔格·布伦德（世界经济论坛主席）

“今年 AI 投资规模高达 5000 亿美元，但回报尚未显现。”

👉 托尼·约瑟洛夫（Davidson Kempner 资本管理公司投资长）

揭示企业已经陷入 AI 投资的‘囚徒困境’：

“你必须投资，因为同业都在投资；若落后，竞争地位将削弱。”

经济回报可能需要数年才能显现。

👉 朱利安·毕晓普（Brunner Investment Trust 投资组合经理）

数据更直接：

2025-26 年 AI 资本支出预计 4500–5000 亿美元，但目前投资回报仅 130 亿美元。

投入远大于回报。

👉 迈克尔·伯里（电影《大空头》原型人物）

已用实际行动表达观点 —— 做空英伟达和 Palantir 等 AI 概念股。

👉 山姆·奥特曼（OpenAI CEO）

“资金过度集中，可能造成估值风险。”

二、机构与市场数据出现过热信号

再看一些研究数据：

• 新加坡金融管理局 11 月 5 日发布的《金融稳定性报告》指出： 全球 45 家 AI 相关公司的平均本益比已从 14 倍飙升至 23 倍，但盈余仅成长 13%。

• Palantir 与 AI 服务器巨头 Supermicro 财测不及预期，带来全球科技股抛售。 短短数日内市值蒸发约 5000 亿美元。

• 美国银行调查： 54% 的投资者认为 AI 股票进入泡沫区域。

• 英国央行警告： 若 AI 情绪逆转，可能引发全球市场修正。

理性声音开始为资本狂欢降温。

三、科技巨头已陷入“身不由己”的资本投入

更深层次的隐患： 科技巨头已经陷入了一场 不得不参与 的资本开支竞赛。

托尼·约瑟洛夫点破逻辑：

“你必须投资，因为同业都在投资；若落后，竞争地位将削弱。”

他引用历史：

• 个人电脑普及用了 十年 才提升生产力

• 互联网花了 五六年 才产生效益

“AI 真正的红利可能还需要几年。”

他的反问，值得所有投资人警醒：

“市场会对这些报酬有多少耐心？”

资本狂欢与盈利基本面之间，鸿沟正在扩大。

四、AI 是否过热？必须拆分来看

我认为，简单的说人工智能是否过热，这点比较粗糙。

人工智能是个生态，它包括至少三部分组成：

① AI 的血液：基础设施（能源、电力、算力、数据中心、光模块、带宽、存储等）

② AI 的心脏：大模型

③ AI 的手脚：应用层（AI+行业落地）

每一层的供需、风险、商业模式完全不同。

五、基础设施：供不应求（没有过热）

按目前的发展阶段：

基础设施不是过热，而是“不够”。

原因：

• 2024–2025，美国、日本、阿联酋在疯狂建数据中心

• 即使 NVIDIA 出货爆炸，仍然 买不到 GPU

• 某大模型 CTO：

• “不是买贵，是买不到。”

马斯克在 AI Infra Summit 上说：

“最稀缺的不是 GPU，是电。”

淘金时代，不确定谁能挖到金子， 但确定的是卖水的一定赚钱。

六、大模型：高投入 + 不确定回报（可能过热）

大模型投入是确定的，回报是不确定的。

投入包括：

• 百亿级 GPU

• 海量数据清洗

• 电力、散热、数据中心

• 全球最顶尖算法人才

但回报存在巨大不确定：

• 模型性能提升出现 边际递减

• 大模型同质化严重

• 商业模式不明确（不是所有公司会付费）

关于“超人智慧”的问题存在争议。

我的观点：

大模型会超过人类的部分智慧，但永远无法替代人类。

原因不是“情绪”或“温度”，而是底层机制不同：

• 人类有 意图、价值判断、自我意识

• 大模型只是 统计映射器，不是理解者

底层结构性限制：

1. 大模型本质是 相关性，不是 因果性

2. 大模型没有自我意愿，不会主动定义问题

更重要：

大模型只能学习 已有的数据，却无法认知 未被记录的现实世界。

（以上关于大模型核心和未来的讨论非常重要，可以重新整理出一篇文章探讨）

总之：

投入巨大 → 预期极高 → 一旦不及预期 → 泡沫风险出现

七、AI 应用：是否过热，取决于算力模式

不能一刀切说应用过热。

如果一个应用只是：

• 调用大模型 API

• 没有业务壁垒

• 大幅消耗算力

那么：

它只是大模型的前端界面，命门在别人手里。

但如果：

• 结合行业场景

• 使用 小模型 / 开源模型 / 本地部署

• 降低推理成本

那么：

这是价值创造，而非算力浪费。

烧算力的应用，会随概念冷却消失。 省算力的应用，会随 ROI 爆发增长。

小模型 / 开源 / 边缘部署 = 未来方向。

八、AI 应用的本质：把每个行业重新做一遍

AI 不是一个行业，是改造所有行业的工具。

例如我们最近调研的系列行业应用：

• 医疗：影像 / 导诊 / 病历智能化

• 制造：视觉质检 / 预测维修 / 排产优化

• 金融：风控 / 审贷 / 智能投研

• 零售：智能选址 / 智能导购 / 客流洞察

真正产生价值的不是模型，而是：

AI + 业务场景落地

“低算力 + 小模型 + 本地部署” 让应用变成 可规模化业务。

麦肯锡报告指出：

到 2030 年，70% 的工作流程将因 AI 被重新设计。

德勤 2025 报告显示：

64% 的 AI 投入来自 AI+行业场景，而不是大模型本身。

每个行业、每条流程，都可能被 AI 重构一次。

AI 应用不是过热，而是刚刚开始。

结语：未来最赚钱的不一定是大模型，而是懂行业的人

• 基础设施：确定性最高

• 大模型：存在过热风险

• AI 应用：未来最大机会

未来十年的核心不仅做 AI，更是用好 AI。

左手人工智能，右手财富管理，过积极且从容的生活。

本文由高峰博士独立完成，欢迎署名转载，转载请注明出处。禁止私自转载、修改或冒名发布，违者必究，作者保留追究法律责任的权利。

高峰博士为独立投资人、企业家 AI 财富顾问，长期专注于人工智能与财富管理的融合应用，致力挖掘人工智能时代更优秀的投资标的，并帮助有潜力的企业，在 AI 时代成为“小而美、强而精”的优秀公司。