资深科技投资人：AI 泡沫担忧被夸大，但有三条暗流值得盯

一句话看懂：管理逾 400 亿美元资产的 Seligman Investments 首席投资官 Paul Wick 认为，当前 AI 热潮虽有 dot-com 泡沫的影子，但整体比 2000 年更健康，眼下崩盘和失业潮的说法都偏早；不过他同时提示 token 定价承压、企业自建模型等结构性风险。

事件核心：发生了什么

Wick 在本周接受 Business Insider 采访时，把这一轮 AI 热潮与 2000 年前后的互联网泡沫做了对照。相同点在于：初创公司大量涌现，数据中心和算力基础设施投入激进，能源价格与利率也在上升。不同点更关键——如今没有当年那种 IPO 狂热，也少见股票单日翻五倍、十倍的疯狂场面；2000 年底市场已在预测 2001 年 IT 支出放缓，而现在企业 AI 支出依然强劲，近期科技公司财报表现稳健。他的判断是，此刻的局面对比 2000 年“更健康”。

针对“大空头”Michael Burry 今年对 AI 的质疑——激进会计处理、循环融资、隐性债务、芯片等折旧资产过度投资——Wick 回应称，Burry 在别的领域曾“过早甚至完全判错”。谈到英伟达通过投资数据中心开发商和软件公司扩张 AI 生态，他承认这家芯片公司“利润率高得惊人”，并质疑其闲置现金是否只该用于回购，而不是扶持客户。

为什么重要

这场争论的核心是：AI 资本开支周期还能持续多久。如果 Wick 的判断成立，算力、芯片和数据中心的需求短期内仍有企业付费支撑，行业不会简单重演 2000 年的急速出清；但“没有泡沫”不等于“没有风险”。他点出的三条暗流——企业客户转向旧模型或自建模型、用户拥抱开源导致 token 价格承压、OpenAI 和 Anthropic 等公司的市场空间因此被打上问号——指向的是商业化质量，而非资本热度。对行业而言，这比“是不是泡沫”更值得追问。

对用户/开发者/创作者的影响

对开发者来说，token 降价和开源模型普及意味着调用大模型的边际成本可能继续走低，但也意味着依赖 API 转售或套壳的商业模式更难成立。对企业采购方，自建模型和继续使用成熟旧模型是压低成本的现实选项，选型时更应关注推理成本与锁定风险，而非一味追新。对创作者，Wick 的建议颇具反差：计算机学位不再是唯一的成功门票，电工、暖通等技术工种需求旺盛、收入可观；至于“AI 会摧毁人力需求”的悲观论，他认为目前下结论为时尚早，企业和消费者改变行为本身就有惯性。