Vol.76 我们不知不觉的走到了这里---170页PPT讲透2025AI行业

摘要

• 庄明浩的核心判断不是“AI 有没有泡沫”，而是行业已经把技术、资本与基础设施同时推到了历史级极限。 市场讨论已从“是不是泡沫”转向“是什么泡沫”：它目前更像生产性、股权驱动的泡沫，但 Oracle、Meta 等开始举债，风险正向债务端迁移。“我们不知不觉地走到了这里”，也就不再只是修辞。
• OpenAI 是整个资本循环的发动机，也是最难估值的风险节点。 它已达约5,000亿美元估值、8亿周活、2025年预计120亿美元收入，却预计到2029或2030年才转正现金流、未来还要烧1,150亿美元；Sam Altman从2024年就说需要7万亿美元，如今已承诺30GW以上数据中心、约1.4万亿美元支出。“五年的预期打给谁，谁起飞。”
• NVIDIA 已不只是卖芯片，而是在充当“AI行业的央行”。 它突破5万亿美元市值，单季利润约264亿美元、账上约1,000亿美元现金，一边用1,000亿美元绑定OpenAI，一边投资Intel、Nokia和Neocloud；OpenAI买算力、NVIDIA回投OpenAI的闭环由此建立。庄明浩的判断是，老黄已在用资本配置调控整个行业。
• 技术主线仍是从推理模型走向Agent，但真正的瓶颈已经从模型能力扩展转向数据获取、奖励、记忆和评估。 数学与编程因答案可验证而进步最快，创造性任务却缺少清晰奖励；reward hacking、过程奖励、长短期记忆冲突和失效benchmark都没有解决。Agent因此可能还需5—10年，“今年只是十年研发周期的第一年”。
• 产品端的赢家尚未锁定，第一方模型厂商正在吞回应用层价值。 ChatGPT想以8亿周活做All in One，Gemini仍以单周60%—70%、个别周95%的速度追赶；AI coding曾创造最快ARR纪录，如今独立工具流量普遍双位数下跌，Claude Code和Codex却快速增长。更广泛地看，Q3已有60%的AI App、75%的Web应用下跌，“用户价值与活跃规模”开始取代模型想象。
• 中国模型的技术存在感与资本定价出现了巨大背离。 DeepSeek、千问、MiniMax、Kimi、智谱持续推进开源，开发者调研中DeepSeek从0升至53%、千问从0升至25%，Airbnb也公开称比较GPT后选择千问；但中国头部模型公司估值仅小几十亿美元，与5,000亿美元的OpenAI相差一百多倍。“不是除以三、除以七、除以十，而是除以一百。”
• 二级市场的AI交易正从MAG7向整条数据中心供应链扩散。 2025年庄明浩引用的分组中，MAG7约涨16%，能源、芯片、软件分别涨53%、41%、33%；连只占数据中心成本约1%的存储都短缺，Seagate和Western Digital成为标普500表现最强者之一。2026年Amazon、Microsoft、Meta、Google的CapEx预计都将超过1,000亿美元，Neocloud未来五年预期年增69%。
• 对投资者最重要的不是抢着证明泡沫，而是同时防止“过早下车”和低估尾部风险。 当前头部AI公司平均PE约28倍，明显低于互联网泡沫高峰约89倍，巨头现金流也仍能覆盖多数投入；但GPU可能只有约3年经济折旧期，Oracle的CapEx已达经营现金流135%，一旦影子银行和债务接棒，风险结构会改变。“对很多人来说，泡沫的定义其实只是一个他们没有参与的牛市。”

精读

1. 七个月的夏天与万亿美元AI，是同一种极端

• 庄明浩从杭州女装老板“今年卖了七个月短袖”讲起：11月初上海仍能穿短袖，影视飓风一件基础T恤卖出20万件，天猫服饰团队甚至到灵隐寺祈求降温，好让双十一冬装卖得出去。

• 他把这种荒谬与VC的“祭祀求雨”连接起来：人在高度不确定中反复举行仪式，期待一个极端解决另一个极端；另一边，科技公司用万亿美元豪赌无人知道的未来。“两种极端，同一种荒谬。”

• 这期170页PPT因此叫《我们不知不觉地走到了这里》，副题更直接：“事情为什么会他妈发展成这个样子。”问题不只关乎AI是否过度建设，而是人类如何从追求中庸和平衡，滑入“不可避免的极端时代”。

2. 行业跑得比PPT更快，旧框架仍有部分内容可复用

• 从2024年底139页年度回顾，到DeepSeek爆火的74页、Mistral的70页、Agent的58页，再到9月154页《推理想打怪，场景想开图，投资想氪金》，庄明浩发现仅看历次目录，就能看到行业注意力按时间沉淀出的脉络。

• 这次他把仍然有效的旧内容压缩成“回顾”：OpenAI仍在解投资人、Microsoft、NVIDIA、政府、团队和竞争对手同时施压的难题；L1 Chatbot、L2推理、L3 Agent仍是主线，只是三者并非线性替代，而在并行推进。

• 钱的叙事也没有变化：拿更多资本，建更多、更好的数据中心，训练更强模型，再得到更好结果。问题是，这套主要由美国定义的叙事能否被中国沿用，还是中国必须走出另一种资本与开源结构。

• 最痛苦的地方是“行业的发展比你做PPT的速度要快”：仅10月最后一周，就有OpenAI与Microsoft重定新的合作关系、NVIDIA华盛顿GTC，以及Apple、Microsoft、Google、Amazon、Meta五家巨头发布高信息量财报。

3. 强化学习抬高了推理上限，也暴露了数据天花板

• 2025年自然语言模型的主航道仍是推理模型，这条线可追溯到2024年9月的OpenAI o1，并在年初DeepSeek R1后继续强化。预训练带来L1，后训练与强化学习推动L2乃至L3，“科技与狠活”的路线已相当明确。

• 数学和编程进步最快，不是因为模型天然偏爱它们，而是答案容易验证：做对就奖励，做错就惩罚。创造、偏好和模糊任务没有同样清晰的验证器，因而“到底怎么定义好用”本身就成了训练问题。

• 只奖励结果还会诱发reward hacking：模型和人一样，可能为达到指标“不择手段”。当结果奖励的边际效应下降，过程奖励重新变得重要；归根结底，这些问题都落回算力、算法、数据三要素中的数据获取。

4. 记忆与benchmark正在失去旧有标尺

• 上下文窗口变长只是记忆问题的起点。模型还要平衡长期与短期记忆，处理语义漂移、记忆冲突和某一段记忆的控制，并提高检索效率；模型自身记忆与执行任务所需的外部记忆，也不能简单混为一体。

• 旧benchmark几乎测不动最强模型：题库可能泄露，模型会针对性训练；模型按月迭代，评测却半年才更新；为了“分高”优化，与为了真实场景“好用”优化，也不是同一件事。长期有效的动态benchmark因而“非常非常难”。

• 柯洁给了最尖锐的类比。被问到是否担心AI学习职业棋手数据时，他回答：“我们水平那么低，AI要我们的数据干什么呢？那不就污染它的数据库了吗？”AI围棋可能不是从90分走到100分，而是已经到了“一亿分”，人类连坐标系都失去了。

5. 美国模型主桌缩成四家，Meta已经掉队

• 庄明浩把美国闭源模型主桌概括为OpenAI GPT、Anthropic Claude、Google Gemini与xAI Grok；Meta的Llama则在2025年“偷偷地掉队了”，无论口碑、更新节奏还是榜单位置，都不再与前四家并列。

• 技术路线和目标一旦给定，竞争自然变成高强度“卷”。每家发布模型时都称自己最先进，头部位置持续变化，Chatbot、推理和Agent能力也在同时竞争，单一榜单已难给出稳定结论。

• 开发者调研虽非绝对数据，却显示方向：Gemini使用率从31%升到80%，Anthropic从46%到67%，xAI从0到31%；Llama从49%降到43%，欧洲Mistral从37%降至22%。

• Google可以独立成桌：它既有TPU，也有云和Anthropic这个重要伙伴。面对OpenAI—NVIDIA—Oracle的循环，Google的选择近似于“我为什么要跟你们一起玩，我自己拉一桌就好了”。

6. 中国开源模型追上桌面，估值却差了一百多倍

• “六小龙”叙事已经失效，但DeepSeek、阿里千问、MiniMax、Kimi、智谱仍在快速研发，腾讯和字节也在桌上。庄明浩特别提到MiniMax当周发布的新模型，国内外口碑都很强。

• 开源已成为中国厂商推动的某种全球正确叙事，并被写入“人工智能+”相关行动意见。Airbnb CEO公开称，他们比较千问与最新GPT后选择了千问；调研中DeepSeek从0升至53%，千问从0升至25%。

• 资本定价却没有沿用移动互联网时代“美国估值除以三、七或十”的映射：OpenAI约5,000亿美元，中国头部模型公司只有小几十亿美元。即便不和OpenAI比，已掉队的欧洲独苗Mistral仍因稀缺性获得ASML投资，估值约140亿美元。

7. DeepSeek V3.2最值得记住，因为它延后了所有人的期待

• 模型单位token成本在指数下降，庄明浩引用的说法是每年约降十倍；但最领先模型的标价并未下降，因为第一名始终能维持溢价。旧冠军被替代后会降价，可新的第一名仍站在同一价格带。

• 这也被用来解释为什么模型成本下降没有让很多模型厂商的毛利随之下降：用户和应用总想调用“最好的模型”，而站在第一名位置的模型并未降价。

• DeepSeek R1建立在V3基础模型之上，市场原本等待跨世代V4再孕育R2；但V3.1-0528之后，9月22日先有V3.1终极版，9月29日又是V3.2，而不是V4。“终究是我错付了”，R2是否会直接基于V3.2，只能继续等。

8. 多模态正在进入生产管线，世界模型又把元宇宙叫醒

• 图片和视频已从局部战场进入media生产管线。Google的Veo 3继续领先，快手、字节及中国初创公司快速跟进；讨论重点不再只是生成一张图，而是能否融入持续、可控的内容制作流程。

• 世界模型把战线延伸到Google DeepMind的Genie 3、李飞飞的World Labs及混元世界模型1.1。庄明浩引用的说法是，世界模型可能成为“孕育AGI的子宫”；若世界模型最终做到极致，元宇宙叙事便可能重新成立。

• DeepSeek和智谱同期发布OCR模型，则暗示另一条数据路线：纯文本token可能接近某种极限，而人类本就通过视觉学习文字、图像和空间关系。把信息编码成图像再识别、压缩，或许能突破文本长度，但效果仍待模型厂商验证。

9. Agent不是一年完成的产品，而是十年系统工程的第一年

• “2025年是Agent元年”被Sam Altman、Ilya及大量报告反复使用，但庄明浩一直认为，真正好用的通用Agent可能还需5—10年。Kimi一位核心研发员工也曾判断，替代80%白领工作的Agent需要漫长时间，除非出现全新颠覆技术。

• Karpathy的类比来自自动驾驶：他在2012年看到demo时也觉得已经ready，十二年后仍未达到理想状态。因此2025并非Agent成熟元年，只是持续研发、迭代十年周期的第一年。

• 现阶段Agent就像一群球员围着门前乱踢，却怎么都踢不进球。问题不只在模型：网页、账户、权限、数据库、安全、用户体系、记忆、执行成本、等待时间和结果评判，任何一个短板都能让整个木桶漏水。

• Deep Research、Computer Use、Agent Model等词同时描述技术和产品，边界仍很混乱。聚光灯虽然减弱，但融资分类中Agent及其基础设施依旧是核心方向；真正开始做之后，行业反而少谈定义、多碰工程现实。

10. OpenAI已经不是一家公司，而是至少三大支柱、可能拆出更多业务

• 2025年OpenAI既发布GPT-4.1、GPT-5、DALL·E 3、Sora 2等模型，也推出Codex、Sora App、浏览器及ChatGPT内应用。它不能再仅被定义成实验室，也不能只用ChatGPT概括。

• 组织上，技术研发与产品、应用运营被拆开，并请来一位1986年出生的前Facebook移动端女性VP负责产品和应用团队。约3,000名员工中，据称有600人来自Facebook，这既提高了产品交付能力，也带来文化与组织整合问题。

• Sam在10月29日直播中把架构拆为研究、产品、基础设施三大支柱，底层还包括芯片、机架、数据中心和能源。庄明浩据此认为，OpenAI可能还包括硬件等其他业务；微软合作结构中特别指出，硬件项目不在合作范围内。

11. ChatGPT要做All in One

• ChatGPT已能在对话框内调用Booking订酒店、Canva做设计、Figma做UI、Spotify听音乐、Zillow查房产。OpenAI想做的，是像微信、支付宝和抖音一样的All in One。

• 它敢这么做，首先因为周活从年初4亿升到8亿；8月还是7亿，两个多月又增加1亿。更关键的是留存出现“微笑曲线”：用户使用越久，留下来的用户越多，平台规模开始形成自我强化。

• 用户报告若只按搜索、建议、文案、图片、数据分析和编程分比例，冲击并不强；把对应的Google、Excel、Canva、Photoshop、翻译工具放回图中，才会看到ChatGPT潜在吞噬的是一整排既有软件入口。

12. Chatbot尚未决胜，AI coding却已进入第一方收割期

• ChatGPT份额一直很高且可能仍以每周3%—5%增长，但Gemini基数较小时曾连续按周增长60%—70%，个别周达到95%。若这种速度持续，差距会快速收窄，所以“Chatbot这场仗可能还没打完”。

• AI coding已经渗透架构、写码、测试、版本发布、数据库、运营和QA，产业链分工非常细。最快达到1亿、5亿美元ARR的纪录，前排几乎都是coding公司，“今天你六个月，明天我三个月”。

• 但Q3开始，独立coding产品流量普遍下跌，连Cursor也不能幸免，部分周跌15%—30%。问题不只是需求消失，更可能是流量被模型厂商自己的产品拿走。

• Anthropic的Claude Code和OpenAI的Codex增长极快，最新5亿美元ARR速度纪录被Claude Code拿走。第三方仍可能胜出，但当模型公司估值已达百亿乃至数百亿美元，它们不会轻易把最明确的商业化场景让出去。

13. 浏览器、搜索、Chatbot与Agent已经混成一场入口乱斗

• 通用Agent板块中，中国公司尤其活跃，Manus与Genspark是代表。庄明浩怀疑“通用AI”本身是更偏中国的叙事，因为美国似乎默认会有AI，但不太强调“通用AI”。

• 浏览器天然是Agent的运行环境：OpenAI和Perplexity的浏览器、Chrome、夸克、Felo、豆包、ChatGPT、ima之间的边界越来越薄。夸克既保留搜索框，又可切到像豆包一样的助手模式。

• Manus式路线是在Agent中运行沙盒浏览器，OpenAI则是在浏览器里运行Agent。“是在浏览器跑Agent，还是让AI跑浏览器，没有谁对谁错。”真正争夺的是用户任务、账户与网页执行权。

14. AI应用总量仍增长，但多数单品已经下跌

• Q3报告显示，海外AI应用整体季度增长约19%，中国约7%；报告的判断是：“围绕模型的狂热与想象正在逐渐退潮，市场开始用最朴素的标尺——用户价值与活跃规模——去度量真正的胜出者。”

• 细分数据更冷：约60%的原生App下跌，PC Web端下跌比例达到75%；上半年仍有75%增长的插件，到Q3只有48%增长。换言之，全市场超过一半的AI应用正在下跌。

• 人均单次token消耗也在下降，可能是模型变强、少聊几轮就有答案，也可能是用户粘性变弱，节目没有强行选一个解释。使用时长虽增长，中国头部AI应用仍多在几分钟至十几分钟，尚难支撑古典移动互联网意义上的平台机会。

15. ARR已经“既不年度，也不经常性，甚至不是收入”

• ARR本应是年度经常性收入：订阅与附加服务收入还要扣掉退订。但许多AI产品上线尚不足一年，只把单月收入乘以十二；发布数字时又常叠加促销、活动、升级，是否扣除了退订也成疑问。

• 庄明浩借伏尔泰评价神圣罗马帝国的句式说，今天的ARR“既不年度，又不经常性，甚至不是收入”。尽管如此，1亿美元ARR仍成为明星AI公司的门槛：约一年半达到是超级明星，四年达到则是普通明星。

• a16z于是与覆盖数万家startup支付的财务平台合作，按企业真金白银花在AI上的支出排行。OpenAI第一、Anthropic第二、Replit第三，ElevenLabs、Cursor、Notion、Perplexity、Canva、Lovable、Gamma和Midjourney等也在前列。

• 前50家公司中只有12家同时进入流量榜，另外38家并不出名却能收钱；通用工具约占60%，客服、销售、人力等垂直应用约40%。这说明流量、ARR叙事与真实企业支出，是三套并不重合的坐标。

16. 美股牛市高度集中，却已开始寻找MAG7之外的新叙事

• MAG7市值走势与标普500几乎重合，因为七家公司合计权重已接近三至四成。以ChatGPT发布为起点的近三年，庄明浩引用的数据是AI公司涨165%、非AI公司涨24%、标普500涨68%。

• 美国前十大市值公司中，除Walmart和Berkshire Hathaway外，其余八家都被视为AI代表；十家公司市值相当于美国GDP的77%，互联网泡沫时期前十大公司约为34%，集中度已完全不在同一量级。

• NVIDIA从首个1万亿美元到2万亿用了180天，此后到3万亿用66天、到4万亿用273天、到5万亿只用78天。庄明浩把它称为“那些妖艳异常的狠角色”中最巨大的一家。

17. 同一轮财报说明：战略位置比“都是AI巨头”更重要

• Google首次实现单季营收超过1,000亿美元，Google Cloud快速增长，并与Anthropic签下大型云和TPU订单；市场称之为Google的“NVIDIA moment”，盘后股价涨约7.6%。

• Meta收入也创新高，但利润、持续上升的CapEx和Llama掉队同时承压。媒体将其盘后跌7.3%、开盘一度跌15%、收盘仍跌11%的原因之一归于：Meta不是Google，也不是Microsoft，没有云业务。

• Microsoft云业务增长约40%，继续追赶AWS；AWS则把连续两年多的百分之十几增速拉回约20%，创近两年新高，Amazon财报后上涨约12%。这些都是数万亿美元公司，却仍能一夜涨跌双位数。

• 庄明浩承认，财报后的所有归因“全部都是马后炮”。但差异仍说明，七姐妹各自的云、芯片、模型、广告和资本开支结构，最终会转化为完全不同的股价反馈。

18. 交易主线已从模型扩散到数据中心每一层供应链

• 2023年MAG7约涨76%，其他AI公司45%；到2025年，MAG7约涨16%，而能源、芯片、软件分别涨53%、41%、33%。市场需要新叙事，于是资金从七巨头向供电、芯片、存储和云扩散。

• 芯片仍是绝对中心：NVIDIA之外，AMD、Broadcom、TSMC、Intel甚至Qualcomm都在争预训练和推理份额；Google、AWS也以自研芯片加入。国产GPU公司几乎全部快速拿到上市“绿灯”，同样来自这一产业位置。

• 原本简单的链条“投钱—建数据中心—训模型—赚收入”，如今延长为GPU、网络、土地建筑、能源、内存、硬盘乃至硅供应。A股当年的许多热门主题，也都能在这张全球供应链图上找到位置。

19. 连占成本1%的存储都短缺，说明需求已逼近物理边界

• 一张数据中心成本表中，GPU约占40%、网络13%、土地与建筑11%、能源10%，存储仅约1%；但就是这1%也出现短缺。Seagate和Western Digital曾被视为夕阳产业，却成为截至第三季度标普500涨得最好的两家公司。

• 红米K90发布后因定价遭用户围攻，小米次日宣布K90系列降价300元，雷军解释“最近内存涨价实在太多，希望大家能理解”。庄明浩的感叹是：“谁能想到，内存和硬盘都不够了？”

20. Neocloud以“算力专卖店”撕开公有云市场

• AWS、Microsoft Azure和Google Cloud仍是前三，但老存量稳定后，竞争焦点转为增量。Microsoft此前依靠与OpenAI的绑定，一度在季度新增上超过AWS；Oracle则用OpenAI订单拉高云业务预期。

• Oracle Cloud当时收入约100亿美元，却给出未来五年升至1,440亿美元的预期，曲线几乎呈指数形。它依靠的主要也是OpenAI。

• Neocloud市场未来五年被预计年增69%，CoreWeave和Nebius是代表。AWS像提供两百多项服务的百货公司，Neocloud则像专卖店：官网直接写明一张GPU按小时或按月多少钱，客户只买卡、连接和算力服务。

• NVIDIA通过股权和供货建立“亲儿子、干儿子”网络；按节目引用的口径，其外部公司股票持仓中，CoreWeave占比最高。芯片紧缺时，谁能优先拿到最新GPU及折扣，股权关系自然成为竞争壁垒。

21. 一级市场的钱更多了，但几乎全流向更少、更贵的AI项目

• 2025年前三季度全球融资额已超过2023、2024全年，连续四个季度单季超过900亿美元；项目数量却持续减少，意味着单笔融资越来越大、估值越来越贵。

• AI项目占数量约51%，却拿走85%的资金。庄明浩的直译是“钱全部拿走”：不是资本平均拥抱AI，而是AI特别是后期头部项目吸走了绝大多数流动性。

• 单家公司平均融资额已约2,400万美元，超过2021年的2,170万美元；超过5亿美元的大轮融资，2021年只占市场金额18%，如今约占63%。常规VC基金总规模可能仅数亿美元，却要面对单轮就融数亿美元的公司。

• ChatGPT发布不到三年，新出现的AI独角兽已超过100家；按另一统计，现存AI独角兽203家，平均两年成为独角兽，非AI公司平均九年。Top 30基金则拿走约75%的市场资金，基金端同样强烈集中。

22. 公司越来越晚上市，退出市场开始长出“野路子”

• IPO依然偏冷，并购则明显回升，而且买家不再只限于上市公司。OpenAI利用5,000亿美元股权作为杠杆收购公司，最大案例是今年上半年收购苹果前设计师参与创办的硬件公司。

• 公司从初创到上市的平均时间已从十年前的12.2年延长到15.9年；美国六家估值超过1,000亿美元的未上市公司中，五家与AI有关。规模越大、越不急上市，早期投资人的退出需求越强。

• 第一条路是二手份额，极少金额也足以让人自称OpenAI、Anthropic、xAI、SpaceX或字节“投资人”；第二条更激进，Robinhood开始把未上市股票权益上链为stock tokens，让普通用户以Web3方式交易。

23. Sam先解完旧账，再把未来五年的预期全部打满

• Sam把近期工作分为“既往不恋”和“纵情向前”。前者包括守住技术、用户、收入与核心团队，拆除投资收益封顶的旧结构，完成营利实体重组，取得政府批准，并重签Microsoft协议。

• 结果是OpenAI估值约5,000亿美元、ChatGPT周活8亿、2025年预计收入120亿美元，SoftBank最后一笔约225亿美元资金到位，许多员工通过出售老股成为亿万身家的富翁。Sam本人再次确认没有OpenAI股权，只拿工资。

• 但他早在2024年2月、OpenAI估值约860亿美元、前一年收入16亿美元、周活约1亿时，就提出AI需要7万亿美元。当时人人觉得他疯了；如今公司估值约放大六倍，周活约八倍，那个数字却开始进入可讨论范围。

• 向前看，OpenAI预计2030年前后收入达2,000亿美元，但可能到2029或2030年才产生正现金流，期间还要烧约1,150亿美元。单靠自身填不上窟窿，就只能把未来收入预期传导给供应商和资本市场。

24. OpenAI与NVIDIA建立了一个会自我放大的资本循环

• Stargate先把未来五年基础设施预期打到5,000亿美元；OpenAI随后向Oracle承诺五年约3,000亿美元云合同。Oracle因云时代落后而极度渴求订单，合同落地后股价暴涨，收入曲线也被重写。

• OpenAI又与AMD签约约6GW算力，OpenAI可获得AMD最多10%的股份；与Broadcom合作规模为约10GW；再与NVIDIA签10GW，而NVIDIA反向承诺向OpenAI投资1,000亿美元。“金手指”由此形成：五年预期打给谁，谁的估值和收入预期就起飞。

• 这个循环是：资本给OpenAI，OpenAI向云和芯片公司下单，供应商收入与股价上涨，再以投资、股份或融资能力回流OpenAI。插排彼此连接却没有外部电源的表情包，正是市场对循环融资的嘲讽。

• NVIDIA乐见其成：它单季利润约264亿美元、现金约1,000亿美元，除绑定OpenAI，还以50亿美元投资Intel、10亿美元投资Nokia。它已不是单纯供应商，而是在为整个行业分配信用与流动性。

25. 从1亿美元到1万亿美元，每一级数字都在突破旧纪录

• 1亿美元曾接近C罗级球星转会费，如今也可能是一名顶尖AI科学家的“转会费”，还是明星初创公司的ARR门槛。AI Lab越来越像体育俱乐部：超级富豪或科技公司持有，明星员工年薪过亿，内部薪资差异极大。

• 10亿美元是独角兽；100亿美元则成为AI明星公司的估值入场券，也是OpenAI约120亿美元、Anthropic约90亿美元年度收入所在量级。Meta—CoreWeave约142亿美元、Microsoft—Nebius约174亿美元、OpenAI—CoreWeave约119亿美元订单，也都处于这一档。

• 历史上Uber约烧180亿美元、Tesla约93亿美元、Netflix约110亿美元，已被视为极端；OpenAI预计还要烧1,150亿美元。Google收购Wiz约320亿美元，NVIDIA单季收入约467亿美元，甚至略高于庄明浩当天查到的Baidu约438亿美元市值。

• 1GW数据中心被估算对应约500亿美元投入，OpenAI已承诺建设30GW以上、承诺出去的钱约1.4万亿美元。若未来以1万亿美元估值上市并出售10%股份，就要募1,000亿美元；历史最高的Saudi Aramco IPO也只有约262亿美元。

26. 泡沫已成默认前提，争论只剩类型与“这次是否不同”

• Sam本人在8月或9月的公开场合承认AI投资存在泡沫；到Q4，Substack几乎每天都有“AI bubble”标题。庄明浩观察到，讨论已不再问“是不是”，而是在问“这是哪一种泡沫”。

• Bezos称它是“好的泡沫”，意即像互联网而非郁金香。另一套四象限按生产性/非生产性、股权/债务划分，AI眼下更像生产性股权泡沫；Coatue回看四百年，则又拆出股市、基础设施建设、房地产、信贷、收藏品和其他类型。

• 供应商融资、政府支持、巨额资本需求和过度建设等特征都已出现；崩溃、整合和最终价值创造仍待观察。每次周期都有人说“这次不一样”，而金融史上甚至有多本书就叫《这次不一样》。

• 支持“不一样”的证据并非全无：互联网泡沫时头部公司平均PE约89倍，如今AI头部约28倍；Cisco曾达101倍，当前NVIDIA、Microsoft、Apple约31倍，Google 22倍、Meta 20倍、Amazon 24倍、Broadcom 37倍。

27. 真正的风险转折点是债务与GPU折旧，而非一句“估值太高”

• CapEx占经营现金流的比例，目前Microsoft约54%、Google 55%、Meta 65%、Amazon 80%，Oracle却达135%。前几家尚能用自身业务供血，Oracle已必须举债；Meta约270亿美元数据中心债券仍获四倍认购，低阻力融资反而诱惑CEO继续加杠杆。

• 铁路和光纤可折旧25—30年，即使建设者倒闭，资产仍能服务后来者；GPU则可能因新卡快速迭代而只有约三年的合理经济折旧周期。若数据中心最大成本项必须快速折旧，需要AI收入覆盖的金额就远高于历史基建。

• 支撑继续投入的现实理由，是巨头先用AI改造自身业务。Google披露全体系月token消耗约1.3 quadrillion，此前为980 trillion、480 trillion，更早还低得多；主要消费者不是外部startup，而是Google自己，字节与火山也类似。

• 一套五指标模型给出的结论尚未全红：AI投资约占GDP 0.9%，接近1%的危险线；投入与行业收入严重不匹配，但收入增长仍快，估值处于绿黄之间，资金质量按该口径仍算健康。庄明浩保留异议：“别人认为已经非常危险了。”

28. 最难的投资动作不是识别泡沫，而是避免太早证明自己正确

• 危机框架把过程分成泡沫形成、资产错配、崩溃三阶段：先有盲目线性外推者，也有明知过高却怕过早卖出的持有者；随后资本流向热门行业中不合适的公司，最终可能由影子银行债务和挤兑触发下跌。

• 但“不要做早下车的大聪明”同样重要。Greenspan在1997年已警告互联网泡沫，最终即使泡沫破裂，指数也未再回到他警告时的水平；Peter Lynch提醒，为预测调整而损失的钱，往往远多于调整本身造成的损失。“泡沫的定义其实只是一个他们没有参与的牛市。”

• 最后一组数据把宏大叙事拉回生活：5月播客节101场对话中，AI有12场、占12%；这次128场中只有8场、占6%，关注度拦腰下降。庄明浩最后的结论反而最朴素：“管他AI不AI的，没有那么多人关心这些事情，享受生活可能是最重要的。”