蒸发数万亿!中国AI的“万亿代价”,到底买到了什么?

最近,一则消息在投资圈和科技圈同时炸开了锅:中国股市在近几个月蒸发了数万亿美元,而矛头直指——与美国的AI霸主之争。科创50指数自6月以来暴跌40%,其他主要公司指数同期下跌约20%。数字触目惊心,恐慌情绪蔓延。有人说,这是中国AI泡沫破裂的开始;有人说,这是中美科技脱钩必须付出的代价。但真相,远比一个涨跌数字复杂得多。
**一、万亿蒸发,蒸发的是什么?**
先厘清一个基本事实:股市的涨跌,从来不是对“技术好坏”的直接投票,而是对“预期与利润”的定价。科创50暴跌40%,核心原因并非中国AI技术突然不行了,而是**估值逻辑的坍塌**。
过去两年,但凡沾上“AI”二字的公司,市盈率动辄百倍起步。市场给的不是利润定价,是“梦想定价”。可当财报季来临,投资者发现:大量AI概念公司营收增长乏力,利润薄如纸片,商业化落地遥遥无期。于是,杀估值开始了。数万亿蒸发,蒸发的是**过度乐观的溢价**,不是中国AI的根基。
更关键的是,西方国家的“威胁”正在从技术封锁延伸至资本围堵。美国限制对华AI投资、收紧芯片出口、施压盟友排除中国设备——这些动作直接打击了国际资本对中国AI企业的风险偏好。外资撤离、流动性收缩,股市首当其冲。所以,这轮下跌是**内部盈利证伪+外部地缘挤压**的双重结果,而非技术路线的失败。
**二、AI霸主之争,代价为什么必须付?**
有人问:既然代价这么大,为什么非要跟美国争?答案很简单:**AI不是一门生意,是下一代基础设施的入场券。**
回顾历史,每一轮通用技术革命——蒸汽机、电力、互联网——最终都会重构全球权力格局。谁主导了基础设施,谁就定义了规则。AI正在成为像电力一样的存在:从军事指挥到金融风控,从医疗诊断到舆论生成,谁落后,谁就要在别人的规则下生存。
美国对华AI芯片禁令,已经赤裸裸地证明了这一点:他们不怕中国公司赚钱,怕的是中国用AI重塑产业链优势。所以,中国AI的投入不是“可选消费”,是“战略刚需”。股市蒸发数万亿,本质上是**为战略自主支付的融资成本**。短期看是损失,长期看是保费——保费虽贵,但比“裸奔”安全。
**三、泡沫破裂,恰恰是挤脓包的过程**
别急着悲观。科创50暴跌40%,反而暴露了一个健康信号:**市场正在用脚投票,淘汰伪AI公司。**
过去两年,大量传统企业改个名字、发个公告就自称“AI转型”,圈钱套现。这种劣币驱逐良币的游戏,才是中国AI真正的威胁。如今估值回归理性,那些没有核心技术、没有落地场景、没有利润模型的公司会批量出清。活下来的,才是真正有肌肉的选手。
看看数据:中国AI核心产业规模已超5000亿元,算力总规模居全球第二,大模型数量占全球四成。这些硬指标没有因为股市下跌而消失。相反,资源正在向头部集中——华为昇腾生态、百度文心、阿里通义、智谱、月之暗面……它们拿到的融资和订单,反而在逆势增长。**股市跌的是虚火,产业涨的是真功夫。**
**四、可持续性的真正考验:利润从哪来?**
担忧“AI热潮不可持续”,核心拷问只有一个:**利润在哪?**
美国AI巨头的利润来自全球软件订阅和云服务。中国AI的利润路径不同,但正在清晰:一是**智能制造**——AI质检、工业调度、预测性维护,直接帮工厂省钱;二是**政务与安防**——城市大脑、交通优化,政府买单;三是**消费电子**——手机、汽车、家居的AI化升级。这些场景不性感,但能产生现金流。
更值得关注的是,中国AI正在走一条“低成本普惠”路线。美国大模型训练一次上亿美元,中国团队用更少算力做出接近效果——DeepSeek就是例子。这意味着,中国AI的商业化门槛更低,下沉市场空间更大。一旦利润模型跑通,估值修复会来得比想象中快。
**五、给投资者的冷静提醒**
数万亿蒸发,确实疼。但如果你因为暴跌就断言“中国AI完了”,那和当初因为暴涨就喊“AI万能”的是同一批人。**股市是情绪的放大器,不是产业的判决书。**
真正需要警惕的,不是指数下跌,而是两件事:第一,核心技术(如高端芯片、EDA工具)是否在持续突破;第二,AI公司是否在认真做收入,而不是做PPT。只要这两件事在推进,短期的市值波动就是噪音。
**评价引导:**
你如何看待这轮AI概念股的暴跌?是泡沫破裂的起点,还是黄金坑?你认为中国AI最该优先突破的是芯片、算法,还是商业化落地?欢迎在评论区留下你的判断——**别只骂股市,说说你身边真实的AI应用到底赚不赚钱。** 点赞最高的三条评论,我会单独回复分析。

  • Related Posts

    AWS到2027年几乎售罄:AI算力饥荒时代,谁在裸泳,谁在囤粮?

    一条看似平淡的财报电话会信息,正在撕开全球AI产业最真实的供需裂口。
    亚马逊CEO安迪·贾西亲口承认:AWS的云容量到2027年基本已售罄,2028年的很大一部分也已被预订。注意措辞——“售罄”。这不是某款限量球鞋,不是某台首发游戏机,而是全球最大云计算厂商未来三年的算力产能。当“售罄”这个词从零售语境平移到基础设施领域,它传递的信号远比表面更刺耳:AI算力饥荒,已经不是预警,而是既成事实。
    一、从“按需付费”到“按年锁仓”:云计算的底层逻辑正在改写
    过去十五年,云计算讲给世界听的故事是“弹性”——你需要多少,就用多少,随时扩容,随时缩容。这套叙事支撑了无数创业公司的轻资产梦想,也让AWS自己坐上了全球云市场头把交椅。但贾西的发言宣告了一个残酷的转折:弹性正在消失,取而代之的是“预订制”。
    当2027年的产能被提前锁定,意味着什么?意味着未来三年内,新入场的AI公司、试图转型的传统企业、甚至某些主权国家的数字化项目,都可能面临“有钱买不到算力”的窘境。云计算从买方市场滑向卖方市场,这不是简单的供需失衡,而是整个数字经济的定价权正在从应用层向基础设施层转移。那些习惯了“用多少付多少”的开发者,很快会发现一个更冰冷的现实:不是付多少的问题,是付了也未必有。
    二、AI需求的“非线性爆发”与算力供给的“线性爬坡”
    为什么会出现如此极端的供需错配?答案藏在两条曲线的斜率差里。
    需求侧,大模型参数规模从千亿向万亿迈进,单次训练消耗的算力呈指数级增长;推理侧,AI应用从“尝鲜”走向“嵌入”,每一次搜索、每一次客服对话、每一次代码生成背后都是实打实的GPU在燃烧。更关键的是,AI需求不再是互联网公司的专属——金融、医疗、制造、政务,所有行业都在把AI塞进核心业务流程,需求曲线近乎垂直向上。
    供给侧呢?建一座超大规模数据中心,从选址、供电、冷却到服务器上架,周期以年计算。英伟达的GPU产能即便拉满,交付周期依然以季度为单位。更隐蔽的瓶颈在电力——美国多个数据中心聚集区已经出现电网容量告急,变压器和输电线路的建设周期比数据中心本身还长。算力供给的爬坡速度,根本追不上AI需求的爆发速度。贾西说的“售罄”,本质上是物理世界的基础设施建设周期,给数字世界的狂飙突进踩了一脚刹车。
    三、谁在囤粮过冬,谁在裸泳等潮退?
    算力饥荒面前,不同玩家的处境天差地别。
    第一梯队是“囤粮者”。亚马逊自己就是典型——提前数年锁定土地、电力、芯片产能,才有底气把2027年的容量卖出去。微软、谷歌同理,它们在过去两年疯狂扩建数据中心,本质上是在为这场饥荒囤积战略储备。英伟达更是最大赢家,GPU成了硬通货,连马斯克都要亲自打电话催货。
    第二梯队是“长协锁定者”。能签下多年期算力合同的企业,要么是OpenAI、Anthropic这样的头部模型公司,要么是财力雄厚的金融、制药巨头。它们用长期协议换来了确定性,代价是失去灵活性——但在这个时代,确定性本身就是最稀缺的资产。
    最危险的是第三梯队:中小AI创业公司和转型中的传统企业。它们既没有资格签长协,也抢不过巨头的现货扫货,只能依赖云厂商的零散余量。一旦算力配给制成为常态,这些企业将面临“项目等算力”的窘境——模型训练排期以月为单位,产品迭代速度被基础设施卡住脖子。潮水退去时,裸泳者不是没有技术,而是没有算力。
    四、更深层的隐忧:算力集中化正在扼杀创新生态
    AWS产能售罄这件事,最值得警惕的还不是短期的供需失衡,而是它对创新生态的长期扭曲。
    当算力成为稀缺资源,分配权就变成了权力。云厂商优先把产能给谁?当然是出价最高、合作最深、战略价值最大的客户。这意味着头部玩家可以用算力壁垒构筑护城河,后来者连入场券都拿不到。过去互联网时代“车库创业、云上爆发”的神话,在AI时代可能彻底失效——没有千万美元级的算力储备,连一次像样的模型训练都跑不完。
    更微妙的是,AWS自己也在做AI模型(Bedrock平台、自研芯片Trainium),它既是算力房东,又是租客的竞争对手。当房东的房源紧张时,租客能指望公平分配吗?这不是阴谋论,而是垂直整合商业模式的天然张力。算力饥荒把这种张力放大到了极致。
    五、对中国市场的镜像意义
    把视线拉回国内,AWS的“售罄”是一面镜子。阿里云、腾讯云、华为云的算力储备同样紧张,国产GPU的产能爬坡比英伟达更艰难,高端芯片的获取渠道受限。但另一方面,中国市场的AI需求爆发同样凶猛——千行百业的智能化转型、地方政府的算力基建规划、大模型创业热潮,都在争夺有限的算力蛋糕。
    一个值得关注的差异是:美国云厂商可以通过全球布局分散电力与土地压力,而中国算力基建更依赖本土资源调配。这意味着国内的算力饥荒可能来得更早、更紧。那些还在观望“要不要上AI”的企业,很快会发现选择题变成了“还能不能拿到算力”。
    结语:算力即权力,但权力正在重新分配
    AWS到2027年售罄,不是一个孤立的商业事件,而是一个时代的注脚。它宣告了AI产业从“算法为王”的上半场,进入“算力为王”的下半场。算法可以开源,模型可以复现,但物理世界的芯片、电力、数据中心,没法一键复制。
    对于企业而言,算力战略必须上升到和人才战略、数据战略同等的高度。对于投资者而言,算力产业链的确定性远高于应用层——卖铲子的生意,在淘金热里永远最稳。对于每一个关注科技趋势的人而言,这件事提醒我们:数字经济的底座终究是物理世界,比特的繁荣离不开瓦特的支撑。
    最后问一句:当算力变成配给制,你的公司是在囤粮过冬的名单里,还是在裸泳等潮退的名单里?欢迎在评论区聊聊你的判断。

    当黑客开始用Claude和Grok打工:拉丁美洲金融系统正被AI代理”自动化收割”

    过去我们谈论人工智能安全,担心的往往是”AI会不会失控”。但现实给了一个更冷峻的答案:AI没有失控,它只是被坏人先一步用起来了。
    最近安全研究机构披露的一个案例,值得每一个做金融、做安全、甚至只是普通网银用户的人认真读一遍。一个长期盘踞在拉丁美洲的黑客组织”CyberCartel”,被发现在攻击金融机构的过程中,系统性地调用了包括SpaceX旗下Grok、Anthropic旗下Claude在内的人工智能代理,把过去需要人工逐条执行的攻击环节,改造成了流水线作业。
    这件事的真正分量,不在于”黑客用了AI”这个标题,而在于它标志着一个拐点:网络攻击正在从”手工作坊”进入”工业化生产”阶段。
    先看CyberCartel过去是什么样子。这是一个针对拉美企业的惯犯团伙,手法并不算特别高端,主要靠钓鱼邮件、凭证窃取、社会工程学话术,一步步渗透进目标机构。这类攻击的瓶颈非常明显——它极度依赖人。写钓鱼邮件要人写,研究目标组织架构要人查,判断哪个员工更容易上钩要人分析,攻击受阻后调整策略也要人判断。一个熟练的攻击者,一天能处理的目標数量是有限的。
    而AI代理的介入,恰好把这条链上最耗人力的环节全部接了过去。根据披露的信息,该组织利用大模型能力批量生成高度本地化、语气自然的钓鱼内容,自动分析目标公开信息以定制攻击话术,并在攻击过程中快速迭代策略。换句话说,原本需要一个团队分工协作的活,现在一个人加几个AI代理就能跑起来。
    这里必须说清楚一个容易被误解的点:AI并不是在”自主攻击”。它没有意识,没有目标,也不会自己决定去黑一家银行。它做的是被调用、被提示、被编排的执行工作。但恰恰是这种”工具性”,让它变得极其危险——因为它把攻击的边际成本压到了接近于零。过去攻击100家机构和攻击1家机构,成本差距是几十倍;现在可能只差一个API调用费用。当攻击变得如此廉价,攻击面就会指数级扩大。
    更值得警惕的是攻击质量的提升。安全行业有个公开的秘密:大部分钓鱼攻击之所以失败,是因为内容太假——语法错误、称呼不对、场景不符。而大模型最擅长的恰恰是生成”像真的”文本。当一封冒充银行客服的邮件,用词、语气、甚至对当地监管政策的引用都准确无误时,普通员工靠肉眼识别钓鱼的难度会急剧上升。这不是猜测,而是正在发生的事实。
    从防御方角度看,这件事提出了一个结构性难题。传统安全体系建立在”攻击成本高于收益”的假设上,通过增加攻击难度来劝退大部分攻击者。但当AI把攻击成本压到极低,这个假设就松动了。防守方需要防护的入口是成百上千个,攻击方只需要找到一个突破口。这种不对称在AI时代会被进一步放大。
    那是不是意味着防守方无牌可打?也不是。恰恰因为攻击方开始依赖AI代理,反而留下了新的痕迹。AI调用有API记录,有提示词特征,有相对固定的行为模式。安全团队完全可以把检测重心从”识别恶意内容”部分转向”识别机器行为”——比如异常的批量请求节奏、非人类的内容生成特征、代理工具的调用指纹。这其实是把战场从”内容对抗”拉到”行为对抗”,对防守方反而更有利。
    另一个不能回避的问题是责任边界。当攻击者用Claude或Grok生成钓鱼邮件,模型提供方要不要负责?从目前的法律框架看,提供方很难为用户的恶意使用承担直接责任,但这不意味着可以置身事外。行业需要建立更明确的使用监测和滥用阻断机制,否则每一次类似事件曝光,消耗的都是整个AI行业的公众信任。
    对普通用户和机构来说,这件事最实际的提醒是:别再假设”看起来正规”就等于”安全”。当AI能批量生产以假乱真的沟通内容,验证渠道本身比内容本身更重要。回拨官方电话、走独立验证流程、对任何催促你”立刻操作”的信息保持警惕——这些老办法在AI时代不但没有过时,反而更值钱了。
    CyberCartel这个案例大概率不是孤例,而是一个预告。攻击的自动化、智能化不会停留在拉美,也不会停留在金融行业。真正的问题不是”AI会不会被用来攻击”,而是”我们准备好用AI来防守了吗”。
    你怎么看AI被用于自动化攻击这件事?你觉得模型公司该不该为滥用行为承担更多责任?欢迎在评论区聊聊你的看法。

    发表回复

    您的邮箱地址不会被公开。 必填项已用 * 标注

    You Missed

    PHP2Shell连爆两个核弹级漏洞:你的PHP版本可能正在裸奔,附完整自查与修补指南

    • 由 chubai
    • 31 10 月, 2026
    • 5 views
    PHP2Shell连爆两个核弹级漏洞:你的PHP版本可能正在裸奔,附完整自查与修补指南

    蒸发数万亿!中国AI的“万亿代价”,到底买到了什么?

    • 由 chubai
    • 31 10 月, 2026
    • 5 views
    蒸发数万亿!中国AI的“万亿代价”,到底买到了什么?

    谷歌DeepMind用Gemini 4 Argon构建3D元素周期表:它有何不同之处

    • 由 chubai
    • 29 10 月, 2026
    • 11 views
    谷歌DeepMind用Gemini 4 Argon构建3D元素周期表:它有何不同之处

    谷歌AI开始”读心”,你的邮箱和相册正在变成广告牌

    • 由 chubai
    • 29 10 月, 2026
    • 11 views

    AWS到2027年几乎售罄:AI算力饥荒时代,谁在裸泳,谁在囤粮?

    • 由 chubai
    • 29 10 月, 2026
    • 9 views
    AWS到2027年几乎售罄:AI算力饥荒时代,谁在裸泳,谁在囤粮?

    手腕上的健康焦虑:当AI比你自己更懂你的身体,是福还是祸?

    • 由 chubai
    • 29 10 月, 2026
    • 10 views
    手腕上的健康焦虑:当AI比你自己更懂你的身体,是福还是祸?