基于《AI相对论》第四期「AI泡沫，2027年爆破？」的完整转写整理。本期嘉宾为前百亿美金科技基金管理人 Bill Tran 与 CSDN 创始人兼投资人 蒋涛，围绕 AI 产业是否存在泡沫、何时破灭、以及中国开源模型如何重塑全球 AI 价值链展开了高密度的硬核对话。
一、泡沫什么时候破？两种判断的碰撞
新的变化
2025年下半年以来，AI泡沫讨论再次升温——但这一次的论据比年初 DeepSeek 冲击时更加分散，涵盖了循环资本、半导体涨幅过度集中、收入与投资的剪刀差、以及 AI 公司的债务问题等多重维度。市场正处于一个情绪脆弱期，波动频率加快，“一年震两次"的节奏越来越像"小的震动不断清杠杆”。
嘉宾观点与解释
Bill Tran：不会出现 L 型大熊市，而是多次 flash crash（快速闪跌）。 他认为这一轮 AI 增长仍然较快，回过头来看两三年后，它可能不是一次性的纳斯达克式崩盘（花了十几年才回到高点），而是分小步几次的价值修复，最终形成一个"转折路"。从 2024 年到 2026 年的市场表现也能印证这一点——2025 年 2-4 月已经出现了一次 23% 的纳指下跌，中间也有几次回调，但每次下跌后，都因为某些科技公司业绩超预期而市场重新回来。“如果最后产业基本面没有发生根本改变，那就是 flash crash；但如果中国厂商重构了整个产业，那可能就未必了。”
蒋涛：2027 年是危险年份，尤其是巨头 IPO 后第三到第四个季度。 他给出了一个更具体的预判路径：OpenAI 等巨头必须上市（孙正义借了 400 亿美金投 OpenAI，不上市对接不了），刚上市肯定被爆炒，但到了第三四个季度，一旦发现"整个客户好像没有了，增长没那么陡了"，就会立刻出现一轮大规模回调。他还补充了一个宏观变量——2026 年中期选举之后，2027 年美国的金融系统里会重新暴露很多利空（如美债问题），叠加特朗普没有连任压力后可能出的"幺蛾子"，2027 年确实是危险年份。
蒋涛认为会出现 9-12 个月的熊市。 理由是泡沫破灭不是单个公司的下跌，而是"股排效应"——一大群公司呼噜呼噜往下跌，恢复需要周期。这与 Bill 的 flash crash 判断形成鲜明对比。
二、中国开源模型：引爆泡沫的导火索
新的变化
从 GLM 5.2 到千问 3.8 Max（2.4 万亿参数）、DeepSeek V4 Pro（1.6 万亿参数）、MiniMax M3 Pro（传闻 2.7 万亿参数），中国开源大模型在全球的存在感已经越来越强，逼近美国闭源模型的分数差距越来越小。更关键的是——中国模型的价格只有美国的十分之一。
嘉宾观点与解释
核心判断：中国厂商将扮演当年 Linux 对微软的角色。 蒋涛详细推演了这一逻辑：互联网时代，微软股票因"用电脑的人越来越多"而暴涨到历史最高峰，但结果服务器端全部切换到了 Linux，Windows Server 在互联网和云时代全线溃败。如今同样的逻辑正在重演——OpenAI/微软面临的就是当年的局面，开源模型在性能接近的情况下以极低价格涌入市场，企业级客户不再需要全部使用最贵的模型。
Bill 指出价值捕获的核心矛盾：中国厂商帮助创造了大量消费者剩余，但这些价值未必能被任何一方捕获。 他梳理了 AI 价值链的四种可能格局：
- 开源崛起：应用层吃更多，基模被压缩、分散，基建仍存（因为不管用什么模型都需要算力）
- B 端巨头整合：大企业把基模、应用全部吸进去（目前看可能性不太大）
- 边缘崛起：小模型、机器人、自托管、本地算力消化大量需求，云端价值降低（蒋涛认为"也会发生，但可能现在还没到"）
- 四种都发生：消费剩余大量出现，但云基建厂商（如海力士）将面临巨大挑战，至少整个资本市场要半年到一年才能 recover
蒋涛对 OpenAI 的判断尤为犀利：万亿估值很难守住。 理由有三：第一，模型差距没那么高，中国挑战非常大；第二，价格被中国锚定在 1/10，企业都算 ROI，不会全部用最贵的模型；第三，B 端市场天花板明显——大企业不敢用（“B 端模型最可怕的是偷你的数据，美国哪个公司敢用？"），所以"To B 的收入增长一定受限”。他认为 1000 亿美金收入是一个坎，很难再往上涨。
三、半导体涨太多了吗？拆解"贵不贵"的底层逻辑
新的变化
2025 年标普 500 涨幅约一半来自半导体（英伟达、AMD、博通、美光等），市场普遍质疑这种集中度是否意味着泡沫。费城半导体指数年内涨幅已超十倍于标普泛指。
嘉宾观点与解释
Bill 的核心观点：涨得多 ≠ 贵。必须拆开 P = PE × E 来看。 如果一家公司的净利润（E）每个季度环比涨 50%，一年就是 5 倍多，那么股价涨 3-5 倍的情况下，它的前瞻 PE 反而是更便宜的。以海力士为例，一年前 PE 约 6 倍，一年涨下来前瞻 PE 不仅没涨反而跌了——“越涨越便宜”。
他进一步对比了半导体行业的估值结构：存储类（海力士 5.8 倍 PE、三星 4.8 倍、美光 6.5 倍）仍被市场视为周期股，估值合理；半导体行业中位数 PE 37 倍偏高，但头部公司的增速也是"百分之大几十"。与 2000 年 SK 海力士顶峰时 200 倍 PE 相比，今天"贵，但不是荒唐"。
关于"七大公司占标普 500 三十多"的质疑，Bill 用了一个精妙的类比： 1900 年全美 50% 是农业人口，那时农业在上市公司里自然占大头；后来工业占比上升是先进生产力挤占价值创造的自然结果。“你不能说涨太多就贵，得看它的 E 涨得够不够快。”
四、7000 亿投资 vs 1000 亿收入：剪刀差与债务炸弹
新的变化
市场上最核心的泡沫论据是一个"剪刀差"——2025 年 AI 基建投资约 7000 亿美元，其中 50% 是 3-5 年寿命的芯片和内存；而 AI 相关总收入（云计算+模型）约 1200 亿美元。问题在于：这些机器能否等到后面几年的收入来熨平它们的折旧投资？
嘉宾观点与解释
AI 债务规模触目惊心。 Bill 引用数据指出，2024-2029 年累计将产生约 11 万亿美元的 AI 相关债务，到 2029 年余额将达约 7 万亿美元——这会成为美国房贷以外全球最大的债务市场。这些债务的回报（至少 4-5%）最终都需要来自下游终端的 token 收入。
一线龙头也开始借债+融股权，是危险信号。 Bill 注意到一个新现象：不仅二线公司借债，谷歌、Meta 等一线龙头也开始融股权了。融资逻辑上，借债便宜、融股权贵，当公司宁可融贵钱时，意味着"市场上没有那么多便宜的债可以借了"。
Bill 的终极命题：“增长能否解决所有问题？” 经济学有句话叫"增长能够解决所有的问题"——不管你融了太多债还是有太多泡沫，只要你跑得够快，就能解决一切（中国互联网圈说"天下武功唯快不破"）。技术革命的渗透周期越来越短：工业化约 80 年、PC 约 20 年、互联网约 14 年、智能手机更快、AI 只花了 3 年就拥有了约 1000 亿美元收入。如果增长够快，债务和泡沫可以被熨平；但如果中国创造了大量社会总福利和用户增长，却没有财务增长，那就是另一个变量了。
五、AI 渗透率：还有很大 upside，但盈利路径在哪？
新的变化
尽管泡沫讨论热烈，但 AI 的实际渗透率仍然极低：AI 相关收入（约 1200 亿美元）仅占美国企业总利润（4 万多亿）的 3%，占 GDP（31.8 万亿）的 0.4%，占劳动力市场（10 万亿）的 0.8%。
嘉宾观点与解释
Bill：从渗透率角度看，AI 还有很大 upside。 尽管增长曲线很陡峭，但整体体量仍然很小——“如果人工智能是一个这么大的 change，它好像还有很大很大的 upside 可以去抓。”
蒋涛揭示了价值链的转移逻辑：模型层已达到"高可用"状态，价值正转移到调度层。 他用千问 270B 模型举例：单独打 SWE-benchmark 只能得 20 分（第一名的模型能得 90 分），但如果用 Agent 调度一下，同样的模型可以做到 60-70 分——成本只有百分之一，性能却能达到 70%。“调度是接近完成任务的过程，这才是真正的价值所在。” 模型厂商也意识到了这个问题，所以 Azure 开始做 Claude Code（拿到用户行为数据）→ Cloud Work（协同）→ Cloud Tag（团队协同），争夺"整机交付"能力。
下一个决战在 B 端企业级市场。 蒋涛指出，微软在互联网和移动互联网时代一败涂地，但最终靠 To B 做到万亿美金——基本盘是 Office 和企业级市场。下一个决战就在 B 端市场，只有上面的应用收入支撑住经济价值扩大，整条线才能撑住。而这一层的优势不一定在模型厂商手中，在于更懂企业协同工具和交付方法论的公司（如 Snowflake 等）。
六、腾讯被低估，AI 公司在"贴钱"获客
嘉宾观点与解释
蒋涛提出一个反向观点：腾讯被低估了。 理由是"未来是没有 APP 的手机，但你还需要一个微信"——人不能脱离对话，腾讯手握用户入口非常强悍。同时他认为中国几家模型公司中至少有一家会被腾讯收购或大股投入，因为中国模型公司的"绞杀战"需要巨头深口袋支撑（字节、阿里、腾讯），目前融的钱根本不够打后面的战争。
当前是 AI 公司贴钱获客的红利期。 蒋涛最后提醒：现在 AI 公司都在亏损运营——如果你订阅账号，它都在贴钱给你用。“大家抓住这个红利，赶紧壮大自己。就是一个拿奖学金学习的时代。”
结语
这场对话的核心张力在于一个根本性的不确定性：AI 到底会像 Bill 说的那样"增长够快可以解决一切"，还是会像蒋涛说的那样"中国厂商重构产业后财务增长无法跟上"？2027 年大概率是验收年——不是 AI 结束的一年，而是 AI 资产重新定价的一年。届时，分清"涨得多"和"贵"的区别、看懂价值捕获在四层产业链（基建-基模-应用-边缘）中如何分配，将成为所有人的必修课。