我們當時的分析——與許多危言聳聽者相反——得出的結論是：生成式 AI 是一場繁榮，而非泡沫。但我們方法的核心是證據。如果證據改變，我們就改變想法。
《金融時報》已發表了上百篇提及「AI 泡沫」的文章。著名的對沖基金投資者麥可·貝瑞揭露了他對輝達和 Palantir 的放空部位，並在今年稍早強化了他的觀點：「幾乎所有 AI 公司都將破產，且大部分 AI 支出將被註銷。」
美國銀行調查的基金經理人將 AI 過度曝險列為首要的尾端風險。在我與代表數千億美元資本的人士討論中，確實存在一些緊張情緒。這往往比主流媒體描繪的更為細微——擔憂的是那些低品質的資料中心專案，在沒有藍籌大型科技公司租戶保證的情況下，僅憑預期就被建造和資助。
最強烈的看空論點是這樣的：資本支出成長速度快於營收，模型成本正在下降（DeepSeek 時刻證明了顯著的效率提升是可能的），且大多數企業 AI 仍停留在聊天機器人水準。換句話說，企業沒有獲得成果，效率提升意味著你將需要更少的基礎設施，而過剩的資本支出將會崩潰。
但就在泡沫論述獲得動能的同時，現實卻朝著相反方向發展。而現在的證據不僅指向繁榮，更指向空頭未曾考慮到的一點：稀缺性。真正的風險並非我們在 AI 上投資過多，而是我們投資得遠遠不夠。
今天，我想暫時終結泡沫問題，並說明市場為何應該為一場蜂擁而至的熱潮做好準備。
自我們發布分析以來的五個月內，投資與營收的比率——我們稱之為產業壓力——已從 6.1 倍降至 4.7 倍。如果產業壓力在持續期間內維持高位，意味著公司無法收回投資，它們是在投機性地建設。
作為對比，電信泡沫高峰時的產業壓力僅略高於 4 倍。就生成式 AI 而言，壓力仍處於歷史高位。在我們的儀表板上，它處於琥珀色區域。但趨勢很重要：如果持續下去，該比率將在今年第二季降至我們 3 倍的門檻以下。這將標誌著營收開始「支撐」已建置的基礎，資產負債表和外部融資可以不再承擔重擔。
追蹤營收就能理解原因。根據我們專有的模型，AI 月營收從 2024 年 1 月的 7.72 億美元成長到 2025 年 12 月的 138 億美元，兩年內大約成長了十八倍。
超大型雲端服務商是主要引擎。Google Cloud 年增 48%，達 177 億美元。AWS 擴張 24%，達 356 億美元。Azure 成長 39%，其合約積壓訂單擴張 110% 至 6250 億美元（儘管值得注意的是，其中 45% 與 OpenAI 綁定）。我們的營收模型估計，截至最近一季，AI 現在佔 Google Cloud 業務的 23%、Azure 的 10%（其中最大部分來自 OpenAI），以及 AWS 的 5%。
桑德·皮查伊、薩蒂亞·納德拉和安迪·賈西都在財報電話會議上表示，AI 是他們雲端業務成長的主要驅動力。當三家最大雲端公司的執行長都告訴你同樣的故事——AI 正在推動他們的成長——歸因問題便不言自明。
模型供應商位於下一層級，其經濟狀況則呈現更複雜的故事。在我們與 Epoch AI 的 Jaime Sevilla 和 Anson Ho 進行的分析中，我們發現 OpenAI 的 GPT-5 套件在 61 億美元營收上實現了約 48% 的毛利率。這還不錯，但遠低於成熟軟體典型的 70-80%。更糟的是，模型壽命太短，無法收回研發成本。GPT-5 的四個月窗口期產生了約 30 億美元的毛利潤，而開發成本約為 50 億美元。尖端模型如同快速折舊的基礎設施，其價值在成本回收前就被競爭侵蝕。
在此階段，隨著 Anthropic 在企業使用上追趕 OpenAI，以及 OpenAI 的成長趨於平穩，這些公司應該優化成長，而非利潤。在我們所處的階段，毛利率層面具有正向單位經濟效益就足夠了。
而成長無處不在，不僅限於 OpenAI 和 Anthropic。巴黎的基礎模型公司 Mistral 披露，其年化營收運行率已超過 4 億美元，在短短一年內成長了 20 倍。
營收成長是必要條件，但非充分條件。一百萬用戶詢問聊天機器人問題，與一萬家企業將 AI 嵌入生產工作流程，兩者存在顯著差異。
為了了解我們看到的是哪一種，我們分析了從 2022 年第四季到 2025 年第四季超過 6,000 場標普 500 指數公司的財報電話會議。我們提取了近 30,000 條與 AI 相關的陳述。許多是企業套話，但也有關於 AI 專案成果的具體聲明。在此期間，提出量化 AI 聲明（將具體數字與具體成果連結）的公司比例從 1.9% 躍升至 13.2%。
當美國銀行——不是新創公司，不是研究實驗室，而是一家擁有 120 年歷史的銀行——告訴你 AI 編碼工具將其開發時間縮短了 30%，節省了相當於 2,000 名全職工程師的人力時，關於泡沫的辯論就顯得有些過時了。挪威規模 2 兆美元的主權財富基金使用 Claude 自動化投資組合監控，每年節省約 1700 萬至 3200 萬美元的勞動力成本。
Meta 報告稱，自 2025 年 1 月以來，工程產出增加了 30%，其中大部分來自智慧型編碼助理。重度使用者的產出增加了 80%。這不僅僅是編碼。全球最大的硬碟製造商之一 Western Digital 報告稱，AI 工具「透過智慧診斷提高良率、檢測缺陷模式並優化測試流程」，生產力提升高達 10%。
我們正在見證一項技術從實驗階段跨越到基礎設施階段。
老實說，大多數財報電話會議中的聲明都很無聊。百分比效率提升。客戶服務轉移率。營運節省。但這正是重點。無聊的採用才是真正的採用。
調查數據現在強化了這幅模糊的圖景。德勤 2026 年 1 月的《企業 AI 現狀報告》指出，雖然目前有 25% 的組織有 40% 或更多的 AI 專案投入生產，但 54% 預計在六個月內達到該水準。摩根士丹利 2025 年第四季 CIO 調查顯示，雖然 IT 預算成長正在放緩，但 AI 資金越來越多地來自 IT 部門之外，這表明營運單位而非僅限於技術團隊的實驗，正在主導 AI 應用。在 KPMG 的《2025 年全球 CEO 展望》中，67% 的 CEO 預計 AI 投資將在一到三年內帶來回報——這比一年前預期的三到五年回報期有所加速。
今年我在達沃斯與十幾位高階主管的討論，有著不同的基調。規模化實施很艱難，但並非難到讓他們還未開始思考勞動力和培訓問題。
換句話說，越來越多的證據來自不同來源，顯示企業採用率正在攀升，在經歷了幾年棘手且困難的學習後，老闆們正在加倍投入。他們似乎對如何以及何時能看到投資回報越來越有信心。
而在 2025 年底，情況發生了變化，我們知道原因是什麼。模型通過了連貫性的門檻；它們可以非常可靠地處理一兩個小時的任務，在更長的任務上可靠性稍差。某個關鍵點被觸發了。而 Claude Code，Anthropic 用於運行編寫軟體的軟體代理工具，成為了第一個受益者。
我們需要花些時間解釋這裡發生的事。如果你沒有至少深入參與長時間運行的工作流程，很難理解這些系統對生成式 AI 生態系統營收的影響。
Claude Code 是一位非常優秀的軟體工程師。開發它的工程師使用 Claude Code 來編寫 Claude Code 本身。在 Anthropic 的其他部門，一位工程師用它以 20,000 美元的 API 成本建構了一個 C++ 編譯器。一個由人類完成的類似專案通常需要五到十名工程師花費 18-24 個月，約 200 萬至 300 萬美元的完全負載勞動力成本。
在 Exponential View，僅今年我們就已完成（編寫）了數十萬行程式碼。我日常使用的許多應用程式，是我在過去一個月左右用 Claude Code 編寫的。我們運行的軟體，若以人力編寫可能需花費一百萬美元，但使用 AI 代理僅花費了大約 500 美元。這些系統每天至少為我釋放了一個小時的時間……