11月20日，中金公司研报指出，本轮AI技术发展的特征是，在应用层面技术成熟度低和预期利润大并存，需要资本市场尤其股权投资的支持。投资者最终要考虑AI的成本收益比。第一个约束因素是创新需要的研发投入，成本端的一些支出是看得见的，比如大模型有研发成本和应用成本。研发成本主要包括算力成本、人员成本、电费成本、和其他项（数据获取、模型维护等），而应用成本中推理能耗是重要一项。

值得关注的AI相关投资模式的新特征。传统的风投公司熟悉的资本轻型的软件分发模式（比如社交网络）转变为资本密集的硬件生产（先进芯片和数据基础设施）模式。引领这一转型的是占主导地位的科技巨头公司，他们不仅投入巨额资金，还成为包括OpenAI和Anthropic在内的大型AI初创企业的主要支持者，接管了风投公司的历史角色。与风投相比，业界资本更容易被AI赋能，可以降低不确定性或者说提高预期收益。

虽然有很多期待和预期，但AI在产业的应用到底有多大潜力？有不少争议。大模型收益端的分析面临很大的不确定性。不同应用场景的情况相差大，大模型带来的直接经济收益（如降本增效）和间接经济收益（如提升竞争优势）很难估量和加总。一个缺点是大语言模型给出不准确的答案，限制其在很多商业应用的价值。另外，大模型的应用价值在于用企业内部场景数据训练，但很多企业还没准备好或者说还不知道怎么应用到自己的数据。

综合以上讨论，当前美国AI相关股票的高估值可能有两个载体，一是投资者对未来长期的盈利增长（和AI的应用关联）过度乐观，导致股票价格相对当前的盈利偏差很大。二是当前的盈利本身（和当下AI相关资本开支相关）就不可持续。

泡沫的破裂可能体现为芯片产业规模经济的作用，尤其叠加竞争格局的变化，比如中国先进半导体产业发展，或者算法架构/系统的改善提升芯片的产出效率，导致技术壁垒被打破，先进芯片价格下降。另一个可能是AI大模型的应用及其创造的经济效益不及现在的乐观预期。关键是大模型研发的规模报酬递减能否通过技术进步（比如算法改善）来弥补，或者大模型应用能否在更广经济层面带来规模报酬递增，这些都有待时间验证。

最后，值得一提的是，科技泡沫和房地产泡沫不同，前者的破裂在短期带来较大的冲击，但长远看是创造性破坏。规模经济和正外部性意味一段时间在局部领域的过度投资虽然不可持续，但可能有利于长远的、宏观层面的技术进步和创新发展。2008年的次贷危机则不同，房地产的规模不经济和负外部性意味其大上大下有系统性的破坏作用。

（作者：彭文生）

实习编辑:金怡杉 | 审核:李震 | 监审:古筝