2026年的创投圈，AI早已不再是PPT上的概念，而是扎进产业深水区的硬核实践。然而，当所有人都在讨论大模型参数、智能体能力时，峰瑞资本创始合伙人李丰却给出了一个另类视角：从“钱”的角度重新审视这一轮AI周期。在这篇独家分享中，他抛出了三个核心判断——全球流动性史无前例的暴增是AI热潮的底层推手，科技巨头超过1万亿美元的资本开支正在复刻互联网泡沫前的“思科时刻”，而中国AI创业公司将在资本周期进入第三阶段时迎来真正爆发。这期AI新闻并非技术科普，而是一场关于金钱、泡沫与耐心资本的深度博弈。
流动性洪流：为何AI成为全球资本的“泄洪口”？
要理解当下AI产业的狂热，必须先看懂2020年那场史无前例的“放水”。当时全球主要央行扩表12万亿美元的基础货币——按照保守的货币乘数4倍计算，这意味着全球在一年内凭空多出了约40-50万亿美元的流动性。这笔钱是人类金融史上从未出现过的“超级洪水”。
2021年，全球资本市场因此一片繁荣；但到了2022年，俄乌冲突爆发，欧洲因地缘动荡、能源危机、产业链断裂而成为高风险区；与此同时，中国由于疫情防控等不可控因素，也被国际资本视为“不确定性高地”。这导致一个奇特的格局：全球绝大部分新增流动性既不能去欧洲，也无法进入中国，只能涌向美国。
当这笔天量资金集中涌入美国后，所有资产都在涨价——包括股票、债券、房地产，也包括通胀。资本市场必须为一个“合理的涨价理由”找到一个故事载体。凑巧的是，2022年底ChatGPT横空出世，大语言模型完美地承接了这股资本洪流。AI工具导航显示，当时几乎所有AI创业公司都拿到了远超传统的融资额。因此李丰指出：“抛开技术本身，AI热潮的核心驱动是钱太多，而AI恰好是那个最性感的‘容器’。”
这一逻辑揭示了当下许多反常现象：为什么美股AI板块估值动辄超过GDP的2.3倍（巴菲特指数安全阈值仅为1.2）？为什么一家大模型公司尚未盈利就能获得百亿估值？答案可能很残酷——不是因为技术多超前，而是因为钱没有其他地方可去。
烧钱竞赛：科技巨头7500亿美元资本开支的历史镜鉴
如果说流动性是“天时”，那么科技巨头们的资本开支就是“人和”。2025年，美国四大科技巨头——谷歌、微软、亚马逊、Meta——资本开支合计约4000亿美元，而2026年预期将暴增至7500亿美元，加上中小型科技公司，总额可能超过1万亿美元。这组数字令人咋舌：它们几乎全部砸向了数据中心、GPU集群、算力基建。
但李丰给出了一个令人不安的历史对照实验。2000年互联网泡沫时期，全球市值最高的公司是思科，峰值达到5550亿美元。理由是：“即使互联网模式有泡沫，你总得买路由器、交换机吧？思科有几百亿美元在手订单，肯定安全。”然而泡沫破裂后，思科市值暴跌近80%——因为很多客户取消了订单，哪怕损失定金。
今天的英伟达市值是当年思科的10倍，而美国的货币总量仅增长约4倍。企业数字化转型的浪潮让GPU成为“新石油”，但李丰提醒：“如果AI的最终需求被证伪，或者大模型公司无法盈利从而停止采购，英伟达会经历什么？”这个问题的答案，或许就藏在那些科技巨头不断攀升的债务率里：谷歌和微软的债务尚控制在现金等价物的50-60%，而Meta和亚马逊已接近70-80%，其他中小型互联网公司普遍超过100%。
更令人担心的是谷歌——这家最“富裕”的公司2025年净现金高达1647亿美元，但今年预计资本开支1750-1850亿美元，加上已发行的800亿美元新股，年底净现金流可能首次转负。这不禁让人想问：当所有钱都变成GPU和机柜时，谁来为未来的收入买单？
基座模型之困：从“烧前台”到“烧后台”的模式革命
与互联网泡沫不同，这一轮AI烧钱的方式发生了根本性变化。互联网时期，所有钱都烧在“前台”——教育用户、获取流量、补贴获客。而今天，绝大多数用户本就是互联网原住民，无需教育如何打开AI应用。于是，钱全部烧在了“后台”：大规模基建摊销、数据采购、人员开支、以及模型运行的算力成本。
这意味着什么？大模型训练所需的GPU集群每天耗电惊人，每次推理调用都要支付昂贵的Token成本。目前几乎所有基座模型公司都处于亏损状态，包括OpenAI、Anthropic等明星AI创业公司。李丰直言：“市场迟早会要求大模型公司赚钱。当停止烧钱时，Token的定价必然会剧烈波动，进而重塑整个行业生态。”
这一现象与1995-2000年的互联网泡沫形成了有趣的对称：当时烧钱是为了让用户“看见”新事物，今天是让AI“算得快”。但资本耐心是有限的——当投资者发现大模型公司无法通过API收费覆盖算力成本时，估值逻辑将从“想象空间”切换到“现金流折现”。届时，那些依赖融资输血的公司将面临残酷的洗牌。
值得注意的是，国内AI创业公司也在经历类似阵痛。相比美国巨头，中国公司在基座模型上的投入更谨慎，更多聚焦垂直场景。例如，AI画图工具和文生图应用已率先实现商业化闭环，这或许是“烧后台”模式的一种破局路径——用轻量级应用摊薄算力成本。
技术周期的三重门：从“谈技术”到“谈钱”的必然转折
李丰将技术周期的投资逻辑分为三个阶段：第一阶段，创新技术出现，所有人只关心技术本身的突破（2023-2024年的“百模大战”即是典型）。第二阶段，人们开始畅想技术对哪些行业产生颠覆性影响（例如AI Agent、自动驾驶、医疗诊断）。第三阶段，市场回归冷静，投资者只问一个问题：谁用这个技术赚到了真金白银？
我们目前处于哪个阶段？从资本市场风向看，2025年之前大家讨论的是“谁的模型参数更大”、“谁的新版本更强”；但进入2026年，主流叙事已经变为“谁的市值更高”、“谁融了多少钱”、“谁烧钱速度合理”。这正是第一轮资本周期后半段的典型特征——不谈技术，只谈钱。
对AI创业公司而言，这意味着融资门槛将大幅提高。那些只有技术故事却没有可验证收入的公司，可能会在资本退潮中搁浅。相反，能够落地于具体场景的AI工具导航平台、AI图片生成工具、抠图应用等，反而因为现金流清晰而获得资本青睐。例如，某国内AI抠图工具通过ToB的图片处理服务，已实现月营收超过千万元——这在“烧后台”的巨头眼中或许微不足道，但恰恰是第三阶段最需要的“赚钱证据”。
中国的底牌：产业链厚度与AI应用落地的后发优势
在分析完美国资本市场的泡沫风险后，李丰话锋一转，指出了中国AI产业独特的结构性优势。经历过移动互联网、大数据、人脸识别等多次技术浪潮后，中国证明了一个规律：只要技术度过原始创新阶段，进入应用驱动期，中国就能凭借完整的产业链、庞大的数字化基础设施、以及政策推动力快速追赶。
当前，AI+各行各业（金融、制造、医疗、教育）的应用落地正在提速。例如，一些制造企业已经开始用古诗词生成来创意营销文案，但更重要的是底层逻辑：当Token成本下降、模型推理效率提升后，中国庞大的产业场景将成为AI价值的放大器。李丰认为：“我们需要等到资本周期的想象力高点回落，所有人开始关注应用落地时，中国的优势才会凸显。”
对于AI创业公司来说，当下的策略应该聚焦于“场景验证”——找到一个足够垂直的领域（如智能客服、辅助设计、内容生成），用轻资产模式跑通商业化闭环，而非盲目追逐通用大模型。正如他所说：“在美国，AI创业公司追求技术边界；在中国，AI创业公司追求产业效率。”
但一个重要的前提是：你必须在资本周期进入第三阶段之前活下来。这意味着控制烧钱速度、优先获取付费客户，而非沉迷于融资竞赛。那些已经提前布局AI Agent技术并在企业端获得订单的公司，正在成为资本寒冬中的“绿洲”。
总结：当想象力回归现实，谁在裸泳？
回顾整场演讲，李丰并未给出一个确定的答案——他甚至没有预测资本周期的转折点何时到来。但他清晰地指出了一个概率：历史不会简单重复，但韵律往往相似。2020年的流动性洪流、2022年的ChatGPT爆发、2024年的算力军备竞赛、2026年的巨头债务警报……这一连串事件构成了AI产业的“资本心电图”。
技术创新的每个周期最终都会经历从“讲故事”到“算账”的演变。今天的AI新闻中，最值得关注的信号不是英伟达市值多少，而是那些大模型公司的财报是否在盈利线以下继续滑行。当全球流动性重新分配（比如今年4-5月资金向美元资产回流），或者美国经济周期发生转向，AI赛道的估值体系可能顷刻重塑。
对于AI从业者和投资者，李丰建议保持清醒：不必悲观于泡沫论，但也不能忽视资本规律。在技术的第三个阶段到来之前，活下来、赚到钱、拿到属于自己的产业份额——这才是穿越周期的唯一法则。毕竟，历史上每一轮技术革命都曾催生无数“思科”，而真正伟大的公司，往往是在泡沫破裂后的废墟中成长起来的。