2026年，AI领域的融资新闻依然霸占头条，但资本市场上的股价波动与巨额烧钱数据，正在撕开技术光环之外的另一层真相。当谷歌词云资本开支逼近1850亿美元，当英伟达市值突破3万亿，人们不禁追问：这场AI盛宴究竟还能持续多久？本文从“钱”的维度出发，结合峰瑞资本创始合伙人李丰的深度观点，为你解读当前科技动态背后的流动性逻辑，并探讨AI创业公司和科技公司面临的真实挑战。
全球流动性洪流：史无前例的“放水”如何孕育AI泡沫
要理解这一轮AI热潮何以空前，必须回到2020年那场全球性的货币大放水。为应对疫情冲击，全球主要央行集体扩表，基础货币增发了约12万亿美元。这并非一个孤立的数字——基础货币通过银行体系循环，货币乘数通常为4到5倍，意味着全球流动性一口气增加了40至50万亿美元。这是人类金融史上从未有过的事件。
如此巨量的流动性涌入市场，直接导致2021年全球资产价格飙升。随后，2022年俄乌冲突爆发，欧洲与中国的不确定性陡然升高，全球资本开始逃离这些地区，几乎全部涌向美国。当大钱涌向一个地方时，所有资产都会水涨船高，资本市场急需一个“涨价理由”。恰在此时，ChatGPT横空出世，AI大模型成为最完美的叙事载体。于是，一场围绕AI的资本狂欢正式开启。科技动态的底色，其实是由全球流动性涂抹而成的。
值得注意的是，这次放水的规模远超历史任何一次。2000年互联网泡沫期间，美国货币总量不到今天的四分之一。今天的AI热潮，很大程度上是“钱太多”的结果，而技术本身反倒成了顺理成章的借口。对于AI创业公司而言，这意味着融资窗口期与流动性周期高度绑定，一旦货币政策转向，资金潮可能会迅速退去。
钱潮涌向美国：ChatGPT如何成为“涨价理由”
2022年底，当全球资本因避险需求而集中配置美国时，资本市场需要一个既能解释高估值，又能延续增长的故事。大语言模型正是这一“完美理由”。无论是微软对OpenAI的百亿美元投资，还是谷歌匆忙推出的Bard，抑或Meta将全部资源押注开源模型，背后都有一只无形的手在推动——那就是流动性的分配。
李丰在演讲中用一个形象的“跷跷板”来描述当前全球资产状态：由于没有新增货币投放，全球资金总量基本不变，当美国AI相关资产上涨时，其他地区或行业的资产就必须下跌。这一现象从2025年下半年开始尤为明显。比如，当英伟达股价创下新高时，欧洲能源股、中国消费股往往承压。这种零和博弈的状态，意味着科技公司估值与美国流动性高度绑定，一旦美联储政策转向，AI板块可能首当其冲。
我们可以用巴菲特指数（股市总市值/GDP）来衡量泡沫程度。目前美国这一指标约为2.3-2.4，远超合理区间0.8-1.2。相比之下，中国尚不足1.0。这种估值剪刀差，既反映了全球资本对美国AI资产的偏好，也暗藏回调风险。对于AI创业公司来说，在资金充裕时当然可以高举高打，但保持健康的现金流才是穿越周期的关键。
巨头资本开支狂潮：思科泡沫会重演吗？
当前全球科技巨头的资本开支规模令人咋舌。2025年，微软、谷歌、亚马逊、Meta四大巨头合计投入约4000亿美元，2026年预计将飙升至7500亿美元，若算上中小型互联网公司，总额将超过1万亿美元。这些钱绝大部分投向了数据中心、GPU采购和AI基础设施建设。
这一幕与2000年互联网泡沫时期的思科何其相似。当时思科作为“卖铲子的人”，市值一度高达5550亿美元，成为全球市值最高的公司。核心逻辑是：不管互联网公司是不是泡沫，你总得买交换机和路由器。如今，英伟达扮演着同样的角色，市值已是当年思科的十倍。但历史经验值得警惕：互联网泡沫破裂后，思科市值暴跌近80%，原因是部分客户的在手订单最终被取消——那些烧钱的公司倒闭了，也就不再需要基础设施了。
当前，谷歌的净现金在2026年可能会转为负数（即使不考虑800亿美元的增发）；Meta的债务/现金比已接近70%。如果AI应用迟迟无法大规模盈利，科技公司的资本开支能否持续，将成为悬在市场上方的一把剑。不少AI创业公司也开始使用AI画图等工具来降低设计成本，试图通过提高效率实现自我造血。但整体而言，整个生态对巨头投入的依赖度依然很高。
基座模型：烧在后台的“隐性成本”不容忽视
与上一轮互联网泡沫不同，AI大模型公司的烧钱模式具有鲜明的“后台特征”。互联网烧钱主要花在用户获取上——补贴、广告、地推，让从未用过互联网的人“上车”。而今天，用户本身就是互联网原住民，几乎不需要教育。因此，大模型公司的烧钱全部集中在后台：大规模基础设施建设带来的摊销、海量训练数据的采购、顶级人才的薪资、以及推理计算的能耗。
李丰直言：基座模型公司目前都不赚钱。如果把所有成本都算进去，Token的定价必须足够高才能实现盈亏平衡。但当前市场竞争激烈，各家都在以低价甚至免费策略抢夺份额。市场迟早会要求大模型公司证明自己的盈利能力。一旦融资环境收紧，这些公司将面临艰难抉择——要么大幅提高Token价格，要么缩减规模。而Token价格的变化，又会引发连锁反应：下游应用成本上升，小型AI创业公司可能因无力承担而倒闭。
事实上，许多AI应用开发者已经开始尝试用文生图等生成式AI工具来打造差异化产品，试图在巨头模型之上构建价值。然而，底层模型的收费标准一旦变动，这些创业公司的商业模式可能瞬间崩塌。这提醒我们：在技术周期中，基础设施层与应用层的利益分配始终是一个动态博弈。
技术周期的三个阶段：中国应用优势何在？
任何技术革命都遵循相似的资本周期。第一阶段，技术高速迭代，所有人都在谈论技术本身——2024年大家关心的是谁的模型能力更强、谁的训练效率更高。第二阶段，市场开始畅想技术颠覆的潜力，公司估值由想象力驱动，这往往对应股价的最高峰。第三阶段，泡沫退潮，市场回归理性，大家只关心一个核心问题：谁真正用技术赚到了钱？
当下，我们很可能正处于第一阶段向第二阶段的过渡期，或者已经进入第二阶段的末端。李丰的观点值得深思：当想象力溢价消退后，中国在应用落地方面往往展现出独特优势。理由有三：中国拥有全球最完整的产业链、最庞大的数字化基础设施、以及有力的政策推动。无论是人脸识别、自动驾驶，还是大数据应用，中国都证明了能在应用侧快速追赶乃至领先。
对于科技公司而言，与其继续烧钱比拼基座模型参数，不如思考如何将AI能力与具体行业场景结合。例如，利用AI图片生成技术帮助电商企业降低拍摄成本，或通过抠图工具优化设计流程，都是可行的切入点。此外，随着企业数字化转型的需求日益迫切，AI作为生产力工具的价值将逐步凸显。AI Agent技术的发展，也让智能体在客服、营销、供应链等场景中展现出巨大潜力。
未来展望：当想象力退潮，谁在裸泳？
将以上线索串起来，我们可以看到一幅清晰的图景：AI热潮本质上是一场由全球流动性驱动的资本盛宴。当资金池水位下降，那些缺乏盈利能力的公司将会暴露在风险中。2025年下半年开始的全球资产“跷跷板”现象，本身就是一次预警——资金正在重新分配，不再无差别地涌入AI。
那么，真正的赢家会是谁？从历史经验看，能够穿越周期的公司通常具备两个特征：一是拥有不可替代的技术护城河（如英伟达的CUDA生态），二是能快速将技术转化为可量化的商业价值（如微软将Copilot融入Office365）。对于AI创业公司来说，与其追逐风口，不如深耕垂直领域，用具体解决方案打动客户。一家专注于工业质检的AI公司，或许比一家通用大模型公司更有可能实现正向现金流。
最后，我们需要正视一个现实：技术创新的资本周期不会永远停留在“谈技术”的阶段。当所有人开始只谈“钱”时，真正的洗牌就开始了。AI工具导航上那些五花八门的应用，最终能活下来的，一定是离用户需求最近的那一批。拥抱科技动态的变化，同时保持对流动性的敬畏，或许就是当下最理性的投资逻辑。