“AI是不是泡沫？”这个问题在过去一年里几乎成了科技圈的口头禅。每当资本市场波动、或是某家AI初创企业估值被指过高，这种质疑就会重新浮出水面。

2025年11月，英伟达的第三财季营收达到570亿美元，同比增长62%（净利润319亿美元，同比增长65%），创下历史新高。更为关键的是，英伟达对下一季度的业绩预期上调至650亿美元，进而显示出行业的增长势头仍在加速。

此次，英伟达CEO黄仁勋强调：“AI正在进入良性循环，生态系统快速扩张，英伟达将在AI的每个阶段取得成功”。

也基于此，这570亿美元的背后，到底反映了AI产业怎样的真实面貌？它是泡沫破裂前的最后狂欢，还是产业长期繁荣的起点？

01

570亿美元的营收从哪里来

翻开英伟达的营收结构，数据中心板块的业务，是当之无愧的核心引擎——在本季度贡献了512亿美元营收，同比增长66%，占总营收近90%。这其中又进一步可分为两大细分领域：其一是计算业务（即GPU），营收430亿美元，是AI训练与推理的算力基石；其二是网络业务（即允许多个GPU能协同工作的组件），82亿美元，提供让成千上万颗GPU协同工作的高速互联方案。

进一步产业分析来看，这也就说明了，全球对AI算力的需求仍在爆发式增长——无论是训练下一代万亿参数的大模型，还是将已有模型部署到实际应用，皆离不开英伟达的GPU集群。目前，黄仁勋指出，Blackwell架构芯片销量已经超出预期，云厂商的GPU资源几乎售罄。

与此同时，数据中心板块之外，英伟达的其他业务也保持稳健增长：游戏业务营收43亿美元，同比增长30%；专业可视化营收7.6亿美元，同比增长56%；汽车与机器人业务营收5.9亿美元，同比增长32%。很显然，英伟达并非只靠AI数据中心的单一业务，而是以AI算力为核心，多条业务线实现协同增长。

尽管英伟达业绩亮眼，但“泡沫论”依然重新浮出水面——美国银行11月份的一项调查显示，近50%的基金经理认为AI股市存在泡沫，相较三个月前大涨超30个百分点（担心企业过度投入AI基础设施，而实际盈利场景尚未跟上）。

其实，要判断泡沫是否存在，不能只看一家企业，而要看整个产业的支撑度。

历史总是在不断轮回，技术革命也总会伴随资本泡沫——铁路、电力、互联网无不如此，其实泡沫本身并不可怕，可怕的是没有实质技术支撑的纯粹投机。在AI这场生产力革命之中，适度的狂热或许是技术加速普及的必要代价，真正需要值得警惕的，是忘记了技术最终要为实体经济服务的这一根本性原则。

02

2000年互联网泡沫，这次真的不一样吗

近期，英伟达遭遇资本撤离，包括硅谷“风投教父”的彼得·蒂尔在内的多家机构减持股份，进而反映出资本对AI行业估值的审慎态度。彼得·蒂尔坚持“从0到1”的投资理念，其认为英伟达已不再是创新引领者，而是面临竞争加剧和利润空间收窄的挑战。桥水、软银等机构也纷纷减仓，进而形成集体的资本撤离浪潮。

此次英伟达的财报也透露出些许隐忧：应收账款持续上升（第三财季应收账款已高达334亿美元，四大直接客户的应收账款合计占比高达65%），另一个值得警惕的信号是库存数据（第三财季库存总额升至198亿美元，周转天数已达118天，相较第一财季的59天翻倍上升），而且客户集中度过高——第三财季的四大直接客户合计贡献了英伟达营收的61%，极少数厂商占据了大部分订单，进而倘若客户因自身资本开支见顶而削减订单，英伟达的高增长叙事将受到严峻挑战。

进一步产业分析来看，这一现象也并非否定AI发展前景，而是理性的再配置行为，即，英伟达已进入价值回归周期。虽然AI领域存在泡沫，但还是与2000年互联网的泡沫不同——目前AI估值整体还是基于真实营收增长，同时真正掌握核心技术的企业仍具基本面支撑。尽管面临AMD竞争和市场需求方向的变化，英伟达的AI计算能力也正在拓展至多个垂直领域，但英伟达还是需要加快转型为全栈AI服务提供商（即AI增长驱动力转为应用效能），而非简单依赖硬件性能炒作。

这也就是说，目前AI市场的泡沫并非全面性泛滥，而是呈现出明显的结构性特征——以谷歌为例，至2025年伊始，其新一代大模型Gemini对广告业务的营收增速的提升不到3%，同时微软、亚马逊等云业务虽然因AI需求保持高增长，但整体利润率也因AI基础设施的投入而明显承压，即，应用端企业正面临“回报滞后”的典型技术周期困境。

如今回望，与2000年的互联网主要停留在“信息展示”不同的是，2023年以来的AI正在直接参与改造生产流程，以及决策系统——从医药研发的分子模拟、制造业的生产自动化，再到金融领域的风控模型，AI已经形成可测量、可定价的生产力提升。互联网泡沫时期，需求主要来自企业自身的信息传递，而此次AI需求大量来自制造行业（新能源汽车采购芯片用于自动驾驶、制药企业租用云平台用于新药筛选等），这些需求的背后毕竟是成熟的预算与应用效能的考核，并不是纯粹的资本叙事。

上述的这些差异，进而此次AI浪潮的产业基础，将远比2000年扎实得多——AI已嵌入制造业、云服务、企业软件等成熟商业模式（2000年互联网时期缺乏清晰的变现路径，产业停留在光纤网络的铺设，带宽、支付等基础设施也并不完善）；此次AI行业资本开支也集中在芯片、数据中心等硬科技基础（2000年互联网时期大量资本开支用于广告营销、用户数量扩张，而非发展核心技术），英伟达Blackwell芯片已成为全球抢购的稀缺资源，微软的Copilot、谷歌的Gemini、OpenAI的GPT等已经开始向企业收费并产生现金流，说明应用层也正在快速跟进基础设施。

可预见的未来，即便局部出现泡沫破裂，英伟达、微软、谷歌等AI巨头也拥有巨额现金流、多元化的业务布局和全球客户网络，进而它们也有能力通过调整资本开支，或者短期聚焦于高回报的领域来平滑周期，而这与2000年那些仅靠融资存活的互联网企业，形成了极为鲜明的对比。

也基于此，现在这些AI巨头们有足够的本钱去试错、去等待市场成熟，而这也是它们和二十多年前那些“纸上谈兵”的互联网企业的最本质区别。

03

AI消费电子，中国大有可为

目前，英伟达的市值已经超过德国整个股市的总市值，但市场的关注点，其实不只是数据中心的大模型训练，边缘端、终端设备的AI化也正在快速推进，进而边缘端侧也是AI主战场，中国在此领域将会全球范围的大放异彩。

从国内情况来看，2024年中国AI芯片市场规模已经突破1500亿元，至2030年将激增至近1.5万亿元，年均复合增长率超50%——这一高速增长既得益于国家政策对国产化芯片的强有力支持，也得益于云计算、物联网、智能汽车等行业对算力需求的激增。与此同时，国产AI芯片的替代步伐正在加快，仅一年时间，国产AI芯片在出货量中的占比已从2024年的20%提升至2025年的35%，2026年将进一步加速上升。目前，英伟达仅占据约50%国内市场份额，同时华为、寒武纪、海光等国内企业合计份额也超40%——很显然，国内企业已经找到了属于自己的增长路径。

目前，寒武纪是国内AI企业中最引人注目的一家。2025年前三季度，营收约46亿元，同比增幅高达四位数，接近2400%；扣非净利润约15亿元，实现了扭亏为盈；单看第三季度，营收17.27亿元，增长率高达1333%。整体来看，寒武纪这样的增速固然有去年同期基数较低的因素，但也确实反映出AI算力市场需求（其在财报中把增长归因于“持续拓展市场，积极助力人工智能应用落地”）。

可预见的未来，这个赛道会越来越热闹。摩尔线程的营收也正处于高速增长通道，虽然利润仍为亏损，但这是芯片设计企业前期高投入阶段的普遍现象。此外，燧原科技、壁仞科技、沐曦等一批大算力AI芯片的初创企业也在积极推进IPO，自此将极大丰富国产高端AI芯片的供给生态。

与此同时，市场需求结构来看，GPU凭借其强大的并行计算能力，依然是AI训练和推理的绝对主力——2025年，GPU依然占据全球AI芯片八成以上市场份额。值得关注的是，定制芯片ASIC也正在快速崛起——2024年，定制芯片ASIC全球市场规模约150亿美元，至2030年将增长至900亿美元（年复合增长率显著高于GPU），其背后是定制芯片能为特定AI场景的推理做深度优化，在同等算力下功耗更低、能效比更优，进而边缘以及端侧设备也成了AI的主战场，中国企业在此领域具有全球影响力。

进一步产业分析来看，国内几家专注于特定AI场景的SoC芯片企业，2025年以来业绩表现确实亮眼，特别是在AIoT、视觉、音频等领域——全志科技和瑞芯微是其中的典型代表，全志科技在2025前三季度持续了近30%的营收增长和近100%的净利润增长（主要得益于智能硬件、物联网IoT业务的稳步提升，特别是扫地机器人、汽车电子、智能视觉等细分领域收入增长很快）；瑞芯微则是实现了近50%的营收和超100%的净利润同比增长（主要得益于AIoT市场的持续景气，旗舰芯片RK3588等在汽车电子、机器视觉等领域的快速放量）。

整体来看，此现象不是偶然，而是整个行业在智能安防、工业控制、汽车电子、智能终端这些场景的快速落地，进而边缘端侧对AI算力的需求正在集中释放（边缘AI能够在不完全依赖云端的情况下实现实时数据处理）。星宸科技也是一个很好的例子，目前已经是全球最大的视觉AI SoC供应商，特别是在安防视觉AI SoC这块，全球市场份额近50%，同时在机器人视觉AI SoC领域也做到了全球第二的位置。也基于此，国内这些公司的崛起，其实正是边缘AI从概念走向规模化商用的关键时间节点。

04

结语

2023年，OpenAI营收超16亿美元，2024年超40亿美元，进入2025年上半年，营收43亿美元，但亏损135亿美元（研发费用67亿美元，广告营销支出20亿美元，股票薪酬25亿美元，经营亏损78亿美元），其亏损主因是巨大的计算成本——训练和运行GPT-4、GPT-5等大模型需要数以万计的GPU，电力、云服务，以及数据中心的投入皆极为昂贵，同时为留住顶尖AI人才，OpenAI每年在研发与人力上的资本开支也远超传统互联网企业。

OpenAI预计，至2030年以后才可能实现盈利，并且届时年营收需要超过1000亿美元才能覆盖其累计的资本开支，进而意味着在未来5年内，OpenAI仍需持续依赖外部融资来维持运营与技术迭代。与此同时，Anthropic、Inflection AI等初创企业，目前的营收规模在仍很小的情况下，投资者也愿意效仿OpenAI给出如此的高估值。

投资者似乎在押注，其在未来的市场垄断地位，而非当前的财务健康程度。

目前，AI市场的回调，更像是资本对短期估值的重新校准，而非对产业逻辑的否定。与2000年相比，AI已形成从芯片、算力、大模型，再到应用的完整产业链，并且在各行各业开始产生真实价值，同时英伟达的业绩很大程度上也是对AI革命的验证。

历史曾反复证明，技术革命常伴随资本的狂热与泡沫的争议，但判断泡沫也应区分资本市场的短期估值与产业的长期发展。如今AI代表的是生产力的革命，其潜力难以用传统的科技股模型进行衡量。尽管与2000年互联网泡沫似曾相识，AI却也形成了清晰的商业闭环，资本投入与市场需求也来得更加真实，其确定性远高于以往。

整体来看，AI市场相关的高亏损，很多皆来自前期研发与基础设施的投入，但这些投入大多也具有长期效益，进而时间上模型的成熟、算力效率的提升，边际服务成本将显著降低（亚马逊在电商与AWS业务早期也长期亏损，最终凭借规模效应实现盈利）。OpenAI预计，随着自研AI芯片计划与算力效率的改进，其计算成本占总营收的比例，将从现在的超过100%逐步降至50%以下（OpenAI在2025年前三季度的推理支出高达87亿美元，其同期营收约43亿美元，计算成本确实超过了总营收）。

对于投资者而言，其实最关键的并不是判断市场有没有泡沫，毕竟泡沫在时间线上也能为其他新产业提供投资机会点，重要的是及时识别哪些企业真正拥有技术壁垒与商业化盈利能力，只有那些能够把资本投入转化为可持续现金流的企业，才能最终穿越行业周期，成为全球市场赢家。