本文来自微信公众号： 经济观察报观察家 ，作者：经观观察家
6月5日，全球资本市场遭遇了一场罕见的“血洗”。当天，美国股市大幅跳水，标普500指数和道琼斯工业平均指数分别下跌2.64%和1.35%，纳斯达克综合指数重挫4.18%，创下2025年4月以来的最大单日跌幅。半导体板块成为重灾区，费城半导体指数单日下跌10.3%，创下2020年3月以来的最差单日表现。英伟达、博通、台积电分别下跌6.2%、7.92%和6.76%，英特尔、AMD、美光、高通等公司的跌幅均超过10%。AI软件公司和云平台公司也损失惨重。其中，亚马逊下跌3.08%、Meta下跌5.54%、微软下跌2.65%，甲骨文更是下跌9.65%。
与AI产业链关联较大的日韩股市也明显下跌。日本日经225指数下跌1.31%，东京电子、Advantest、软银等前期推动指数创新高的AI和半导体权重股，在当天变成了拖累指数下跌的核心力量。韩国KOSPI指数大跌5.54%，不久前持续暴涨的SK海力士和三星电子成为导致指数下跌的重要力量。
自2025年上半年本轮AI行情启动以来，多个主要市场的AI相关板块都走出了近乎单边上涨的行情。在“AI将彻底改变世界”“买AI就是买未来”等口号鼓动下，大批资金抱团涌入AI赛道。不仅业绩优秀的公司估值不断创出新高，一些只是沾上AI热点的公司，股价也大幅上涨。从这个角度看，这场大跌无疑给狂热的市场氛围泼了一盆冷水。
有评论认为，AI热潮已经让市场积累了太多泡沫，6月5日这个“黑色星期五”或许会成为AI泡沫破灭的起点。那么，本次暴跌的原因究竟何在？它是否真的标志着AI泡沫破灭？在关于AI泡沫的忧虑背后，又潜藏着哪些问题？
暴跌因何而至？
资本市场的深度回调，往往不是单一因素导致的。6月5日全球AI相关资产的暴跌，也是一系列因素共同作用的结果。
首先，SpaceX等巨头即将上市，引发了市场对大型IPO分流资金的担忧。6月5日的暴跌发生在SpaceX启动全球路演后、正式定价前夕。根据美国证券交易委员会披露的文件，SpaceX本次IPO拟发行约5.556亿股，募资750亿美元，对应估值约1.75万亿美元。对于投资者而言，有着“太空+AI”双重叙事、马斯克背书和“全球最大IPO”光环的SpaceX，无疑是极具诱惑力的标的。为了参与认购，部分投资者需要提前备好现金。然而，在此前的AI狂欢中，不少投资者已将大量资金投入AI或半导体股票，现金并不充裕。为了获取现金，他们可能选择减持此前获利丰厚的股票，从而给相关股价带来压力。
类似的大型IPO还不止一个。近期，Anthropic已秘密提交IPO申请，OpenAI也被曝筹备上市，其潜在估值都可能达到万亿美元级别。这些IPO就像水泵一样，可能大量分流市场流动性，从而遏制市场的上涨趋势。
其次，博通公布的AI芯片收入指引不及预期，导致市场对AI算力“爆发无上限”的叙事产生怀疑。6月3日美股盘后，博通发布2026财年第二季度财报及后续业绩指引。第二季度AI半导体营收达到108亿美元，同比增长143%。然而，公司预计第三财季AI半导体收入为160亿美元，低于市场预期；全年AI半导体销售额预计达到560亿美元，也低于部分机构此前的预期。
博通是全球AI定制芯片和算力互联基础设施的核心供应商之一，深度覆盖谷歌、Meta、OpenAI等云厂商和AI巨头，其订单与业绩指引通常被视为全球AI产业资本开支的晴雨表。因而，其收入指引低于预期，被解读为AI产业资本开支增速正在边际放缓。即使这种放缓只是高基数下的正常变化，也足以动摇市场对算力需求的乐观预期。
再次，美国非农数据大幅超出预期，引发了市场对货币政策收紧的忧虑。美国5月非农就业人口新增17.2万人，大幅超出市场预期；失业率维持在4.3%，薪资同比增长3.4%，3月、4月就业数据合计上修9.3万人，显示劳动力市场韧性远超此前预判。
按理说，强劲的经济数据对于股市应该是好消息。然而，在市场对利率高度敏感的环境下，它却变成了坏消息。由于就业市场稳健，市场对美联储降息的预期被削弱。一些机构甚至认为，美联储可能加息。对于估值较高、高度依赖远期现金流定价的科技股而言，贴现率上行会严重挤压估值，因而出现了经济数据向好、股市反而下跌的状况。
暴跌背后的根源
SpaceX上市、博通收入指引不及预期和美国非农数据超预期，都只是点燃暴跌的直接导火索。在这些表面因素背后，这次暴跌还揭示了AI发展中的深层次问题。
暴跌发生后，不少评论人士将其与本世纪初的互联网泡沫破灭进行对比。这种对比确实有一定道理。两次科技股大调整的背景十分类似：都诞生于货币宽松、流动性充裕的环境；都依托“下一代生产力革命”的宏大叙事，走出了部分脱离基本面的超级牛市；都出现了资金高度抱团、估值透支未来增长、资本炒作概念而实体落地滞后的现象；也都发生在货币政策预期收紧、流动性出现拐点之后。
这并非偶然。在两次暴涨和回调背后，都有相似的周期逻辑。要理解这个逻辑，奥地利学派的商业周期理论或许是一个不错的辅助工具。
奥地利学派的商业周期理论由米塞斯系统提出，并由哈耶克补充和完善，“迂回生产”的资本理论则可追溯至庞巴维克。根据这套理论，经济增长来自生产结构中“迂回生产”（RoundaboutProduction）程度的加深。经济体为了提升远期生产效率，会放弃即时消费，投入资源构建更长、更复杂的中间生产链条。链条越长，资本投入越大，远期成长空间可能越大，但错配风险也会提高，经济对利率变动会更加敏感。
如果利率由市场供需决定，它应当反映社会储蓄率与消费者的时间偏好。然而，当央行持续宽松、信贷成本被人为压低时，利率信号就可能失灵。资本会错误预判未来需求，过度涌入长周期、高预期、重资本的赛道，造成超前投资、过度扩张和结构畸形。这虽然会带来短期繁荣，但本质上是流动性驱动的虚假扩张，是对未来增长的透支。
一旦货币政策转向收紧，此前依靠廉价信贷支撑的超前投资、高估资产和过剩产能就会集中暴露。市场将通过资产价格下跌、投资收缩、停工和裁员进行自发纠错，前期由宽松信贷催生的繁荣也会遭到清算。
用这套理论观察本轮AI行情，逻辑就会变得清晰。本轮行情的主因当然是生成式AI技术的突破，但2024年末至2025年主要经济体维持相对宽松的流动性环境，也是重要外因。当时，通胀回落、利率长期处于较低水平，几乎成为市场的主流预期。包括布兰查德（Olivier Blanchard）在内的很多著名经济学家，甚至还出版了专门研究长期低利率的专著。正是在这种预期下，海量资金涌入AI这条重资本、长链条的赛道。
AI产业的终极产出是企业智能化提效、终端智能应用和生产力升级。然而，在最终产出落地之前，市场需要铺设冗长的中间资本品链条。上游的光模块、存储介质、GPU等算力硬件，中游的算力中心基建、大模型训练和算法迭代，都是下游AI应用开发和行业落地的前置条件。
这种“先造设备、再堆算力、再训模型、最后出应用”的产业形态决定了，当流动性较为宽裕时，资金会优先涌入产业上游。光模块、高端存储、AI芯片、算力服务器相关公司成为最大的受益者，其估值也因此一涨再涨。相比之下，AI软件和应用的商业化没有那么顺利，相关公司估值虽然也有上涨，但涨幅较小。至于与AI产业链关联较弱的行业，则很难获得同等程度的增量资金，相关公司估值自然难以上涨，部分公司股价甚至持续阴跌。
坊间有一句流行语，买了光模块企业的股票就是“站在光里”，而没买就是“光站在那里”。虽然只是一句戏言，却形象地说出了资金向AI产业链上游集中的现象。
然而，高度迂回化的生产结构可能造成严重错配。当市场基于远期乐观预期，超前布局整条产业链产能，云厂商和科技企业大规模囤积GPU、储备存储资源，AI产能提升就可能远远超越下游真实需求。如果这一矛盾不断积累，资金错配就会不断加深。一旦利率走势发生变动，整个链条就可能从上游开始崩塌。从这个角度看，6月5日的暴跌可以看作市场对资金错配的一次自我纠正。它说明由宽松信贷导致的产业结构迂回化和估值泡沫，已经积累到一定程度，需要进行集中释放。
泡沫即将破灭？
那么，这次暴跌是否意味着本轮AI行情已经见顶，泡沫正在走向全面破裂？至少到目前为止，情况似乎还没有那么悲观。
首先，从基本面看，当前股市泡沫仍处于相对可控的程度。2000年互联网泡沫时期，市场充斥着大量无营收、无利润、无落地场景的空壳企业，行业整体几乎没有正向现金流支撑，完全依靠资本“烧钱”续命。相比之下，当前AI赛道的主要上市公司都有相对稳定的现金流。英伟达等上游硬件公司自不用说，微软、谷歌等AI平台企业虽然尚不能从AI业务中获得与投入相匹配的利润，但其他业务仍能提供充足现金流。它们即使暂时无法从AI投入中取得直接回报，也有能力依靠成熟业务继续承担研发和基础设施支出。
其次，从估值看，主要公司的市盈率也处于相对温和的位置。英伟达目前的市盈率约为31.8倍，微软、谷歌、亚马逊分别为24.5倍、27.7倍和29.3倍。而在互联网泡沫破灭前夕，思科的市盈率高达220多倍，微软也达到60倍以上，亚马逊则尚未实现盈利。虽然当前AI和半导体公司的估值显著上升，但这种上升很大程度上来自营收和利润改善。只要主要企业的利润仍能增长，估值就存在通过盈利增长逐步消化的可能。
再次，短期内，美联储加息应该不会成为现实。当前市场最担忧的风险之一，就是美联储重启加息。但在我看来，短期内可能性并不大。
一方面，美国非农数据所体现的经济表现并没有表面上那么好。虽然新增就业人数亮眼，但新增岗位主要集中于休闲和酒店业、地方政府及医疗保健等领域，部分服务业岗位可能与“世界杯”前的集中招聘有关。因此，单月数据不足以证明美国经济已经到了需要通过加息来防止过热的程度。
另一方面，当前美国的部分通胀压力来自中东战争等供给因素，加息并不能有效遏制。如果战争结束，相关通胀压力可能迅速回落。尽管沃什是由特朗普提名的美联储主席，但货币政策仍需由联邦公开市场委员会集体决定，贸然启动加息的可能性较低。
最后，目前中美都将AI作为国家重点发展领域，并投入大量资金进行扶持。考虑到相关产业政策，即使市场已经存在一定泡沫，它也不至于在短期内破灭。
综合来看，虽然6月5日的暴跌为AI领域的泡沫化敲响了警钟，但这个泡沫远未到破灭之时。缺乏业绩、估值虚高的企业可能会承受较大压力，但有足够利润支撑的企业依然可能经历较长的高增长时期。如果在这段时期内，人们能够解决AI发展中的结构问题，市场就可能通过不断压缩泡沫，平稳回归健康发展的道路。
三个重要问题
那么，在当前的AI热潮中，究竟存在哪些重要的结构问题，需要优先解决？在我看来，有三个问题最值得关注。
第一个问题是技术迭代超速，导致前沿技术空转，而落地应用严重滞后。
近三年，AI技术快速迭代，大模型能力、算力性能、多模态技术和智能体能力都在持续突破。AI已经可以实现内容生成、智能决策、自动化生产等诸多功能，似乎即将转化为实际生产力。正是在这样的技术愿景下，资本市场才对AI企业给出极高的估值溢价。
然而，一旦回到实体产业，技术辉煌就陷入了“落地空转”的困境。不少尖端AI技术仍停留在实验室演示和小规模试点阶段，难以深入实际产业场景。技术能力的提升，并不等于企业已经具备相应的数据基础、组织流程和付费意愿。很多模型进入具体行业后，还需要重新解决准确率、稳定性、责任划分和系统接入等问题。
重要原因是配套体系跟不上技术迭代：行业标准不完善、数据安全壁垒较高、传统产业数字化基础薄弱、场景适配成本过高、合规监管体系也不完善。在多重瓶颈作用下，模型能力与产业生产率之间仍隔着一条很长的转化链条。模型能力的进步并不会自动转化为企业收入和社会生产率。
AI落地滞后还会导致行业内卷式浪费。大量企业投入巨资堆算力、训练模型，一个重要原因就是应用端难以破局。为了维持高估值，企业只能回到纯技术竞争。这样的内卷如果持续，不仅会浪费资源，还会让AI产业的虚火越烧越旺。企业不断推出参数更大、训练成本更高的新模型，却没有同步创造足够的付费需求，由此产生的泡沫最终只能通过估值回调和泡沫出清修复平衡。
第二个问题是商业模式失灵，导致整个赛道虽然人声鼎沸，企业却普遍难以盈利。
当前AI产业融资不断、叙事宏大，但全行业始终未能跑通可持续的商业化闭环。除了应用落地困难，商业模式的缺失也十分值得注意。与互联网平台不同，大模型与AI算力服务存在真实、刚性的边际算力成本，这决定了它很难照搬互联网时代的商业模式。
首先，互联网赖以生存的交叉补贴与广告变现逻辑，在AI赛道基本失灵。传统互联网依赖“用免费服务吸引海量用户、用广告收益补贴成本”的闭环。然而，AI的每一次对话、推理和生成，都要消耗真实的GPU算力与电力资源。免费用户越多，平台承担的推理成本也越高。同时，AI交互场景往往高度私密化和垂直化，用户主要为了办公、生产和学习等具体需求而来，传统互联网的广告策略也很难完全奏效。
其次，订阅制会遭遇“高用量薅羊毛、低用量不买单”的悖论。在AI大模型问世之初，OpenAI等公司曾摸索出订阅制这一付费模式，以20美元/月、200美元/月等不同档次向用户提供服务。在推出之初，订阅制似乎运作不错。由于其用户门槛较低，所以很快吸引了不少付费用户。然而，开发者、自动化办公用户等重度用户的词元消耗很大，平台服务成本甚至可能超过订阅收入；低频用户又感受不到刚需价值，不愿长期续费。因此，订阅制存在明显的“逆向选择”风险。近期，GitHub Copilot在保留订阅计划的同时，引入基于使用量的计费模式，就印证了这一点。
再次，按照词元计费会导致用户难以控制成本。Claude、GPT等高端模型的API普遍采用“用多少、付多少”的模式，但一个任务会消耗多少词元，用户很难预估。尤其在AI智能体普及后，用户可能因词元使用超标而收到意外账单。很多企业因此加强预算控制，甚至转而使用成本更低的轻量化或开源模型。
可行商业模式的缺乏，使AI产品即使能够落地，也很难成功盈利。企业一方面需要持续投入巨额资金训练模型、建设算力基础设施，另一方面又难以从用户端获得与投入相匹配的收入。融资可以暂时弥补现金流缺口，却不能替代稳定的商业回报。一旦资本市场的风险偏好下降，依靠外部融资维持扩张的企业就会首先承受压力。
第三个问题是分配格局恶化，导致AI反噬消费，造成产业闭环死局。
AI在一些领域呈现出“替代速度快于创造速度”的特征。一方面，AI正在对制造业流水线、服务业基础岗位和白领办公岗位形成替代压力。它不仅可以替代重复性体力劳动，也开始进入写作、编程、设计、客服和数据分析等过去被认为相对安全的知识工作。另一方面，AI产业直接创造的新增就业岗位相对有限，且多集中于高端技术、资本运营等领域，对教育程度和专业技能要求较高，普通劳动者很难在短期内完成转型。
这种结构性替代可能进一步引发收入分配失衡。资本方通过投资AI企业获取高额市值收益，科技巨头通过技术优势赚取超额利润，高端技术人才获得高薪回报。而普通劳动者不仅难以充分分享AI产业红利，反而可能面临岗位替代、薪资停滞和失业增加。
国际货币基金组织2025年发布的一项研究指出，AI虽然可能通过替代部分高收入工作降低工资不平等，但高收入群体更可能从AI的互补效应和资本回报中获益，财富不平等仍可能显著扩大。如果缺乏有效的分配调节，AI创造的财富将更多集中于资本所有者和少数高技能劳动者手中，而普通居民的消费能力却难以同步增长。生产能力越强、有效需求越不足，产业扩张与消费承载能力之间的矛盾就会越突出。
如果上述三个问题不能及时解决，AI发展中的错配和扭曲就会越来越严重，其积累的泡沫也可能迅速破裂。
如何纠正扭曲？
如何利用泡沫破灭之前的有限时间，解决AI领域的扭曲和错配？这需要企业和政府共同努力。
对于AI企业而言，应当告别内卷式技术堆砌和故事化资本运作，以价值落地和正向现金流为核心目标。
在技术研发层面，企业需要摒弃极致的技术崇拜，聚焦制造业升级、服务业提效、民生刚需等真实场景，围绕细分行业痛点而非资本叙事打磨适配性技术，把研发资源集中到可落地、可变现、可创造价值的领域，让技术迭代真正服务于产业需求。
在商业运营层面，下游应用企业应深耕垂直赛道，打造差异化产品壁垒，挖掘用户的刚性付费需求；中游模型企业应优化成本结构，推出轻量化、场景化的定制模型服务，降低技术落地门槛。全产业链企业都要摒弃“先烧钱、后垄断”的互联网旧思维，平衡扩张速度与盈利质量，实现现金流的正向循环。
在发展理念层面，企业需要平衡资本逐利与社会价值，规避技术发展的负外部性。在智能化升级过程中，企业应探索“人机协同”而非“机器替代”的模式，兼顾就业稳定与社会均衡，而非单纯裁员降本。
对于政府来说，则需要从产业引导、分配调节、监管完善和政策转型等维度入手，构建适配AI时代的治理体系。
一是优化产业政策，引导AI脱虚向实。监管与产业部门应抑制资本无序炒作，限制空转式算力投资和同质化技术内卷，引导社会资本从概念炒作转向产业落地。政策支持也不能只看算力规模、模型参数和融资金额，而应更多考察实际应用效果、生产率提升和商业可持续性。同时，还要完善AI落地的行业标准、数据规则和合规体系，推动先进技术真正转化为产业生产力。
二是强化分配调节，破解贫富分化。政府应建立差异化的税收调节机制，对AI巨头和资本超额收益适度征税，将产业红利反哺社会。同时，应推进全民数字技能培训，帮助普通劳动者适应AI时代的就业岗位，降低技术性失业的冲击。此外，政府还需要搭建AI产业新增就业岗位对接平台，让普通群体能够参与、分享AI革命的红利，从根源上提升社会消费能力，使AI产业的需求闭环最终得以完成。
三是重构宏观调控逻辑，告别对单一货币宽松的依赖。政府不应再单纯依靠货币宽松应对AI时代的结构性危机，而应构建以产业政策、分配政策、就业政策和监管政策为核心的新型宏观调控体系，有针对性地化解错配和扭曲。
只有AI企业与政府紧密配合，才可能在泡沫破灭之前解决结构性难题，使技术进步真正转化为广泛而持久的生产率增长，并避免经济和金融市场出现过度动荡。
结语
就在笔者写作本文时，纳斯达克又经历了一轮迅速下跌。股市波动的加剧告诉我们，留给我们解决AI发展中深层次问题的时间窗口正变得越来越小。
毫无疑问，AI技术革命是一场百年一遇的底层生产力变革。从长远看，它带给我们的想象空间几乎无限。不过，如果技术与实体、资本与产业、增长与分配之间出现持久脱节，那么现在看似高速的发展就是在透支未来。技术突破得不到实际应用，巨额投资找不到稳定回报，生产率提升又不能转化为广泛的收入和需求，繁荣就很难长期维持。最终，这既不利于AI产业的健康发展，也不利于经济的稳定增长。唯有让企业回归产业本质、政府完善治理体系、全社会平衡技术创新与社会公平，才能破解结构性困局，让AI泡沫有序出清，让AI产业实现可持续发展。