随着人工智能投资热潮持续升温，华尔街对AI产业商业回报的审视正在变得更加严格。

　　进入11月，美股科技板块波动明显加剧。纳斯达克综合指数一度出现单日超过5%的跌幅，英伟达、AMD等人工智能产业链重要企业股价承压。尽管随后市场有所反弹，但围绕AI基础设施投资规模、企业盈利能力以及科技股估值合理性的争论仍在持续。

　　过去几年，微软、谷歌、亚马逊和Meta等科技巨头不断扩大人工智能相关资本开支，大量资金涌入芯片、数据中心和基础模型研发。然而，随着投资规模持续攀升，市场关注的重点正在发生变化：巨额投入究竟何时能够转化为实际利润？人工智能能否创造足够的经济价值，支撑当前的市场预期？

　　这也让一个熟悉的问题重新浮出水面：当前的AI投资热潮，是否正在重演2000年的互联网泡沫？

　　当地时间11月8日，零一万物创始人兼首席执行官、创新工场董事长李开复在纽约美国华美协进社出席新书《AI Native》分享活动。该书中文版为《AI未来已来》。活动期间，李开复接受《21世纪经济报道》记者独家采访，就AI投资泡沫、大模型商业化、中美人工智能竞争及未来就业等话题发表看法。

　　“我觉得完全没有可比性。”谈及当前AI投资热潮与2000年互联网泡沫之间的比较，李开复表示，如今的人工智能企业已经拥有实际产品和商业需求，与当年大量缺乏成熟商业模式的互联网企业存在明显区别。

　　不过，他也强调，产业长期发展前景并不意味着相关公司的股价不会大幅调整。

　　AI泡沫争议再起：股价可能腰斩，产业逻辑未变

　　11月以来，美股人工智能相关股票经历了一轮剧烈调整。这轮调整既受到美国大选后政策预期变化的影响，也反映出投资者对人工智能基础设施建设速度和资金回报的重新评估。随着数据中心投资规模持续扩大，电力供应、建设审批、融资成本以及未来需求能否兑现，都成为影响市场情绪的重要因素。

　　在这样的背景下，2000年互联网泡沫的历史再次被提起。

　　李开复并不认同将两轮科技投资热潮简单类比。他回顾称，互联网泡沫时期，大量企业尚未建立成熟的商业模式，便凭借互联网概念获得高额估值。生鲜配送企业Webvan、宠物用品电商Pets.com等公司一度受到资本追捧，最终却因经营难以持续而退出市场。

　　与此同时，亚马逊等企业在泡沫破裂后存活下来，并逐渐成长为全球科技巨头。资本市场的过度乐观虽然带来了剧烈调整，却没有改变互联网技术的长期发展方向。

　　李开复认为，与当年相比，如今人工智能企业已经具备更加明确的产品基础和商业需求。

　　他以美国数据分析公司帕兰提尔、人工智能企业Anthropic和OpenAI为例指出，帕兰提尔已经实现盈利，Anthropic收入增长较快，OpenAI也拥有广受欢迎的产品。“我不觉得这是一个泡沫。这不代表他们的股价不会腰斩，但是我觉得股价的动荡跟调整是正常的情况。”

　　这一判断区分了两个容易被混为一谈的问题：人工智能是否具有长期产业价值，以及相关企业当前的估值是否合理。

　　即使人工智能能够推动生产率提升，投资者仍可能因为买入价格过高、企业盈利不及预期或市场竞争加剧而遭受损失。事实上，随着AI产业从技术突破走向大规模商业应用，市场对企业经营质量的要求正在提高。过去，投资者可能更关注模型性能、算力储备和用户增长；如今，收入能否持续增长、资本开支何时产生回报、利润率能否改善，正成为更加现实的问题。

　　大模型进入盈利考场：技术领先之后，如何赚钱？

　　“我觉得最终还是要面对这个灵魂拷问：你能不能赚钱？”

　　在谈及人工智能企业的长期投资价值时，李开复将盈利能力放在了核心位置。

　　过去几年，大模型行业经历了快速的技术迭代。模型性能不断提升，训练成本持续增加，行业竞争也从最初的技术突破逐步延伸至产品应用和商业回报。然而，技术能力的提升并不必然带来相应的利润增长。一方面，训练前沿大模型需要持续投入大量资金，先进芯片、计算资源和人才成本居高不下；另一方面，随着开源模型能力不断提升，企业获取高性能模型的门槛逐渐降低，模型服务的定价能力也面临挑战。

　　在美国市场，谷歌、Anthropic和OpenAI已经形成较强的技术和产品优势，但这些优势能否转化为长期稳定的盈利能力，仍需要时间检验。

　　李开复尤其关注开源模型对现有商业模式的冲击。

　　随着越来越多的高性能开源模型出现，企业客户可以在不同模型之间进行选择，甚至根据自身需求部署和调整模型。这意味着，单纯依靠模型性能建立的竞争优势，未来可能越来越难以维持。

　　中国大模型行业面临的挑战同样明显。

　　“中国有11个开源的大模型公司，我觉得他们最大的问题是如何盈利。”

　　李开复认为，中国企业在大模型技术方面已经具备较强竞争力，但行业参与者众多，同质化竞争也更加激烈。

　　当不同企业提供的模型性能逐渐接近，客户未必愿意为技术指标上的细微差异支付更高价格。如何找到稳定的付费客户，并建立能够覆盖研发和运营成本的商业模式，将成为企业能否持续发展的关键。

　　这一变化正在推动部分大模型企业调整业务方向。李开复透露，零一万物已逐步将业务重点从基础模型训练转向企业级人工智能应用。相较于持续投入巨额资金参与前沿模型竞争，直接面向企业客户提供服务，有望形成更加清晰的收入来源。

　　他预计，公司2026年业务规模将增长约三倍，2027年增长约两倍，并计划于2027年实现盈利。上述增长目标属于企业自身预测，实际经营表现仍有待验证。

　　从整个行业来看，企业级人工智能、智能体以及垂直行业应用正在成为商业化的重要探索方向。但这些应用能否真正帮助企业降低成本、提高效率，并形成持续付费需求，仍将决定相关商业模式的成败。

　　除了大模型企业，处于人工智能产业链上游的芯片公司也面临新的竞争变化。

　　李开复认为，芯片企业目前的市场地位相对稳固，但随着人工智能计算需求不断演进，现有技术优势未必能够长期保持同样的强度。“芯片公司是安全的，但是它以后会越来越同质化，因为它的优势还会有，但是会没有像以前那么强大。”

　　随着模型架构和计算方式不断发展，针对特定任务设计的专用芯片可能逐渐获得更多应用空间。不过，先进图形处理器及其软件生态仍是当前大规模模型训练和推理的重要基础，未来竞争格局仍存在不确定性。

　　中美AI商业化路径分化：消费创新与企业付费的较量

　　在全球人工智能产业竞争中，中国和美国不仅面临不同的技术与资源条件，也拥有不同的市场环境。

　　李开复认为，中国互联网企业在面向消费者的产品创新方面具有较强优势，而美国则在企业级软件市场积累了更加成熟的商业化经验。

　　长期以来，中国互联网行业竞争激烈，企业需要不断推出新产品、优化用户体验，并迅速适应市场变化。

　　李开复曾将中国消费互联网企业形容为“竞技场里的角斗士”。在他看来，激烈的市场竞争推动中国互联网企业不断创新，甚至主动调整已经取得成功的商业模式。

　　拼多多、美团和小红书等平台的发展，体现了中国互联网企业在产品创新和用户需求响应方面的能力。这种竞争环境，也可能为中国企业开发面向消费者的人工智能应用提供优势。

　　不过，企业级人工智能市场呈现出另一番景象。

　　美国企业软件行业经过长期发展，已经形成相对成熟的订阅付费体系。微软等企业推动软件从一次性销售向持续订阅转型后，企业客户逐渐习惯按月或按年支付软件服务费用。

　　这种商业环境，为人工智能企业向客户持续提供服务、建立稳定收入来源创造了条件。

　　相比之下，中国企业对于订阅式软件服务的接受程度仍有提升空间。部分企业更习惯一次性采购或项目制付费，对持续支付软件服务费用相对谨慎。

　　李开复认为，这种差异可能影响中美人工智能企业的商业化路径。即使技术能力相近，企业能否建立稳定的客户关系、形成持续收入，也将直接影响其长期发展。随着模型技术逐渐普及，中美人工智能产业的竞争可能不再只是模型性能或算力规模的较量，还将延伸至应用创新、客户需求、产品定价和商业模式。

　　从企业重构到就业变革：AI时代，人类价值何在？

　　如果说资本市场正在重新评估人工智能的投资回报，那么企业和个人则需要面对另一个更加长远的问题：当人工智能越来越擅长完成知识型工作，传统的组织方式和职业分工将如何改变？

　　这也是李开复新书《AI未来已来》讨论的核心议题之一。

　　在纽约华美协进社的演讲中，李开复提出，人工智能革命的影响可能远远超过互联网和移动互联网。他认为，历次重大技术革命都使某种重要资源的获取成本显著下降。互联网降低了信息获取和传播的成本，而人工智能正在降低部分智力劳动的成本。“在互联网的时代，信息变得廉价化……但是在AI的时代，智慧变得廉价化。”

　　这种变化不仅意味着企业能够使用更加高效的工具，也可能推动组织结构和管理方式发生根本性调整。

　　李开复认为，传统企业引入人工智能工具，与真正建立人工智能原生企业之间存在本质区别。

　　例如，利用人工智能处理财务报销、客户服务或行政工作，虽然能够提高局部效率，但企业原有的管理架构和业务流程并未发生根本改变。

　　真正的人工智能原生企业，则需要围绕人工智能重新设计业务流程、组织结构和决策机制，使其成为企业运营不可或缺的组成部分。

　　“你把AI拆掉了，公司就散了。”

　　在这一设想下，未来企业可能逐渐减少传统的层级式管理结构，转向更加灵活的项目制组织。

　　每个项目由明确的负责人承担最终责任，员工与人工智能智能体共同完成具体任务。部分过去需要多个管理层级协调的工作，未来可能通过人工智能系统直接完成。

　　不过，传统企业的组织转型并不容易。李开复预计，这一过程可能需要三至五年。特别是中层管理人员长期积累的业务经验、组织知识和内部协调能力，并不能简单地由人工智能立即替代。企业需要逐步将这些经验转化为人工智能系统能够利用的知识，才能真正改变原有的运营方式。相比之下，从成立之初便围绕人工智能设计业务流程的新企业，可能不需要承担庞大的组织转型成本，因此在某些领域具备竞争优势。但人工智能深度参与企业管理，也将带来新的挑战。数据安全、系统可靠性、决策责任以及员工适应能力，都可能影响企业转型的实际进程。尤其是在金融、医疗等高度监管行业，关键决策能够在多大程度上交由人工智能执行，仍受到技术和制度条件的限制。

　　企业组织方式的变化，也将进一步传导至就业市场。

　　随着大模型能力不断提升，信息处理、逻辑分析和部分标准化工作任务，可能越来越多地由人工智能承担。

　　李开复认为，未来人类的竞争优势将更多体现在审美判断、远见、勇气、同理心以及人际沟通等能力上。

　　他以苹果公司创始人乔布斯为例指出，优秀的企业领导者不仅需要理解现有市场，还需要在缺乏充分数据支持的情况下判断未来趋势，并有勇气改变既有商业模式。与此同时，一些需要人与人直接互动的职业，未来可能获得更多关注。护理、教育、养老服务、家庭辅导和旅游向导等工作，除了专业知识，还需要情感交流、信任和人际互动。这些特征可能使相关职业在人工智能时代保有独特价值。

　　不过，人工智能对就业市场的最终影响仍存在较大不确定性。技术能够替代部分工作任务，并不意味着相关职业一定会消失。企业采用新技术的速度、劳动力成本变化以及新岗位的创造，都将影响就业结构的调整。

　　对于年轻人如何应对人工智能时代的变化，李开复更强调学习能力，而非某一项具体的职业技能。

　　如果重新回到18岁，他仍会优先选择自己真正感兴趣、能够激发好奇心和批判性思维的专业。“我们大学真正需要学的就是学习的能力，而不是学某一门技巧。”

　　在技术快速迭代的背景下，具体技能的市场需求可能不断变化，而持续学习、独立思考和适应新环境的能力，将成为个人长期发展的重要基础。

　　技术突破可以推动产业发展，却无法保证所有参与者都能取得商业成功；人工智能可以创造新的经济价值，也不意味着任何估值水平都能够得到支撑。

　　随着巨额资本持续流向芯片、数据中心和大模型研发，未来几年，市场需要关注的不仅是人工智能还能实现哪些技术突破，更是这些投入能否带来持续增长的收入、利润和现金流。

（文章来源：21世纪经济报道）