人工智能热潮是否即将迎来回调？Anthropologie 和微软的案例表明——数十亿美元投资人工智能，但人工智能相关的工作岗位却在减少。

Xpert 预发布版

在线联系方式（Konrad Wolfenstein）

提供 27 种语言版本 📢

在 Google 上更倾向于选择 Xpert.Digital。ⓘ

发布日期：2026年10月31日 / 更新日期：2026年10月31日 – 作者： Konrad Wolfenstein

人工智能热潮是否即将迎来回调？Anthropologie 和微软的案例表明——数十亿美元投资人工智能，但人工智能相关的工作岗位却在减少。

人工智能热潮是否即将迎来回调？Anthropologie 和微软的真实表现是——数十亿美元投资人工智能，但人工智能相关的工作岗位却越来越少——关于人工智能的创意图片，以 Xpert.Digital 为特色。

微软正在大力投资人工智能，并为数千名员工提供离职选择。

Anthropic 的价值接近一万亿美元——但这个计算有个陷阱。

人工智能概念股正处于历史高位：为什么即使是真正的增长也可能被高估？

人工智能热潮目前呈现出一幅看似矛盾的图景：Anthropico 发展迅猛，估值之高即使在硅谷也堪称惊人。而微软则在数据中心、芯片和人工智能系统方面投入巨资，同时却向约 6 万名员工提供自愿离职方案。这种鲜明的对比引发了一个紧迫的问题：一场新的技术革命是否正在酝酿？或者，人们对未来增长的期望值已经过高，以至于回调几乎不可避免？

仔细分析就会发现，答案并非简单的“泡沫”或“没问题”。Anthropic 正在创造实际收入并赢得企业客户；微软也在不断将人工智能融入自身的工作流程。与此同时，估值和长期投资计划都要求极高的增长和生产力提升。因此，关键问题在于，这项技术能否持续创造比其研发、计算能力和基础设施成本更高的经济价值。就业影响也日益具体：人工智能未必会立即取代所有工作岗位，从而阻碍新员工招聘、重新分配任务和缩减团队规模。Anthropic 和微软的例子恰恰展现了人工智能热潮的两面性——其巨大的潜力以及预期远超现实所带来的风险。.

Anthropico、微软以及对人工智能泡沫的担忧：这三大风险可能会减缓人工智能的繁荣。

当万亿美元的估值与裁员同时发生时，进步就变成了一种信仰问题。

关于人工智能泡沫的争论已经进入了一个新的转折点。一方面，Anthropic公司公布的增长率、营收预测和估值，即使对于习惯于高估值的硅谷来说也堪称惊人。另一方面，微软一边向约6万名员工提供自愿离职方案，一边在数据中心、芯片、云容量和人工智能系统方面投入巨资。这两个因素共同描绘出一幅令人不安的景象：资本正以前所未有的规模涌入机器、模型和基础设施，而人力成本却日益被视为可以通过同样的技术手段削减的成本中心。.

显而易见的结论是，人工智能热潮已经失控。但事情并非如此简单。Anthropic 的业务确实在快速增长，微软也实现了实实在在的生产力提升，对计算能力的需求也绝非凭空捏造。与此同时，目前的估值、投资计划和长期采购承诺都基于这样的预期：人工智能在未来几年内能够持续带来超高的增长和生产力。因此，关键问题不在于人工智能是否具有经济价值，而在于其未来预期价值的当前价格是否仍然与其可预见的收益相符。.

Anthropic 将成为整个人工智能市场的压力测试。

Anthropic 不仅仅是一家成功的语言模型制造商。该公司已成为衡量投资者对未来市场领导地位预期程度的试金石。2026 年上半年，Anthropic 的营收约为 163 亿美元。而上年同期，营收仅为约 12 亿美元。超过 1300% 的增长率不仅非同寻常，对于一家市值已达数十亿美元的公司而言，更是几乎史无前例。2025 年的总营收约为 46 亿美元。.

这些数据最初似乎否定了这只是一个遥不可及的梦想。Anthropic 出售的并非仅仅是愿景，而是模型、编程接口、企业账户以及日益自动化的开发工具。最近，超过 11,900 家客户在过去十二个月内每家消费至少 10 万美元。约 1,900 家客户的消费额超过 100 万美元，约 250 家客户的消费额甚至达到 1000 万美元。这表明，Claude 及其相关服务在许多公司中不再仅仅是实验性质的。它们正在被整合到软件开发、知识工作、客户服务、研究、数据分析和流程自动化等领域。.

与此同时，增长速度也给投资者带来了一个方法论上的难题。曲线上升得越陡峭，所选的起点对结果的影响就越大。预测的销售额并不能自动反映实际的年度收入。它假设最近达到的水平将在未来十二个月内保持不变。在一个新兴的、消费驱动型行业中，这样的预测可以有效地描绘出行业的动态变化。然而，它也可能将一个异常强劲的季度视为永久性的基础。.

该评估假设未来近乎完美无瑕。

Anthropic 在 2026 年 5 月的一轮融资中估值约为 9650 亿美元。鉴于其计划中的 IPO，目前市面上流通的估值在 1.5 万亿至 2 万亿美元之间。这将使这家成立仅几年的公司直接跻身全球最有价值的公司之列。如此高的估值无法用目前的盈利来解释，因为该公司尚未实现稳定的年度盈利。只有当 Anthropic 迅速成为全球经济中占据主导地位的基础设施和应用平台时，这样的估值才能得到支撑。.

根据上半年的预计营收，1.5万亿美元的估值相当于该营收的约46倍。如果估值达到2万亿美元，则相当于年营收的60多倍。即使采用更高的当前营收率作为基准，该比率也会有所改善，但仍然非常高。此外，营收并不等同于可立即使用的现金。云服务费、计算能力、研发、销售、人员、安全措施以及产能扩张等都需要从营收中支付。.

2028 年的收入预测约为 1900 亿至 2000 亿美元。要达到这一水平，Anthropic 必须将其 2026 年春季以来已经非常高的收入增长率提高四倍以上。如果人工智能代理成为数字工作的通用层，并且 Anthropic 能够长期保持较大的市场份额，那么这并非不可能。然而，这绝非板上钉钉。竞争加剧、模型价格下降、开源系统效率提高、客户定制模型以及增长放缓都可能显著改变最终的预测结果。.

因此，如此巨大的估值几乎没有容错空间。新车型延迟上市、价格战、安全问题、监管干预，甚至个别重要客户的流失，不仅会对当季业绩造成负面影响，还可能动摇整个估值逻辑。这正是投机性高估的典型特征：问题不在于公司本身的质量，而在于估值中已经包含了公司完美无缺的因素。.

创纪录的亏损看起来比公司实际经营状况要糟糕得多。

2026年上半年约807亿美元的净亏损尤其引人注目。单看这个数字，似乎灾难性的。它远远超过收入，似乎与企业经济可行性相悖。然而，这笔亏损的大部分并非来自持续经营活动。其中约724亿美元是由于可转换金融工具及其相关负债的估值变动造成的。.

这种机制看似矛盾：如果公司估值增加，某些负债（之后可以转换为股份）的价值也会在资产负债表上增加。这种重估会以费用的形式出现，并增加净亏损，即使公司并没有相应金额的资金流出。这样一来，公司估值的上升可能会在首次公开募股（IPO）前造成巨额会计亏损。因此，净亏损在会计意义上是真实的，但在评估运营绩效方面作用有限。.

更值得注意的是，该公司上半年运营亏损约6.93亿美元。虽然这并非盈利，但与163亿美元的营收相比，亏损额似乎并不那么惊人。去年同期，运营亏损超过20亿美元。该公司第二季度甚至实现了运营盈利。这表明，Anthropic的核心业务从根本上来说具备盈利能力。.

然而，纠正这一初步印象绝不能导致相反的夸大。一次性会计因素解释了大部分净亏损，但这并不能消除潜在的经济风险。Anthropic 必须在保持其研发领先地位的同时，持续实现高毛利率，并履行其庞大的基础设施建设承诺。在这种情况下，季度盈利尚不足以证明其商业模式能够持续自给自足。.

高毛利率掩盖了对计算能力的渴求

2026年上半年，公司营收约为163亿美元，支出约为24亿美元，毛利率约为85%。对于一家软件公司而言，这相当可观。这意味着，扣除直接相关的运营费用后，公司仍有相当一部分资金可用于研发、管理、销售和利润增长。.

然而，对于人工智能公司而言，这种区分比传统软件公司要复杂得多。一部分计算成本直接归因于客户使用，而另一部分则涵盖训练、研究、容量预留和战略基础设施。Anthropic公司今年上半年在计算能力和基础设施方面的支出约为89亿美元，远超去年同期水平。因此，公布的毛利率只能反映部分情况。该公司可能同时拥有高毛利率和巨额资本及基础设施需求。.

核心风险在于长期承诺。根据不同的定义，计算能力方面的固定和更广泛的承诺总额高达数千亿美元。仅明确量化的最低承诺就超过4000亿美元；如果算上其他协议，总额将远超5000亿美元。此类合同确保了稀缺的计算能力，并可能为Anthropic公司带来战略优势。然而，它们也成为固定成本的巨大杠杆。.

只要需求增长速度超过供应速度，这种杠杆作用就能提升市场地位。如果增长放缓，同样的合同就会变成负担。此外，计算能力并非永恒不变的资产。芯片的技术更新换代很快，新的架构会改变所需的计算能力，而更高效的系统则会降低价格。今天被视为稀缺战略资源的东西，明天可能就变成了昂贵的过剩产能。.

增长是真实存在的，但其质量仍然难以衡量。

Anthropic 约 80% 的收入来自按使用量付费模式。因此，客户主要根据实际使用量付费。这通常是一个积极的信号，因为它表明了真实的活动，而不仅仅是长期许可。同时，这也使得收入更容易优化。企业可以通过更高效的模式、改进输入、缓存、更小、更专业的模型或自建基础设施来降低消耗。.

国际扩张正快速推进。今年上半年，约45亿美元（占总收入的近28%）来自海外。这拓宽了需求基础，降低了对美国市场的依赖。然而，经济集中度仍然很高。相当一部分收入来自亚马逊、谷歌和微软的电商平台。这五大客户贡献了相当可观的收入份额。同时，其中一些平台也是最重要的投资者、基础设施合作伙伴和销售渠道。.

一个尤为显著的特点是极高的净收入留存率。这表明现有客户在短时间内实现了支出倍增。在早期增长阶段，这可能是由于试点项目过渡到广泛实施所致。然而，这种支出水平不可能无限期地维持下去。如果现有客户每年都大幅增加支出，他们的预算很快就会超出经济承受能力。因此，该指标主要反映的是异常的扩张阶段，而非长期稳定的状况。.

质量的关键问题在于最终客户能获得多少独立的经济效益。如果一家公司花费一千万美元购买人工智能服务，却节省了两千万美元的成本或创造了三千万美元的额外收入，那么进一步增长是可能的。如果使用主要出于实验、战略一致性或对技术落后的担忧，那么部分需求将会趋于正常化。市场对支出有着非常精确的了解，但对实际获得的生产力提升却知之甚少。.

微软不会一次性裁员6万人。

第二个引发泡沫怀疑的数据也需要放在更客观的视角下看待。微软并没有决定立即裁员6万人。该公司已向美国、加拿大、英国和印度的约6万名员工提供了自愿离职的选择。这约占其全球约22.3万名员工总数的27%。特定领域的员工，包括副总裁级别，均有资格参与该计划。.

这一差异在经济上意义重大。60,000这个数字指的是符合条件的员工人数，而不是预期的离职人数。类似项目的经验表明，接受率通常只有个位数。即使只有3%到5%的符合条件的员工接受该提议，也大约会有1,800到3,000名员工离开公司。这虽然远低于60,000，但仍然是一次相当大的员工裁减。.

此外，部分裁员已经完成。2026年夏季，微软裁减了约4800个职位。员工人数较上一年有所减少。因此，这项新计划的自愿性质并不影响其战略重要性。微软正在打造一种工具，以便在不立即引发大规模裁员的情况下，有选择地缩减员工队伍，精简层级，并将资源重新分配到高增长领域。.

值得注意的是哪些部门可以部分豁免。数据中心、安全部门、部分销售职能部门以及其他具有战略意义的部门的员工要么不在该计划的涵盖范围内，要么仅部分纳入，具体取决于各部门的情况。相反，Windows、Xbox、财务、人力资源以及人工智能和Copilot相关部门的部分人员则完全纳入其中。这与微软仅仅用人工智能取代日常非技术人员的简单观点相悖。实际上，该公司正在审查其整个组织结构，包括那些开发或推广人工智能的部门。.

🎯🎯🎯 数据驱动的 B2B 行业中心，作为一种准内部解决方案

准内部解决方案：Xpert.Digital 如何弥合 B2B 营销和销售中的运营差距——智能内容驱动型业务——图片：Xpert.Digital

Xpert.Digital 是一个以数据驱动的 B2B 行业中心，由 Konrad Wolfenstein 领导。该公司为工业合作伙伴提供外部的、准内部解决方案，弥补其在市场营销、内容和销售方面的运营缺口，而无需客户投入额外资源。.

更多信息请点击这里：

准内部解决方案：Xpert.Digital 如何弥合 B2B 营销和销售中的运营差距——智能内容驱动型业务

微软的人工智能战略：裁员还是提高效率？

据称这款超级软件是一套代理程序和流程重新设计的集合体。

认为微软拥有一款超级软件就能让数万名员工变得多余的想法是误导性的。事实上，该公司整合了 Microsoft 365 Copilot、内部开发工具、Work IQ、Agent 365、Copilot Studio、Dynamics 365 以及众多专业代理。这些系统能够编写文本和代码、搜索公司知识库、分析数据、准备会议、处理业务流程，并在既定权限范围内执行业务系统中的操作。.

生产力提升的最大来源并非某个特别智能的聊天机器人，而是工作流程的彻底重组。例如，微软报告称，其在特定供应链流程中拥有超过100名专业客服人员。这些客服人员负责调查需求变化、比较运输方案、分析运力，并可在规定范围内更新或取消订单。在某些流程中，交货周期缩短了高达75%。在一个销售部门，成交率提高了20%，而每位客户经理的收入也增长了9.4%。.

这些数据虽然具有参考价值，但必须谨慎解读。它们是来自特定公司特定用例的数据。成功的试点项目并不一定能代表整个公司的情况。生产力也可以用更快的处理速度、更高的质量、更大的产量或更少的人员来衡量。根据所采用的指标不同，呈现出的结果也会有所不同。.

然而，微软的做法表明了这一发展趋势。人工智能不仅作为产品销售给客户，还被部署为知识工作的内部操作系统。当销售、软件开发、人力资源、财务和供应链等任务完成得更快时，成长型公司所需的新增员工就会减少。即使人工智能最初不会完全取代任何职位，它也能减少新员工招聘、缩减团队规模，并使空缺职位无人填补。由此产生的就业影响是渐进的，而且在统计上比直接裁员更难察觉。.

裁员会影响资金流向，但并非简单的换算关系。

微软计划到2026年投资约1750亿美元用于人工智能和基础设施建设。即使大幅裁员，也只能筹集到其中一小部分资金。虽然离开公司可以节省大量且持久的薪资、福利、股票期权、办公空间和管理费用，但与数据中心、电力连接、网络组件和加速芯片所需的资金相比，这些节省的金额仍然有限。.

因此，这种联系不仅仅是简单的会计核算，更具有战略意义。微软并非只是用一美元的计算能力取代一美元的工资。该公司正在改变其业务的资本结构。部分可变且组织结构复杂的人员成本正被大量的固定基础设施成本所取代。这些基础设施可以通过 Azure 和 Copilot 出售给数百万客户，但只有在利用率和定价合理的情况下才能盈利。.

这代表着创业风险的转变。员工可以通过招聘、调动或自然减员来增加或减少。而数据中心、电力合同和长期芯片订单的灵活性则要低得多。因此，企业正在用部分人员风险来换取资本、技术和产能利用率方面的风险。在经济繁荣时期，这种风险转移可以提高企业的可扩展性。而在经济衰退时期，则可能加剧盈利能力的下降。.

对员工而言，这并不意味着人力劳动会消失。相反，那些定义目标、评估例外情况、承担责任、维护客户关系以及监控自动化流程的活动将变得更有价值。那些主要价值在于标准化信息处理、协调或文档编制的岗位将面临压力。因此，这种转变更像是工作岗位类型的永久性变化，而非一次性的自动化浪潮。.

真正的泡沫指标是整个系统的资本密集度。

四大超大规模数据中心巨头亚马逊、Alphabet、微软和Meta计划到2026年合计投资约7200亿至7450亿美元。虽然由于会计方法不同，这些数字并非完全可比，但规模之大显而易见。在短短几年内，一股投资浪潮席卷而来，其影响范围远远超出了单个人工智能实验室。这股浪潮涵盖了半导体、数据中心、发电、网络、冷却、光纤、土地和融资等领域。.

这种浪潮可能预示着基础设施的重大变革。铁路、电力、电信和互联网在充分发挥其经济效益之前，也都需要巨额的前期投资。然而，它也可能导致产能过剩。技术革命和投机泡沫并非互斥。相反，真正具有长期潜力的技术往往会在早期就吸引过多的资本。.

投资者面临着时机选择的问题。支出发生在当下，而生产力提升则需要多年时间才能实现。然而，股市估值却能立即对预期做出反应。如果利润增长速度低于预期，即使最终技术成功，股价也可能大幅下跌。此时的回调并非否定人工智能，而是对未来发展成本的质疑。.

国际货币基金组织目前认为这些风险具有宏观经济意义。根据一项压力测试，如果人工智能投资因回报令人失望而骤减，到2028年，全球经济产出可能会大幅下降，美国受到的冲击尤为严重。反之，如果人工智能成功应用，则可能在未来数年内促进全球经济增长。这一范围表明，全球经济在多大程度上依赖于一项长期回报尚无法可靠衡量的技术。.

循环资金流动使得人们难以看到真正的需求。

另一个令人怀疑的原因是该行业密切的财务联系。云服务提供商投资人工智能实验室，而这些实验室又将大部分资金用于从同一云服务提供商处购买计算能力。芯片公司为客户或基础设施项目提供资金，而这些客户或项目又会购买他们的芯片。与此同时，一些利益相关者报告称，他们的收入、订单积压或公司估值都在增长。.

这种结构本身并非必然构成欺诈或经济上的不合理之处。纵向合作关系可以分担风险、加速新市场的开发，并为稀缺产能提供融资。问题在于，当投资者将由此产生的收入视为完全源于独立的终端客户需求时。资金在高度整合的生态系统内流通，并不能证明该系统之外存在足够的支付意愿。.

Anthropic 就是这种矛盾心理的典型例子。亚马逊、谷歌和微软既是投资者，又是基础设施合作伙伴、销售渠道，在某些情况下，还是重要的收入来源。Anthropic 近一半的收入都来自这些大型平台的市场。这使得 Anthropic 能够接触到企业客户和全球基础设施。与此同时，这也造成了 Anthropic 在定价、分销、融资和技术能力方面的依赖性。.

因此，评估泡沫不仅取决于收入增长，还取决于资金来源。来自能够显著降低自身成本或创造新收入的独立客户的收入尤其可靠。主要通过风险投资、最低购买协议、贷款或战略交叉补贴等方式融资的收入则不太可靠。人工智能市场兼具这两种情况，正是这种复杂性使得做出明确的诊断变得异常困难。.

将此次事件与互联网泡沫相提并论虽然过于简单，但仍然触动了人们的痛点。

这与2000年的情况有着明显的相似之处。当时，公司的价值主要取决于其覆盖范围、增长速度和未来的市场主导地位，即便稳定的利润尚未实现。而如今，营收增长率、产品性能、计算能力以及预期的平台效应才是衡量公司价值的主导因素。在这两种情况下，一项基础技术都足以支撑巨额投资，而激烈的竞争也迫使公司进行越来越大的前期投入。.

然而，两者之间存在着重要的差异。如今这波繁荣浪潮中的主要投资者大多是盈利能力极强、资产负债表稳健、客户关系稳固且拥有全球基础设施的企业。微软、亚马逊、Alphabet 和 Meta 等公司能够承受亏损或较低回报的时间，远超上世纪 90 年代末的许多互联网公司。此外，生成式人工智能已经创造了可观的收入，并在商业领域得到了有效应用。.

然而，这并不能防止市场资源错配。即使是财务状况良好的公司也可能过度投资。财务实力实际上会延长竞争期，因为多家供应商可以同时积累庞大的产能，而无需提前放弃。这增加了供需暂时失衡的风险。价格下降对消费者有利，但可能会给基础设施运营商和模式提供商的收益带来压力。.

因此，最有可能的情况并非彻底的技术崩溃。更有可能的是，估值下降，供应商消失或被收购，基础设施以更低的成本继续使用。互联网泡沫破灭后，互联网并没有消失。同样，人工智能领域的调整可能并非意味着人工智能的终结，而是意味着“几乎所有领先公司都能持续创造超额回报”这一假设的终结。.

决定繁荣或萧条的三大因素

首要关键因素是可衡量的客户收益。人工智能必须持续创造比模型、数据、集成、控制和计算能力成本更高的经济价值。零星的成功案例远远不够。普通企业，包括科技行业以外的企业，都需要实现广泛的生产力提升。只有当中型企业、工业企业、物流供应商、银行、保险公司和公共管理部门获得稳定的回报时，这波投资浪潮才能转化为可持续的宏观经济转型。.

第二个驱动因素是价格变化。模型功能日益强大，同时每单位计算成本却在下降。这可能导致需求激增，但也可能导致收入增长速度跟不上使用量的增长。对于Anthropic和其他供应商而言，关键问题在于，效率提升能否转化为更高的利润，还是会在竞争中转嫁给客户。一家公司即便在技术上取得了成功，其利润也可能低于其估值所反映的水平。.

第三个因素是融资。只要股票市场、债券投资者、银行和私人贷款机构愿意提供资金，企业就能确保长期产能。利率上升、业绩不佳或个别企业违约都可能逆转这一周期。届时，不仅高价值的实验室会遭受损失，数据中心开发商、能源项目、芯片供应商和贷款机构也会受到影响。.

这三种力量相互作用。价格下降会促进普及，但也会使大型投资的再融资更加困难。生产率的提高会刺激需求，但同时也可能对就业和工资增长造成压力。大量的融资会加速创新，但也会增加对市场情绪波动的脆弱性。因此，人工智能经济并非典型的软件周期，而是技术、资本和劳动力市场之间复杂相互作用的结果。.

对欧洲而言，更大的风险在于袖手旁观。

从欧洲的角度来看，美国的投资浪潮既令人着迷又令人担忧。欧洲拥有强大的工业企业、技术精湛的劳动力以及海量的宝贵流程数据。然而，欧洲在基础模型、云平台和加速芯片等方面严重依赖外国供应商。如果Anthropologie、微软等公司将其平台牢固地整合到欧洲价值链中，那么越来越多的数字价值创造将流向美国。.

因此，潜在的泡沫并非推迟投资的充分理由。即使美国的估值过高，这项技术仍然具有战略意义。然而，德国公司不应试图复制美国的资本投入模式。更明智的做法是采取选择性策略：明确的流程、可靠的数据、可衡量的盈利能力、多家模型提供商，以及对成本和数据访问的合同控制。.

人工智能在工业和物流领域潜力巨大。生产计划、维护、质量管理、采购、技术文档、库存优化和运输控制等诸多环节都涉及大量信息密集型工作流程。人工智能无需企业自行训练基础模型，即可在这些领域显著提升效率。前提条件是：数据清晰、系统集成，以及组织架构能够重新调整决策和职责。.

与此同时，劳动力市场也需要制定切实可行的适应策略。仅仅为员工提供通用的人工智能培训是不够的。企业必须明确哪些任务需要自动化，哪些任务需要扩展，哪些任务需要全新创建。后续培训应侧重于特定流程。那些能够专业地监控人工智能代理、评估数据质量并在特殊情况下做出决策的人员将更具价值。而那些仅仅传递标准化信息的人将面临越来越大的压力。.

改签会重新洗牌赢家和输家。

一种较为温和的情景是逐步恢复正常。人工智能提供商的收入增长放缓但仍保持在高位。价格下降，而使用量增加。超大规模数据中心运营商延长投资计划，而不是突然停止项目。估值在资金不枯竭的情况下恢复。在这种情况下，即使Anthropic公司最初无法维持2万亿美元的估值，它仍有可能成为一家规模庞大且盈利丰厚的公司。.

在更为严峻的市场洗牌情景下，企业会将人工智能预算与可衡量的成果更加紧密地挂钩。不太成功的项目将被终止，规模较小的供应商将会消失，对额外计算能力的需求增长速度也会放缓。云价格将面临下行压力，而长期购置协议将进一步压缩模型供应商的利润空间。大型平台则可能凭借其更持久的亏损承受能力和收购实力较弱的竞争对手的能力，获得更大的市场份额。.

如果多种因素同时达到临界点，就会引发危机：生产力低下、价格下跌、融资成本上升、安全事件频发，以及对主要客户偿付能力的质疑。届时，投资项目可能被取消，资产可能被减记，贷款可能被重新估值。其影响将远超科技行业本身，因为能源供应商、建筑公司、半导体制造商和金融投资者都参与了科技行业的扩张。.

最有可能的结果并非单一的几种模式，而是多种模式的混合。某些应用将带来高回报，而另一些则仍将沦为昂贵的实验。一些数据中心将稀缺且价值连城，而另一些则会选址不当或采用过时的技术。领先的模式将随着估值的波动而持续增长。市场不会出现同步的涨跌，而是会摒弃目前盲目的热情，转而更加细致地区分真正的价值创造和资金支持的希望。.

Anthropico和微软发出了相互矛盾但又诚实的信号。

Anthropic 的案例表明，人工智能可以在极短时间内创造数十亿美元的商业价值。该公司也证明，企业客户愿意在模型和代理工具上投入巨资。与此同时，这也揭示了该行业对资本、计算能力、合作伙伴和未来增长的极度依赖。这些数据驳斥了“一切都只是炒作”的说法，也否定了“经济成功已成定局”的断言。.

微软则展现了这一趋势的另一面。该公司拥有丰厚的利润、庞大的客户群、完善的基础设施，以及全球最强劲的资产负债表之一。然而，它却在精简员工队伍的同时，以前所未有的力度将资金投入人工智能基础设施建设。这并非意味着微软即将面临财务困境，而是表明即使是像微软这样盈利能力极强的公司，也在积极调整自身组织架构，以适应预期中的人工智能经济。.

因此，自愿离职补偿方案既非人事例行程序，也非全面自动化未来的标志，而是一个早期指标。企业正开始将提高生产力的承诺转化为人员配置计划。这一转变将引发社会争议，因为受益者最初可能是投资者、平台和高技能员工，而其他员工则需承担调整的成本。.

正是估值上升与人员需求下降的这种组合，使得这场辩论在政治上极具爆炸性。一项技术可以提高国内生产总值，但同时也会加剧分配冲突。它可以提高企业的生产力，但同时也会造成劳动力市场的不稳定性。经济进步并不必然保证社会的认可。.

人工智能泡沫主要存在于人们的期望之中。

客观来看，人工智能市场并非纯粹的泡沫，但在关键领域确实呈现出泡沫的特征。技术本身是可行的，收入是实实在在的，生产力提升的机会也相当可观。然而，真正过头的是，长期成功被过快地计入当前的估值，基础设施建设投入的规模，以及对几乎无限的需求将带来永久高利润率的假设。.

Anthropic或许是一家杰出的公司，但其1.5万亿至2万亿美元的估值仍然过高。微软或许确实能通过人工智能提高生产力，但同时，它在公开展示其系统优势时可能过于乐观。超大规模数据中心运营商或许会进行战略性投资，但最终仍会造成产能过剩。这些说法并不矛盾，它们恰恰说明了技术潜力与财务回报之间的差异。.

关键问题在于，如今涌入的大量资金能否转化为生产力的全面提升。如果未来几年人工智能不仅能生成文本和代码，还能让实际业务流程更加可靠、快捷、经济，那么大部分投资在经济上就是合理的。但如果节省的成本不足以弥补模型、集成、控制和基础设施方面的投入，则需要重新评估。.

最大的危险并非人工智能会突然变得毫无用处，而是这项有用的技术被赋予了不切实际的投资回报预期。届时，崩溃的将不是人工智能本身，而是人们普遍认为的增长可以永远呈指数级增长、资本无限以及效率的提升都能自动转化为利润的观念。Anthropico和微软的案例加剧了人们对泡沫的担忧，因为它们凸显了这一矛盾的两面性：一方面是令人叹为观止的经济机遇，另一方面则是近乎完美的成功所带来的高昂代价。.