AI泡沫论又来了，但这次不一样：
真正的赚钱机会在”卖水人”和”挖金人”之间

2026年8月24日，全球科技板块遭遇大面积回调，存储芯片与光通信板块领跌，”AI泡沫破裂”的论调再度升温：沃顿商学院教授警告冲击或甚于历次股灾，国际清算银行提示AI企业”循环融资”风险，巴菲特指标与席勒市盈率双双逼近历史极值，五大云厂商约7000亿美元资本开支对应仅一两千亿美元的行业收入池，投入产出比约12:1。但硬币的另一面同样醒目：英伟达最新季度营收962.21亿美元、同比增长106%，OpenAI年化收入突破400亿美元，中国大模型招投标金额同比增长356%。软盟资讯本文将对照2000年互联网泡沫与2017年区块链泡沫，论证这一轮热潮”估值有泡、产业无泡”的判断，并指出真正的创业机会不在巨头垄断的底层算力，也不在红海化的C端应用，而在行业AI工具、AI提效服务与AI人才培训三大中间层方向，为创业者与从业者提供一份穿越噪音的产业认知地图。

一、恐慌再起：这一次的”泡沫论”喊得比以往任何一次都响

2026年8月24日，全球科技板块再次遭遇重挫。美股盘前，存储芯片股普跌，闪迪跌幅超过4%，SK海力士、美光科技和希捷科技跌幅超过3%；光通信板块同样走弱，应用光电盘前下跌超过11%，LUMENTUM、COHERENT和康宁等光模块与光纤巨头普遍回调（来源：央广网，8月24日）。这不是孤立的一个交易日——自6月下旬以来，”AI泡沫”四个字就以越来越高的频率登上各大财经媒体的头条，每一次科技股的剧烈波动，都会把这四个字再往前推一格。

声音的分量也在升级。据《联合早报》6月27日报道，宾夕法尼亚大学沃顿商学院金融学教授戈德斯警告，许多迹象显示市场估值已经过高，如果这场泡沫破裂，冲击可能比华尔街历史上任何一次市场崩盘都更严重——华尔街五大科技巨头市值合计已达约18万亿美元量级，权重大到”不能倒”却又”烫到手”。更值得警惕的是机构层面的警告：国际清算银行（BIS）在6月底发布的年度报告中明确提示，部分AI企业之间正形成投资、担保与采购相互嵌套的”循环融资”关系——你买我的芯片、我租你的云、再互相持股担保，这种环环相扣的结构一旦某一环出现信用收缩，风险会沿着链条放大而不是分散（来源：中国经济网，8月12日）。

宏观数据也确实站得住”泡沫论”的一半：截至8月下旬，巴菲特指标（美股总市值与GDP之比）已升至227%—232%区间，席勒市盈率高达39—42倍，双双逼近或突破历史极端水平；五大云厂商2026年AI资本开支逼近7000亿美元，累计投入已达万亿美元量级，而全行业AI收入池估算仅一两千亿美元，投入产出比约为12:1（来源：新浪财经，7月31日）。一边是近乎无限量的弹药输送，一边是尚未跟上的收入确认，这个巨大的缺口，就是所有恐慌的总源头。

如果只看这些数字，焦虑是合理的。但作为产业观察者，软盟资讯想提醒读者的是：判断一场热潮是不是泡沫，最忌讳只听声音大小、只看单一维度的数据。把时间拨回2000年的硅谷和2017年的币圈，把三次热潮放在同一张解剖台上对照之后，你会发现，这一次的地图，真的不一样。

值得注意的是，这一轮恐慌的传播机制也比以往任何一次都快。社交平台上，”AI裁员””融资冻结””估值腰斩”的帖子天然比财报分析更具传播力；一位知名投资人的悲观发言，可以在二十四小时内被翻译、截图、二次解读成上百个版本，抵达千万级受众。恐慌的时间点也并非偶然：二季度财报季是”证伪期”，此前靠预期支撑的估值要在这一窗口接受收入数据的检验；叠加宏观利率环境的不确定性与部分机构的获利了结，科技股的波动被情绪放大成了一场叙事危机。焦虑先行于事实，是每一轮技术周期调整期的共同特征——而穿越焦虑的唯一方式，是把事实重新摊开来看。

二、三次泡沫对照：2000年、2017年与2026年，差的不是热度，是结构

要判断一个东西是不是泡沫，最有效的办法不是数一数有多少人在喊，而是拆开看它的内部结构：钱从哪里来、流到哪里去、最终变成了什么资产。我们把2000年互联网泡沫、2017年区块链泡沫和这一轮AI热潮放进同一张表里，差异一目了然。

先看2000年。互联网泡沫时期最典型的特征是商业模式整体缺位：网站拿点击量当核心KPI，拿注册用户数当估值依据，”先烧钱圈地、再想怎么赚钱”是当时的主流剧本。卖铲子的思科确实赚到了钱，但它的客户是靠融资输血的网站——客户本身不产生现金，订单的本质是把风险投资的钱转交给设备商。一旦一级市场断供，客户成批死亡，订单瞬间蒸发，纳斯达克指数从5048点的峰值跌去近八成。不过公允地说，那场泡沫也留下了光纤骨干网、数据中心和已经养成上网习惯的一代人，成了此后二十年互联网黄金时代的地基——泡沫破的是估值，留下的是资产。

再看2017年。区块链泡沫比互联网泡沫更彻底：绝大多数ICO项目连可用的产品都没有，代币本身就是全部故事，需求的本质是投机，交易本身构成了需求的全部来源。潮水退去之后，沉淀下来的生产性基础设施屈指可数。它是一场几乎没有留下实体资产的泡沫，这也是为什么币圈周期反复收割，产业层面却始终难以积累。

那么2026年的AI热潮，结构上和前两次有什么本质区别？我们认为是三点。第一，买算力的人不是靠融资输血的初创公司，而是自身有巨额经营现金流的公司。2026年二季度，谷歌、亚马逊、微软、Meta分别实现营收1198.0亿、2006.1亿、900.1亿、608.0亿美元，同比增速均在两位数以上（来源：光大证券研报，8月4日），它们采购芯片是用主营业务赚来的现金，而不是从投资人那里融来的钱。第二，产业链核心公司的收入是现金，不是账面估值——这一点我们在下一节展开。第三，需求端不再是纯粹的想象：政务、金融、制造、零售、教培等行业的采购数据在放量，客户买回去的东西正在进入生产流程，而不是躺在发布会PPT里。

当然，我们并不打算否认估值端的问题——必须承认，估值泡沫是真实存在的。OpenAI的估值从3000亿美元骤升至8520亿美元，Anthropic不到九个月估值翻了五倍，这些数字无论如何都无法用当期收入完全解释。Fortune杂志8月中旬援引策略师Dhaval Joshi的观点称，当前市场上不是”一个”AI泡沫，而是软件股、SaaS、芯片股等”滚动序列的泡沫”，不同板块先后膨胀、先后出清。软盟资讯对此的判断是：估值泡沫是真的，产业泡沫是假的——这两个判断必须分开表述，混在一起，就会得出”AI要完”或”AI无敌”两种同样错误的结论。

还有一个常被引用的类比需要正面回应：”英伟达就是当年的思科”——都是卖铲子的，都在繁荣顶部拿到了泼天的订单，而思科在2000年泡沫破裂后市值蒸发超过八成，此后二十年再未回到高点。这个类比的漏洞在于客户结构的差异：思科当年的客户大多是尚未盈利的电信与网络初创公司，其资本开支的源头是风险投资，一级市场一断供，采购即刻归零；而英伟达今天收入的主要贡献者是云计算、互联网与产业巨头，资本开支的源头是自身主营业务的经营现金流。客户的质量，在很大程度上决定了铲子生意的久期。这并不构成对芯片股估值的判断，只是想说明：用2000年的剧本线性推演2026年，会漏掉最重要的变量。

三、钱已经在真实流动：四张”工资条”证明AI在赚钱

判断一个行业是真繁荣还是假繁荣，最朴素的办法不是看发布会排场，而是看”工资条”——看链条上谁在赚钱，赚的是不是现金。把AI产业链的四个关键环节逐一查验之后，你会发现这轮热潮与2000年最大的不同：钱已经转起来了。

第一张工资条：卖水人英伟达——单季营收962亿美元，同比增长106%

当地时间8月26日，英伟达发布最新季报：单季度实现营业收入962.21亿美元，环比增长18%，同比增长106%，数据中心收入同比翻倍，大超市场预期（来源：证券时报，8月27日）。拉长看，其2026财年（截至2026年1月）全年收入2159亿美元，同比增长65%（来源：英伟达官网，2月25日）。要知道，英伟达的这些收入不是应收账款堆积出来的估值游戏——客户下单取货，就要真金白银地付款。一家公司单季近千亿美元的硬件收入，意味着下游有等量级的真实采购行为正在发生。

第二张工资条：地主营收租——AI模型公司每赚100美元，35—40美元流向云巨头

巴克莱8月底发布的测算报告揭示了AI产业链内部的钱流方向：AI模型公司每获得100美元收入，其中约有35—40美元会以推理算力费用的形式流向亚马逊AWS、微软Azure和谷歌云GCP三大云平台；在这部分收入中，云服务商能够获得约10—20美元的营业利润，对应约35%—45%的营业利润率（来源：新浪财经，8月30日）。这张账本的意义在于：AI的钱已经不只是”资本开支”的单向流出，而是开始沿着”模型公司收入→云厂商利润”的路径回流——一条自我造血的循环初步成型。

第三张工资条：挖金人OpenAI——年化收入超400亿美元，广告业务200天破10亿

模型层的收入兑现同样在加速。据多家媒体报道，OpenAI年化收入已超过400亿美元，较2025年底的水平翻了一倍，代码代理、订阅与广告三条收入线同时提速（来源：腾讯网，8月14日）。更具信号意义的是广告业务：8月31日OpenAI宣布，ChatGPT Ads平台推出后不到200天，年化收入运行率已突破10亿美元（来源：界面新闻，8月31日）。一家被视为”烧钱机器”的模型公司，靠订阅、企业服务与广告构建起多引擎收入结构，这是2000年的网站们从未做到的事。

第四张工资条：应用层——美股AI应用公司业绩持续验证，传导至国内出海企业

离普通人最近的应用层也在交卷。开源证券8月31日发布的传媒行业研报指出，以Salesforce为代表的美股AI应用公司最新财报与业绩指引持续亮眼，AI应用的产业逻辑正在被财务数据逐季验证，国内出海AI应用公司亦有望迎来AI赋能下的业绩加速（来源：开源证券，8月31日）。应用层的意义在于它是需求的最终出口——工具公司能持续收到企业客户的续费，说明AI已经不是”试一试”的好奇心消费，而是进入了预算科目。

四、需求没有消失，而是换了形态：从”尝鲜”到”付费”的惊险一跃

很多从业者的焦虑来自一种直观感受：”客户突然变抠了。”去年还愿意为概念、为发布会、为”我们有AI了”的标签买单，今年开口第一句就是ROI——能省多少人、能多签多少单、多久回本。不少人把这解读成需求萎缩，但软盟资讯认为，这不是需求消失，而是需求升级：从为好奇心付费，转向为结果付费。这一跃对卖方是残酷的，对行业却是健康的。

中国的政企采购数据把这种换挡刻画得非常清楚。2025年，中国大模型公开招投标项目达7539个，披露金额295.2亿元，同比分别增长396%和356%；应用类项目占比从一季度的44%一路提升至全年的58%，2026年上半年进一步升至60.7%；政务行业成为最大买家，多个亿元级项目集中落地（来源：中财网，7月23日）。请特别注意”应用类项目占比持续攀升”这条曲线——它意味着政企客户的预算正在从买算力、买平台，转向买场景、买应用、买能直接干活的系统。

数据里还有一个细节耐人寻味：单项目中标金额中位数从120万元降至86万元。看空者会读出”竞争加剧、利润变薄”，这当然成立；但我们更愿意给出第二种解读：市场正在从”标杆工程”走向”批量复制”。当一项技术从动辄千万级的示范项目，降维到百万级的常规采购，恰恰说明它从舞台走进了车间、从政绩工程变成了生产资料。更重要的是，86万元的单价，恰好落在大量中小企业客户的预算区间——这个市场正在从”几个大客户”变成”一大群中等客户”。

企业侧的换挡同样明显。以销售场景为例，行业观察显示，汽车、金融、零售、教培等行业的数字化拓客竞争全面加剧，纯人工销售模式线索挖掘效率低下、话术标准不统一的问题日益突出，AI销售助手已经从”可选项”变成”标准化拓客刚需”，企业开始认真比较月付与年付模式的长期成本差异，采购决策从情绪驱动转向精打细算（来源：中关村科金，8月12日）。当客户开始算账，说明他们把它当成了生产工具，而不是玩具——玩具的逻辑是新鲜感，生产资料的逻辑是复购和续费，后者才是可持续的生意。

换挡还有一个更隐蔽的标志：预算科目的迁移。过去两年，多数企业的AI支出挂在”创新预算”名下，归市场部或品牌部管，本质是尝鲜费用，花完即止，可随时归零；如今越来越多的AI支出开始进入”经营预算”，与IT系统、生产设备并列，归IT部门或业务负责人管，按年滚动编制、需要考核回报。两种预算的性质天差地别——创新预算看故事讲得好不好，经营预算看报表跑不跑得出来。从讲故事到跑报表，正是这一轮洗牌的深层分界线，也是”很多公司还没转过来”的真正含义：要转的不是技术栈，而是销售方式、定价方式与交付方式。

这轮换挡必然会淘汰一批公司：那些靠演示视频拿单、靠概念溢价定价、交付后无法兑现效果的玩家，会在客户第一次续费决策时被请出局。很多人把这种”洗牌”误读成”泡沫破裂”，但两者的性质完全不同——挤泡沫淘汰的不是行业，而是从业者中不创造真实价值的那一部分。行业本身的需求曲线，依然在向上。

五、两端都是陷阱：为什么底层和顶层都不属于普通创业者

说清了”产业没有整体泡沫”，接下来的问题更实际：机会在哪里？软盟资讯的答案是，先说清楚机会不在哪里。这条产业链的两端——最底层和最上层——对中小创业者而言，都是看起来诱人、实际上凶险的陷阱。

底层陷阱：算力与基础大模型，是巨头的军备竞赛，普通人连牌桌都上不去。五大云厂商2026年近7000亿美元的AI资本开支，本质上是巨头之间的攻防：谁先停下算力扩张，谁就可能在未来一代模型的竞争中出局，所以谁都不敢停。训练前沿大模型的成本已在百亿美元量级，这决定了入场券只属于极少数玩家。更要警惕的是，国际清算银行警告的”循环融资”恰恰集中发生在这一层——巨头之间互相投资、互相担保、互相采购，账面繁荣环环相扣，而中小投资者和创业者在这场击鼓传花中连座位都没有，音乐停下时却要一起承受系统性冲击的余波。在这一层，普通人能参与的方式只有二级市场持股，那属于资产配置话题，不属于创业话题。

顶层陷阱：纯C端应用，看似门槛最低，实则竞争最卷、付费意愿最弱。打开任何一个应用商店，AI写作、AI绘画、AI陪伴类应用早已千军万马，功能高度同质化，获客成本水涨船高，而C端用户的付费意愿与留存率始终是行业性难题。分发渠道也被卡死在巨头手里：应用商店的推荐位、超级App的入口、大模型厂商自带的原生应用，中小团队的产品随时可能被”模型一次更新”碾过。一个极具信号意义的事实是：连全球最强的C端AI产品ChatGPT都要上线广告业务来扩大变现——Ads平台不到200天年化收入破10亿美元固然亮眼，但它同时说明，纯订阅制在C端的天花板远比创业者想象中低，连OpenAI都要靠广告补齐收入结构。C端是巨头用流量、品牌和资本打底的主场，中小创业者贸然入场，大概率成为分母。

需要说明的是，两端并非绝对禁区：底层存在围绕巨头的”伴生机会”——数据标注、推理优化、边缘部署、机房配套等生意，随着算力扩张水涨船高；C端也确实会出现极少数凭极致产品体验与社区运营突围的黑马。但前者天花板依附于巨头订单，命脉握在别人手里；后者成功率近似彩票，样本偏差极易被幸存者故事放大。主航道与支流的区别，在于确定性，而不在于上限——创业者的第一目标是活到下一个周期，而不是赌一次登顶。

排除了两端，答案就浮出水面：中间层——行业AI解决方案、AI工具与AI服务。中间层的商业逻辑由三种要素相乘而成：一是行业know-how，那些藏在具体产业里、巨头没有也不屑于积累的流程知识、数据语境与合规经验；二是模型能力，API与开源模型已经把顶尖AI能力”民主化”，人人可调用，边际成本极低；三是交付服务，客户要的从来不是参数跑分，而是嵌入自己业务流程的结果。巨头看不上单子太碎的中间层，C端公司做不了需要行业积淀的中间层——这个”巨头没空做、外行做不了”的夹缝，恰恰是中小创业者的主战场。中间层的本质是”翻译”：把通用的模型能力，翻译成具体行业的生产力。

六、三个正在真实赚钱的中间层方向：工具、服务与培训

方向一：行业AI工具——把86万元的常规采购，做成可以批量复制的垂直产品

政企市场应用类项目占比升至60.7%、单项目金额中位数降至86万元，这两条曲线交叉出的空间，正是垂直行业AI工具的黄金窗口：客户要的不是通用大模型，而是”懂我这个行业”的系统。以金融法律领域为例，上海已有AI公司开出月薪1.5万—2.5万元招聘大模型工程师，专门负责金融法律垂直模型的微调、预训练与风险评估、法规适用等场景优化（来源：企查查公开招聘信息，5月）——垂直模型公司批量组建交付团队，说明这类需求已经稳定到值得养团队。

判断一个行业AI工具方向是否靠谱，软盟资讯建议盯住三个标准：场景是否足够窄（窄到巨头不值得做、通用工具够不着），数据是否足够私有（客户自己的业务数据构成了后来者的壁垒），是否嵌入核心工作流（嵌入越深，替换成本越高，续费越稳）。三条都占的方向，即使单笔金额不大，也能靠续费与口碑滚出复利。

从落地的行业分布看，除政务这一最大买家外，金融风控、医疗影像、法律文书、制造质检、跨境电商营销等场景的采购活跃度最高。它们的共同特征是：流程标准化程度高、私有数据积累厚、合规要求强——这些恰恰是巨头通用产品最难覆盖、也最能发挥本地团队与行业渠道优势的地带。换句话说，中间层创业者与巨头之间不是零和竞争，而是生态分工。

方向二：AI提效服务——”一人公司”年入百万，不卖工具，卖结果

如果说行业工具卖的是”产品”，AI提效服务卖的就是”结果”，它的最小商业形态已经出现，而且比多数人想象的更惊人。杭州创业者武培文创办的一人公司Kre.ai，通过搭建AI智能体流水线优化跨境电商广告投放，拿下200万元大单，年营收超百万元，而成本几乎只有服务器费用和AI调用费，实现了”单人抵10人团队、响应快6倍”的交付能力（来源：今日头条，5月6日）。这不是孤例：上海浦东今年上半年AI创客已超过2000人（来源：人民网，8月25日）；佛山南海桂城发布”超级智能体·OPC社区”招募令，用顶级资源扶持”一个人+AI”的超级个体（来源：南方+，8月18日）。”一人公司”（OPC）正在成为产学研与创投界共同关注的创新风口。

AI提效服务的商业本质，是把AI能力以”按效果付费”的方式卖给不愿自己折腾技术的传统企业：帮客户跑广告投放、做内容生产、处理客服与线索清洗，按单结算、按效果分成。它不需要产品化，不需要App，需要的只是把智能体编排、提示工程与具体业务理解打通的交付能力。对个体创业者而言，这是当前启动成本最低、验证周期最短的AI创业形态。

方向三：AI人才培训——53.9%的岗位需求，指向同一个结构性缺口

每一次技术浪潮，最先兑现的都是人才缺口。前程无忧51job于8月25日发布的《2027届校招AI人才市场洞察》显示：AI人才需求持续扩容，头部算法岗月薪起薪已站稳2.7万元；从岗位结构看，AI应用开发工程师（大模型应用、智能体开发等）需求最为集中，占比高达53.9%，AI平台/框架开发工程师占37.5%，数据科学家紧随其后；近三成企业在校招中重点争夺AI人才（来源：前程无忧，8月25日）。请注意这个结构：需求最旺盛的不是造模型的算法研究员，而是“会用模型”的应用工程师——这与前文”中间层才是主战场”的判断完全互洽。

高校的培养体系还在以理论教学为主，企业要的却是能立刻上手做智能体开发、提示工程、AI运营的熟练工，这个时间差就是培训市场的结构性机会：企业内训、垂直技能课程、行业认证、面向传统行业员工的AI转岗培训，需求都在放大。需要提醒的是，培训是典型的顺周期生意——窗口期取决于人才供给缺口的弥合速度，越早入场、越垂直（比如专攻某一行业的AI落地培训），红利期越长。

从形态上看，AI培训正在分化出三个层次：面向高校学生与转行者的就业技能培训，客单价低但流量大；面向企业团队的定制内训，客单价高、决策链长；面向管理层的AI战略工作坊，单价最高、复购最弱。三个层次的获客逻辑与交付成本差异显著，创业者宜从自身行业背景出发选择切入点，避免与追求规模化的通用大课正面竞争。

七、软盟结论：AI没有整体泡沫，挤掉的是故事，留下的是真金

回到最初的争议。”AI有没有泡沫”这个问题本身问错了，更精确的表述应该是：泡沫在估值层，不在产业层；在故事型公司，不在现金流公司。英伟达单季962亿美元的真金白银、云厂商35%—45%的AI业务营业利润率、OpenAI超400亿美元的年化收入、中国政企356%的招投标金额增长——这些是任何泡沫叙事都无法抹掉的产业事实。真正危险的是另一批公司：没有收入只有叙事、没有客户只有估值、把融资当商业模式的企业，它们会在资本市场收紧时最先出清。

接下来的演进路径，很可能不是”一声巨响的崩盘”，而是Fortune策略师所描述、也与市场近期表现吻合的“分层滚动式出清”：讲故事的模型公司估值先行回调，缺乏差异化的C端应用批量退场，算力板块在预期与业绩之间反复摇摆——与此同时，行业工具、提效服务、人才培训这些离交易近、离交付近、离现金流近的中间层生意，受二级市场情绪的波及反而最小，因为它们的客户按效果付费，不按故事付费。

所以，软盟资讯给创业者的结论只有三句话：离交易近一点——客户预算花在哪里，你就站在哪里；离交付近一点——能被验收的效果是穿越周期唯一的船票；离现金流近一点——在这个估值随时重置的时代，现金流本身就是估值。泡沫论的噪音会一直存在，但真东西，才刚刚开始。

最后想对关注二级市场的读者多说一句：产业无泡沫，不等于股价无泡沫。基本面的真实增长与股票的过高估值完全可以并存——2000年互联网确实改变了世界，纳指也确实跌去近八成，两件事同时为真。对普通投资者而言，把”看好AI产业”与”在任何价格买入AI股票”混为一谈，才是最危险的认知混淆。产业判断与资产配置，从来是两门不同的功课。