原文作者：李丹
原文来源： 华尔街见闻
OpenAI 距离 IPO 越来越近之际，一篇长达约 1.5 万字的博客文章再次将 AI 泡沫争议推向高潮。
长期唱空 AI、拥有大量科技行业读者的评论人 Ed Zitron 在日前发布的博文中抛出了迄今最激进的一项判断：真正的 AI 泡沫，本质上就是“OpenAI 泡沫”；如果 OpenAI 最终失败，它将成为 AI 时代的“雷曼兄弟”，不仅会击穿整个 AI 投资逻辑，更可能引发数据中心、AI 基础设施乃至全球科技股的大规模重新定价。
他的这些观点迅速引发金融媒体关注。在媒体看来，Zitron 最核心的观点不是 AI 有没有价值，而是 OpenAI 是否拥有足以支撑整个 AI 资本周期的商业模式 。如果答案是否定的，那么围绕 OpenAI 建立起来的融资、算力投资和资本开支体系，都可能面临连锁反应。
当然，这并非市场共识。包括橡树资本联合创始人 Howard Marks 等投资人近期均表示，相比此前认为 AI 可能只是泡沫，如今更认可 AI 作为通用技术平台（General Purpose Technology）的长期价值，认为当前行业仍处于商业化早期阶段。
AI 泡沫，还是 OpenAI 泡沫？
与多数"AI 泡沫论"不同，Zitron 提出了一个更具冲击性的判断：
真正值得担心的不是整个 AI 行业，而是一家公司。
在他看来，自 2022 年底 ChatGPT 横空出世以来，OpenAI 事实上成为整个生成式 AI 时代的"信用锚"。
投资者愿意相信：AI 会改变世界；超大规模数据中心值得建设；GPU 需求会长期高速增长；超大模型公司终将实现盈利；AI 创业公司能够创造足够大的终端需求。
而这一切，在 Zitron 看来，都建立在 OpenAI 持续高速成长这一前提之上。他认为，OpenAI 不仅定义了当前 AI 热潮，也塑造了资本市场对于整个 AI 产业链的估值逻辑，因此一旦这一核心假设被打破，冲击可能远超一家独角兽企业本身。
换句话说，OpenAI 已经不仅是一家公司，而更像整个 AI 投资周期的"系统重要性机构"。
他为何认为 OpenAI 商业模式存在根本缺陷？
Zitron 的质疑主要集中在三个方面。
第一，是 推理（Inference）成本依然过高。
随着 ChatGPT 用户规模持续增长，每一次用户提问都意味着 GPU、电力和服务器成本持续增加。如果大量用户长期停留在低价甚至免费套餐，而企业级收入增长无法同步覆盖成本，那么规模扩大反而可能意味着亏损扩大。
第二，是 资本开支远快于现金流改善。
目前 AI 行业最大的支出已经不再是模型训练，而是推理算力、GPU 采购以及全球数据中心建设。
OpenAI 及其合作伙伴正推动数百亿美元甚至更大规模的数据中心投资，而这些项目通常需要多年才能收回成本。如果未来 AI 需求增长不及预期，大量基础设施可能出现利用率下降的问题。
第三，则是 持续依赖外部融资。
Zitron 分析称，他认为 OpenAI 未来多年仍将需要持续融资，以覆盖模型研发、算力采购和基础设施建设等支出；如果资本市场风险偏好下降或融资环境收紧，其商业模式将面临更大压力。
这些观点目前仍属于 Zitron 个人判断，并未得到 OpenAI 方面认可，但确实反映了市场近期围绕 AI 资本回报率（ROI）的争论。
为什么 Oracle、CoreWeave、数据中心运营商成为焦点？
相比 OpenAI 本身，Zitron 更担心的是产业链的杠杆效应。
过去两年，美国科技行业掀起了史无前例的数据中心建设潮。
微软、谷歌、Meta、亚马逊等超大规模云厂商（Hyperscalers）纷纷提高资本开支；与此同时，甲骨文、CoreWeave 等公司则承担起越来越多 AI 算力建设任务。
这些项目大量依赖：长期租赁、项目融资、私募信贷、企业债、大规模资本开支。
如果未来 OpenAI 等核心客户需求低于预期，或者资本市场重新评估 AI 回报率，那么数据中心资产利用率、租赁合同乃至融资能力都可能受到影响。
媒体指出，Zitron 认为，OpenAI 一旦出现重大挫折，Oracle、CoreWeave 等依赖 AI 基础设施需求增长的企业可能首当其冲，因为此前市场给予这些公司的高估值，很大程度上建立在 AI 需求持续爆发的预期之上。
当然，目前包括微软、Meta、Alphabet 等科技巨头仍在持续扩大 AI 资本开支，并普遍强调 AI 基础设施投资符合长期战略，因此市场尚未出现资本开支全面收缩的迹象。
Anthropic、软银为何也被卷入讨论？
除了 OpenAI 之外，Zitron 还将矛头指向 Anthropic。
他的理由是，两家公司虽然采取不同发展路径，但共同特征都是需要持续投入巨额资金建设模型、采购算力，并依赖大型科技公司提供计算资源和融资支持。如果未来 AI 商业化速度低于预期，两家公司都可能面临盈利压力。
另一家被反复提及的是软银。
近年来，软银重新回到大型 AI 投资前台，积极参与 AI 基础设施、芯片和模型公司的融资。
如果 AI 行业未来进入估值调整周期，软银庞大的 AI 资产组合自然也将成为市场关注对象。不过，目前软银方面仍坚定押注 AI 长期发展，并将其视为下一轮科技革命的重要方向。
AI 交易是否已经过热？
事实上，围绕 AI 是否进入泡沫阶段，华尔街争论已持续一年多。
支持"泡沫论"的一方认为：
- AI 基础设施投资增速远快于收入增长；
- 大模型盈利模式仍未完全验证；
- 数据中心资本开支创历史纪录；
- 市场估值越来越依赖未来数年的增长预期。
乐观派则认为：AI 属于典型的通用技术革命，与互联网、电气化类似，前期投资往往远超短期收益，但长期能够创造新的产业和商业模式。
Howard Marks 近期便表示，他已经从最初怀疑 AI 可能只是泡沫，转向更加认可其长期价值。他认为，现代 AI 展现出的推理、上下文理解和交互能力具有前所未有的特征，因此不能简单类比历史上的投机泡沫。
部分学术研究也提出更为中性的结论：当前 AI 市场既存在真实的技术进步，也存在局部估值过热和资本开支超前的问题，因此更接近"技术革命叠加局部泡沫"，而非单纯的投机狂热。
真正值得关注的，不是 OpenAI 会不会倒下
无论是否认同 Zitron 的判断，他提出的问题正在成为越来越多投资者关注的焦点：
AI 投入究竟何时能够兑现为稳定现金流？
过去一年，资本市场几乎默认 AI 资本开支越高越好。
但近期，无论是芯片股、服务器厂商还是云计算企业，投资者都开始更加关注另一组指标：企业 AI 收入增长；AI 产品付费率；推理成本下降速度；数据中心利用率；AI 投资回报周期。
如果这些指标持续改善，那么当前巨额资本开支可能最终证明是一次类似互联网时代的前瞻性投资；但如果商业化速度长期落后于投资扩张，市场对 AI 交易的估值逻辑也可能面临重新校准。
因此，Ed Zitron 的长文真正引发讨论的，并非“OpenAI 是否一定会成为下一个雷曼兄弟”，而是它再次将 AI 时代最核心的问题摆到投资者面前：当资本支出持续刷新纪录之后，现金流和盈利能力究竟能否跟上。这一问题的答案，或许才将决定未来几年全球 AI 交易的真正走向。