AI革命的真正危机：不是没用，而是来得太慢
AI这场技术革命，走到哪一步了？04
66号空间｜产业与资本观察
关键词：AI商业化｜泡沫裂缝｜时间差｜Webvan｜技术周期
阅读预计时间：约12分钟
核心总结在留言置顶处，如需看请下滑
投资学习AI怕踩亏？先跟我学一套认知体系，免费！预告篇
技术革命系列（01）-AI明明有用，为什么我还是觉得哪里不对劲？
技术革命系列（02）--产品还没完全赚钱，钱为什么已经先疯了？
AI这场技术革命系列（03）-为什么每次新技术爆发，大家总是先疯狂修路？
⸻
上一篇，我们讲到一个问题：
为什么每次新技术爆发，大家总是先疯狂修路？
铁路时代，是铁轨。
互联网时代，是光纤。
AI 时代，是 GPU、数据中心、云、电力和网络。
资本进入一场技术革命之后，通常不会先等应用完全成熟。
它会先冲向最像“未来底座”的东西。
因为应用有不确定性，但基础设施看起来更确定。
不管未来哪个应用赢，好像都要用路。
问题是，路修起来以后，真正的考验才刚开始。
车会不会来？
货会不会来？
车流量够不够大？
收费能不能覆盖建设成本？
修路的人能不能等到那一天？
所以这一篇，我们继续往前看。
如果技术方向没有错，泡沫为什么还会破？
这也是很多人看 AI 最容易忽略的一点。
很多泡沫不是破在技术没用。
而是破在：
未来可能是真的，但现实来得没资本想得那么快。
⸻
01
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
很多人讨论泡沫，喜欢问一个问题：
AI 到底有没有用？
这个问题当然重要。
但它还不够。
因为很多泡沫不是死在“没用”上。
而是死在“太早”。
方向可能是对的。
需求可能是真的。
未来可能会发生。
但商业化、客户付费、组织重构、基础设施利用率、现金流回收，全都需要时间。
资本最容易犯的错误，就是把“未来会发生”，误读成“马上会发生”。
这两个判断之间，差了很多年，也差了很多钱。
真正值得转述的不是一句判断，而是先把“方向”和“速度”分开。
比如今天 AI 的很多讨论也是这样。
AI 会提高效率吗？
大概率会。
AI 会进入企业流程吗？
大概率会。
AI 会改变软件、客服、研发、内容、教育、数据分析吗？
也大概率会。
但接下来还有一串更现实的问题：
企业愿意为它付多少钱？
这个钱能不能覆盖推理成本？
AI 输出能不能进入正式流程？
组织愿不愿意调整岗位和责任？
客户到底是尝鲜，还是长期依赖？
基础设施利用率能不能撑住折旧和融资成本？
这些问题不如“AI改变世界”好听。
但泡沫往往就裂在这里
不是裂在愿景上，
而是裂在兑现速度上。
⸻
02
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
我自己看 AI，有一个很强的感受：
它不像一个没人用的概念。
这点和很多纯泡沫不一样。
很多人真的在用。
很多企业真的在试。
很多产品确实提升了部分效率。
但另一方面，使用增加，不等于商业闭环已经跑通。
企业 AI 最难的地方，不是让员工试一下，而是让它进入稳定流程。
写一段文案，可以。
总结一份材料，可以。
做一个会议纪要，可以。
帮程序员补一段代码，也可以。
但如果要它真正进入销售、风控、财务、审批、研发、客服、供应链这些正式流程，问题马上变复杂。
它要接数据。
要接系统。
要有权限。
要有审计。
要有责任人。
要能稳定输出。
要能解释错误。
还要证明投入产出比。
这就是为什么 AI 现在会出现一种很矛盾的状态：
一边是很多人在用。
一边是很多企业还没真正把它变成利润表上的确定结果。
2025 年，Fortune 报道 MIT 相关研究时提到，许多企业生成式 AI 项目没有产生预期的财务影响，核心问题并不只是模型能力，而是企业集成和组织学习之间存在缺口。
这个判断其实很重要。
因为它说明 AI 落地的瓶颈，已经不只是“模型会不会回答”。
而是：
组织能不能把 AI 接进真实生产。
这一步，比做一个 Demo 难很多。
看到这里，其实已经能分辨：AI 的难点不只在模型，而在组织能不能接住。
⸻
03
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
金融资本可以提前买未来。
但它不是无限耐心。
它可以接受不确定性。
但它不能永远接受“以后会很好”。
当大量钱已经投进去，市场迟早会开始追问：
收入在哪里？
利润在哪里？
客户在哪里？
利用率在哪里？
现金流在哪里？
回本周期在哪里？
这时候，泡沫就进入危险阶段。
不是因为故事突然消失了。
而是因为故事开始被现实检查。
路透社 2026 年 5 月的一篇评论提到，AI 相关资本开支规模已经极大，分析师预计 2026 年 AI 相关资本开支约 8000 亿美元，2027 年可能超过 1 万亿美元；市场一边相信 AI 革命，一边也在反复担心支出和回报之间能不能匹配。
这就是典型的时间差压力。
资本支出是今天发生的。
折旧是今天开始算的。
债务成本是今天要付的。
数据中心要今天建设。
GPU 要今天购买。
电力要今天锁定。
但需求释放、企业流程改造、客户长期付费、利润率改善，可能是几年之后的事。
中间这段空档，就是泡沫最容易裂开的地方。
所以我觉得，今天看 AI，不能只问：
未来有没有需求？
还要问：
未来需求来得够不够快，能不能接住今天已经投下去的钱。
⸻
04
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
讲“时间差”，Webvan 是一个很典型的历史镜子。
Webvan 是互联网泡沫时期最有名的在线生鲜配送公司之一。
它的想法今天看起来并不荒谬：
用户在线下单，平台负责仓储、分拣、配送，把生鲜杂货送到家。
你看，今天即时零售、生鲜电商、前置仓、到家配送，已经不是陌生东西。
所以 Webvan 最大的问题，不是它想象的未来完全不存在。
问题在于，它在那个时代，用太重的方式，太快地押注了一个还没成熟的市场。
Wharton 对 Webvan 的回顾提到，Webvan 烧掉约 12 亿美元资本后，在 2001 年 7 月申请破产。
SFGATE 当年的报道也写到，Webvan 关闭业务并计划申请 Chapter 11 破产保护，同时裁员，包括旧金山湾区约 900 名员工。
现在回头看，用户并不是永远不需要线上买菜。
配送也不是永远没有价值。
本地生活和即时零售后来都发展起来了。
但 Webvan 没等到那个时代真正成熟。
它提前建设仓储系统，提前扩张城市，提前承担重资产成本，提前把未来需求当成当下现实。
结果就是：
未来可能对了。
公司死在路上。
这才是时间差最残酷的地方。
方向正确，不等于节奏正确。
这类历史镜子最适合提醒一件事：看对未来，也可能输在节奏。
⸻
05
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
AI 和 Webvan 当然不是一回事。
不能简单类比。
AI 的技术外溢更强，基础设施层级更大，参与者也更复杂。
但“时间差”这个问题是相通的。
AI 今天面临的不是“有没有未来”。
而是：
未来足够大，但今天的建设成本、估值水平和商业化速度之间，能不能对得上。
比如一个 AI 应用很好用，但用户只愿意每月付几十块钱。
它背后的推理成本、获客成本、研发成本、云资源成本，能不能撑住？
比如一个企业 AI 项目看起来很先进，但客户内部流程不改，数据不通，权限不放，最后只能停留在试点。
那它能不能转成大规模收入？
比如一个数据中心项目押注未来 AI 需求，但客户没签长期合同，或者电力成本太高，或者 GPU 折旧太快。
那它能不能等到需求成熟？
比如一家模型公司技术很强，但竞争太激烈，价格不断下降，客户又不愿意为模型本身支付高溢价。
那它能不能把技术优势转成长期利润？
这些问题都不是在否定 AI。
恰恰相反，只有承认 AI 有用，才更需要认真问这些问题。
因为真正危险的地方，不是没人相信。
而是所有人都相信以后会更好，于是今天先把钱花出去了。
⸻
06
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
读到这里，你以后看到 AI 项目，不要只问：
它有没有用？
可以多问三个问题。
第一，它有用到什么程度？
是提高一点效率，还是不可替代？
是员工尝鲜，还是企业流程离不开？
是锦上添花，还是成本结构被它改变？
很多产品不是没用，而是不够有用。
不够有用，就很难支撑过高估值和过重投入。
第二，客户愿意现在付多少钱？
未来价值很大，不等于今天客户愿意高价付费。
很多企业嘴上说拥抱 AI，但预算、采购、合规、安全、流程改造，都要一点点推进。
如果客户付费速度慢，资本支出速度快，中间就会形成压力。
第三，这个项目能不能等到需求成熟？
这是最现实的问题。
AI 应用可以等，模型公司不一定等得起。
数据中心可以等，债务成本不一定等得起。
创业公司可以讲未来，但现金流不一定等得起。
很多泡沫，不是死在“永远没有未来”。
而是死在：
未来还没来，钱先烧完了。
⸻
07
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
我觉得这一点特别重要。
如果未来 AI 市场出现一次比较大的回调，很多人一定会说：
你看，AI 果然不行。
但这种说法可能太粗。
泡沫破裂有很多种原因。
有的是技术方向本来就是错的。
有的是产品根本没有需求。
但也有一种更常见：
技术方向没错，需求也存在，只是资本把兑现时间想得太短。
这时候破裂的，不是技术本身。
而是三个东西：
第一，过高的估值。
第二，过快的扩张。
第三，过满的预期。
这也是为什么我越来越觉得，讨论 AI 泡沫时，不能只问“真假”。
真假只是第一层。
更重要的是问：
价格有没有提前太多？
基础设施有没有建设太快？
商业化有没有跟上？
客户付费有没有兑现？
组织改造有没有发生？
成本曲线有没有下降？
这些问题，才真正决定泡沫会不会裂。
真正值得带走的，是这套判断顺序，而不是某个情绪化结论。
⸻
08
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
写到这里，我对第四篇的判断比较明确。
我不觉得 AI 没用。
相反，我觉得 AI 的长期影响大概率会很深。
但越是这样，越要小心另一个问题：
长期影响很大，不代表短期兑现很快。
资本市场最喜欢把未来压缩到今天。
它会把五年后的需求，提前算进今年的估值。
把十年后的基础设施利用率，提前算进今天的建设规模。
把未来企业流程重构后的效率，提前算进今天的公司收入。
但现实世界不是 PPT。
现实世界有预算周期。
有采购流程。
有组织惯性。
有责任边界。
有系统集成。
有客户教育。
有成本曲线。
有监管摩擦。
这些东西都会让技术革命变慢。
不是阻止它发生。
而是让它不可能按资本想象的速度发生。
所以，AI 最危险的地方，也许不是它没用。
而是它可能真的有用，但现实世界吸收它的速度，没资本想得那么快。
⸻
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
很多泡沫不是破在方向错。
而是破在时间差。
未来可能是真的。
需求可能是真的。
技术可能是真的。
但如果现实兑现速度跟不上资本下注速度，泡沫一样会裂。
所以以后看 AI，不要只问：
它有没有未来？
还要问：
这个未来来得够不够快，能不能接住今天已经投下去的钱。
⸻
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
如果泡沫真的破了，会发生什么？
是不是就说明这场技术革命失败了？
不一定。
有时候，泡沫破裂不是终点。
它反而会让真正有用的东西露出来。
下一篇，我们继续看：
泡沫破了以后，别急着笑，真正有用的东西才刚露出来。