最近一周，具身智能赛道的热度仍在持续升温。量产方面，包括智元、宇树、松延动力等多家人形机器人厂商宣称要在2026年完成万台交付。从融资数据来看，有统计显示，仅2026年3月，国内具身智能行业发生投融资事件40多起，较去年同期翻倍；投融资金额达140亿元，是去年同期的2.8倍。
当“万台量产”、“融资加速”成为主流叙事，人形机器人是否真的接近商业化拐点？
“即便今年很多厂商冲万台，人形机器人也未必真正进入商业化拐点。”瑞银证券中国工业行业分析师王斐丽日前在接受澎湃科技（www.thepaper.cn）采访时判断。
王斐丽毕业于上海交通大学， 2017 年 9 月加入瑞银，负责中国机械行业研究分析工作。在此之前，她是德意志银行中国工业团队的一员，负责铁路、收费公路和工程机械行业分析。
在她看来，相比融资额、估值和出货量，更重要观察的指标是机器人能否真正进入工厂或商业场景“干活”，以及客户是否会持续复购。当前的市场热度中，有相当一部分需求并非来自真实终端市场。
相当一部分需求仍停留在“为未来做准备”
王斐丽指出，当前大量出货并未真正进入工业或商业场景，而是流向科研机构、数据采集中心、文娱表演等“非工作型”用途，而非作为可以稳定工作的生产工具。
这一判断也可以从部分头部企业披露的客户结构中得到印证。以宇树科技为例，其招股书显示，当前最大客户群体仍为高校及科研机构，主要用于算法研究与二次开发，而非直接部署于生产一线。
2025年，优必选累计拿下人形机器人订单近14亿元，梳理大单可以发现，其采购方多为地方政府主导的具身智能数据采集与测试中心，其中包括2.5亿元单笔合同，以及中标广西防城港2.64亿元项目。与工业订单的逻辑不同，这类采购的核心目的并非替代人工或进入生产线，而是用于采集真实场景数据、建设示范基地及承接产业政策。换言之，机器人在这些场景中的主要任务是“被训练”，而非“去工作”。
科研和数据采集固然有价值，例如模型训练，但本质上并不构成商业化终端需求。 在王斐丽看来，当前相当一部分需求停留在“为未来做准备”的阶段，用于突破大脑技术和数据缺乏的瓶颈。
王斐丽认为，人形机器人会先在技术门槛低的简单应用场景采用（如导览和娱乐等商业场景），但这类需求市场空间有限，难以成为长期增长的主引擎。长期来看，家庭场景是人形机器人最具有潜力的市场。
在真实的工业场景中，客户的决策逻辑更加直接——只看两件事：能不能完成工作，经济性是否成立。未来需要持续关注产品交付后的落地表现以及后续的产品订单。如果缺乏持续复购，可能只是一次性试验性采购，产品或还未达到下游客户的要求。
从目前披露的信息来看，人形机器人在工业场景中的“复购”仍然较为有限。除优必选与车厂形成小规模试点合作外，其他头部厂商的工业落地仍更多停留在早期阶段。
例如，智元机器人在2025年10月宣布与消费电子企业龙旗科技合作，在平板等消费电子产线部署近千台人形机器人，用于柔性抓取、多工位协同等环节；智平方与面板制造企业惠科股份旗下子公司签署三年期合作协议，计划部署超过1000台机器人，覆盖仓储、上下料、质检等环节，但更多属于“前置锁单”，实际落地仍需分阶段推进；松延动力在2025年虽披露超过2000台订单，但应用场景主要集中在商业展示、文旅及轻工业领域，而非标准化工业产线。
整体来看，当前行业的订单仍以“验证性采购”为主，而非基于生产力需求的扩张性采购。
相比其他机构，瑞银对于2026年机器人企业的整体出货量预期相对保守。瑞银证券估计，2026年全球人形机器人出货量3万台左右。
在工业场景尚未跑通、复购仍未形成以及大脑技术和数据瓶颈尚需突破的背景下，人形机器人整机厂商的长期胜负也因此变得更加难以判断。
王斐丽坦言，目前人形机器人仍处于早期阶段，短期来看， 采用聪明策略（如：目标用于二次开发或实现简单场景的人形机器人）的整机厂商或能优先实现商业化。“但我们认为这些方法并不能保证他们长期成功。未来几年，我们认为人形机器人整机厂商的财务回报可能会受到压力，因为企业可能需要在产量起飞前投入大量研发资金用于产品开发和下游开拓，相比之下核心零部件厂商或具有优势。当然从长远来看，我们认为整个行业链的主导地位可能会从上游零部件转向中游整机厂商，但‘目前尚难判断谁会胜出’。”
核心零部件厂商或具有优势
早在今年1月14日的瑞银大中华研讨会上，王斐丽就指出，当前部分厂商在产品形态和能力上已出现一定程度的同质化，如果缺乏核心技术壁垒、产业协同优势，资金或稳定客户资源，不少初创公司或将面临生存压力。
相比之下，她认为未来3-5年核心零部件厂商具有优势，尤其是传感器、关节模组中的滚柱丝杠和减速器，以及“大脑”侧的芯片。“当前软件路线仍在快速迭代，大模型能力与技术路径尚未收敛，整机厂商的优势格局仍不清晰；而关键硬件部件的需求更具确定性。在技术路线尚未统一、整机产品同质化较高的背景下，核心零部件更容易提供可验证的产业价值。 ”
这一趋势在融资与资本流向上也有所体现。近期披露的多轮融资中，除整机厂外，核心零部件及算力相关环节持续获得资金关注。以灵巧手赛道为例，2026年以来多家企业完成大额融资，其中灵心巧手完成约15亿元B轮融资，成为当期热门项目之一；与此同时，AI芯片领域亦持续升温——算苗科技在4个月内完成两轮融资，累计金额近10亿元；此芯科技完成近10亿元B轮融资；清微智能则完成超过20亿元C轮融资，估值突破200亿元。
关于成本与供应链，王斐丽认为，随着行业逐步放量，硬件端将走向规模化与低成本。在当前阶段，她认为上游零部件企业应具备以下特征或具备优势：拥有较强核心业务（非人形机器人）前景；在人形机器人部分，它们从事研发和生产具有高入门门槛的产品或能够进入海外供应链体系。此外，也需要关注那些不急于绑定单一客户，而是致力于推动产品标准化、具备跨客户供货能力的零部件公司。
万台量产，确实是人形机器人迈向规模化的重要一步，但这更多是供给侧的进展。对市场而言，更具决定性的仍是需求侧的验证——机器人能否真正进入生产环节，并在真实场景中持续“干活”。真正的拐点，或许不会出现在出货量跃升的那一刻，而是在工业客户开始稳定复购、机器人在工厂中形成可复制应用的那一天。
北京银河通用机器人有限公司（以下简称“银河通用”）创始人兼CTO王鹤做客上海科技大学。 澎湃科技记者 喻琰拍 图
4月9日，北京银河通用机器人有限公司（以下简称“银河通用”）创始人兼CTO王鹤做客上海科技大学，围绕“具身智能的生产力新纪元”主题和上海科技大学的师生展开对谈。在此之前，银河通用刚刚完成新一轮25亿元的融资，估值超过了200亿元，位居人形机器人创业公司估值前列。
对谈中，王鹤直言，2026年整个行业都在摸索“机器换人”的时间点。
他反复提及人形机器人的“成本账”、成功率、部署条件和真实场景里的稳定运行。某种程度上，这也折射出当下人形机器人赛道正在进入的新阶段：从比拼技术概念、模型参数和舞台展示，转向比拼谁能以可控成本量产“干不同活”的能力，谁能更早摸到机器换人的临界点。
以下是圆桌对谈问答（略有删减）：
5年内养老院场景有望实现上万台人形机器人出货
提问：从实验室里的样品，到一个真正可落地、能连续运行千次、万次，甚至稳定工作几百小时都不出问题的产品，中间存在很大的鸿沟，银河通用如何弥补这道鸿沟？
王鹤：我作为一个学者出来创业的人，刚开始面对市场和产品时，确实会比较陌生，甚至会有些无助。
最开始融资时，一个知名美元基金的投资经理疯狂批评我说，我们这个产品根本不实用，没有任何客户会买单。我一开始也不服气，但他让我们必须想清楚，什么样的产品才能让别人愿意用、用得起。
创业初期，作为一个学术界出来的人，确实比较struggle（挣扎） ，你不能把自己的研究成果当成客户愿意买单的产品。客户要买的产品，就得做到比如连续多少小时没有任何机械故障。
提问：未来几年银河通用有什么具体的落地场景？选用这些场景背后的逻辑是什么？
王鹤：人形机器人最终的市场规模会非常大。大家普遍认可的一种判断是它可能会是“手机的量级、汽车的价格”。现在开始，我们必须找到走过去的路径。
我们已经落地药店，药店本质上属于仓储零售场景。接下来，我们也会继续在零售行业拓宽落地。因为相较工业场景，零售场景对误差的容忍度相对更高一些，不太会出现特别严重的安全事故。
长期来看，腿式人形机器人在娱乐和教育领域也会有一定的出货量，像打网球这类场景，我们也希望机器人作为体育陪练落到运动市场。
总的来讲，未来五年，机器人会百花齐放，干什么都有；但最终比拼的，还是谁能真正把人形机器人送进家里。
提问：送进家里，您觉得需要几年？
王鹤：可以往前倒推一步，比如送到养老院等康养场景。目前这条路不能说完全清晰，但已经开始试点了，包括做诊间陪护。乐观估计，未来三年内可能会有千台以上的出货量，5年上万台进入养老院也很有希望，进了康养场景才有可能进家。
提问：从大语言模型到世界模型（world model），大家容易认为只要不断堆数据，就能实现泛化。但真实的问题在于，这套方法到了机器人场景里并不一定也能成立。机器人面对的是文本、图像和动作共同耦合的任务，维度更高，也更复杂，而目前这个领域其实还没有形成特别成熟的训练范式。
我们可能需要换一种思路，去寻找一套新的范式，让机器人能够更快适应新任务、新环境。
王鹤：完全认同。2026年（机器人）行业的重点，在于能不能摸索出以可控的成本量产各种各样不同“干活能力”的机器人。今年整个行业都在通过无本体数据、具身大模型、合成数据等方式，一起摸索机器换人的时间点。
目前的瓶颈之一，是硬件尚未具备接近人类的感知能力
提问：您说目前的机器人可以达到2万小时无故障，成功率99点几%。这种性能已经远远超过人类了，但为什么我们没有真正在学校一类的场景中见到它落地？
王鹤：人形机器人吃足够的数据，在一件事上可以超越人。但人类的强点是通用：经过几小时培训能胜任绝大多数低水平工作。今天没有任何具身大模型能做到几小时培训就胜任。人类小样本快速学习能力，机器人还达不到。
提问：您觉得目前真正的痛点是在数据上还是模型的泛化能力上？
王鹤：有好几个原因。但很关键的是硬件很多没有人类感官，比如触觉。人类指尖触觉神经密集，要有压觉、滑觉、纹理感知、耐用不坏的皮肤，现在没有。要么有但易坏，要么只能感知正压力。
没有精细传感器，机器人上限达不到人类，也采集不到数据。人形机器人的通用性，是随着硬件接近人类性能和数据大规模采集而向人类靠近的，不是单方面问题。模型架构和训练方法也在探索期，但远期不是制约，前面条件具备了都能摸索出来。
杜绝“无门槛创业”
提问：回顾您个人的发展路径或科研路径，对于一个想要科技创业的学生，有什么个人发展上的经验可以分享？
王鹤：对于想要创业的同学，我说两句话：第一，技术产品化对社会经济有贡献，基础研究是源头。第二，要杜绝无门槛创业。现在很多博士生收到投资人邮件让退学创业，但投资人可能只会给你很少的钱，把估值拉高后套现走人，你被撂下。所以不要把平台能力当自己能力，而是要积累自己的门槛和壁垒，否则只是帮投资人挣钱。比尔·盖茨、马斯克退学创业成功了，但大把退学的人可能什么都没有。要综合评价能力、做的事、建立的壁垒，决定在什么时间点创业，才能厚积薄发。
今天（14日）我国最大规模科学智能计算集群在位于郑州的国家超算互联网核心节点投入使用。这标志着我国在人工智能驱动科学研究算力基础设施领域实现关键突破，将助力我国抢占人工智能产业应用制高点。
当前，全球正迎来第五代科学研究范式革命，人工智能驱动科学研究，已成为全球科技竞争的制高点，其规模化落地离不开高端普惠算力的支撑。今年2月5日，国家超算互联网核心节点率先上线试运行，初期开放由超3万张国产AI加速芯片组成的超级计算集群，提供大规模AI算力；4月14日，AI加速芯片升级到6万张，推动超算互联网构建起国内最大规模的科学智能计算基础设施，并启动“超级科学计算智能体”战略。
据了解，该核心节点构建了“数算模用”一体化国产普惠生态，汇聚多元数据集及工具、上千款开源大模型，可实现快速部署开发。在超算互联网平台上，用户无需面对软件配置与IT流程，只需通过自然语言提出需求，通过“超级科学计算智能体”便可自动拆解任务、调用模型、调度算力，完成端到端交付，科研任务完成时间将极大缩短。
该集群的建成，实现了从通用人工智能到人工智能驱动科学研究的全栈超智融合能力升级，为全国算力统筹提供了可复制经验。未来，该基础设施将持续坚持开放路线，覆盖科研与产业全场景，提供普惠易用的服务，助力我国在人工智能领域实现更大突破，抢占全球科技竞争先机。
截至3月3日，上交所融资余额报13338.64亿元，较前一交易日减少98.23亿元；深交所融资余额报12914.91亿元，较前一交易日减少126.55亿元；两市合计26253.55亿元，较前一交易日减少224.78亿元。
·当前AI热潮虽然具备历史性泡沫的所有特征，但这并不仅仅是简单的“科技股炒作过热”。AI行业的规模更有可能在继续发展壮大的同时，实现结构性的分化式调整。
2025年第四季度以来，伴随着主要科技股的一系列回调，“AI泡沫论”甚嚣尘上，引起了业界广泛的讨论。OpenAI首席执行官山姆·阿尔特曼承认，投资者作为一个整体对AI"过度兴奋"。微软联合创始人比尔·盖茨也将当前的AI热潮类比为二十多年前的互联网泡沫。
几乎所有人都在谈论泡沫的存在，却没有人愿意停止投资。资金继续涌入，估值继续攀升，狂热继续蔓延。“美股七雄”——苹果、微软、谷歌、亚马逊、Meta、英伟达和特斯拉的合计市值一度占据标普500指数总市值的三分之一以上。英伟达市值一度达到史无前例的5万亿美元。OpenAI的估值在短短数年间从数十亿美元跃升至五千亿美元，尽管该公司从未实现盈利，且预计在未来数年内仍将持续亏损。OpenAI董事长布雷特·泰勒概括了这种矛盾："AI将改变经济，我相信它会像互联网一样在未来创造巨大的经济价值……但我们同时也在一个泡沫之中，很多人将损失大量金钱。"
一方面，由于ChatGPT等生成式AI工具的普及，我们每个人都能在日常生活中直观感受到生产力的提升；另一方面，估值过高的股价、惊人的烧钱速度、模糊的盈利模式正让全球的投资者越来越不安。悲观者指出，AI初创公司普遍亏损，科技公司对基础建设的投入狂飙不止，“提供服务的成本高于价格”的商业模式不可持续；乐观者则坚信这是生产力的革命，PitchBook最新数据显示，未来五年仅Hyperscalers（超大规模云厂商）的资本支出就将高达6.4万亿美元。
1、AI泡沫是否存在
要回答AI泡沫是否存在，我们首先需要一个可靠的评估工具。美国马里兰大学商学院的布伦特·戈德法布（Brent Goldfarb）和戴维·A·柯施（David A. Kirsch）在其2019年出版的著作《泡沫与崩盘：技术创新的繁荣与萧条》中，提出了一个评估技术泡沫的四因素框架。这个框架被用来分析从电气照明到航空业再到互联网的历史性技术热潮，并将其在0到8分的量表上进行排名。
这四个因素分别是：
不确定性。这是技术泡沫的基石。它指的是围绕一项创新如何转化为实际业务、将取代价值链的哪些部分、竞争者数量以及实现预期成果所需时间的模糊性。当一项技术的商业价值和变现模式极度模糊时，投机空间就会急剧扩大。
AI技术的商业变现模式模糊，成本目前高于客户支付的费用，用户增长即意味着亏损扩大。MIT研究显示，95%采纳生成式AI的公司尚未从中获利，只有个位数到低两位数的企业看到了大规模的持续投资回报率。
估值最高的AI独角兽OpenAI推销“先构建通用智能（AGI），再谈盈利”的叙事。这种模式在财务上表现为巨大亏损。OpenAI最新一季度的亏损约115亿美元，而其2025年整年的预计营收仅为130亿美元。OpenAI预计未来几年将持续出现巨额年度亏损，2028年的营运亏损将高达740亿美元，预计要到2030年才会转正，到那时其年营收将达到2000亿美元，并在2029或2030年开始现金流转正。在长期商业模式尚未明确的情况下，这种依赖股东补贴用户的模式不可持续。
投资规模与实际收入之间存在巨大缺口。大型科技公司预计到2028年将投入高达3万亿美元用于AI基础设施建设，然而目前AI的年收入仅约为500亿美元。摩根大通估算，要让这些投资获得10%的回报，AI每年需要创造6500亿美元的收入——是当前水平的13倍。
纯粹投资标的盛行。这是指那些命运与特定创新紧密捆绑的公司，它们是将宏大叙事转化为实质性投资的核心载体。在历史上的每一次技术泡沫中，都会涌现出一批这样的公司，吸引投资者将赌注押在某项技术的成功上。
二级市场资金过度集中于英伟达等“纯粹”标的。一级市场则超过一半的风险投资流向AI公司。即使无清晰盈利模式，初创公司估值亦能短期翻倍。OpenAI和Anthropic的估值已分别飙升至5000亿美元和3500亿美元。AI公司的估值已经反弹并超过了2020年至2022年零利率政策时期科技泡沫的价格。
新手投资者。大量缺乏经验的投资者涌入市场，将资金投入到他们并不真正理解的领域，这显著增强了泡沫膨胀的能力。当投资门槛降低、参与变得容易时，这种力量会被进一步放大。
英伟达成为散户交易量最大的单一股票。大批缺乏专业定价能力的散户涌入，加剧了市场的非理性繁荣。鉴于AI是一个如此新且不确定的领域，从某种意义上说，每个人在AI领域都是“新手投资者”，因为没有人确切知道这项技术将如何演变，即便是专业投资机构的基金经理也面临知识盲区。大批散户投资者正通过E-Trade和Robinhood等应用向AI领域注入资金，将积蓄投入到对"通用超级智能"的模糊承诺中。
强大的叙事协调。强大的叙事能够协调和统一投资者的信念，将投资潜力推向"无限"的境界。故事讲得越好、越宏大、越令人激动，泡沫膨胀的动力就越强。
技术突破提供了叙事的基础，“Scaling Law”（规模定律）为不计成本的投资提供了理论依据。大语言模型展示出的涌现能力——即在规模扩大后突然出现的、训练时未明确教授的新能力——让人们开始相信，只要持续扩大模型规模和训练数据，就可能实现通用人工智能。
AI对投资者的承诺是近乎无限的，甚至是"不可知"的。硅谷叙事认为AI是解决所有问题的关键，构建了“AGI即将到来”的必然性叙事——它将能够完成人类几乎所有的任务，彻底改变所有行业。这种叙事将AI的潜力推向了极致，声称AI将治愈癌症、解决气候变化，取代企业的各类人员——从职能人员到CEO，甚至创造一个“数字上帝”，这种信仰能够证明任何金额的支出都是合理的。在大国间的科技竞争中，AI被拔高到了战略核心级别的地位。这种宏大叙事，使得任何高估值似乎都变得合理，成功协调了全球投资者的信念。
将这个框架应用于当前的生成式AI热潮时，四个标准都符合现实情况，即使它不是满分8分，它也完全具备一个历史性泡沫的所有特征。
在金融意义上，“泡沫”并不等同于“骗局”或“无价值”。它更接近一个结构描述：资产价格明显偏离可合理解释的长期现金流，并由融资、预期与竞争行为形成自我强化。
所以，讨论AI泡沫并不是要判断AI能不能用——AI当然能用，而且会越来越能用。真正需要回答的是：现在付出的价格，是否过早地购买了过长周期的未来？扩张速度是否显著快于兑现速度？当融资条件变化、预期回调时，产业链条会以什么方式出清？
2、泡沫延续的逻辑
对于科技巨头们来说，越智能的模型越具有商业价值，这离不开持续加码算力建设。然而，若前沿模型在推理能力上的提升与算力投入之间的投入产出比下降，巨额投资将面临折旧危机。如果AI相关的垂直软件系统和企业应用软件到2027年无法实现收入增长和盈利能力，股东可能会迫使五大超大规模云服务商削减资本开支。
对于投资机构和专业投资者，避免参与这场泡沫甚至比参与泡沫破裂的风险更大。如果基金经理回避AI股票导致回报落后于基准，他们可能会被解雇。在华尔街，FOMO（"害怕错过机会"）的情绪已经压倒了对投资泡沫的担忧。
与2000年互联网泡沫不同，当今AI浪潮的核心驱动力——“美股七雄”等大型科技公司拥有庞大的营收和健康的现金储备。它们正用自己的自由现金流来资助AI基础设施建设，这与当年许多互联网初创公司负债累累、商业模式脆弱的情况形成了鲜明对比。这让许多投资者相信“这次不同”。
“理性泡沫”的概念正是在这一背景下被提出：资产价格被推高到远超基本价值的水平，但参与者仍然持续买入，因为他们理性地预期价格还会继续上涨，且错失机会的风险大于过度投资的风险。Meta首席执行官马克·扎克伯格就表示，即使最终在AI上花费了数千亿美元，如果错失机会，风险会更高。
有人认为AI的采用速度是早期互联网接入速度的15 到60 倍。Lightspeed Venture Partners 的联合创始人认为，当前周期的营收增长规模“比以往任何周期都呈指数级增长”。即使许多投资是“死胡同”，长期来看，这项技术创造的净经济价值将是巨大的，就像互联网最终被证明非常有价值一样。
3、市场对AI泡沫的审视
拥护AI投资的乐观者认为，当前的投资与投机性的互联网泡沫时代有本质区别。目前的超大规模云服务商资本支出是以广泛的客户需求为基础，并有创纪录的运营现金流作为支撑的。投资的目标是追求投资回报（ROI）、利润率扩张和收入增长，而非追求“通用人工智能”的理论突破。对处理器的需求是没有上限的，仅受限于用户尝试解决的问题的复杂性。只要提供更多计算能力，AI就会变得更智能、更有用。这种论述为持续的巨额投资提供了理论正当性。
基金经理和资产配置者则没这么有“格局”，他们对公司过度投资AI而潜在回报可能无法达标感到“紧张”。这些担忧很可能被AI数据中心投资的规模所放大——这些是会随时间贬值的昂贵基础设施。
美国银行最新的基金经理调查发现，多数基金经理认为企业在资本支出上投入过多，应该改善资产负债表。这是自2005年以来首次出现多数基金经理认为公司资本支出过高的情况。
另外值得注意的是债务风险的扩散，融资结构正在发生深刻变化。债券资产和私募股权机构已扩大了在AI领域的投资，以帮助科技巨头融资。Meta和Blue Owl成立了一家270亿美元的合资企业，用于建设Meta在路易斯安那州的数据中心。其中一部分资金将由Blue Owl发行给PIMCO和其他债券投资者的债务提供。这样的操作将建设数据中心的巨额债务结构化到资产负债表之外。风险被转移到了私募信贷市场。
摩根大通估计，整个AI基础设施建设需要约5万亿美元，而当前融资渠道仍存在1.4万亿美元的缺口，需要在未来五年通过私募信贷或政府支出来填补。这意味着AI泡沫的风险已经超越了传统的股权投机，开始渗透到债券市场和信用体系。一旦AI商业化回报不及预期，违约风险将波及养老金、共同基金等普通投资者的资产
甲骨文有可能成为AI泡沫中第一个“爆雷”的科技巨头。在宣布与OpenAI签订3000亿美元AI计算服务合同后，甲骨文股价曾一度飙升，市值接近1万亿美元。然而此后三个月，该公司股价暴跌32%，成为标普500指数中表现第三差的股票。自2025年9月以来，甲骨文（Oracle）、CoreWeave等公司的信用违约互换（CDS）交易量激增90%。投资者开始对冲AI基建巨头的违约风险。
甲骨文为履行OpenAI合同大举借债购买芯片，未偿债务超1000亿美元，面临评级机构下调至“垃圾债”的风险。其5230亿美元的合同收入储备（RPO）高度依赖OpenAI。甲骨文的命运在很大程度上被绑定在一家仍在巨额亏损的初创公司身上，若OpenAI商业化受阻，甲骨文将面临巨额坏账。近期甲骨文宣布创纪录资本支出后股价应声大跌，表明市场已不再奖励扩张，而更看重AI投资的收益兑现。
另一个引起市场警觉的问题是AI芯片的经济寿命正在急剧缩短。英伟达等芯片制造商正以比以往更快的速度推出性能更强的处理器。Rubin架构的性能将是Blackwell的四倍。这意味着上一代芯片在三到四年内就会损失大部分市场价值。
批评者认为，科技公司通过将AI芯片的“有用寿命”延长到五到六年（而非更贴合实际的两到三年）来降低年度折旧费用，这是一种人为夸大当前利润的会计手段。如果这些芯片的实际寿命只有两到三年，公司可能面临数十亿美元的巨额资产减记。
4、技术在进步，泡沫依然存在
面对“AI泡沫”的论断，许多人会提出一个直觉性的反驳：AI技术确实惊艳并且还在不断进步，产品也确实在创造价值。对AI的需求也是真实的，ChatGPT每周用户已超过8亿，AI正在改变我们工作、学习和生活的方式。如果需求是真实的、技术是有价值的，我们能说它存在泡沫吗？
答案是：技术进步和泡沫并不矛盾。历史上许多泡沫都是由具有真正颠覆性价值的技术驱动的。泡沫的存在反映的不是技术是否会成功，而是市场价格对这种成功预期的过度提前和极度夸大。
互联网泡沫最终给世界留下了现代互联网，亚马逊和谷歌也从崩盘中崛起，证明了这项技术的价值是巨大的。铁路泡沫最终构建了英国的铁路骨干网络，尽管许多投资者损失了金钱。航空业在1929年泡沫破裂，但飞机最终彻底改变了人类的交通方式。
泡沫的本质在于市场价格与当前可实现价值的脱节，而不是技术的长期价值不足。正如比尔·盖茨所言，互联网泡沫破裂后，技术留下了巨大的净价值，但许多公司最终仍然被高估并失败。AI的价值同样是“极其高昂”的，但这并不意味着当前的定价是合理的。
按照股票估值来看，几乎所有方法都显示，美国股票看起来是自互联网泡沫以来最昂贵的。预期市盈率、股价现金流比、“美联储模型”（Fed model）计算的股票相对于债券的额外回报，以及周期性调整市盈率，都强烈显示股票估值高昂。
技术的实用性证明了长期价值，但无法否定金融层面的投机狂热。个人用户能够以低廉的成本使用AI服务，很大程度上是因为股东在补贴这些服务——提供AI服务的成本往往高于客户支付的费用。目前AI服务定价远低于生产成本，导致AI业务出现巨额亏损，这种模式能够持续多久，取决于投资者的耐心和资金的充裕程度。
5、中美科技竞争如何影响AI泡沫的发展
地缘政治竞争为AI泡沫提供了最强大的“必然性叙事”。当前AI行业领导者推动的宏大叙事中，明确包含了“必须在AGI竞赛中击败对手”的论调，为不计成本的巨额投入提供了正当性。尽管AI热潮最初是由技术突破驱动的“技术火花”，但政府的积极介入正在成为添加燃料的“政治火花”。美国政府的政策优先事项之一就是拆除针对AI的监管障碍，并与中国竞争以实现“全球统治”。
在地缘政治竞争的背景下，科技巨头和投资者担心如果他们不积极提前部署算力，就有被竞争对手超越或淘汰的风险。这种害怕错过机会的情绪与国家战略需求绑定，使得投资加速。即使从纯粹的商业回报角度看投资存在问题，国家层面的战略需求也会继续推动资金涌入。
与此同时，中国公司正在以更低的成本将具有竞争力的AI模型推向市场，威胁到了硅谷在某些市场上的定价权。DeepSeek的成功曾引发美国科技股出现大幅抛售，凸显了低成本竞争对高估值泡沫的结构性冲击风险。
6、什么情况下，AI泡沫不存在？
那么在什么情况下，AI泡沫会被“证伪”？换言之，如何证明“这一次确实不同”——AI企业的价值如果持续成长，当前的高估值是对未来价值的合理预判，而非投机泡沫。
第一，核心企业必须展现出稳健的财务基础和抗风险能力。当前AI热潮与历史泡沫最大的结构性差异，在于领军企业的财务健康状况。像微软、谷歌和亚马逊这样的巨头必须继续用其庞大的营收流和健康的现金储备来资助AI基础设施建设，依靠自由现金流而非债务扩张。同时，它们的核心业务必须持续盈利以对冲AI投资风险。对于像英伟达这样的纯粹投资标的，其目前约三十倍的预期市盈率远低于互联网泡沫顶峰时期思科的两百倍，但这个估值仍需通过持续"超出预期"的业绩来证明其合理性。
第二，生产力提升必须得到迅速和广泛的兑现。当前市场对AI价值的怀疑核心在于投资规模与实际收入之间的巨大缺口。用户的一大疑虑在于AI生成的低质量内容（Workslop）可能导致企业陷入“平庸陷阱”，即生产力表面提升但质量下降。AI必须从“前景”转变为“现实”，克服“生产力J型曲线”效应——新技术从发明到显著提升生产力往往存在较长时滞（如电力革命耗费了30年），能够被广泛应用并带来实际的生产力飞跃。AI模型需要解决其成本高昂、容易“产生幻觉”以及造成低质量内容泛滥的问题。投资者的焦点则需要从遥远的AGI宏大叙事，转向AI在特定领域创造立竿见影价值的“人工专业智能”。
第三，价值链竞争必须确保利润分布健康。如果少数几家大厂垄断了所有价值，并利用其主导地位吞噬下游应用，AI领域将陷入生态失衡，泡沫会在应用端先破裂。要使整个AI生态系统健康成长，依赖大型语言模型的应用开发者需要通过专业化数据、定制化工具和差异化服务建立起竞争壁垒。如果基础模型提供商之间的技术差异缩小，基础模型趋向商品化，大部分价值将流向使用模型的软件和服务供应商，巨头之间的激烈竞争将迫使所有参与者专注于效率和商业化。
第四，融资结构必须去风险化，避免系统性债务风险。历史上的泡沫破裂之所以具有破坏性，是因为债务而非单纯的股权损失。尽管大型科技公司财务稳健，但它们越来越多地依赖发债和资产负债表外融资来建设数据中心。如果AI投资最终失败导致大规模债务违约，风险将扩散到更广泛的金融领域。因此，在技术价值被兑现之前，支撑这场军备竞赛的金融结构不能先垮掉。AI企业建设算力所产生的债务需要拥有稳健的资金支持，确保即使AI盈利不如预期，资产也能被担保。此外，与互联网泡沫中铺设的光纤电缆相比，AI芯片等资本投入的折旧速度更快，AI硬件的“保质期”必须能够通过持续的技术创新得到延长。
第五，市场情绪与投资行为必须保持“理性兴奋”。如果市场认为AI的价值将不断成长，投资者就必须避免进入“非理性繁荣”阶段。风险资本家本·霍洛维茨指出，当前市场不处于彻底泡沫的最明显信号就是“每个人都在谈论泡沫”。只要投资者和分析师持续质疑估值和盈利能力，市场就会保持一种自我修正的机制，避免全面失控。只有当“最后一个批评者都承认自己错了”并全面涌入时，真正的泡沫才会破裂。投资者需要从当前忽略自由现金流和短期收入预测的行为模式中走出来，开始更严肃地衡量AI公司在未来几年内的实际盈利能力。
第六，物理基础设施能够满足AI产业需求。缺电可能比缺钱更早刺破泡沫。微软等巨头已出现因电力容量不足，导致昂贵的GPU芯片被迫闲置在仓库中的情况。美国电网并网排队需3-5年。若电力供应和液冷技术不能在2026年前突破，数万亿GPU将面临闲置风险。
7、 如果AI泡沫破裂
美国大举押注AGI，AI已成为美国经济增长的支柱。若AGI未如期爆发，美国将面对产业危机和失业危机风险。AI相关投资在2025年上半年贡献了近一半的美国GDP增长。美国家庭财富的21%直接来自股票，AI股贡献了近期增长的一半。若泡沫破裂可能导致家庭净资产缩水8%，消费支出可能剧减（约GDP的1.6%），足以引发衰退。因此，维持AI产业已成为维持经济增长的政治与经济任务。
AI相关投资对美国经济增长产生了重要支撑，帮助缓冲了关税等冲击的影响。如果没有AI带来的增长，美国经济增速可能更为缓慢，并受到关税威胁和地缘政治摩擦的困扰。如果AI泡沫破裂导致美国经济陷入衰退，随之而来的美国需求疲软将蔓延到欧洲和中国。
而即使泡沫破裂，由于其杠杆主要集中在私人股权和企业债券，而不是传统商业银行的资产负债表上，美股七雄等核心科技巨头的财务韧性强，可以吸收部分损失，泡沫破裂的后果将主要体现在资产价格的回调、经济增速的下滑，而不至于引起系统性金融危机。
8、展望2026：即使有泡沫，AI牛市不会崩盘
宏观政策层面，美联储进入降息周期，预计将在2026年继续降息，这种宽松的货币环境为融资活动提供了有利的宏观环境，将有助于支撑资产估值继续上升，与历史上泡沫破裂前夕的快速收紧形成鲜明对比。而在全球资本市场，AI科技是目前最集中的投资方向，除了AI之外，投资者似乎找不到别的选择。
与历史上许多投机泡沫不同，AI的需求是真实且旺盛的。根据OpenRouter平台的数据，Token消耗量在一年内增长了14.5倍，远超基础设施的投入速度。头部科技巨头的营收和利润增长表现持续超预期，即使未能填平与投资规模之间的鸿沟，也为市场情绪提供了持续的燃料。
这些因素结合前文中提到的国家战略的背书，和经济对AI的依赖，共同构成了这场泡沫继续膨胀的结构性力量。
AI牛市将呈现结构分化的增长特征。即使AI行业的整体规模预计仍将持续增长，一些此前被过度炒作的子行业可能由于商业模式无法兑现、市场需求不足、同质化竞争等原因面临洗牌，如语音转录、AI编程、聊天伴侣。应用层面的竞争焦点将转向具有明确ROI的垂直解决方案，如药物研发、企业解决方案、AI数据管理。AI智能体赛道也将迎来整合潮。
2026年的市场逻辑将从“讲故事”转向“拼资金效率”和“拼物理落地”。对于AI产业来说，解决电力问题、填补资金缺口、找到产品的盈利模式将至关重要。
AI泡沫的存在也许是个学术事实，但泡沫的持续膨胀将是个市场现实。泡沫是技术革命的代价，也是资本推动创新的机制。问题不仅在于泡沫是否会破裂，更在于破裂后会留下多少价值，以及谁将在这场“去伪存真”的进程中脱颖而出。
（作者滕斌圣，系长江商学院战略学教授，战略研究副院长，新生代独角兽全球生态体系研究中心主任；作者何涧石，系长江商学院新生代独角兽全球生态体系研究中心研究员）
由我国多家研发单位联合完成的两项关于降糖减重药物的Ⅲ期临床研究成果，北京时间18日在国际学术期刊《自然》发表，这也是该杂志创刊以来首次在代谢和内分泌疾病领域背靠背同步发表两项Ⅲ期临床研究成果。
此次刊发的两项Ⅲ期临床研究成果，分别是玛仕度肽在2型糖尿病患者中的单药治疗研究（DREAMS-1）和与口服降糖药联合使用的研究（DREAMS-2），均基于中国患者的临床数据。
前者由南京大学医学院附属鼓楼医院朱大龙教授团队、山东第一医科大学附属省立医院赵家军团队等全国多个临床研究中心团队与信达生物钱镭博士团队联合完成，后者由北京医院郭立新教授团队与中日友好医院张波教授、杨文英教授等全国多个临床研究中心团队与信达生物研发团队合作完成。
玛仕度肽是信达生物自主开发的全球首个且唯一获批上市的GCG/GLP-1天然双靶减重降糖药物。
据介绍，GLP-1是胰高血糖素样肽-1的英文简称，它在餐后分泌，可促进胰岛素分泌、降低进食后的血糖，并减缓胃肠道蠕动，造成饱腹感。GLP-1类药物可通过激活GLP-1的受体，增加胰岛素分泌，从而达到降低血糖和减轻体重的治疗效果。GCG是胰高血糖素的英文缩写，由胰腺中的胰岛α细胞分泌，其受体主要在肝脏中表达。激活GCG受体可增强脂肪氧化、促进能量消耗、改善肝脏脂肪代谢。
专家介绍，GCG与GLP-1靶点联合，通过“抑制食欲+加速代谢”的双重作用机制，可更好解决肥胖患者内脏脂肪堆积、胰岛素抵抗等复杂代谢问题。
据介绍，玛仕度肽已在中国获批用于糖尿病和减重两项适应证，并已开展7项Ⅲ期研究，涵盖糖尿病、肥胖及相关并发症领域。
《自然》发表的两项临床研究结果表明，玛仕度肽在血糖控制和减重方面均优效于安慰剂或度拉糖肽（1.5mg），同时均显示可改善多项心血管代谢、肝脏和肾脏相关指标，为全球糖尿病合并肥胖等代谢疾病的治疗提供了新的解决方案。
记者从中国科学技术大学获悉，基于超导量子处理器“祖冲之3.2号”，潘建伟院士团队在量子纠错方向上实现了“低于阈值，越纠越对”的重大进展，为量子计算机走向实用奠定了重要基础。相关成果12月22日在国际学术期刊《物理评论快报》发表。
2025年，中国科学技术大学基于107比特“祖冲之3.2号”量子处理器，提出并实现了全新的“全微波量子态泄漏抑制架构”。“祖冲之3.2号”处理器在单比特门、两比特门的操纵精度以及读取准确率方面的性能较前代处理器得以全方位提升。在性能提升的基础上，科研团队结合全微波量子态泄漏抑制架构，实现了码距为7的表面码逻辑比特，逻辑错误率随码距增加显著下降，证明了系统已工作在纠错阈值之下，成功实现了“越纠越对”的目标。
中国科学技术大学教授朱晓波介绍，这类似于很多人来投票，只有每个人的判断都是准确的，投出来的票才是准确的，否则随着投票人的增多，投出来的票反而更加不准确。因此让每个人投票的准确度高于一个阈值，才能使团队的优势得以发挥，也就是随着比特数目的增加，越纠越对。
据介绍，实现“低于阈值”的量子纠错是全球量子计算领域长期追寻的核心目标，也是验证量子计算系统能否从原型机走向实用化的关键里程碑之一。这一新的技术路线，也为未来构建百万比特级量子计算机提供了一种更具优势的解决方案。
记者从今天（11月24日）举行的空间科学先导专项最新亮点成果发布会上获悉，“十五五”期间，聚焦宇宙起源、空间天气起源、生命起源等重大前沿问题，中国科学院国家空间科学中心将组织实施包含“鸿蒙计划”、“夸父二号”、系外地球巡天、增强型X射线时变与偏振空间天文台在内的太空探源科学卫星计划，力争在宇宙黑暗时代、太阳磁活动周、系外类地行星探测等领域实现新突破。
持续布局前沿任务，推动空间科学跨越发展
通过这些空间科学卫星任务的扎实推进，中国空间科学将在更多方向上实现从“并跑”向“领跑”的跨越，持续产出更多关键性、原创性、引领性重大科技成果，有力支撑高水平科技自立自强，实现我国空间科学、空间技术、空间应用全面发展，为航天强国和科技强国建设作出标志性贡献。
在本次发布会上，中国科学院国家空间科学中心还集中发布了空间科学卫星任务在宇宙暂现天体、宇宙线传播、太阳爆发等领域取得的系列重大科学突破。
专项实施以来，我国空间科学呈现出多点突破、集群迸发的强劲发展态势
据介绍，中国科学院空间科学先导专项自2011年启动实施以来，已成功研制并发射“悟空”号、实践十号、“墨子号”、“慧眼号”、“太极一号”、“怀柔一号”、“夸父一号”和“天关”卫星等八项科学卫星任务，取得了一系列重大原创成果，创造了多项中国第一乃至世界首次。作为我国首个系统性支持空间科学研究的计划，该专项标志着我国空间科学创新发展进入“快车道”，实现了从“跟跑”、“并跑”到部分领域“领跑”的历史性跨越，推动中国空间科学家逐步走向世界舞台中央。
“天关”卫星探测到银河系内X射线暗弱爆发EP240904a
十五年来，专项集中体现了科学研究不断向“四极”方向的拓展与深化：
极宏观方面，绘制出国际首个X射线全天天图；
极微观方面，获得了迄今为止世界上最精确的宇宙射线电子、质子、氦核和硼核能谱精细结构；
极端条件方面，首次直接测量到宇宙最强磁场，探测到距离黑洞最近的高速喷流；
极综合交叉方面，实现了科学、技术、工程的高度融合发展。
在取得科学突破的同时，专项也带动了尖端有效载荷和卫星平台技术的跨越式发展。我国突破了星地光路对准等关键技术，建成国内首个国际水准的X射线标定束线，研制出国际上领先1~2个数量级的大视场、高灵敏度龙虾眼X射线望远镜，实现了卫星平台与载荷的一体化设计。
专项建立了“首席科学家+工程两总”的新型任务体制，培养出一批领军人才与创新团队，涌现出众多勇挑重担的青年科研骨干，形成梯次合理、德才兼备的高素质人才队伍。同时，我国空间科学学科体系不断完善，重点实验室建设成效显著，为后续任务实施奠定了坚实基础。
专项还积极开展全方位、多层次的国际合作，开创了多个国际合作新范式。“微笑”卫星是中国科学院和欧洲空间局（ESA，以下简称“欧空局”）首次进行任务级全方位、全周期的深度合作项目。“天关”卫星由中方主导，欧空局、德国和法国共同参与，是欧空局首次以“机遇任务”的方式参与中国空间科学任务。通过组建国际科学团队、推动数据共享，我国不断提升科学卫星的国际影响力与效益。
发现新型X射线暂现源，推动黑洞、中子星、伽马射线暴研究取得新突破
“天关”卫星发现新型X射线暂现源EP241021a，为理解这类神秘暂现天体提供了关键线索；探测到银河系内X射线暗弱爆发EP240904a，为发现恒星级黑洞开辟了新途径；实现“自主触发、自动后随”后首次探测到的暂现源EP240801a，对传统伽马暴分类提出了挑战。
“慧眼号”在黑洞、中子星和伽马射线暴等天体研究取得系列成果
“慧眼”卫星在地球大气层的密度测量、银河系内黑洞吸积爆发的耀发机制、吸积毫秒脉冲星的辐射机制和表面磁场、中子星表面核燃烧的点火位置、最亮伽马射线暴的最小光变时标等方面取得丰硕成果。
“怀柔一号”探测遥远宇宙天体
“怀柔一号”发现致密星并合产生的伽马暴中存在新的子类型，拓展了人们对引力波电磁对应体的认知；揭示全新的磁陀星爆发模式，对理解其爆发机制具有重要意义；通过发现一组独特的周期性粒子沉降事件，深化了对近地轨道空间辐射环境的认识。
首次发现次级宇宙线硼核能谱变硬结构
“悟空”号在国际上首次实现1TeV/n以上能区次级宇宙线硼能谱的精确测量，以8倍标准偏差高置信度发现其变硬结构。硼能谱指数变化幅度是质子、氦核等初级宇宙线能谱指数变化幅度的两倍，表明变硬可能源于传播效应，这对揭示宇宙射线传播机制有重要意义。
“悟空”号发现宇宙线硼核的能谱变硬
揭示太阳爆发高能C级耀斑和CME的反常关联率
“夸父一号”观测发现，高能C级耀斑与日冕物质抛射（CME）的关联率远低于预期值及传统模型，在127例高能C级耀斑中，仅有5例伴随有CME，且均为喷流产生的窄CME。这为破解太阳爆发机制和高能粒子起源提供了新线索。
“夸父一号”观测到双日珥爆发
记者今天（24日）从中国科学院地质与地球物理研究所获悉，基于嫦娥六号月壤样品，该研究所祁生文研究员团队系统揭示了月球背面月壤表现出的较高黏性特征的物理机制，从颗粒力学层面完整阐释了嫦娥六号月壤“为什么这么黏”的科学谜题。相关研究成果今天在国际学术期刊《自然·天文》发表。
2024年6月27日，嫦娥六号任务总设计师胡浩在嫦娥六号任务新闻发布会上提到，月球背面采样过程中，发现嫦娥六号着陆区月壤“似乎稍微黏稠一点，还有点结块”，显示出与月球正面的嫦娥五号月壤不同的物理特性。针对月球背面月壤这一特性，祁生文研究员团队开展了一年多的深入研究。
研究团队通过固定漏斗实验和滚筒实验，精确测量了嫦娥六号月壤的休止角——这个反映颗粒材料流动性的关键指标。实验结果显示，嫦娥六号月壤的休止角显著大于月球正面样品，其流动特性更接近于地球上的黏性土体，证实了胡浩总设计师的发现：背面“似乎稍微黏稠一点”。
精细成分分析表明，月壤中含有极少量磁性矿物且不含任何黏土矿物，即排除磁力和胶结作用的影响后，研究团队确认其休止角增大主要受三种粒间力的协同控制：摩擦力、范德华力和静电力。其中，摩擦力的作用与颗粒表面粗糙度正相关，范德华力与静电力的作用则随颗粒尺寸减小而显著增强。
在此基础上，科研团队对嫦娥六号返回样品进行了1微米的高空间分辨CT扫描，通过对超过29万个月壤颗粒的尺寸与形态进行精确厘定，并同月球正面嫦娥五号和阿波罗月壤对比，发现嫦娥六号月壤颗粒更细，形态更复杂，整体球度显著偏低。
祁生文研究员指出，这一现象颇为反常，通常颗粒越细，形状越接近球形，而嫦娥六号月壤虽细，形态却更复杂。研究人员认为，这可能与样品中富含易破碎的长石矿物（约占32.6%），以及月球背面经历更强太空风化作用有关。嫦娥六号月壤又细又粗糙的颗粒特性，提升了摩擦力、范德华力与静电力的贡献，产生更高的休止角，造就了其更高黏性特征。
该研究首次从颗粒力学角度，系统阐释了月壤的独特黏聚行为，揭开了嫦娥六号月壤的“黏性”之谜，为未来月球探测任务提供了重要科学依据。随着我国深空探测步伐的不断加快，这些研究成果将为月球基地建设、月面资源开发利用等提供关键理论基础，助力我国在月球科学研究和资源利用领域取得新的突破。
当地时间11月18日，谷歌母公司Alphabet正式发布新一代AI模型Gemini 3，其首席执行官桑达尔·皮查伊（Sundar Pichai）将该模型定义为“行业顶尖”，但与此同时，他在接受BBC新闻独家专访时直言，当前AI投资热潮中存在非理性成分，若AI泡沫破裂，没有任何一家公司能独善其身。
桑达尔·皮查伊警告称，当前的AI热潮存在一些“非理性”因素。
据介绍，Gemini 3在核心能力上实现显著突破，皮查伊在发布声明中提到，该模型“在推理能力上达到行业领先水平，可精准把握问题深度与细微差别”，且能更好解读用户需求背后的语境与真实意图，用户无需反复提示即可获取所需结果。
据了解，该模型基于谷歌TPU进行训练，支持100万个token的上下文窗口，适用于需要以下功能的应用：Agent、高级编程、长上下文、多模态理解、算法开发。
OpenAI联合创始人、CEO山姆·奥特曼（Sam Altman）和xAI创始人、CEO埃隆·马斯克（Elon Musk）纷纷向谷歌发来“贺信”。奥特曼在社交平台上评价“Gemini 3看起来很不错”。目前，这款新模型已确定将整合进谷歌搜索功能、Gemini应用及开发者工具。
值得关注的是，就在Gemini 3发布之际，皮查伊在受访时指出，当前AI行业正经历“非凡的投资增长期”，却也难逃投资周期中的“过热”问题，“就像当年的互联网，虽然后续影响力深远，但发展初期也存在大量过度投资，现在的AI既存在理性发展部分，非理性元素同样不可忽视”。
近期对于人工智能是否存在泡沫的问题存在大量讨论。罗斯柴尔德银行Redburn分析师下调微软、亚马逊评级，警告生成式AI经济效益未达预期；美国银行11月全球基金经理调查显示，自2005年8月以来，首次有近20%的投资者认为企业存在过度投资，核心原因便是对AI资本支出热潮的规模与资金筹措问题担忧。
更受关注的是，围绕OpenAI展开的1.4万亿美元复杂交易，与其不足千分之一投资规模的年度预期营收形成鲜明反差，市场普遍担心这会重蹈上世纪90年代末互联网泡沫“先飙升后崩盘”的覆辙，届时企业破产、员工失业、民众储蓄受损等问题或再度出现。
当被问及谷歌能否抵御AI泡沫破裂的冲击时，皮查伊坦言“没有一家公司可以幸免，包括我们自己”，但他同时强调，公司“从芯片到YouTube数据，再到AI模型与前沿科研”的全栈技术布局，能帮助其更好应对潜在的市场动荡。
AI发展的现实挑战也被皮查伊提及。他表示，AI当前1.5%的全球耗电量占比（数据来源：国际能源署），已对能源供应提出巨大考验，各国需加快新型能源开发与基础设施建设，否则可能制约经济发展；受AI高能耗影响，Alphabet的气候目标推进已出现滞后。
在就业影响层面，皮查伊将AI视为“人类最具深远意义的技术”，认为其虽会引发社会变革与岗位转型，带来一定挑战，但也将创造新机遇。“教师、医生等职业不会消失，但能熟练运用AI工具的人，才能在行业中脱颖而出，主动适应变化的人终将发展更好。”他说道。
