2026年刚开年，我打开持仓账户，看到几家重仓的AI概念股财报，心里咯噔一下。OpenAI年度亏损可能冲到140亿美元，Anthropic的烧钱速度也快得吓人。这让我想起2021年那些疯狂烧钱的电动车初创公司——当时大家都说“这是为未来投资”，结果呢？很多公司没等到未来就消失了。现在，同样的剧本似乎在AI行业重演，只是这次赌注更大，舞台更广。

烧钱不是问题，问题是烧得值不值？

最近和几个机构的朋友聊天，大家共识是：AI的技术突破已经毋庸置疑，GPT-5、Claude 3.5这些模型的能力确实让人震撼。但当我们翻看财务报表时，震撼就变成了担忧。OpenAI的亏损在两年内几乎翻了三倍，这还是在用户量暴增的情况下。更关键的是，每服务一个用户，成本可能比收入还高——这种“卖一单亏一单”的商业模式，让我想起了早期的共享出行大战。

我记得2023年投资AI股时，逻辑很简单：只要沾上AI概念，估值就能起飞。当时市场像极了1999年的互联网泡沫，大家不在乎盈利，只在乎“故事”。但到了2026年，利率环境变了，资金成本高了，投资者开始问那个最朴素的问题：这生意到底什么时候能赚钱？

规模悖论：越大越亏的怪圈

AI行业有个反直觉的现象：规模经济在这里似乎失效了。传统软件公司，比如微软卖Windows，多卖一份拷贝几乎不增加成本，边际利润接近100%。但AI公司呢？每多一个用户调用GPT-5，就需要消耗更多的算力、电力和硬件折旧。

这形成了一个“规模悖论”：用户增长越快，亏损可能越大。OpenAI就是个典型例子——据行业分析师测算，其2026年营收可能达到200亿美元级别，但成本结构决定了利润率可能长期受压。这不是管理问题，而是技术本质决定的：更强大的模型需要更昂贵的硬件，更复杂的推理需要更多的能源。

我查了下最新的数据中心电费账单，有些AI集群的单日电费就抵得上一个小型城市。这让我想起当年比特币挖矿的疯狂，只是AI的“挖矿”成本更高，而且看不到“减半”的那一天。

基础设施竞赛：科技巨头的“军备竞赛”

如果说纯AI公司在烧钱，那科技巨头就是在“烧山”。谷歌2025年资本开支达到850亿美元，2026年可能继续增加；微软和Meta也在以每年数百亿美元的规模投入数据中心和芯片。这场竞赛已经超出了商业范畴，更像是一场国家战略级别的竞争。

但这里有个关键瓶颈：能源。我在北欧考察时看到，微软、谷歌都在抢购那里的清洁能源，因为AI数据中心的耗电量太惊人了。一个中等规模的AI集群，年耗电量可能超过50万户家庭。更麻烦的是，电网容量有限——在美国某些州，新数据中心的建设已经导致居民电费上涨，引发了当地社区的抗议。

这让我思考一个更深层的问题：当AI的“智力”每六个月翻一番时，支撑它的“体力”（能源基础设施）能跟上吗？如果不能，整个行业会不会撞上物理天花板？

估值风险：透支了十年的乐观

现在AI公司的估值，已经price in了未来五到十年的完美增长。以某头部AI公司为例，其市销率（PS）高达30倍以上，这意味着投资者假设它能在未来多年保持40%以上的增速，同时利润率还能大幅改善。

但现实可能更骨感。根据最新财报分析，很多AI服务的单位经济模型（Unit Economics）仍然为负。简单说，收1块钱，可能要花1块2。虽然随着技术优化，这个差距在缩小，但模型复杂度的提升又在推高成本。这就像跑步机——你跑得越快，跑步机转得也越快。

我记得2020年投资云计算公司时，市场也有过类似担忧。但云计算有明确的规模效应——用户越多，数据中心利用率越高，边际成本越低。AI呢？至少目前看来，规模效应并不明显，甚至可能是“规模不经济”。

2026年：从“讲故事”到“算账本”的转折点

市场情绪正在微妙变化。2023-2024年，只要有AI概念，股价就能涨。但进入2026年，我明显感觉到机构投资者开始“算账”了。大家不再问“你的模型有多聪明”，而是问“你每赚1美元要花多少钱”、“现金流什么时候转正”。

这种转变很健康，但也可能很残酷。那些依赖持续融资的初创公司，在利率高企的环境下，融资窗口正在收窄。我听说有些B轮、C轮的AI公司，估值已经比上一轮低了——这在过去几年是不可想象的。

对于投资者来说，现在的关键不是判断AI有没有未来（这已经不用怀疑），而是判断哪些公司能活到未来。我的经验是，关注这三个指标：

1. 现金储备/月烧钱比：还能烧几个月？
2. 毛利率趋势：是在改善还是在恶化？
3. 资本效率：每投入1美元研发，能产生多少收入？

投资策略：在火焰中寻找真金

面对这场烧钱大战，我的策略是“两头下注”：一头押注基础设施提供商（芯片、数据中心、电力），另一头谨慎选择可能胜出的应用层公司。

基础设施是“卖铲子”的生意，确定性更高。无论最后哪个AI模型胜出，都需要英伟达的芯片、需要数据中心、需要电力。这些公司的财务模型也更健康——它们赚的是今天的钱，不是明天的故事。

应用层则要精挑细选。我倾向于那些有明确商业化路径、客户愿意付费、能建立竞争壁垒的公司。比如某些垂直领域的AI应用（医疗诊断、法律文书、代码生成），已经能看到清晰的盈利模式。

最后说个亲身经历：上周我试用了一个新的AI写作工具，效果惊艳，但当我看到其定价——每月500美元——我犹豫了。这个价格能支撑多少用户？又有多少用户愿意付这个钱？这个问题，不仅是那个创业公司要回答的，也是整个AI行业要回答的。

AI正在改变世界，但改变世界的成本，可能比任何人想象的都高。作为投资者，我们要做的不是盲目相信未来，而是冷静计算：这个未来，到底值多少钱？

当然，任何投资都有风险，尤其是在技术快速迭代的领域。我的这些观察基于当前的市场数据和行业趋势，但市场永远充满意外——这也是投资的魅力所在。