AI商业化拐点为何一再推迟？高盛警示2026年盈利路径仍不明
人工智能热潮席卷全球资本市场已逾三年，从芯片制造商到云服务提供商，再到各类AI应用初创企业，估值普遍经历了一轮显著重估。然而，在这场看似势不可挡的技术革命背后，一个根本性问题正逐渐浮出水面：人工智能何时才能真正实现可持续的商业回报？2026年6月3日，高盛全球股票研究主管吉姆·科韦洛（Jim Covello）公开表达了这一疑虑，指出尽管AI投资规模持续扩大，但其商业可行性不仅未获证实，反而在某些维度上变得更加遥远。
商业可行性的“倒退”悖论
科韦洛的核心观点颇具反直觉色彩：过去几年间，随着科技巨头对AI基础设施的巨额投入不断加码，市场对其盈利路径的期待非但没有缩短，反而被推得更远。这一判断挑战了当前主流叙事——即AI正处于从技术突破迈向规模化变现的关键拐点。事实上，许多投资者默认AI将复刻移动互联网或云计算的发展轨迹：前期资本密集投入，随后通过平台效应与网络效应实现指数级回报。但科韦洛提醒，AI的经济模型可能并不遵循这一路径。
关键在于，AI的边际成本结构与传统软件存在本质差异。训练和部署大模型需要持续消耗大量算力资源，而这些资源的成本并未如摩尔定律所预期般快速下降。相反，随着模型参数量激增、推理需求爆发，数据中心能耗与芯片采购开支呈非线性增长。这意味着，即便用户规模扩大，单位经济（unit economics）未必改善，甚至可能恶化。对于依赖订阅制或按次计费的AI服务而言，若无法显著提升客户终身价值（LTV）以覆盖高昂的获客与运维成本，长期盈利将难以实现。
产业链分化：谁在承担成本，谁在收割预期？
当前AI产业链呈现明显的“成本-预期”错配。上游硬件厂商（如GPU供应商）和云基础设施提供商短期内受益于资本开支扩张，财报表现强劲；中游模型开发商则处于烧钱换技术领先的位置；而下游应用层企业虽被寄予厚望，却普遍缺乏清晰的变现闭环。这种结构导致市场估值高度集中于少数具备资本实力的科技巨头，而大量中小AI公司仅凭概念即可获得高估值，进一步加剧了泡沫风险。
值得注意的是，中国与美国在AI商业化路径上存在结构性差异。美国企业更倾向于构建通用大模型并开放API生态，试图通过开发者网络实现价值捕获；而中国企业则更多聚焦垂直场景（如金融、政务、制造），强调与现有业务流程深度融合。后者虽在短期落地效率上占优，但受限于行业数据壁垒与定制化成本，规模化复制难度较大。因此，无论哪种路径，都尚未证明能稳定产生高于资本成本的自由现金流。
监管与地缘政治：被忽视的外部约束
除了经济模型本身的挑战，AI的商业化还面临日益复杂的监管环境。欧盟《人工智能法案》已进入实施阶段，对高风险AI系统提出严格合规要求；美国联邦层面虽尚未出台统一立法，但各州监管碎片化趋势明显；中国则通过《生成式人工智能服务管理暂行办法》等框架强调内容安全与算法备案。这些规则虽旨在防范风险，但也显著抬高了合规成本，尤其对缺乏法务与工程资源的初创企业构成实质性门槛。
此外，全球半导体供应链的地缘政治紧张局势进一步制约AI基础设施的可扩展性。高端AI芯片出口管制、先进制程产能受限等因素，使得算力供给成为稀缺资源。这不仅推高了训练成本，也可能导致AI发展出现“算力鸿沟”——仅有少数国家和企业能负担得起下一代模型的研发，从而抑制创新多样性，并延缓整体商业化进程。
市场情绪与资产定价的脱节
当前资本市场对AI相关资产的定价，很大程度上基于未来十年的乐观情景假设，而非当下可验证的财务指标。以美股为例，部分AI概念股的市销率（P/S）已远超历史均值，即便其营收增长主要来自一次性项目或关联方交易。这种定价逻辑隐含了一个强假设：AI将迅速渗透至所有经济部门，并带来生产率跃升。然而，历史经验表明，通用技术（如电力、互联网）从发明到广泛提升全要素生产率通常需要数十年时间，且伴随大量失败尝试。
更值得警惕的是，当市场共识过度集中于单一叙事时，任何关于商业化进展不及预期的信号都可能引发剧烈调整。科韦洛的警告之所以重要，正是因为它触及了当前估值体系中最脆弱的一环——缺乏盈利锚定的高增长预期。一旦科技巨头因股东压力削减AI资本开支，或主要云厂商下调AI服务收入指引，整个产业链的估值逻辑或将面临重构。
跨市场传导：港股与数字资产的潜在涟漪
这一担忧并非局限于美股。港股市场中，部分中概科技股同样深度绑定AI叙事，其估值修复很大程度上依赖于全球AI资本开支的持续性。若高盛等顶级投行开始系统性质疑AI的短期变现能力，可能削弱国际长线资金对相关标的的风险偏好，进而影响南向资金的配置节奏。
而在数字资产领域，尽管AI与加密原生项目的结合尚处早期，但已有不少代币项目以“去中心化AI算力网络”或“AI驱动的DeFi协议”为卖点进行融资。这类资产对宏观流动性与风险情绪高度敏感，一旦传统市场对AI的乐观情绪降温，可能率先遭遇抛售。尤其当项目方无法展示真实的使用量或收入流时，其代币经济模型极易崩塌。
结语：热潮中的冷静期或是必经阶段
高盛的警示并非否定AI的长期潜力，而是呼吁市场回归基本面审视。技术革命从来不是线性演进的过程，中间必然经历泡沫、幻灭与再平衡。当前阶段，投资者或许需要区分两类AI资产：一类是已嵌入核心业务流程、能直接贡献EBITDA的企业；另一类仍处于“故事驱动”阶段，依赖未来期权价值支撑估值。前者更具防御性，后者则需承担更高的不确定性溢价。
真正的商业化拐点，可能不在于模型有多强大，而在于能否在特定场景中实现“成本可控、价值可测、复制可行”的闭环。在此之前，市场对AI的热情越炽热，就越需要警惕那个被反复推迟的问题：它到底什么时候能赚钱？
