在“未来已来”朱雀基金年度策略会上，朱雀基金副总经理兼专户投资部总经理张劲骐，以 “理性AI繁荣”为主题，从产业本质、渗透速度、资本表现等维度，谈论AI产业当前面临的三大争议：AI商业化落地程度、AI的巨额资本开支、AI的泡沫化程度。

张劲骐指出，自2023年生成式AI元年开启以来，技术快速迭代与成本持续下降推动了行业加速发展，与此同时，关于“AI泡沫”的讨论也始终存在，主要集中于技术研发与商业化进程之间的节奏尚未完全同步。

但在他看来，当前AI产业虽存在局部过热迹象，但整体仍处于理性发展区间。当前AI的技术演进遵循规模效应规律，真实需求数据支撑商业化前景，资本开支符合产业发展节奏，估值水平远未达到泡沫化程度，债务问题风险可控。投资者应更多地从产业发展的视角，客观看待技术本身的演进路径，在风险与机遇之间做好动态平衡。

张劲骐谈到，海外头部科技公司的核心战略仍是提升模型能力与算力水平，以此抢占下一代技术先机。短期内商业化需求与投入难以匹配，市场担忧投入产出比失衡，但科技公司更惧怕被时代淘汰。从各大科技公司CEO的表态中可见一斑：他们虽承认市场存在一定泡沫，却一致认为当下的“过度投资”必不可缺，反之将面临更大风险。

与此同时，张劲骐认为中国AI的核心优势在于优化能力，能在条件受限下实现与一梯队接近的性能水平。若持续低成本跟进优化，将在 AI 性能竞争中具备显著优势。从客户调用数据来看，国内头部厂商与谷歌的增长趋势高度同步，印证中国大模型已获广泛采用，且增长势头持续强劲。

尽管中国AI起步较晚，但应用推进与使用规模领先，成长空间广阔，当前布局聚焦三方面：一是数据中心内部：广泛布局芯片、芯片间互联、高速网络等领域；二是数据中心集群：重点推进横向扩展与跨集群协同；三是基础设施支撑层面，也是中国具备绝对优势的领域：聚焦储能方案、电力系统及核能等相关方向。

争议一：AI商业化落地程度

市场担忧当前投入集中于训练环节，行业仍处于研发阶段尚未大规模商业化。

张劲骐解释，这一轮大模型发展的根本驱动因素是“越大越好”，称之为规模效应。从10年跨度来看，技术发展路径并未改变，计算需求的持续增长与单位成本的不断下降，形成了紧密的良性循环，即：单位成本下降进一步推动模型规模扩大，模型性能随之提升，进而催生更多策略优化的需求。这一循环目前依然在持续运转，尚未出现被打破的迹象。

他谈到，这也正是黄仁勋在今年GTC大会上总结的三大规模缩放定律的核心内涵：

第一，模型参数量越大、训练数据量越大，模型性能通常就越好；

第二，在扩大模型和数据规模的同时，如果数据更具指向性，并且投入更多资源进行强化学习微调，模型表现会进一步提升；

第三，长思考维度，即推理链条越长、思考步骤越复杂，模型的推理性能往往也越出色。

在张劲骐看来，当前的市场实践已充分验证了这三大规模缩放定律的有效性。从近期模型进展来看，规模缩放效率依然有效，模型参数量、训练数据量以及推理步骤长度持续攀升，而这“三驾马车”的并进，也直接驱动了算力需求的激增。反过来看，正是加速计算技术的突破与落地，才使得规模效应从理论推演走向了规模化应用。

那么，这一理论在现实中是否得到了验证？张劲骐直言，答案是明确的。

对于市场一直关注AI的应用场景与投资回报率，他认为，可以从AI的实际需求数据中寻找答案。

根据Open AI统计，去年8月至今年8月，AI调用数据增长了38倍，每周用户调用的Token数量已突破4万亿。同时，谷歌数据显示，每月处理的数据中包含了长思考过程产生的大量中间信息，总量已超过1300万亿，大幅超过用户直接请求的数据量。从月均处理量看，用户直接请求仅占很小一部分，核心原因在于长思考过程显著提升了整体数据消耗。

张劲骐总结，用户对AI的需求持续攀升，大型企业在模型运行中也消耗着海量数据，而这些最终都指向同一个方向：不断膨胀的算力需求。他认为，这种真实存在的需求或是商业化成立的早期迹象。从科技发展的长期路径来看，随着AI性能的持续提升与成本的进一步下降，商业化进程有望迎来爆发式增长。

他提到，目前最热门的两家AI创业公司是Anthropic和OpenAI。从他们向投资人展示的财务预测来看，二者在商业模式上既有相似之处，也存在明显差异：Anthropic主要面向企业用户，虽然收入展望相对保守，但经营现金流周转更快；市场关注度更高的OpenAI，则主要面向广泛的C端用户，收入展望接近2000亿美元，但经营现金流回收周期也更长。

张劲骐认为，不同的商业定位决定了各自的收入增长节奏，但两家公司向资本市场传递的核心趋势一致——持续投入AI，将推动业务长期增长。

争议二：AI的巨额资本开支

市场还担忧巨额资本开支与未来高额收入指引之间的落差，担心商业化进程不及预期。但张劲骐坦言，当前市场对AI的发展节奏或许期待过高。生成式AI的元年始于2023年初，到2024年底也不过2年。对于一个如此前沿的技术领域而言，这样的发展阶段仍属早期。

有观点指出，当前AI企业普遍采取积极的资本开支策略，尚未产生稳定正向现金流，甚至短期回报路径尚不清晰。张劲骐直言，从产业逻辑来看，这是正常的发展阶段，并未脱离技术密集型行业常见的成长轨迹。

从渗透率看，生成式AI不到3年实现40%渗透率，相当于PC和互联网近十年的成果，堪称突破历史的科技应用普及速度。他看到已有四大核心因素表明，AI对算力的需求将持续超出市场预期，并维持庞大体量：

其一，AI作为经济新引擎共识形成，对生产效率的提升作用显著；其二，AI基建因芯片快速迭代需持续更新投入，周期性换代构成长期支撑；其三，AI未来或具备“持续思考”能力，自主推演将带来算力指数级增长；其四，主权AI概念兴起，各国构建自主可控算力基础设施客观上推动需求增长。

张劲骐表示，复盘云计算时代科技巨头的资本开支，对理解当前AI领域的资本投入具有重要参考意义。2010年至2021年是移动互联网与云计算的蓬勃期，相关资本开支持续攀升，2016年市场短暂担忧应用不足会导致投资放缓，但随着短视频、远程办公等移动互联网应用的爆发，相关需求持续推动资本开支进入新一轮增长周期。

他认为当前AI资本开支整体处于健康区间，且AI应用的创新潜力远超以往技术，未来将涌现更丰富的应用场景。同时，云服务提供商的现金流状况也足以支撑后续的资本开支。

相较于资本开支，近期市场更担忧的是债务问题，尤其表外债务的快速增长进一步加剧了对潜在泡沫的忧虑。张劲骐以海外某公司10月发行270亿美元债券为例，指出核心动因是通过算力资产证券化抢占先机。目前相关企业债务占比合理，传统业务盈利能力强劲，足以支撑AI投入。

争议三：AI的泡沫化程度

从以上论述来看，当前AI产业可能尚未进入泡沫阶段。那么，AI投资的泡沫化程度究竟如何？

通过对比2000年互联网泡沫时期与当前AI领域核心企业的估值水平。张劲骐指出，在2000年初互联网泡沫高峰阶段，代表性企业的市盈率曾突破130倍；而目前海外主要AI公司中，仅有一家的市盈率超过170倍，其余主流企业的市盈率普遍低于40倍，部分甚至仅为个位数，整体并未达到当年互联网泡沫时期的估值水平。

他补充，另一个关键因素在于，海外相关企业的增长正受到AI技术瓶颈的制约，主要体现在电力供应、芯片产能、数据延迟与数据量四大方面。其中，电力短缺是目前最核心的制约因素，也是影响芯片稳定供应的关键环节。

结合相关测算，张劲骐发现当前市场对企业估值的主要依据，实际上是基于实际可交付电力所对应的算力产能。从市场表现来看，并未出现对头部企业的非理性追捧，定价过程明显受到电力供给等瓶颈因素的约束，AI整体呈现理性发展态势。

基于以下三点逻辑，张劲骐团队认为应更为理性地看待AI在资本市场中的机遇与风险：

第一，尽管AI领域热度持续高涨，但投资者与市场并未盲目追捧疯狂的概念或故事，反而不断警示泡沫风险、讨论潜在问题。历史经验表明，当市场普遍提示风险时，往往并非真正的泡沫破裂前夕；而当风险被普遍忽视、全民追捧时，或许才是真正需要警惕的时刻。此句无错误。

第二，海外真正进行大规模资本开支的科技企业，资本开支与现金流的比例仍处于健康水平。尽管该比例处于历史较高区间，但目前普遍维持在50%-70%之间，从科技发展与资本投入的匹配度来看，仍属相对合理。同时，大型科技公司主营业务根基稳固，完全有能力在现有财务结构下支持对AI领域的持续投资。

第三，尽管部分企业存在债务扩张，但相关债务规模与自有资金相比仍较为有限，整个市场的资本开支仍以自有资金和股权投资为主导。从总量上看，当前AI领域的资本开支尚未大规模依赖债务融资。因此，即使局部出现风险或泡沫破裂，由于缺乏高债务杠杆的传导放大，风险消化速度也相对较快。真正的风险节点，或将出现在市场广泛依赖债务融资支持AI资本开支时。