
李开复纽约谈AI投资泡沫:大模型企业不缺需求,但赚钱才是真正考验
11月以来,纳斯达克综合指数单日跌幅一度超过5%,英伟达、AMD等AI产业链核心标的股价明显承压。华尔街开始追问一个老问题:砸向芯片和数据中心的天量资金,到底什么时候才能变成利润?
就在市场情绪摇摆之际,零一万物创始人兼CEO、创新工场董事长李开复现身纽约美国华美协进社,围绕其新书《AI Native》(中文版《AI未来已来》)展开分享。面对《21世纪经济报道》记者的独家采访,他给出了一个明确判断:眼下的AI热潮跟2000年互联网泡沫"完全没有可比性",但他同时提醒,产业逻辑成立不代表股价不会腰斩。
泡沫之争:有产品有需求,和当年不是一回事
市场上反复出现的一个类比是:当前AI投资是否在重演互联网泡沫?李开复对此并不认同。他的理由很直接——今天的AI公司手里有成熟产品,也有真实的商业需求。
他举了一个反面参照:互联网泡沫时期,生鲜电商Webvan、宠物用品网站Pets.com靠概念拿到高估值,最终经营难以为继而退场。而亚马逊虽然也经历了那轮洗礼,却活了下来,逐步长成科技巨头。泡沫破裂改变的是估值,不是技术方向。
放到今天,李开复点出了几家已经站稳脚跟的企业:数据分析公司帕兰提尔已经实现盈利,人工智能企业Anthropic收入增长较快,OpenAI则凭借广受欢迎的产品获得市场认可。"我不觉得这是一个泡沫,"他说,“但股价的动荡跟调整是正常的情况。”
这句话其实区分了两件事:AI产业值不值得长期投入,和当下买入相关股票会不会亏钱,是两个问题。
大模型的盈利关:技术跑得快,收入跟不跟得上
微软、谷歌、亚马逊、Meta过去几年持续扩大AI资本开支,资金大量涌入芯片、数据中心和基础模型研发。但投资规模不断攀升之后,一个更现实的问题摆到了台面上:你能不能赚钱?
李开复把盈利能力视为大模型企业能否走远的核心指标。训练前沿模型需要持续投入,先进芯片、算力资源和人才成本居高不下;与此同时,开源模型能力快速提升,客户选择增多,模型服务的定价空间正在被压缩。
他特别提到开源生态带来的冲击。当企业客户可以在多个高性能开源模型之间自由选择,甚至自行部署调优,单纯靠模型性能建立的壁垒会越来越薄。
中国市场的情况也不容乐观。李开复指出,中国有11个开源大模型公司,技术竞争力已经不弱,但"最大的问题是如何盈利"。参与者多、同质化严重,客户不太会为参数上的微小差距多付钱。找到稳定的付费客户、跑通商业模式,成了存活的关键。
在这一背景下,零一万物已经调整了方向,逐步将重心从基础模型训练转向企业级AI应用。李开复给出了一组内部预测:公司2026年业务规模预计增长约三倍,2027年增长约两倍,并计划在2027年实现盈利。上述目标属于企业自身预期,实际情况仍需观察。
芯片环节的格局则相对稳定,但并非高枕无忧。李开复认为芯片公司"目前是安全的",股票配资平台实盘案例与策略解析:元鼎证券深度观察但未来会越来越同质化,“优势还会有,但不会像以前那么强大”。随着专用芯片和新型计算架构发展,现有技术领先的持续时间存在不确定性。
中美路径分化:消费创新与企业付费的不同土壤
全球AI竞争不只是技术比拼,商业环境的差异同样深刻影响着企业的发展路径。
李开复观察到,中国互联网企业在消费端创新上有明显优势。拼多多、美团、小红书等平台的崛起,证明了中国企业在产品迭代和用户需求响应上的敏捷性。他曾用"竞技场里的角斗士"来形容中国消费互联网公司,激烈竞争反而催生了持续创新的动力。
但在企业级市场,美国的积累更深。微软等公司推动软件从一次性买断转向订阅制后,企业客户已经习惯按月或按年付费。这种成熟的付费体系,为AI企业建立稳定收入提供了土壤。相比之下,中国企业对持续性软件付费的接受度仍在培养中,不少客户更倾向一次性采购或项目制结算。
李开复认为,即便中美企业技术水平接近,商业化能力的差异也会拉开距离。未来的竞争将不只是比谁的模型更强、算力更大,还包括应用创新、客户运营和商业模式设计。
AI重塑组织与就业:智慧变廉价之后
如果说资本市场关心的是回报周期,那企业和个人面对的则是更深层的结构性变化。
李开复在演讲中提出,AI革命的影响可能超过互联网和移动互联网。互联网让信息变得廉价,AI则让"智慧变得廉价化"。这种变化不只是工具升级,更可能重构企业的组织形态。
他区分了两类企业:一类是在现有架构上叠加AI工具,比如用AI处理报销或客服,效率提升但组织没变;另一类是围绕AI重新设计流程和决策机制的"AI原生企业"——“你把AI拆掉了,公司就散了。”
在他的设想中,未来企业可能减少层级管理,转向项目制运作,员工与AI智能体协作完成任务,过去需要多层协调的工作由系统直接处理。不过他也预计,传统企业完成这一转型大概需要三到五年,中层管理者积累的经验和知识需要逐步转化,不能一蹴而就。
就业层面,李开复判断信息处理、逻辑分析等标准化任务将更多由AI承担,而人类的优势会转向审美、远见、同理心和人际沟通。他以乔布斯为例,指出真正的商业领导力往往需要在数据不充分时做出判断,并有勇气颠覆现有模式。护理、教育、养老、旅游向导等需要情感互动的职业,在AI时代可能保有独特价值。
对于年轻人如何应对这种变化,他的建议出乎意料地朴素:比起某一项具体技能,学习能力更重要。“如果重新回到18岁,我仍会优先选择自己真正感兴趣、能激发好奇心和批判性思维的专业。大学真正需要学的就是学习的能力,而不是学某一门技巧。”
技术突破能推动产业往前走,但无法保证每个参与者都能分到蛋糕。当巨额资本持续涌入AI基础设施,市场接下来要看的,不只是还有什么新模型发布,更是这些投入能否换来持续增长的收入、利润和现金流。


