从互联网泡沫到AGI热潮:技术突破与资本炒作的分界线

发布时间:2026/10/19 5:30:16

从互联网泡沫到AGI热潮:技术突破与资本炒作的分界线 我入行那一年正好赶上上一轮科技周期的尾声。那时候互联网的故事讲得天花乱坠仿佛谁不站上这趟车谁就要被时代淘汰。结果泡沫破裂的时候大家才发现真正留下来的不是造概念最多的那批公司而是把网络变成水电一样基础设施的那批人。如今AGI通用人工智能正在复刻几乎一模一样的剧本一边是技术成果确实让人兴奋一边是资本叙事越来越像2000年那场互联网狂欢的翻版。这个标题我想了很久写这篇文章的目的很简单——把两条曲线放在同一张坐标图上看看我们到底处在周期的哪个位置也聊聊我自己这些年踩坑总结出来的一些判断方法。这篇文章既不是写给纯粹的技术研究者也不是写给一天到晚喊“伟大时代”的乐观派而是想分享给那些在产品、投资、技术决策之间摇摆的人想判断你是真在跟进技术突破还是只是在给资本炒作递刀子下面这些思路应该能帮到你。1. 泡沫的配方从互联网到AGI资本叙事的底层规律1.1 两轮周期里几乎一样的“三段式”路径如果把2000年前后的互联网泡沫拆解来看会发现它的发展路径非常清晰第一阶段是“基础设施先行”。大家拼命铺光缆、建机房资本疯狂涌入带宽和通信设备哪怕没有人知道这些带宽未来具体会被什么消耗掉。第二阶段是“叙事全面起飞”。门户网站、电子商务、在线广告每个细分方向都开始讲未来的市场规模估值模型越来越抽象从“市盈率”变成了“市梦率”。第三阶段是“落地跟不上估值”。基础设施建好了用户增长了但大多数公司到清算那天都没赚到钱于是资本市场用脚投票泡沫破裂。对照今天的AGI热潮路径惊人地相似。我们现在正处于“基础设施狂飙”阶段大量资金涌向算力集群、芯片、数据中心、能源配套。大模型的能力每隔几个月就能看到一次明显进步于是叙事层开始全面铺开——所有软件产品都在大喊“AI原生”所有行业都在给自己贴上“智能”的标签任何项目只要沾上AGI的边估值都能往上翻一番。至于落地能不能产生真实、可持续的收入很多人其实心里并没有底。这里就引出一个非常关键的问题为什么明知道泡沫破碎的结局还是有前赴后继的人往里冲答案不在金融学里而在心理学里。每代人都会给自己的泡沫找一套“这次不一样”的逻辑2000年叫“信息时代没有边界”现在是“智能奇点近在眼前”。但市场的底层规则从来没有变过——如果一个故事不能在某一天被折算成现金流那它总有一天会被重新定价。1.2 基础设施价值与基础设施公司估值完全是两码事2000年最有代表性的教训是光缆本身是有价值的但铺设光缆的公司并不一定值那个估值。数据流量确实在持续增长互联网确实改变了世界这些都千真万确。可当时资本市场把一个要烧钱十年、最终才整合成熟的核心业务用五年后的乐观现金流去贴现资金链一断整个产业链都跟着崩盘。今天的AGI赛道也有类似的盲区。大算力本身有价值AI芯片有真实需求这没有人否认。但“算力有长期价值”和“某家公司当前的市值合理”是两个完全不同的命题。如果你把后者当成前者去投资、去押注职业发展、去立项做产品发酵出来的风险远超想象。所以判断一个东西是不是泡沫第一步不是看它有没有价值而是看你讨论的是不是同一件事。价值判断管长期估值判断管当下。你拿“行业10年后一定需要算力”来证明“今天的某笔投入不会亏”这在逻辑上走不通。真实世界不会直接把未来的行业需求折算成某家公司的当期现金流。注意看到“AI基础设施”这类词的时候先分清它说的是产业链需求还是某张具体的资产负债表。模糊这两者的差别是买在泡沫顶点的最快捷方式。2. 技术突破与资本炒作的分水岭到底藏在哪些细节里2.1 技术突破是“非共识的正确”资本炒作是“共识的过度”从本质上看真正意义上的技术突破往往是不被当时的主流叙事完全理解的。它可能看起来很粗糙效果不惊艳但它解决了一个真实的、有付费意愿的问题。而资本炒作正好相反——它极度依赖共识越多人相信故事增量资金越多估值越高但离真实业务的验证却越来越远。用这个视角回看AGI你会发现一个有意思的现象真正扎实的悄悄进步比如某个模型把推理步骤显著缩短、某种架构把同等效果的算力成本降下一截这些消息往往只在技术社区里讨论很难形成夸张的财富故事。反过来最能刺激大众神经的通常是一句“AGI要达到甚至超过人类所有认知工作”的大判断以及建立在这个判断之上的一连串天文数字投资计划。技术突破要想进入规模化应用必须通过成本、稳定性、用户体验这三道窄门。而资本炒作只需要通过PPT和美工设计这三道窄门。这两套系统的筛选标准完全不同你觉得前者和后者哪一个更容易混过去2.2 从技术验证到工程化落地隔着一条巨大的“死亡谷”这里想重点聊一个被我看了无数次的技术阶段划分。一个想法从实验室到真正走进生产环境通常要经历五步学术演示、可复现实验、原型系统、可用产品、高性价比规模服务。每一个技术方向无论它叫互联网还是AGI都要跨越这五步。2000年的互联网泡沫为什么那么惨因为当时有大量的公司卡在第2和第3步之间。网络协议和基本Web应用已经被证明可用但是把它变成稳定的、能支撑千万级用户的商业服务还要解决支付、物流、信任、带宽成本一大堆问题。资本等不及第5步它们想在第2步的时候就按第5步的规模估值。你问互联网那时候是不是泡沫是也不是。方向不是泡沫但估值提前预支了方向成功的全部红利它就是泡沫。现在的AGI也非常接近这个状态大模型在演示层面已经足够惊艳代码生成、图文处理、对话交互已经能让人产生“这就是未来”的幻觉。但当你把它放进企业级生产环境要求它7x24小时稳定运行、每一次输出都可复核、能够和既有系统平滑对接很快就会碰上一堆工程化难题推理延迟不稳定、可控性不够精确、成本随业务量线性膨胀。这些都是典型的“从第3步到第5步”的坑。所以我个人的关键判断标准是如果一个AGI项目解决了核心生产场景里面的具体问题并且可以测量效果、可以计算省下多少钱或者多赚多少钱它属于技术突破范畴。如果它只能给你看一个惊艳的演示然后告诉你“这个能力未来会像人类一样替你完成一切工作”它大概率处于资本炒作范畴。这两者之间的距离比所有人想象中都宽。而泡沫破灭本质上是很多项目最后没有能力独自从这段距离中走出来。3. 实操贴士一套能落地的“泡沫体检”判断方法3.1 四维指标设计平时我最常用的评估方法是针对任何一项AI技术或产品从四个维度打分。这四个维度的权重可以按你所在行业调整但维度本身尽量不要变。第一维单位经济模型是否算得清。 针对一个具体产品你知道它服务一个客户的实际成本是多少吗推理成本、人工标注成本、维护成本、获客成本加在一起有没有低于客户愿意支付的价格如果算清楚还是正的说明需求有真实价值如果算了好几个月还算不清甚至需要靠故事来回避这个问题基本可以标红。第二维是否实质性改变生产函数。 网络和自动化为什么能穿越周期原因是它们不是用来摆设的而是真实地把生产效率往上抬了一截信息传递快了、库存周转提升了、流程时间缩短了。今天的AGI产品也需要问同样的问题它到底是帮客户把某条核心工作的成本下降了30%以上还是只是替代了年轻人本来就能干的简单体力活前者是生产函数改变后者大概率是一阵风。第三维时间表能否证伪。 一个说法是否存在明确的里程碑和验收标准比如“到明年年底之前把客服场景的好评率提升到95%以上”这是一个可验证的时间表而“五年之内AI会取代全世界大量脑力劳动”这是一个无法证伪、使你永远无法确认泡沫破裂的叙事。越宏大的时间表越不用信因为宏大叙事本身就是被用来遮挡细节的。第四维技术的栈是否在持续优化成本。 注意这里的核心不是“能力”有多强而是“获得这项能力的成本”是否能快速下降。任何技术在早期都贵得吓人但只要迭代够快成本每年下降一半以上它就有机会从演示走向普及。反过来如果模型能力在进步但单位算力成本改善极慢落地就会一直卡壳估值越吹越大真实渗透率根本跟不上。维度健康信号泡沫信号单位经济模型单一客户毛利为正成本可追溯算不出成本或“规模扩大后自然盈利”生产函数影响核心流程降本增效可以量化只在边缘环节“锦上添花”时间表有里程碑能被验收或证伪宏大年代叙述没有中途失败判据成本曲线单位成本持续快速下降成本顽固能力增长靠砸更多钱3.2 用“资产包视角”替代“舵手视角”如果你是在公司内部立项或者做投资决策我强烈建议你不要站在“全知舵手”的视角去看赛道觉得自己能判断整个AI行业往哪走。更好的方式是把自己当成一个在做资产配置的人只问三个问题这个项目有没有健康的底层现金流哪怕技术失败了它现有的能力能否做点别的事情在不追加投入的情况下项目自身能活多久如果断供三个月就要完蛋说明它的基本面还没成立。最坏情况发生的时候我失去的与可能获得的相比是否对称这套思路是我从上一轮周期里总结出来的。当时很多公司账面估值极其漂亮但底层几乎没有现金流全靠持续融资维持风一停就倒。现在的AGI市场也很类似如果一个项目讲故事的核心逻辑全部建立在“未来AGI引爆一切”的假设上你自己想想你在那个故事里究竟是坐在牌桌上的玩家还是牌本身4. 站在当下2025—2030年AGI哪些是扎实积累哪些像情绪透支4.1 扎实的部分在于底层能力的“工具属性”显著增强看AGI这个事我一直觉得要分两层。第一层是它作为通用技术工具的成熟度第二层是它作为资本叙事的热度。这两者经常被混在一起谈结果是让人一损俱损、一荣俱荣。从工具属性上来说最近几年的进步是看得见摸得着的。代码辅助生成已经从“偶尔拼出可用片段”进化到“在完整项目里维持上下文一致”多模态识别在文档解析、质检、自动驾驶等领域有了真实且稳定的应用场景Agent框架也从一个玩笑逐步变成能完成多步任务处理的实验系统。与此同时模型压缩与推理优化的技术路线越来越清晰同等效果下的硬件需求在不断下降。这说明AI作为生产力的方向并不是纯粹的画饼至少底层能力是在实打实往前走的。这些积累能不能撑起一家大公司或者撑起我们所有人都转型来用它短期很难判断。但底层的技术能力进步和历史里互联网时代的传输速率提升、芯片成本下降是很像的属于真正具有长期价值的积累。一旦这类指标还在改善这个行业就仍然是值得继续投入长期研究的领域。4.2 情绪透支的部分在于“凡是被反复升华的往往离真实支付最远”和上面的扎实部分说不清哪里不对的通常是那股无限升华的叙事风气。许多论坛和投资人见面会上的AGI讨论已经不太聊数据和工程问题了动辄就是“AGI奇点”“人类文明的生存边界”“超级智能取代绝大多数工作”。这种话本身不是毫无依据的但它和当下可用的产品之间隔了太远太远。我做了一个自己的分类那些越是被反复套在人类命运层面来讲的AI方向短期内的商业回报越没有保障。为什么因为真实世界里的委托人对一件工具的最高评价是愿意为它持续买单。人类命运叙事不需要任何用户买单也能自我维持它靠的是情绪共振与趋势押注。一旦资金环境收紧最先撤出的就是这些情绪盘。而且泡沫周期里有一个特别反直觉的现象叙事本身会很强化基础设施建设反过来又为真正的应用落地创造了一些条件。所以我说AI赛道现在不是“要么全部是真”也不是“要么全是泡沫”。更客观的说法是底层技术进步真实存在着但资产定价已经把未来十年的空间全部提前折进去了市场在整体上确实处于资本炒作浓度较高的状态。这跟2000年铺光缆一样光缆本身是好的问题是修光缆的人按电讯行业通行估值之外的泡沫逻辑募了太多的钱。提示我的体感是2030年前后这个窗口期大概率会经历一次集中的估值修复或分化。真正能在分化之后还活得好好的一定是那些已经找到稳定付费场景、单位经济模型健康的玩家。4.3 两个值得警惕的“叙事放大模式”在过去的泡沫周期里我总结出两种最危险的“叙事放大模式”现在的AGI行业里全都能找到。第一种是“什么都加AI等于什么都是AI”。十年前是“互联网”今天是“AI原生”。你要是问具体怎么原生回答通常是“用大模型重构交互”。但重构交互之后业务流程并没有发生本质变化成本却因为引入模型实实在在上升了。这类产品在公司内部被称为“战略型Demo”——做完之后只是给管理层展示从不考虑真实投入产出比。任何一个赛道里这类产品的占比过高都需要高度警惕。第二种是“拿长期主义给短期亏损洗白”。长期主义这个词本身没错错的是被滥用了。真正做技术突破的长期主义至少在某个节点上能看到单位成本下降、用户体验改善、关键指标进步的苗头。而泡沫期的“长期主义”逻辑则是“现在亏没关系因为我们做的是足以改变未来的大事”。它会把“改变未来”当成不审视当期经营的挡箭牌。我不否认有些企业确实在做长周期投入但正因为这类故事太多我们更需要用数据检验而不是用业界的赞美来检验。5. 身在周期里个人、团队、资本都该怎么应对5.1 个人决策不要把自己的职业押在单一叙事上对个人打工者或技术开发者来说泡沫破裂最大的风险不是你选错了技术方向而是你把自己的全部身家绑在了某一个特定公司的股票、某一个特定框架的名气、或者某一种“只能成功不能失败”的项目信仰上。这些年我的建议非常朴素能力上尽量培养“可迁移”的面而不是只学某一家厂商的私有调用方式。项目上优先选择那些业务逻辑稳定、可以积累垂直领域知识的场景不要为了追热点反复横跳。财务上警惕公司用“未来期权”支付你当下现金。期权本身没问题但对大多数从业者来说现金流的稳健程度比想象中重要得多。泡沫顶部最大的坑就是你以为手里握着公司长期增长的船票实际上只是周期末端的接棒人。如果你不想在泡沫破裂时失业三个月最好从现在开始就有意识地积累三样东西可展示的业务成果、可迁移的技术底座、可计算的行业经验。5.2 团队决策把预算花在可度量的指标上我在团队里推过一个“预算三分法”。也就是说AI相关投入分成三份一份用来探索前沿能力不要求马上有回报一份用来改善既有产品的效率比如打磨推理成本、降低延迟、提高自动化准确率一份用来做明确的新业务孵化但这个孵化必须有清晰的目标成本。这三份资金彼此独立原则上不允许互相挪用。为什么这样做因为前沿探索这个池子最容易变成情绪燃烧池大家越谈越兴奋越谈越大最后做出的东西根本无法交付。用“三分法”把池子切小至少能保证即使探索方向崩了你的团队还有基于存量业务的改善在产出价值。等领域真正进入爆发期再调高探索比例如果泡沫先破你的团队也已经在存量效率上积累了真本事不至于被一波带走。5.3 面向2030比预测更重要的是保障“哪怕破裂也有事可做”不做预测的人没法给建议事实上正好相反。经历了2000年和之后几轮技术周期的老手最宝贵的经验不是预测什么时间破灭而是无论接下来发生什么都让自己处在“有事可做”的状态。如果你是技术从业者保持对基础能力的打磨和底盘理解。模型可以换框架会过时但解决问题的思维和系统设计的能力每一次周期都会要。如果你是业务负责人做好数据资产的沉淀。泡沫期最被忽视、破裂后最被重视的往往是那些早期积累的用户行为数据、行业流程理解和标注资产。如果你是普通观察者保持合理的资产配置和风险意识别把全部身家押在“AGI一定会重塑世界”上。世界大概率会被改变但改变的顺序、节奏和受益者的分布都不一定是你今天想象的这样。我觉得这就是技术突破与资本炒作之间的那条隐形的线真正的突破让你在泡沫退去之后仍然能靠它吃饭炒作则只是在泡沫存在的时候让你显得自己很富有。这些年我见过太多人他们在风口上赚到了账面财富却因为没留好过冬的粮食最后把工作、热情、判断力全部透支掉。技术浪潮一定会一波又一波地来但你的职业生命的韧性决定了你能不能在浪退之后看到下一波。方向可以进取仓位永远要稳健。这是我经历了完整的互联网泡沫重组期以后最想对所有关心AGI的朋友说的一句话。
延伸阅读

更多相关文章

2026/10/19 5:30:16

深入理解继承:从核心概念到实战避坑指南

1. 为什么继承这件事值得单独拎出来讲刚入行那会儿,我对继承的理解就停留在“子类 extends 父类,然后就能用父类的方法了”这个层面。直到有一次做一个订单系统的重构,我才真正意识到继承这件事远没有想象中那么简单。当时系统里有普通订单、…

2026/10/19 5:30:16

Spark+HBase地铁客流分析:从CSV到分时报表完整链路

简介:一套基于Spark的地铁大数据客流分析系统毕业设计源码包,面向计算机相关专业学生、大数据初学者及毕业设计选题者,围绕地铁客流统计、预测与调度优化场景展开。压缩包共194个文件,约42.6MB,按功能分为Java/Scala核…

2026/10/19 5:30:16

VS工具集实战:环境配置、脚本使用与工程模板生成指南

简介:VS平台工具集.zip是一份面向Visual Studio开发者的平台工具集整合包,用于补充和更新VS的构建与编译组件,适合需要在Windows环境开展.NET/C开发、自定义MSBuild构建流程或调试工具链的工程师。压缩包共收录2000个文件,以1158个…

2026/10/19 6:35:20

逆滤波与维纳滤波:图像恢复原理及Matlab实现详解

做过图像处理课程设计或者研究过老照片修复的朋友,大概率都被一类问题卡过:画面模糊了,能不能用算法把清晰度“算回来”?在数字图像处理体系里,这个方向叫图像恢复,其中两个最经典的算法就是逆滤波器和维纳…

2026/10/19 6:35:20

free-claude-code:代码生成场景下的成本控制与调用链路优化

1. 这个项目到底在解决什么问题第一次看到“free-claude-code”这个标题,很多人会以为又是一个套壳聊天工具。但真正翻过它的代码结构、跑过几轮实际任务之后,你会发现它想做的事情比“免费聊天”要具体得多——它瞄准的是代码生成场景下的成本控制与调用…

2026/10/19 6:35:20

九款AI论文工具实测:自考生如何高效完成论文

晚上十点,我打开论文文档,光标在第一章标题后面闪了二十分钟,一个字没动。白天在公司开了四个会,周末还有两节专业课,论文这件事已经被我拖了两个星期。我相信很多自考生都懂这种状态:不是不想写&#xff0…

2026/10/19 6:35:20

free-claude-code 深度拆解:AI 编程助手客户端架构与实战

1. 从"free-claude-code"这个名字说起:它到底在解决什么问题第一次看到free-claude-code这个项目名,很多人会下意识以为它是个"破解版"或者"白嫖工具"。我一开始也这么想,但真正翻完它的代码结构和设计思路之后…

2026/10/19 6:35:20

free-claude-code本地部署与调优:离线AI编程助手实战指南

1. 从"免费"二字说起:这个项目到底在解决什么痛点第一次看到"free-claude-code"这个标题,很多人第一反应是"免费使用某个AI编程工具"。但如果只停留在这一层理解,就完全错过了这个项目真正的价值。我在实际接触…

2026/10/19 6:30:19

基于Matlab与CNN的糖尿病视网膜病变自动检测方案解析

1. 项目概述与整体思路拆解1.1 这个项目到底在做什么先说结论:这是一个典型的医学图像二分类任务,输入是眼底相机拍摄的视网膜影像,输出是“健康”或“糖尿病视网膜病变(DR)”的判别结果。实现方式是用卷积神经网络&am…

2026/10/18 0:01:50

金融AI落地指南:从调研报告到技术选型与工程实践

简介:这份PDF报告聚焦2025年金融服务业中国AI现状与趋势,面向金融科技从业者、AI战略规划人员及关注行业数字化转型的研究者,帮助读者把握生成式AI在银行、支付、交易等场景中的落地路径与投资方向。资源包内含1个PDF文件,大小约1…

2026/10/19 0:04:56

悟空开源无代码平台实战:从实体建模到应用设计避坑指南

简介:基于悟空开源无代码平台的多种应用设计源码,面向希望在不编写代码的情况下快速搭建CRM、HRM、财务系统、ERP、SRM等业务应用的企业与技术人员,通过拖放式界面和内置模板即可完成应用定制与部署。压缩包共697个文件,约10.74MB…

2026/10/19 0:04:56

基于.NET9的多租户权限系统:数据权限与动态API落地实践

简介:这份资源是一套面向 .NET 与 Vue 全栈开发者的中台权限管理系统,后端基于 .Net9,前端采用 Vue3 Element Plus,并配套 uniapp uviewui 移动端方案,实现前后端分离。系统覆盖多租户隔离、数据权限、动态 Api、任务…

2026/10/19 0:04:56

场地预约小程序毕设实战:SSM+微信小程序+MySQL数据库设计到避坑

简介:面向毕业设计场景的场地预约小程序完整项目,基于微信小程序SSMMySql技术栈开发,适合计算机相关专业学生作为选题参考、功能扩展或二次开发起点。系统实现场地类型管理、场地管理、预约管理、取消申请与押金退回等功能,分为管…

还想了解更多?直接咨询顾问

免费诊断 + 免费方案 + 透明报价。

全国咨询热线400-8866-253
免费获取方案
☎咨询二维码 ☎ ↑