近期，隨著美股科技板塊的震蕩，“AI泡沫論”再次成為市場焦點。這種擔憂不無道理：當萬億級別的資本開支(CapEx)砸向算力基礎設施，而C端應用尚未出現“殺手級”爆發時，質疑其商業回報的閉環是理性的本能。

然而，作為一名長期觀察商業技術周期的從業者，我認為當前市場不僅存在“高估”的風險，更存在一種深層的“錯估”。

我們習慣了用互聯網時代的舊地圖，去尋找智能時代的新大陸；用線性的廣告變現邏輯，去推演指數級的生產力變革。這種錯位，掩蓋了AI真正的商業野心。

估值的錨點：從“眼球經濟”到“算力基建”

市場對英偉達等核心標的高估值的恐懼，本質上是對“增長斜率”的不適。這讓人聯想到2008年前后中國的房地產市場。彼時，若以當時的居民收入水平(存量)來衡量一線城市的房價，確實顯得“不可持續”。但歷史證明，資產價格錨定的并非當下的存量收入，而是城市化進程中即將釋放的巨大生產力增量。

同理，今天市場給予算力巨頭的高溢價，并非在為一家硬件公司定價，而是在為“未來世界的數字石油”定價。在技術范式轉移的早期，資本往往會通過“未來折現”來搶占入場券。如果僅盯著短期財報的市盈率(P/E)，而忽略了從“信息互聯”到“智能生成”的代際躍遷，我們很可能陷入“刻舟求劍”式的誤判。

替代的真相：靜水流深的“任務重構”

支撐“泡沫論”的另一個論據是：大規模失業潮并未出現。既然AI沒有顯著替代人工，生產力革命是否被夸大了？

這種觀點誤讀了技術滲透的顆粒度。AI對勞動力市場的重塑，絕非簡單的“裁員”，而是一場靜水流深的“任務重構”。

我們需要關注一個新現象：企業人效的隱性提升。許多科技公司正在經歷“HC(招聘名額)凍結”與業務增長并存的狀態。這背后，是AI正在以“任務(Task)”而非“職位(Job)”為顆粒度，逐步接管工作流中的標準化環節。它無法做到代替一個完整的員工，但是可以做到今天接手30%的工作，明天實現50%的工作，以這樣潤物無聲的模式悄悄滲透。

職場新人感到的“入場艱難”，正是因為原本用于練手的初級代碼編寫、文案整理等工作，正在被算法以極低的邊際成本消化。這不是泡沫破裂的信號，恰恰是技術從“概念”走向“降本”的實質性證據。

市場的誤判：4000億存量vs15萬億藍海

最值得深思的誤解，在于對AI潛在市場規模(TAM)的低估。

許多分析師在測算AI價值時，依然沿用互聯網的邏輯——搜索、廣告、訂閱。如果AI僅僅是為了爭奪這一塊蛋糕，那么萬億級的投入確實是低效的紅海博弈。

讓我們看一組數據對比：美國互聯網廣告與軟件服務市場的年產值，在4000億至5000億美元之間。這是一個高度成熟、增長見頂的“存量池”。

而如果我們把目光轉向美國的服務業勞動力成本市場——包括醫療診斷、法律咨詢、客戶服務、基礎編程等——這是一個高達15萬億美元的“深藍海”。

這才是AI真正的獵場。

互聯網經濟賺的是“信息不對稱”的錢，依靠流量變現；而AI經濟賺的是“勞動力成本剪刀差”的錢，依靠智能生成來替代昂貴的人力。

當AI Agent(智能體)逐漸成熟，能夠承擔起客服(約3000億美元市場)、初級法律顧問乃至全科醫生的職責時，它撬動的不再是廣告預算，而是全社會的運營成本。

從4000億美元的“存量”到15萬億美元的“增量”，這中間存在著30倍以上的價值空間。這解釋了為何巨頭們敢于進行“飽和式救援”般的投入——因為他們賭的不是下一個谷歌，而是下一個“智能化的勞動力市場”。

結語

任何技術周期都伴隨著過熱與回調，短期的泡沫在所難免。但我們不能因噎廢食，用舊時代的杯子，去丈量新時代的大海。

在這一輪變革中，最大的風險或許不是參與泡沫，而是被未來拋棄。當潮水退去，留下的將是那些重塑了生產力基座的堅硬巖石。

(作者魯漫為產品經理，科技行業工作者)