面對相同的數據，卻能夠有不同的視角和結論。

英偉達2026財年數據中心收入1937億美元，同比增長68%，一個季度就能賣623億美元的GPU [1] 。

OpenAI年化收入從2023年的20億飆到2026年的250億以上，Anthropic15個月收入漲了30倍 [2] 。

樂觀的一面會將這組暴漲的財務數據視作「業績驗證」。在他們眼中，真金白銀的投入是黃金時代開啟的確鑿證據。

悲觀的一面則將這同一組數據視作巨大的風險積累。紅杉資本 Sequoia Capital 算了一筆賬。AI基礎設施每投入1美元，需要應用端產生4美元營收才能完成商業閉環 [3] 。

btw，紅衫資本是2023~2024年發出的這些疑問，不知道后續他們怎么認知現在的市場。

但在 2026年4月，騰訊研究院對引用了這個 紅杉 模型， 以此基數倒推，應用端需要約7750億美元營收，才能填平僅僅英偉達一家造成的硬件投入。現實情況表明，目前應用端實際收入僅停留在1500至2000億區間，商業缺口超過6000億美元 [4] 。

順著這條成本壓力線進行悲觀邏輯的推演，Gartner指出僅有28%的AI項目達到預期ROI，80%的項目死于數據問題 [5] 。MIT的研究甚至表明，95%的企業AI投資最終徹底沉沒 [6] 。

你看，各種角度都有理由。

最近和不同的人討論AI，觀察了一些AI行業、投資理財相關的人的發言，我發現一個有意思的現象，對于AI相關標的的態度，市場認知存在一條由「是否用過AI生產」和「投資年限」共同劃定的分界線。

表面上這是投資觀點的分歧，但其實挺有意思的是，因為兩群人擁有完全不同的經驗路徑，所以即使面對絕對一致的財務數據，他們也如同居住在兩個封閉的信息繭房中，得出了截然相反的解讀。

所以階段性記錄下，不知道自己的觀察是否正確

兩邊的邏輯

將AI用于代碼編寫、研究分析或內容生成的一線使用者，即使對具體估值存在分歧，對產業邏輯和業績預測的認可度依然很高。

程序員使用Claude寫代碼，研究員使用AI對會議錄音進行整理，觀點總結掃描交叉映射。這些體感映射到宏觀數據上，就變成了非常認可英偉達、OpenAI、Anthropic這些企業的收入、盈利或者估值飛漲。

樂觀派的數據基礎就是，大模型公司的營收數據確實呈現爆發態勢。OpenAI的年化收入從2023年20億沖到2026年2月250億以上 [2] ，OpenAI已成為人類商業史上增長最快的軟件公司。Anthropic的增長幅度從2025年初的年化10億，至年底90億，再至2026年4月突破300億，15個月內實現30倍增長 [7] 。

而看空的人呢，要么是沒有怎么用過AI的，或者是從根本上對技術演進持有悲觀論調，比如經歷過互聯網泡沫的價值投資者、比如堅信能源瓶頸與算力極限會鎖死商業化上限的宏觀研究員、比如習慣用DCF模型去衡量早期技術滲透率的CFA，又或者是擁有對人類奇怪悲憫的小布爾喬亞群體。

包括最早的紅杉資本的6000億缺口，看空人群的邏輯，是主要建立在「財務模型苛求」與「歷史周期類比」。比如：

財務模型層面的風險集中，2026年2月BBG測算，Alphabet、亞馬遜、Meta及微軟在2026年資本開支合計達6500億至7000億美元，占據上述四家企業經營現金流的94%[8]。高盛預測2026至2031年AI基礎設施累計投資達7.6萬億美元[9]。因為巨額投資高度依賴極少數超級應用產生巨大商業價值，所以產業鏈呈現極端的風險集中化。美國銀行2026年3月調查顯示，33%的基金經理擔憂過高的資本開支水平[10]。

歷史周期視角的不可持續推演，看空的人傾向于進行歷史類比，引用互聯網泡沫或中國股市泡沫作為參照。同時，看空陣營在現有的線性增長框架下，判定當前的硬件收入增速不可持續。

之前中泰證券做了個研究，資產「年齡」敘事的定量證據與反差，55-60歲基金經理顯著超配茅臺、騰訊、紫金礦業，明顯低配中際旭創等硬科技標的，35-40歲群體則超配中際旭創、寒武紀，低配傳統消費龍頭。

研報認為，這種代際偏好差異本質是投資生涯中不同產業牛市的烙印，比如說60后親歷白酒與互聯網黃金時代形成路徑依賴，85后經歷新能源與AI牛市對硬科技變革紅利有極致信仰。

所以你看，在真實的數據基礎上，過往經歷構成了價值觀與決策模型的基礎。兩類群體皆在重復自身的直覺與偏見。

使用者與投資者

數據本身是中性的，但體感會決定數據的解釋框架。

現在我們回到開頭的問題，為什么同一組數據，能讓兩個人得出完全相反的結論？

因為兩邊看的視角不同。

樂觀的會看「邊際變化」，這個技術今天比昨天好用了，這個公司今年比去年賺更多錢了，這個趨勢是向上的。

懷疑的會說「風險集中」，就算技術繼續變好，現在的估值已經把十年后的樂觀預期全部折現進，資本回報率能不能覆蓋機會成本？

但兩邊也會有看不見的東西。

樂觀的人會面臨「證實偏差」。你用AI提效了，你看到同行也在用AI，你訪談的企業都說好，會讓你不自覺地放大AI的影響范圍和速度。。

懷疑的人則引用「歷史經驗」，每一輪技術革命都有人說「這次不一樣」，但「最后都一樣」。

誰也說服不了誰。

2000年互聯網泡沫破滅印證了看空者的預期，但亞馬遜與谷歌在泡沫后實現數百倍增長也打了看空者的臉。

技術創新往往比悲觀者預期的快，盈利兌現往往比樂觀者預期的慢。

這兩個時間差，大概是產生這個差異的原因吧。

所以……結論是什么？

也沒有什么結論。可能盡量提醒自己，既不要完全像一個樂觀派的線性外推，也不要陷入懷疑派的不可知論。

作為使用的人，擁抱AI工具，讓它可以提升你實際的效率，工具就是工具，好用就用。

作為投資，時刻提醒自己不要陷入bias。一家公司或者行業可以業績很好，但如果你在200倍PE買入，基本面再優秀也需要時間來消化估值。

參考來源

[1] NVIDIA. NVIDIA Announces Financial Results for Fourth Quarter and Fiscal 2026. nvidianews.nvidia.com, 2026-02-25.

[2] OpenAI & Anthropic Hit Record Revenue Milestones, 2026-03-17.

[3] Sequoia Capital. AI’s $200B Question. 2023-09.

[4] 騰訊研究院：. 2026-04-14

[5] Gartner Says AI Projects in I&O Stall Ahead of Meaningful ROI Returns, 2026-04-07.

[6] MIT Sloan Management Review. Expanding AI's Impact With Organizational Learning. 2025.

[7] 金融時報. Anthropic擬今夏融資最高500億美元 衝擊上兆美元估值 反超死敵OpenAI. , 2026-05-08.

[8] Bloomberg. Big Tech to Spend $650 Billion This Year as AI Race Intensifies. CSDN, 2026-05-07.

[9]Golden Sachs.Tracking Trillions: The Assumptions Shaping the Scale of the AI Build-Out. Goldman Sachs Global Institute, 2026-05-01.

[10] Bank of America Fund Manager Survey. March 2026.