AI经济学的荒诞寓言：资本泡沫是如何被吹大的

一则辛辣的AI经济讽刺

Andrew Singleton在McSweeney's上发表了一篇名为《AI Economics for Dummies》的短文，用一个精妙的寓言故事，将当前AI行业的资本游戏讽刺得淋漓尽致。McSweeney's是由美国作家Dave Eggers于1998年创办的独立文学出版机构，以其尖锐的讽刺文学和实验性写作闻名，其"Internet Tendency"栏目长期刊载针对科技行业和社会现象的短篇讽刺作品，已成为美国知识分子圈层中极具影响力的文化评论阵地。McSweeney's的讽刺传统根植于美国文学中更深远的脉络——从马克·吐温到库尔特·冯内古特，美国文学一直有用荒诞叙事解构权力结构的传统。该栏目继承了这一衣钵，但将矛头对准了21世纪的新权力中心——硅谷，其特点是用极度压缩的篇幅和精确的行业黑话，制造出认知上的"不协调"效果，迫使读者重新审视已被习以为常的商业逻辑。

这篇被Simon Willison等科技圈人士广泛转发的文章——Willison是Django框架的联合创始人，也是AI领域活跃的独立开发者和评论者，他的转发往往意味着一篇文章触及了技术社区的真实痛点——虽然只有短短一段话，却像一把手术刀，精准地剖开了AI投资狂潮中的荒诞逻辑。

寓言的核心：一场完美的资本循环

故事是这样的：

Jenny经营一家火葬场。John的丙烷公司给她200亿美元投资，换取她5%的股份。Jenny把100亿美元扔进焚化炉，然后付给John 100亿美元购买丙烷来把那些钱烧成灰烬。John对外宣布，他的AI投资本季度创造了100亿美元收入，而且他拥有一家价值1000亿美元企业5%的股份。一位《福布斯》记者被派去报道John和Jenny，在调查过程中，他与两人陷入了一段热烈但令人困惑的三角恋情，最终演变成一段多元共同法婚姻。他写出的报道热情洋溢，但在财务细节上轻描淡写。

这段文字的每一个细节都值得玩味。

拆解荒诞逻辑：AI投资的钱究竟去哪了？

估值的魔术

John投了200亿美元换取5%的股份，这意味着Jenny的火葬场被估值为4000亿美元——不，等等，故事里说John声称自己拥有一家"价值1000亿美元企业"的5%。这个数字本身就是随意编造的。在风险投资领域，这种估值方法被称为"post-money valuation"（投后估值），其计算方式是用投资金额除以获得的股权比例来反推公司总估值。但这个数字仅反映了最后一轮投资者愿意支付的价格，并不代表公司在公开市场上的真实价值。

post-money valuation的问题远不止"反推"这么简单。在私募市场中，估值还受到清算优先权（liquidation preferences）、反稀释条款（anti-dilution provisions）等复杂条款的影响。例如，一位投资者可能获得2倍清算优先权，意味着在公司被出售时，他们首先拿回投资额的两倍，然后才与其他股东分配剩余价值。这意味着后轮投资者的"每股价格"实际上包含了这些保护性条款的价值，而非纯粹反映公司的经营价值。此外，私募市场缺乏公开市场的价格发现机制——没有每日交易、没有做空机制、没有大量独立分析师的覆盖，估值本质上是买卖双方在信息不对称条件下的博弈结果。

在这套机制背后，还存在一个更深层的行业动力学：风险投资基金本身也需要向其有限合伙人（LP）报告业绩。当一家被投企业获得更高估值的后续融资时，早期投资者可以在账面上标记资产增值（mark-up），从而提升基金的内部收益率（IRR）。这意味着风险投资人有动力推动被投企业以更高估值进行后续融资——即使这些估值缺乏基本面支撑。在AI领域，这一动力被进一步放大：由于AI公司的收入增长往往来自关联方交易，估值的"验证"更多依赖叙事而非独立财务指标，形成了一个多层嵌套的自我强化系统。

在现实的AI行业中，这种估值逻辑并不罕见：OpenAI在2024年的估值达到1570亿美元，而其年化收入仅约34亿美元，市销率超过46倍——相比之下，即便是科技股中估值最激进的公司，市销率通常也在10-20倍之间。投资方以某个价格入股，然后据此反推出一个天文数字的估值，而这个估值从未经过市场的真正检验。

收入的幻觉

John报告说他的"AI投资"产生了100亿美元收入。但这100亿从哪来？是Jenny用他投的钱买回了他自己的丙烷。这是一个完美的资金闭环——投资人的钱最终以"收入"的形式回到了投资人自己的口袋里，然后被包装成"AI业务的强劲增长"。

这让人不禁联想到当前AI基础设施领域的现实：大型云计算公司向AI初创企业提供巨额投资或信贷额度，这些初创企业转身就把钱花在同一家云计算公司的GPU算力上。投资变成了收入，收入证明了投资的正确性，形成了一个自我论证的循环。

理解这一闭环需要了解当前AI训练的经济结构。训练一个前沿大语言模型的成本已从GPT-3时代的约1200万美元飙升至GPT-4时代的超过1亿美元，而下一代模型的训练成本预计将达到数十亿美元。这些成本的主要构成是GPU租赁费用，而全球GPU算力供应高度集中在三大云服务商手中——AWS、Azure和Google Cloud。这种供给侧的寡头格局意味着AI初创企业几乎没有选择余地，资本投入必然流向少数几家基础设施提供商，而这些提供商恰恰又是最活跃的AI投资者，由此形成了Singleton寓言中"丙烷公司投资火葬场"的结构性必然。

这种投资闭环的财务处理涉及会计准则中的一个灰色地带。根据美国通用会计准则（GAAP），只要交易具有商业实质且价格公允，关联方交易可以被确认为收入。微软向OpenAI投资的资金流入OpenAI资产负债表后，OpenAI以独立商业决策的形式采购Azure服务，微软将其确认为云计算收入——每一步在技术上都合规。但从经济实质角度看，这笔"收入"的独立性值得商榷。华尔街分析师已开始要求云计算巨头披露来自其投资组合公司的收入占比，但目前这一数据的透明度仍然不足。据部分分析师估算，微软Azure在2024年AI相关收入增长中，可能有15-25%来自其直接投资的AI企业。

这则寓言最直接的现实对应是微软与OpenAI之间的资本关系。微软向OpenAI投资了超过130亿美元，而OpenAI是微软Azure云服务的最大客户之一，大量投资资金以云计算服务费的形式回流到微软。类似的模式也出现在亚马逊与Anthropic（亚马逊投资80亿美元，Anthropic大量使用AWS算力）、谷歌与其投资的AI初创企业之间。这种"投资-采购"闭环使得财报上的云计算收入增长数字需要被更审慎地解读，因为其中相当比例并非来自独立第三方客户的有机需求。

媒体的共谋

故事的最后一笔尤为精彩：《福布斯》记者与报道对象发展出"热烈但令人困惑"的亲密关系，最终写出了"热情洋溢但财务细节轻描淡写"的报道。这是对科技媒体生态的尖锐批评——当记者与被报道者的关系过于紧密，当行业叙事过于诱人，深入的财务审查往往被华丽的故事所取代。

这一隐喻触及了科技新闻行业长期存在的结构性问题。在当前的媒体生态中，科技记者面临多重利益冲突：媒体机构本身可能依赖科技公司的广告收入；记者需要维护与信息源的关系以获取独家消息；部分科技媒体的母公司甚至直接投资AI企业。这种"接入式新闻"（access journalism）模式使得批判性的财务分析让位于对技术愿景的热情叙述。

"接入式新闻"的问题在科技领域尤为突出，因为这个行业的信息高度集中且技术门槛较高。记者若失去与核心信息源的关系，几乎无法获得有价值的独家信息。这创造了一种隐性的自我审查机制：批评性报道可能导致信息源切断联系，而友好报道则带来更多独家消息和早期产品体验权限。此外，科技媒体行业在过去十年经历了严重的商业模式危机，大量记者被裁员，剩余记者需要覆盖更多领域，深度财务调查所需的时间和专业知识变得稀缺。部分记者转向创业者、投资人的付费newsletter模式，进一步模糊了报道者与被报道者的身份边界。当报道者与被报道者之间的边界模糊，公众失去的不仅是信息的准确性，更是对资本运作进行独立监督的最后一道防线。

寓言背后的现实隐忧：AI泡沫有多大？

这则讽刺之所以引发共鸣，是因为它触及了AI行业当前面临的一个核心问题：在巨额资本的推动下，有多少"增长"是真实的价值创造，又有多少只是资金在封闭系统内的循环流动？

当然，AI技术本身的价值板上钉钉。大语言模型、计算机视觉、自动驾驶等领域确实在产生实际的经济效益。但Singleton的寓言提醒我们，在狂热的市场情绪中，区分"真实价值"和"会计魔术"变得越来越重要。

历史上，每一次技术革命都伴随着资本泡沫——互联网泡沫如此，移动互联网如此，AI大概率也不例外。问题不在于泡沫是否存在，而在于当音乐停止时，谁还在跳舞。

经济学家海曼·明斯基（Hyman Minsky）的金融不稳定假说为理解技术泡沫提供了重要的理论框架。明斯基认为，经济繁荣期会自然地从"对冲融资"（现金流可覆盖本息）演变为"投机融资"（现金流仅能覆盖利息）再到"庞氏融资"（连利息都需要通过资产增值来覆盖）。在AI领域，许多初创企业目前处于"投机融资"阶段——其运营现金流远不足以覆盖其资本支出，完全依赖持续融资维持运转。这本身不一定是问题（亚马逊也曾长期亏损），但当整个行业中"庞氏融资"模式的比例上升——即公司的估值增长完全依赖下一轮融资而非业务基本面改善——泡沫破裂的风险就在累积。

明斯基理论之所以特别适用于当前AI周期，在于技术行业泡沫有一个独特的触发机制：当技术进步的速度低于资本预期时，"明斯基时刻"就会到来。在AI领域，这可能表现为：模型能力的scaling law遇到瓶颈、企业客户的AI应用ROI未达预期、或者开源模型快速缩小与闭源模型的差距导致定价权丧失。2024年已出现一些早期信号——多家企业报告AI项目从概念验证到生产部署的转化率不足20%，而AI初创企业的客户获取成本持续攀升。明斯基理论预测，这些信号最初会被市场忽视（因为"这次不一样"的叙事），直到某个临界点引发信心的突然崩溃。

值得深思的是，互联网泡沫时期（1995-2000年）与当前AI热潮有着惊人的结构性相似。在那个时代，电信公司之间存在大量"互换收入"（swap revenue）——两家公司互相购买对方的网络容量，双方都将交易记为收入增长，实质上并未创造新的经济价值。WorldCom和Global Crossing等公司的崩塌正是源于这种会计操作。当前AI行业的"投资即收入"模式虽然在法律上完全合规，但其经济实质与当年的互换收入有异曲同工之处。当然，互联网泡沫破裂后，真正有价值的公司（如亚马逊、谷歌）最终崛起，技术本身的价值并未被否定——被否定的只是脱离基本面的估值狂热。这或许也是AI行业最终将走过的路径。

结语

好的讽刺作品之所以有力量，是因为它用荒诞照见现实。Singleton这段不到200字的寓言，比许多万字长文更清晰地揭示了AI资本游戏的底层逻辑。在这个人人都在谈论AI的时代，或许我们最需要的，恰恰是这样一面让人发笑之后陷入沉思的镜子。