近期，随着美股科技板块的震荡，“AI泡沫论”再次成为市场焦点。这种担忧不无道理：当万亿级别的资本开支（CapEx）砸向算力基础设施，而C端应用尚未出现“杀手级”爆发时，质疑其商业回报的闭环是理性的本能。

然而，作为一名长期观察商业技术周期的从业者，我认为当前市场不仅存在“高估”的风险，更存在一种深层的“错估”。

我们习惯了用互联网时代的旧地图，去寻找智能时代的新大陆；用线性的广告变现逻辑，去推演指数级的生产力变革。这种错位，掩盖了AI真正的商业野心。

估值的锚点：从“眼球经济”到“算力基建”

市场对英伟达等核心标的高估值的恐惧，本质上是对“增长斜率”的不适。这让人联想到2008年前后中国的房地产市场。彼时，若以当时的居民收入水平（存量）来衡量一线城市的房价，确实显得“不可持续”。但历史证明，资产价格锚定的并非当下的存量收入，而是城市化进程中即将释放的巨大生产力增量。

同理，今天市场给予算力巨头的高溢价，并非在为一家硬件公司定价，而是在为“未来世界的数字石油”定价。在技术范式转移的早期，资本往往会通过“未来折现”来抢占入场券。如果仅盯着短期财报的市盈率（P/E），而忽略了从“信息互联”到“智能生成”的代际跃迁，我们很可能陷入“刻舟求剑”式的误判。

替代的真相：静水流深的“任务重构”

支撑“泡沫论”的另一个论据是：大规模失业潮并未出现。既然AI没有显著替代人工，生产力革命是否被夸大了？

这种观点误读了技术渗透的颗粒度。AI对劳动力市场的重塑，绝非简单的“裁员”，而是一场静水流深的“任务重构”。

我们需要关注一个新现象：企业人效的隐性提升。许多科技公司正在经历“HC（招聘名额）冻结”与业务增长并存的状态。这背后，是AI正在以“任务（Task）”而非“职位（Job）”为颗粒度，逐步接管工作流中的标准化环节。它无法做到代替一个完整的员工，但是可以做到今天接手30%的工作，明天实现50%的工作，以这样润物无声的模式悄悄渗透。

职场新人感到的“入场艰难”，正是因为原本用于练手的初级代码编写、文案整理等工作，正在被算法以极低的边际成本消化。这不是泡沫破裂的信号，恰恰是技术从“概念”走向“降本”的实质性证据。

市场的误判：4000亿存量vs15万亿蓝海

最值得深思的误解，在于对AI潜在市场规模（TAM）的低估。

许多分析师在测算AI价值时，依然沿用互联网的逻辑——搜索、广告、订阅。如果AI仅仅是为了争夺这一块蛋糕，那么万亿级的投入确实是低效的红海博弈。

让我们看一组数据对比：美国互联网广告与软件服务市场的年产值，在4000亿至5000亿美元之间。这是一个高度成熟、增长见顶的“存量池”。

而如果我们把目光转向美国的服务业劳动力成本市场——包括医疗诊断、法律咨询、客户服务、基础编程等——这是一个高达15万亿美元的“深蓝海”。

这才是AI真正的猎场。

互联网经济赚的是“信息不对称”的钱，依靠流量变现；而AI经济赚的是“劳动力成本剪刀差”的钱，依靠智能生成来替代昂贵的人力。

当AI Agent（智能体）逐渐成熟，能够承担起客服（约3000亿美元市场）、初级法律顾问乃至全科医生的职责时，它撬动的不再是广告预算，而是全社会的运营成本。

从4000亿美元的“存量”到15万亿美元的“增量”，这中间存在着30倍以上的价值空间。这解释了为何巨头们敢于进行“饱和式救援”般的投入——因为他们赌的不是下一个谷歌，而是下一个“智能化的劳动力市场”。

结语

任何技术周期都伴随着过热与回调，短期的泡沫在所难免。但我们不能因噎废食，用旧时代的杯子，去丈量新时代的大海。

在这一轮变革中，最大的风险或许不是参与泡沫，而是被未来抛弃。当潮水退去，留下的将是那些重塑了生产力基座的坚硬岩石。

（作者鲁漫为产品经理，科技行业工作者）

鲁漫