人类学快上市了，用了一周时间，估值又涨了20%。达到惊人的1.2万亿美元。
但是这个企业真的值1.2万亿美元么？高估值得益于快速增长，上个季度营收增长了80倍。去年25年最后一个季度，营收增长了10倍。企业呈现爆炸性增长。
那么人们其实应该停下来认真想一想：1.2万亿美元到底是什么概念？美国一年的GDP大约是30万亿美元左右。也就是说，一家尚未稳定盈利的大模型公司，其估值已经接近美国全年经济产出的二十五分之一。
Anthropic (人类学) 估值过高
很多人对“1.2万亿美元”没有直观概念。1.2万亿美元可以长期维持多个超级科研体系，可以建设大量世界级基础设施，甚至理论上可以养100万个顶级科学家很多年。而市场居然愿意把这样一个天文数字，赋予一家主要资产是算法、模型和GPU集群的公司。问题在于，大家真的相信一些高度开源化、快速扩散的算法体系，能够长期垄断如此巨大的财富吗？
任何估值，最终都必须由未来现金流支撑。如果投资者愿意承担如此高风险去投资一家AI公司，他们通常期待的不是20%回报，而是至少5倍、10倍甚至更高的回报。换句话说，如果Anthropic今天值1.2万亿美元，那么很多投资人实际上隐含期待它未来某一天可能成长为10万亿美元级别的企业。
但问题立刻出现了。一个12万亿美元市值的企业，意味着什么？按照成熟企业的估值逻辑，这种规模的公司未来通常需要每年创造上万亿美元级别的利润，才能合理支撑估值。如果再考虑成长性和风险溢价，那么市场实际上是在隐含假设：未来Anthropic可能拥有接近“十万亿美元级营收”的潜力。
而整个问题就在这里。美国GDP大约是30万亿美元。即便AI最终真的极端成功，它的理论上限，其实也不过是替代大量人类劳动，吞噬整个知识工作市场。但即便如此，美国全部经济活动也只有30万亿美元左右。AI公司不可能无限凭空创造价值，它最终只能从现有经济体系中抽取利润。
更何况，到目前为止，并没有任何证据显示，大模型公司未来能够长期稳定地产生万亿美元级利润。今天AI行业甚至还没有证明自身能够形成稳定、持续、高利润的商业模式。很多收入仍然依赖融资补贴，很多用户仍然使用免费服务，很多企业采购仍然停留在试验阶段。市场现在真正交易的，其实不是现金流，而是想象力。
大模型公司最终可能不赚钱
从现金流角度重新审视AI行业。用户真正为AI支付的钱，远远少于整个产业链为了AI而烧掉的钱。整个行业像一台巨大的资本吞噬机器，资金从一级市场、股市、VC、云厂商资产负债表不断流入，最后汇聚到GPU、数据中心、HBM内存、电力系统、液冷设备和晶圆厂。今天AI产业链最大的特征，并不是利润，而是营收高速增长，和资本开支失控。
理论上，一个健康产业链的现金流应该是自下而上流动的。终端用户愿意支付大量费用，应用公司因此赚钱，利润再逐层向上传导给模型公司、云平台和硬件厂商。但现实情况却完全不是这样。
根据IDC的数据，2025年全球企业AI相关支出大约在3000亿美元左右，其中真正的生成式AI支出只有数百亿美元量级。而与此同时，仅微软、Meta、Google、Amazon四家公司的AI相关资本开支，就已经逼近甚至超过4000亿美元。也就是说，整个产业链正在出现一种极其罕见的倒挂：用户支付的钱，可能还不如上游为了AI而投入的钱。
问题在于，用户支付的钱并不足以覆盖背后的成本。很多人以为训练模型最烧钱，但实际上真正长期吞噬现金流的是推理。AI更像一种“数字化能源产业”，每一次调用都是真实资源消耗。于是整个行业开始出现一个非常危险的现象：用户越多，亏损可能越大。很多AI产品今天仍然是在用融资和资本市场的钱补贴用户。
大模型公司是充分竞争市场
更关键的问题在于，大模型公司本身其实未必拥有市场想象中的那种深厚护城河。现在资本市场给OpenAI、Anthropic等公司极高估值，仿佛它们拥有不可复制的技术垄断。
但仔细观察会发现，大模型越来越像一种快速扩散的工程能力，而不是不可逾越的核心技术壁垒。今天最核心的算法几乎全部公开。大量论文开源，大量框架开源，大量顶尖人才在行业内高速流动。很多时候真正的区别，只是算力规模、数据规模和工程调优能力，而这些东西并不像半导体制造那样拥有十年以上难以跨越的工业壁垒。Anthropics甚至公司的代码都被盗公开了。
更重要的是，像Anthropic这样的公司，其实并没有特别强的议价能力。很多人默认“最强模型”会形成类似Google搜索那样的垄断，但AI模型和传统互联网平台有一个根本区别：用户迁移成本极低。
今天一个企业使用Claude，明天完全可以切换到GPT、Gemini、DeepSeek、Qwen，甚至未来大量开源蒸馏模型。AI模型之间的差距，很多时候并没有大到形成绝对垄断。
这意味着，只要顶级模型公司试图提高价格，市场立刻就会出现大量替代品。因为蒸馏技术正在迅速降低高端模型能力的复制成本。很多闭源模型花费数十亿美元训练出的能力，很快就可能被更小、更廉价的模型模仿到“七七八八”。对于绝大多数商业用户来说，模型能力从95分下降到90分，并不重要；但成本下降90%，却极其重要。
这其实意味着，大模型行业未来很可能不是一个高利润行业，而是一个竞争极其激烈、利润率不断被压缩的行业。它更像云计算、数据库、服务器，甚至像航空公司。技术很先进、资本投入极大、行业规模巨大，但长期利润率未必高。因为只要行业出现超额利润，竞争者就会迅速进入。
总结
而今天最值得警惕的，其实不是技术，而是估值本身。市场开始给部分AI公司赋予极其夸张的估值。在我眼里，人类学营收百亿美元，尚未盈利，没有特别高的护城河，合理的估值就是应该在百亿美元同样的数量级。
历史上，几乎所有技术泡沫都有一个共同特点：市场会把“技术改变世界”错误地等同于“当前公司一定值天价”。互联网改变了世界，但2000年大量互联网公司归零。光伏改变了能源结构，但行业长期陷入利润内卷。AI当然可能改变世界，但改变世界，并不等于今天这些AI公司一定值几十万亿美元。洗衣机改变了世界，可是哪个洗衣机公司赚到了钱？
真正的问题不是AI有没有未来，而是今天整个产业链，正在用对未来的梦想，支撑今天极度庞大的估值。而当资本开支远远跑在真实现金流之前时，整个产业链最终一定会面对那个最根本的问题：到底谁来为这一切买单？
我的理解是此刻还在追高买入AI大模型股票的人。其次是为AI硬件厂商付出高溢价的人。
人类学真的值1.2万亿美元么？AI与泡沫
BayFamily (2026-05-09 18:53:09) 评论 (0)人类学快上市了，用了一周时间，估值又涨了20%。达到惊人的1.2万亿美元。
但是这个企业真的值1.2万亿美元么？高估值得益于快速增长，上个季度营收增长了80倍。去年25年最后一个季度，营收增长了10倍。企业呈现爆炸性增长。
那么人们其实应该停下来认真想一想：1.2万亿美元到底是什么概念？美国一年的GDP大约是30万亿美元左右。也就是说，一家尚未稳定盈利的大模型公司，其估值已经接近美国全年经济产出的二十五分之一。
Anthropic (人类学) 估值过高
很多人对“1.2万亿美元”没有直观概念。1.2万亿美元可以长期维持多个超级科研体系，可以建设大量世界级基础设施，甚至理论上可以养100万个顶级科学家很多年。而市场居然愿意把这样一个天文数字，赋予一家主要资产是算法、模型和GPU集群的公司。问题在于，大家真的相信一些高度开源化、快速扩散的算法体系，能够长期垄断如此巨大的财富吗？
任何估值，最终都必须由未来现金流支撑。如果投资者愿意承担如此高风险去投资一家AI公司，他们通常期待的不是20%回报，而是至少5倍、10倍甚至更高的回报。换句话说，如果Anthropic今天值1.2万亿美元，那么很多投资人实际上隐含期待它未来某一天可能成长为10万亿美元级别的企业。
但问题立刻出现了。一个12万亿美元市值的企业，意味着什么？按照成熟企业的估值逻辑，这种规模的公司未来通常需要每年创造上万亿美元级别的利润，才能合理支撑估值。如果再考虑成长性和风险溢价，那么市场实际上是在隐含假设：未来Anthropic可能拥有接近“十万亿美元级营收”的潜力。
而整个问题就在这里。美国GDP大约是30万亿美元。即便AI最终真的极端成功，它的理论上限，其实也不过是替代大量人类劳动，吞噬整个知识工作市场。但即便如此，美国全部经济活动也只有30万亿美元左右。AI公司不可能无限凭空创造价值，它最终只能从现有经济体系中抽取利润。
更何况，到目前为止，并没有任何证据显示，大模型公司未来能够长期稳定地产生万亿美元级利润。今天AI行业甚至还没有证明自身能够形成稳定、持续、高利润的商业模式。很多收入仍然依赖融资补贴，很多用户仍然使用免费服务，很多企业采购仍然停留在试验阶段。市场现在真正交易的，其实不是现金流，而是想象力。
大模型公司最终可能不赚钱
从现金流角度重新审视AI行业。用户真正为AI支付的钱，远远少于整个产业链为了AI而烧掉的钱。整个行业像一台巨大的资本吞噬机器，资金从一级市场、股市、VC、云厂商资产负债表不断流入，最后汇聚到GPU、数据中心、HBM内存、电力系统、液冷设备和晶圆厂。今天AI产业链最大的特征，并不是利润，而是营收高速增长，和资本开支失控。
理论上，一个健康产业链的现金流应该是自下而上流动的。终端用户愿意支付大量费用，应用公司因此赚钱，利润再逐层向上传导给模型公司、云平台和硬件厂商。但现实情况却完全不是这样。
根据IDC的数据，2025年全球企业AI相关支出大约在3000亿美元左右，其中真正的生成式AI支出只有数百亿美元量级。而与此同时，仅微软、Meta、Google、Amazon四家公司的AI相关资本开支，就已经逼近甚至超过4000亿美元。也就是说，整个产业链正在出现一种极其罕见的倒挂：用户支付的钱，可能还不如上游为了AI而投入的钱。
问题在于，用户支付的钱并不足以覆盖背后的成本。很多人以为训练模型最烧钱，但实际上真正长期吞噬现金流的是推理。AI更像一种“数字化能源产业”，每一次调用都是真实资源消耗。于是整个行业开始出现一个非常危险的现象：用户越多，亏损可能越大。很多AI产品今天仍然是在用融资和资本市场的钱补贴用户。
大模型公司是充分竞争市场
更关键的问题在于，大模型公司本身其实未必拥有市场想象中的那种深厚护城河。现在资本市场给OpenAI、Anthropic等公司极高估值，仿佛它们拥有不可复制的技术垄断。
但仔细观察会发现，大模型越来越像一种快速扩散的工程能力，而不是不可逾越的核心技术壁垒。今天最核心的算法几乎全部公开。大量论文开源，大量框架开源，大量顶尖人才在行业内高速流动。很多时候真正的区别，只是算力规模、数据规模和工程调优能力，而这些东西并不像半导体制造那样拥有十年以上难以跨越的工业壁垒。Anthropics甚至公司的代码都被盗公开了。
更重要的是，像Anthropic这样的公司，其实并没有特别强的议价能力。很多人默认“最强模型”会形成类似Google搜索那样的垄断，但AI模型和传统互联网平台有一个根本区别：用户迁移成本极低。
今天一个企业使用Claude，明天完全可以切换到GPT、Gemini、DeepSeek、Qwen，甚至未来大量开源蒸馏模型。AI模型之间的差距，很多时候并没有大到形成绝对垄断。
这意味着，只要顶级模型公司试图提高价格，市场立刻就会出现大量替代品。因为蒸馏技术正在迅速降低高端模型能力的复制成本。很多闭源模型花费数十亿美元训练出的能力，很快就可能被更小、更廉价的模型模仿到“七七八八”。对于绝大多数商业用户来说，模型能力从95分下降到90分，并不重要；但成本下降90%，却极其重要。
这其实意味着，大模型行业未来很可能不是一个高利润行业，而是一个竞争极其激烈、利润率不断被压缩的行业。它更像云计算、数据库、服务器，甚至像航空公司。技术很先进、资本投入极大、行业规模巨大，但长期利润率未必高。因为只要行业出现超额利润，竞争者就会迅速进入。
总结
而今天最值得警惕的，其实不是技术，而是估值本身。市场开始给部分AI公司赋予极其夸张的估值。在我眼里，人类学营收百亿美元，尚未盈利，没有特别高的护城河，合理的估值就是应该在百亿美元同样的数量级。
历史上，几乎所有技术泡沫都有一个共同特点：市场会把“技术改变世界”错误地等同于“当前公司一定值天价”。互联网改变了世界，但2000年大量互联网公司归零。光伏改变了能源结构，但行业长期陷入利润内卷。AI当然可能改变世界，但改变世界，并不等于今天这些AI公司一定值几十万亿美元。洗衣机改变了世界，可是哪个洗衣机公司赚到了钱？
真正的问题不是AI有没有未来，而是今天整个产业链，正在用对未来的梦想，支撑今天极度庞大的估值。而当资本开支远远跑在真实现金流之前时，整个产业链最终一定会面对那个最根本的问题：到底谁来为这一切买单？
我的理解是此刻还在追高买入AI大模型股票的人。其次是为AI硬件厂商付出高溢价的人。