AI 需求泡沫
人们对当前 AI 热潮的怀疑正在加深——这一热潮由大规模云资本支出以及 OpenAI、Anthropic 等实验室的重金投入推动——它究竟能否证明自己的成本，还是只是一个由循环融资支撑的经典投资泡沫。评论者讨论了这些无盈利实验室及其超大规模云厂商支持者在需求或定价权减弱时将面临的风险，尤其是在开源权重和更便宜的中国模型威胁将推理能力商品化并压缩利润率的情况下。也有人反驳说，AI 既可以是真正的技术突破，也可以同时是金融泡沫；他们举出 Uber 等过去的案例，认为早期关于经济性的质疑后来被证明并非全错，尽管沿途许多投资者已经遭受损失。
支出规模与真实业务
- 有人认为，每年 2000 亿美元的 AI 资本支出对应约 300 亿美元的收入，本身并不一定是灾难性的；如果市场仍在增长，而且这些支出旨在自动化现有收入流，那就未必有问题。
- 也有人强调，实验室并没有清晰的盈利路径，而超大规模云厂商正日益依赖少数几个无盈利、靠债务驱动的客户；这看起来很像泡沫，也具有系统性风险。
开源权重与中国模型
- 多位评论者认为，开源权重，尤其是中国模型，是长期最大的威胁：它们会把能力商品化，并限制任何“突然提价收割”的定价权。
- 对云服务商来说，开源权重可能反而是利好：他们可以向许多客户销售商品化模型的推理服务，同时仍能利用 GPU 垄断变现。
算力垄断与模型垄断
- 一种观点认为：即使模型 IP 被商品化，垄断也会转移到算力端（GPU、数据中心）；超大规模云厂商已经主导这一领域，并且可以把这些产能重新用于别的方向（例如机器人）。
- 反方观点是：在激烈竞争下，推理利润率会趋近于零，从而限制所有人收回资本支出的能力。
转换成本、护城河与网络效应
- 许多人说，推理 API 的转换成本几乎为零，不像网约车或智能手机那样受益于网络效应和锁定效应。
- 也有人指出，未来如果整套公司工作流和数据都运行在单一 AI 平台内，可能会形成锁定，但这仍然只是推测。
有用性与高估值
- 若干用户表示，他们大量且高效地使用当前模型（包括便宜的中国模型），并且除了价格之外，日常体验与顶级闭源系统几乎没有差别。
- 也有人认为，即便 LLM 确实有用，估值和资本支出也假设会在极短时间内获得“工业革命”级别的回报，而这未必会实现。
作者论点与可信度
- 一些人批评文章作者此前曾做出失败或过早的崩盘预测，而且缺乏 AI/金融背景。
- 也有人回应说，泡沫的时点本就很难判断；更重要的是文中记录的循环融资、收入集中和债务累积。
- 大家普遍认同，“AI 可以改变世界”和“当前的旗舰实验室及其融资方在经济上可能仍不可持续”这两种看法并不矛盾。
宏观与劳动力担忧
- 人们担心企业会利用 AI 为裁员找借口，即使 AI 投资本身并不赚钱，也会造成就业流失和财务压力的“双重打击”。
- 有人将其与互联网泡沫和房贷泡沫相比较：早期批评者对泡沫的判断是对的，只是往往错在了具体时点。