AI 泡沫到底有多大？用 5 个信号判断一家公司是真有用，还是只会讲故事

这两年，AI 的热度有点像当年的 DeFi Summer。

那时候大家看见 DeFi 项目就兴奋：锁仓量暴涨、代币飞天、白皮书写得像金融革命。几年过去，真正留下来的东西有，但远没有当年喊得那么夸张。

现在 AI 也到了类似的节点。

朋友圈里有人晒 AI 工作流，推特上有人喊“程序员要失业”，公司老板一边让员工用 AI，一边又盯着账单皱眉。更有意思的是，Uber CTO 公开质疑 AI 的投入产出比，微软也传出“Claude Code 太贵，用不起”的讨论。

问题来了：AI 是真革命，还是又一轮泡沫？

别急着站队。咱们用几个实打实的信号来判断。

先把问题说透：泡沫不等于没价值

很多人一听“泡沫”，脑子里就跳出四个字：都是骗局。

这就偏了。

互联网有过泡沫，但亚马逊、Google 活下来了。

新能源有过泡沫，但电动车真的上路了。

DeFi 有过泡沫，链上交易、稳定币、借贷协议也确实留下了。

AI 大概率也是这样：

• 真有价值的产品会留下
• 只靠故事融资的项目会死掉
• 用户愿意付钱的场景会变大
• 纯蹭概念的公司会被市场教育

所以我们讨论的不是“AI 有没有用”。

AI 当然有用。

真正该问的是：现在市场给 AI 的估值，配得上它当前创造的现金流吗？

这才是泡沫的核心。

判断信号一：用户是天天用，还是只试一下午？

一个 AI 产品有没有 PMF，别看发布会，别看融资新闻，看用户第二天还来不来。

很多 AI 工具都有一个共同问题：

刚打开时很惊艳。

“哇，它会写文章！”

“哇，它会生成图片！”

“哇，它还能帮我写代码！”

然后呢？

很多人试完三次就放那儿吃灰。

真正有 PMF 的产品，应该像这样：

• 设计师每天打开它做草图
• 程序员每天用它查 bug、补测试
• 销售每天用它整理客户跟进记录
• 运营每天用它批量改标题、写投放文案
• 老板每周看它生成的经营分析

一句话：它得进入工作流，而不是停在朋友圈截图里。

你可以这样自测

拿你正在用的 AI 工具问自己 3 个问题：

1. 不用它，我今天会不会明显慢下来？
2. 我愿不愿意每月为它付 100 元以上？
3. 公司报销取消后，我还会不会自己掏钱？

三个问题都点头，这工具大概率是真刚需。

只要有两个犹豫，那它可能只是“好玩”。

好玩可以传播，刚需才能赚钱。

判断信号二：AI 帮你省的钱，能不能盖住它烧的钱？

AI 最大的尴尬，不是不会干活。

是太贵。

尤其是代码、长文本、多轮推理、智能体任务。一旦调用量上来，账单真的会咬人。

比如一个团队用 AI 写代码，表面看很爽：

• 需求文档丢进去
• 让 AI 生成模块
• 再让 AI 写测试
• 再让 AI 查 bug

听起来像科幻片。

可老板月底一看账单：

“这玩意儿怎么比实习生还贵？”

这就是为什么 Uber CTO 会质疑投入产出比，也解释了微软为什么会对 Claude Code 的成本敏感。

大厂都嫌贵，小团队更不用说。

算一笔简单账

假设一个 AI 编程工具每人每月成本是 200 美元。

一个 10 人研发团队，每月就是 2000 美元。

它要证明自己值这个钱，至少得做到其中一件事：

• 每月少招 1 个外包
• 每人每周少加班 5 小时
• 线上 bug 明显减少
• 需求交付周期从 10 天压到 7 天
• 老工程师审代码时间少一半

如果做不到，老板很快会从“AI 真香”变成“先停几个账号看看”。

泡沫破裂，往往就从账单开始。

判断信号三：AI 是替代核心工作，还是只是在边角料上帮忙？

很多 AI 公司喜欢讲“替代”。

替代客服。

替代设计师。

替代程序员。

替代分析师。

听着很刺激，也很适合融资路演。

现实会冷静很多。

大多数 AI 现在更擅长做这些事：

• 起草
• 总结
• 分类
• 改写
• 提取信息
• 生成备选方案
• 做低风险的重复任务

它很适合当副驾驶。

你让它直接掌舵，很多场景还不放心。

比如客服场景。

AI 可以回答“怎么改密码”“订单在哪看”。

可一旦用户说：“你们扣了我两次钱，我要投诉。”

这时候还让 AI 自己发挥？客服主管可能已经开始冒冷汗了。

再比如写代码。

AI 能补函数，能写脚本，能解释报错。

可你让它独立设计支付系统、权限系统、风控策略？资深工程师大概率会说：

“它可以提建议，锅我可不背。”

真正值钱的 AI 场景长这样

• 错了也不会出大事
• 结果容易验收
• 原本就很耗时间
• 数据和流程比较稳定
• 人类可以快速接管

比如：

• 批量整理会议纪要
• 给商品图生成多个营销版本
• 从 200 份简历里筛出候选人
• 把客服工单自动分类
• 帮程序员生成单元测试
• 把销售通话转成 CRM 记录

这些地方不性感，但真能省钱。

别小看“不性感”。

能付费的场景，常常都很朴素。

判断信号四：企业是真采购，还是老板买来给 PPT 加一页？

AI 公司最喜欢讲企业客户。

“我们服务了 500 家企业。”

听着很猛。

可企业客户也分几种。

有的是试点。

有的是老板觉得必须跟上潮流，先买几个账号。

有的是部门预算没花完，年底突击采购。

真正有价值的企业采购，要看续费和扩张。

看企业 AI 产品，重点盯这 4 个指标

• 续费率：明年还买吗？
• 席位扩张：从 20 个账号涨到 200 个了吗？
• 使用频率：员工每天用，还是培训那天用了一次？
• 业务结果：节省了多少人力，减少了多少错误，缩短了多少交付时间？

企业不傻。

预算紧的时候，最先砍的就是“看起来先进，但没人真用”的工具。

如果一个 AI 产品只能帮老板在大会上讲两句漂亮话，危险。

如果它能让财务少对三小时账，让销售少写一小时记录，让研发少熬两个晚上，那就有戏。

判断信号五：估值靠收入，还是靠想象力？

AI 股票和 AI 创业公司现在都吃到了情绪红利。

只要名字里带 AI，估值就容易飘。

这不奇怪。

资本市场喜欢提前下注。

问题是，下注可以，别把 2035 年的利润提前算到今天。

你看一家公司，可以拆成三个层次：

1. 卖铲子的

比如芯片、云计算、数据中心、电力基础设施。

AI 越热，它们越先赚钱。

但它们也有周期风险。大家都疯狂扩产，一旦需求没跟上，库存和折旧会很难看。

2. 做模型的

比如大模型公司。

技术壁垒高，烧钱也猛。

它们要面对一个残酷问题：模型能力越来越接近时，客户会不会只选便宜的？

如果模型变成水电煤，利润可能没有想象中那么厚。

3. 做应用的

比如 AI 写作、AI 编程、AI 客服、AI 设计工具。

这类最接近用户，也最容易验证价值。

好处是能直接收钱。

坏处是竞争太卷。

今天你能做的功能，明天大模型厂商可能顺手就内置了。

所以应用层最关键的护城河，不只是“我接了 GPT API”。

还得有：

• 行业数据
• 工作流入口
• 客户关系
• 私有化部署能力
• 深度集成业务系统
• 用户迁移成本

没有这些，产品很容易变成一个漂亮壳子。

一个实用判断框架：AI 产品值不值得买？

如果你是个人用户，准备订阅某个 AI 工具，可以照这个表判断。

| 问题 | 好信号 | 危险信号 | |---|---|---| | 使用频率 | 每天都打开 | 买完一周没想起来 | | 付费意愿 | 自己掏钱也愿意 | 只想白嫖试用 | | 结果质量 | 产出能直接改改就用 | 每次都要重写 | | 节省时间 | 每天省 30 分钟以上 | 只是感觉很酷 | | 替代成本 | 少请人、少外包、少加班 | 多了一步复制粘贴 |

如果你是企业负责人，看得再狠一点：

• 能不能减少明确岗位的人力成本？
• 能不能把交付周期压缩到看得见？
• 能不能接进现有系统，而不是让员工多开一个网页？
• 数据安全和权限能不能管住？
• 供应商涨价后，还离不开吗？

能回答清楚，再买。

回答不清楚，先小范围试点。

别一上来全员铺开，钱不是大风刮来的。

避坑清单：这些 AI 叙事要小心

看到下面这些话，建议你把警惕值拉满。

1. “我们要重新定义某某行业”

重新定义这四个字，很适合写融资稿。

用户真正关心的是：

“我今天能不能少干半小时？”

2. “我们的智能体可以自动完成复杂任务”

自动到什么程度？

能不能稳定跑 100 次？

失败了谁兜底？

有没有日志、权限、审批、回滚？

没有这些，智能体就像一个精力旺盛的实习生：很积极，也很容易闯祸。

3. “只要接入 AI，效率立刻翻倍”

翻倍这个词太香，也太危险。

真实情况常常是：

• 10% 的员工用得很好
• 30% 的员工偶尔用
• 60% 的员工不知道怎么融入工作

AI 落地不是买账号。

还要改流程、做培训、设标准、追数据。

4. “我们拥有独家大模型能力”

独家多久？

三个月？半年？

开源模型追得很快，大厂产品迭代也很猛。

单点功能很难长期保鲜。

5. “用户增长很快”

增长快不等于业务健康。

要继续追问：

• 免费用户多，还是付费用户多？
• 付费用户留存怎么样？
• 客单价能不能涨？
• 推理成本有没有下降？
• 毛利率是不是越做越难看？

热闹的注册曲线，救不了难看的利润表。

AI 泡沫可能怎么破？

泡沫通常不是一夜爆掉。

它会从几个地方慢慢漏气。

成本压不下来

模型调用费、GPU、数据中心、电力、人力，全都贵。

如果收入追不上成本，故事就会变薄。

企业续费变谨慎

第一年买 AI 是尝鲜。

第二年续费就要看结果。

能省钱，继续买。

看不到结果，砍预算。

用户新鲜感退潮

很多 AI 产品的增长靠猎奇。

等大家不再为“AI 会写诗”鼓掌，就要拼真实场景。

同质化太严重

同样的聊天框，同样的总结，同样的文案生成。

用户会问：

“我为什么不用更便宜的那个？”

监管和版权问题变硬

数据来源、内容版权、隐私合规、模型输出责任，都不是小事。

这些问题一旦进入司法和监管流程，很多公司的成本会被重新计算。

AI 真正的机会在哪里？

别被泡沫两个字吓跑。

泡沫里也有金子。

我更看好这些方向。

1. 深入具体岗位的 AI 工具

不是“万能 AI 助手”。

而是：

• 给律师整理案卷
• 给医生生成病历草稿
• 给销售更新 CRM
• 给财务核对发票
• 给程序员生成测试和文档

越具体，越容易付费。

2. 能接入真实业务系统的 AI

只会聊天不够。

它得能接进：

• 飞书
• 钉钉
• Salesforce
• Jira
• GitHub
• ERP
• CRM
• 企业知识库

AI 不在工作流里，就很容易被忘掉。

3. 帮企业降本的 AI

老板最愿意为两件事掏钱：

• 多赚钱
• 少花钱

如果一个 AI 产品能让客服团队少 30% 重复工单，让研发少 20% 返工，让运营一天产出 50 条可测试素材，它就有商业价值。

4. 成本持续下降的模型服务

谁能用更低成本提供够用的能力，谁就有优势。

不是每个任务都需要最强模型。

写商品标题、提取表格、分类工单，用便宜模型也够。

会做模型路由、缓存、蒸馏、小模型部署的团队，会越来越吃香。

给普通人的行动建议

别盲目 FOMO。

也别一听泡沫就躲远。

你可以这样做。

如果你是职场人

选 1 个高频任务，用 AI 连续改造 7 天。

比如：

• 每天用 AI 整理会议纪要
• 用 AI 写周报初稿
• 用 AI 改邮件语气
• 用 AI 生成 Excel 公式
• 用 AI 帮你读 30 页报告

别追 20 个工具。

把一个场景跑顺，才是真的赚。

如果你是创业者

别做“万能 AI 平台”。

找一个具体人群，一个具体痛点，一个明确付费理由。

比如：

“帮跨境电商运营每天生成 100 条商品标题，并自动同步到店铺后台。”

这比“打造下一代智能内容生态”靠谱多了。

如果你是投资者

少听故事，多看账。

重点看：

• 收入增速
• 毛利率
• 客户续费
• 推理成本
• 现金消耗
• 是否依赖单一模型供应商

AI 公司不是不能贵。

贵得有道理才行。

结论：AI 会留下，但泡沫也会挤掉一大批人

AI 不是纯炒作。

它已经在写代码、做设计、处理客服、整理知识、辅助销售这些场景里创造价值。

可现在的问题是，市场情绪跑得太快，商业回报还在后面喘气。

真正穿越周期的 AI 产品，大概率有几个共同点：

• 用户每天都用
• 能接进真实工作流
• 成本算得过来
• 结果能量化
• 企业愿意续费
• 不只靠模型 API 套壳

所以别问“AI 有没有泡沫”。

更好的问法是：

这个 AI 工具，能不能让我今天少加一小时班？能不能让公司下个月少花一笔钱？能不能让用户明年继续付费？

能做到，它就不是泡沫里的泡泡。

做不到，再大的故事也只是漂亮肥皂泡。