甲骨文财报引发市场震荡 - 2025年12月11日，甲骨文股价单日重挫13%，市值蒸发约千亿元人民币，并引发连锁反应，英伟达、AMD、美光科技等AI核心概念股集体承压，跌幅在3.1%到4.2%之间，拖累纳斯达克指数跌至一周最低点 [1] - 股价下跌直接源于2025财年第二季度业绩未达预期，总营收为160.6亿美元，低于分析师预期的162.1亿美元，调整后营收为67亿美元，低于华尔街68亿美元的预期 [3] - 公司对未来增长的指引也令市场失望，预测2025财年第三季度调整后每股收益在1.64美元至1.68美元之间，低于分析师预估的1.72美元，营收增长预期为16%至18%，也低于市场19.4%的乐观判断 [3] AI产业估值泡沫与资本内循环 - AI产业资本狂热将头部企业估值推向新高，英伟达成为全球首家市值突破5万亿美元的公司，Open AI估值从2024年10月的1570亿美元暴涨至2025年10月的5000亿美元，相当于每月增长290亿美元，Anthropic估值在半年内从615亿美元翻升至1830亿美元，Mercor在8个月内从20亿美元攀升至100亿美元 [5] - 高估值背后存在一个由Open AI、英伟达、甲骨文构成的“价值内循环”资本游戏，通过天价订单相互捆绑，人为推高需求预期 [7] - 具体循环链条包括：2025年5月，甲骨文宣布以400亿美元向英伟达采购40万张GB200算力卡，此消息推动英伟达市值应声上涨1.6万亿美元，随后，Open AI与甲骨文达成未来五年投入3000亿美元采购算力服务的协议，推动甲骨文市值瞬间上涨2510亿美元，最终，英伟达承诺依据算力落地进度向Open AI提供最高1000亿美元投资，形成资金闭环 [7] - 该循环本质是资金在三大企业间空转，未形成“技术落地→商业变现”的有效转化，仅通过相互抬轿营造需求假象，推高彼此估值，脱离了真实的商业逻辑 [8] 高投入与弱盈利的严重背离 - 以Open AI为例，其面临巨大的财务压力，汇丰银行预测到2030年其年收入可能达1538亿美元，但同期研发支出预计达1407亿美元，销售成本为754亿美元，运营亏损却接近5000亿美元，在预测期内任何时间点都无法依靠收入覆盖运营支出 [9] - 即使基于乐观假设，Open AI到2030年累计自由现金流净流出预计为2820亿美元，存在2070亿美元的资金缺口，且公司承诺在2030年前投入超1万亿美元，却未明确具体筹措方案 [9] - 作为循环关键一环的甲骨文也面临财务压力，受AI领域巨额投资影响，其在2025财年上半年已消耗掉约100亿美元现金储备，若亏损持续，市值可能蒸发超900亿美元，2026财年的额外支出或将达到150亿美元 [10] - 投入回报失衡蔓延至整个AI产业，亚马逊2025年约1000亿美元资本支出大部分流向云计算与AI，微软计划投入800亿美元，Alphabet提升至850亿美元，Meta锁定在660亿到720亿美元区间，瑞银预测2026年全球AI相关支出将达5000亿美元 [10] - 尽管上游硬件商如博通已率先受益，其2025财年AI业务收入飙升65%至200亿美元，但市场对“烧钱换增长”模式的担忧加剧，质疑变现能力能否跟上资本支出规模 [13] 能源消耗与资金链的双重危机 - AI巨头的扩张面临巨大能源压力，Open AI CEO提出到2033年将公司数据中心容量提升至250吉瓦的目标，这一规模相当于美国电网峰值需求的1/3，是加利福尼亚州历史峰值电力需求的四倍多 [13] - 英伟达首席执行官估算，建设1吉瓦数据中心需500亿至600亿美元，按此最低标准计算，Open AI的目标需超过12万亿美元，分析师估计其2025年末至2030年间数据中心租赁一项预计耗资6200亿美元，总体相关支出达7920亿美元，到2033年相关计算运营支出总额将升至1.4万亿美元 [14] - 巨额基建成本加剧资金危机，贝恩公司报告指出，即使2030年美国企业将所有本地IT预算转向云端并将AI节省成本再投资，资金仍无法覆盖全部投入，因为AI计算需求增速是摩尔定律的两倍多 [14] - 即使计入AI带来的成本节省，全球AI领域仍将存在约8000亿美元的资金缺口 [15] 金融内循环与“庞氏游戏”风险 - 为掩盖资金缺口，美国AI领域形成一套以“特殊目的公司（SPV）”为核心的金融内循环机制，运作逻辑比产业闭环更为隐蔽 [15] - 循环链条为：企业成立SPV承接AI基建，金融机构通过“GPU抵押贷”或股权投资为其输血，Meta等大型科技公司小额入股制造“风险兜底”错觉，SPV获得资金后流向英伟达等硬件商及建筑商，建成的GPU与数据中心再返租给Meta、xAI等科技公司，这些公司支付的租金往往来自新一轮融资，SPV再利用租金偿还贷款并向投资者分红，形成资金闭环 [16][17][18] - 该循环本质是一场缺乏真实盈利支撑的“庞氏游戏”，资金在闭环中流转却未创造实质性商业价值，科技公司自身未盈利，硬件面临快速贬值风险，整个链条全靠“新债还旧债”维系 [19] “数据幻觉”与技术商业化困境 - AI技术应用存在关键缺陷——“数据幻觉”，即产生与现实不符的错误输出，使得AI决策与真实商业逻辑脱节，既误导企业战略，也降低客户信任 [20] - 例如，AI模型对东鹏特饮与华彬红牛的市场策略分析，与经销商根据实际经验指出的真实商业逻辑存在明显偏差 [21][23] - 麻省理工学院研究显示，目前几乎没有证据表明AI能持续高效完成复杂任务，即便最先进的AI系统成功处理办公类任务的比例也仅约30% [23] - 《财富》杂志指出，截至2025年4月，“人工智能代理”仅能完成现实工作中约24%的任务 [23] - 市场调研反映行业心态转变，GoTo与Work place Intelligence的调研显示62%的受访员工认为人工智能“被严重高估”，Gartner对163名企业高管的调查中，一半已放弃在2027年前大幅削减客服人员的计划，理性认识到AI无法在短期内完全替代人力 [23][24] 衍生风险与市场风控转向 - “数据幻觉”衍生出金融风险，自Open AI于2025年3月推出改进的图像生成模型后，AI生成的虚假票据数量显著上升，软件服务商App Zen表示2025年9月提交的虚假文件中约14%为AI生成的假收据，而去年此类情况几乎为零，金融科技公司Ramp称其新系统在90天内识别出累计超100万美元的AI生成欺诈发票 [26] - 面对日益凸显的风险，市场从盲目追捧转向审慎风控，与AI巨头相关的信用违约互换（CDS）交易快速活跃，成为机构管理风险的重要工具 [26] - 清算机构DTCC数据显示，9月初以来，与少数头部科技公司相关的CDS交易量激增90%，Meta在10月发行300亿美元债券用于AI项目后，市场迅速出现了专门的MetaCDS产品，信用评级相对较低的甲骨文，其CDS周交易量较年初增长超过三倍，对冲成本也升至2009年以来最高 [26] - 此次CDS交易热潮主要由专业投资机构推动，旨在对冲AI投资的风险敞口，反映出行业对AI风险的认知已从乐观转向务实 [27]