ARTICLE · 投资财经
中金：如何监测 AI 泡沫?
一语总结本文从中金研究视角，构建了基于需求、现金流、资金来源和外部约束的四维 AI 泡沫监测体系，认为当前 AI 产业未完全泡沫化，但收入兑现慢于投资，需关注催化剂和分化。
文章详细分析了 AI 泡沫的监测方法。基于'过剩'的判断逻辑，从四个维度展开：第一层看需求，全球 Token 使用量增长 9 倍，企业付费比例升至 55%，但单位 Token 价格下降 18%，收入转化受限；第二层看现金流，模型公司商业化提速但自由现金流压力增大，云厂商一季度现金流同比收缩 78%，预期三季度可能转负；第三层看资金来源，目前由云厂商主导，正逐步转向全社会融资，信用债发行量超过去年全年，但杠杆水平较低；第四层看外部约束，就业冲击和社区反对数据中心建设开始增加，但现阶段 AI 的正面性更大。文章认为，当前 AI 产业尚未呈现完全泡沫化特征，但原有催化已被定价，市场需等待新催化剂，短期 AI 交易将走向'缩圈'和分化，关注'瓶颈资产'如国产算力等。
- AI 泡沫应动态监测而非静态判断。
文章强调 AI 发展处于'投资增加→担忧泡沫→产业突破→投资增加'的循环中，任何时间点简单宣称有无泡沫都是静态武断的，应构建动态监测体系。
- 需求端调用量和付费比例增长，但单位价格下降制约收入转化。
全球 Token 使用量增长 9 倍，企业付费比例升至 55%，但单位 Token 支出回落 18%，用户转向低成本模型，说明收入兑现速度慢于投资。
- 现金流压力增加，云厂商自由现金流接近临界点，但杠杆水平较低。
五大云厂商一季度自由现金流同比收缩 78%，市场预期三季度可能转负，但杠杆仅 43%，短期不构成系统性偿付压力。
- 融资由云厂商主导向全社会过渡，尚未到泡沫化阶段。
目前融资高度集中在头部 AI 企业，未扩散至商业模式不稳定的初创企业，信用风险相对健康，但需关注后续扩散信号。
- 外部约束增加但现阶段正面性更强。
AI 对就业的冲击集中在科技和金融行业，居民反对数据中心建设已影响项目，但整体效率和社会效益仍较强，政策支持力度大。
中金：如何监测 AI 泡沫?
文章详细分析了 AI 泡沫的监测方法。基于'过剩'的判断逻辑，从四个维度展开：第一层看需求，全球 Token 使用量增长 9 倍，企业付费比例升至 55%，但单位 Token 价格下降 18%，收入转化受限；第二层看现金流，模型公司商业化提速但自由现金流压力增大，云厂商一季度现金流同比收缩 78%，预期三季度可能转负；第三层看资金来源，目前由云厂商主导，正逐步转向全社会融资，信用债发行量超过去年全年，但杠杆水平较低；第四层看外部约束，就业冲击和社区反对数据中心建设开始增加，但现阶段 AI 的正面性更大。文章认为，当前 AI 产业尚未呈现完全泡沫化特征，但原有催化已被定价，市场需等待新催化剂，短期 AI 交易将走向'缩圈'和分化，关注'瓶颈资产'如国产算力等。
文章金句
"泡沫的本质不在于投资规模本身有多大，而在'过剩'二字，是否过剩则是相对需求和能力而言的。
"AI 需求尚未证伪，但收入进一步转化面临成本约束，这也意味着在当前算力供给和成本结构下，高性能模型的大规模使用仍然偏贵。
"综合四个维度的泡沫监测指标体系看，AI 需求仍在快速兑现，但现阶段受制于成本，收入兑现速度慢于投资，导致现金流无法完全覆盖算力端的支出，引发了市场担忧。