撰文：张烽
人工智能（AI）正以前所未有的速度重塑全球经济与金融图景。随着资本市场对 AI 相关公司的热情持续高涨，一个不可避免的问题浮出水面：我们是否正在见证一场类似上世纪 90 年代末互联网泡沫的投机狂潮？
2025 年，美联储副主席菲利普·N·杰斐逊在克利夫兰联邦储备银行金融稳定会议上，系统阐述了他对当前 AI 热潮与互联网泡沫时代的比较分析，并提出了判断 AI 是否存在泡沫的四个关键指标。这一讲话不仅反映了全球最重要央行对新兴技术的审慎观察，也为市场参与者提供了理性评估 AI 热潮的清晰框架。
一、美联储的观察基点：双重使命与金融稳定
美联储的一切政策与观察均围绕其法定“双重使命”——最大化就业与价格稳定展开。杰斐逊明确指出，评估人工智能的影响必须从这一根本任务出发。这意味着，美联储关注 AI 不仅在于其技术突破或市场表现，更在于它如何影响整体就业水平、劳动生产率、经济增长潜力以及通货膨胀走势。
从就业角度看，AI展现出双重效应。一方面，它通过提升工作效率、创造新岗位（如 AI 研发、部署与维护）促进就业；另一方面，其自动化替代效应可能导致部分职业萎缩，尤其对年轻、经验较少的劳动者冲击可能更大。杰斐逊指出，若 AI 仅替代现有劳动力而未能同步创造新岗位，可能引发短期经济放缓。这种“替代与补充”的动态平衡，是判断 AI 对劳动力市场结构性影响的核心。
从价格稳定视角，AI提高生产率有助于降低生产成本，对物价构成下行压力。高效资源配置、供应链优化、决策辅助等应用都可能抑制通胀。但同时，AI 基础设施（如数据中心）建设推高土地、能源等投入品价格，AI 人才薪资上涨也可能带来成本推动型通胀。这种双向影响使 AI 对通胀的净效应充满不确定性，需持续监测。
为实现双重使命，稳健且有韧性的金融体系至关重要。美联储通过半年度的《金融稳定报告》（FSR）持续监测系统性风险。最新调查显示，30%的市场联系人将“对 AI 的态度转变”视为金融体系显著风险，较春季的 9%大幅上升。这似乎警示，若市场对 AI 的乐观预期突然逆转，可能引发金融条件收紧与经济下行。因此，美联储将 AI 纳入金融稳定监测框架，正是为了防范技术热潮可能滋生的资产泡沫与金融脆弱性。
二、监测框架：FSR 与市场情绪跟踪
美联储对 AI 的监测并非孤立进行，而是嵌入其整体金融稳定评估体系中。FSR 不仅关注传统风险如杠杆率、资产估值、融资风险等，也将新兴技术带来的结构性变化纳入视野。杰斐逊强调，政策制定者必须区分“周期性波动”与“结构性变化”，而 AI 很可能属于后者。这意味着，AI 带来的生产率提升可能改变就业与通胀间的关系，进而影响货币政策传导机制。
市场情绪是 FSR 关注的重点之一。调查显示，近三分之一的市场参与者已意识到 AI 情绪逆转的潜在风险。这种共识本身可能成为“自我实现的预言”——一旦乐观叙事转向，资本快速撤离可能导致资产价格剧烈调整。相比互联网泡沫时期，今天的信息传播速度与算法交易普及可能放大市场波动。因此，美联储对情绪指标的跟踪，实质是对潜在系统性风险的早期预警。
此外，AI在金融业自身的应用也带来新的监测挑战。高频交易、智能投顾、风险模型等 AI 工具在提升效率的同时，也可能引发新的同质化风险与顺周期性。美联储正通过扩展分析工具包（包括利用 AI 技术自身）来加强对这些新兴风险的识别与评估。
三、四个核心指标：判断 AI 泡沫的试金石
杰斐逊通过对比当前 AI 热潮与 1990 年代末互联网泡沫，提炼出四个关键差异点，这些差异可以成为判断当前 AI 领域是否存在严重泡沫的核心指标。
（一）盈利基础：从“故事驱动”到“盈利支撑”
互联网泡沫时期，大量公司仅凭“．com”概念上市，缺乏可持续的盈利模式，收入微薄甚至为零，依赖外部融资与市场狂热维持运营。相比之下，当前 AI 领域的领头企业（如部分科技巨头）普遍拥有坚实且多元的盈利渠道。它们不仅通过 AI 服务直接创收，更将 AI 深度嵌入现有产品体系，提升核心业务竞争力。这种“盈利支撑”的发展模式，使 AI 投资更具基本面依据，降低了纯投机炒作的空间。
然而，杰斐逊也指出，私募市场的活跃可能部分掩盖了早期 AI 公司的盈利困境。大量风险资本涌入 AI 初创企业，这些公司虽未上市，但估值高企，若未来无法实现盈利，仍可能成为风险源。因此，盈利指标的观察需兼顾公开与私募市场。
（二）估值水平：市盈率相对克制
互联网泡沫巅峰期，互联网公司市盈率常达数百甚至上千倍，反映出市场对远期增长的非理性乐观。当前，尽管 AI 概念公司股价大幅上涨，但其市盈率仍远低于历史峰值。这一定程度上表明，投资者在追捧 AI 的同时，仍在一定程度上锚定企业实际盈利与现金流。
当然，估值合理性需结合行业特点与增长阶段综合判断。AI 作为通用目的技术，其长期价值创造潜力巨大，适度溢价有其合理性。但若估值脱离基本面过快上涨，仍可能滋生泡沫。美联储关注估值指标，正是为了辨别市场热情中的理性成分与过热信号。
（三）上市公司数量：投机广度有限
1999-2000 年，超过 1000 家互联网公司上市，形成“遍地开花”的投机盛况，甚至更名加入“．com”即能推高股价。当前，被明确归类为“AI 核心企业”的上市公司约 50 家左右（依据特定指标），数量远少于互联网泡沫时期。这表明市场投机行为相对集中，尚未蔓延至整个市场。
但杰斐逊也提醒，私募市场可能隐藏着大量 AI 初创公司，它们虽未公开交易，但融资活动活跃。若这些公司未来批量上市或融资环境突变，可能成为新的不稳定因素。因此，“公司数量”指标需动态观察，涵盖公募与私募领域。
（四）金融杠杆：债务依赖程度较低
互联网泡沫时期，许多公司依赖股权融资，债务杠杆有限，这某种程度上减少了泡沫破裂对金融体系的直接冲击。当前，AI 公司同样较少依赖债务融资，这有利于限制风险传导。然而，近期趋势显示，为支撑 AI 基础设施（如数据中心、算力集群）的巨额投资，部分企业开始增加债券发行与信贷融资。
杰斐逊特别指出，随着 AI 从软件层面向硬件基础设施扩展，资本投入需求急剧上升，可能导致杠杆率逐步攀升。若 AI 情绪逆转，高杠杆公司将面临更大偿债压力，进而通过信贷渠道将风险扩散至更广经济领域。因此，杠杆指标需密切关注其演变趋势。
四、对市场从业者的启示
杰斐逊的论述不仅为政策制定者提供分析框架，也为投资者、企业及研究人员带来重要启示：
第一，观察问题需从观察者的根本任务出发。投资者应超越短期市场情绪，深入分析 AI 技术对企业基本面（盈利能力、成本结构、竞争壁垒）的实质影响。企业则需聚焦 AI 如何提升自身生产率与长期竞争力，而非盲目追逐概念。
第二，辨别周期性波动与结构性变化。AI 代表的是可能持续数十年的技术革命，其影响是结构性的。市场波动中应区分长期趋势与短期噪音，避免将结构性机会误判为周期性泡沫，或反之。
第三，关注整体市场反应与系统性风险。单个公司或板块的上涨未必构成泡沫，需评估市场整体估值水平、资金集中度、杠杆情况与情绪一致性。尤其需警惕 AI 叙事从“盈利支撑”转向“故事驱动”的迹象。
第四，善用分析工具，包括AI本身。AI 技术可被用于更精准地评估市场风险、企业价值与经济影响。从业者应积极利用数据分析、机器学习等工具提升决策质量，同时警惕模型同质化可能带来的新风险。
五、以理性与热情持续、多维、动态参与
杰斐逊最终结论相对审慎乐观：基于盈利基础、估值水平、公司数量与金融杠杆四个维度的比较，当前AI热潮与互联网泡沫存在显著区别，重演 1990 年代末剧烈崩盘的可能性较低。AI 发展根植于一批盈利稳健的成熟企业，且整体金融体系韧性较强。
然而，不确定性依然存在。AI对就业、通胀、生产率的长远影响仍需时间验证；市场情绪可能逆转；私募市场活跃度可能掩盖风险；基础设施投资推高杠杆的可能性值得警惕。因此，美联储将持续监测 AI 发展，确保其在一个稳定、有韧性的金融环境中展开，最终服务于最大化就业与价格稳定的根本目标。
对市场而言，杰斐逊的分析提供了理性评估AI投资的工具箱。在技术革命与资本热情的浪潮中，保持清醒、区分本质与表象、聚焦长期价值，或许是避免泡沫、拥抱变革的最佳姿态。AI 是否为泡沫？答案不在简单的是与否，而在持续、多维、动态的观察与判断之中。
