新手入门

AI不是一个泡沫:新研究发现风险藏在个别公司

|作者: QUASA 编辑团队|2 分钟阅读| 3
AI不是一个泡沫:新研究发现风险藏在个别公司

康奈尔大学2026年8月25日发布研究解读:按一项新的股价统计模型,AI相关资产不能被整体判为泡沫,投机性繁荣信号主要出现在部分公司。康奈尔公布的研究解读 称,研究覆盖“科技七巨头”、主要半导体与AI基础设施公司等资产,价格数据截至2026年4月。

这份8月25日的解读基于康奈尔统计学研究者Abir Sarkar和Martin T. Wells的论文。它给出的直接答案是:该模型不支持用一个“泡沫”标签概括整个AI投资周期,却在Alphabet、TSMC等个别股票中识别出更强的泡沫动态。这不是对所有AI企业内在价值的裁决,也不能证明当前估值普遍合理。

新模型测量的是股价繁荣,不是AI成败

SV-ADF方法区分短期价格波动与持续的公司级繁荣阶段

研究关注资产价格何时进入持续的“爆炸性”增长阶段,而不是预测AI技术能否兑现商业价值。普通泡沫检验可能把剧烈但短暂的波动误判为泡沫,尤其是在股票波动率随时间明显变化时;泡沫的开始和结束日期也可能因此错位。

研究者提出随机波动稳健的增广Dickey–Fuller框架,即SV-ADF。正式论文及其检验结果 显示,该方法为繁荣的起点与终点分别设置校准规则;模拟结果中,它比假定波动较稳定的PWY方法具有更高的识别能力和更准确的日期定位。

因此,标题中的“不是一个泡沫”有明确边界:它指研究没有发现覆盖整个样本的统一价格繁荣阶段。该结论不表示AI股票不会下跌,也不表示未来利润必然足以支撑现有价格。

真正的分化出现在公司层面

纳斯达克未出现统一繁荣信号,而部分科技与半导体公司呈现不同风险阶段

论文在2020年至2026年的纳斯达克综合指数序列中没有检出繁荣期,但公司级结果明显分化。样本末端的泡沫动态集中于Alphabet和TSMC;Tesla在2020年至2021年出现过价格繁荣,Nvidia被识别出的显著阶段为2024年1月至8月。

大型科技公司内部也没有统一结果:研究没有在Apple、Microsoft和Amazon的对应样本中检出泡沫,而Alphabet出现了当期信号。半导体与AI基础设施公司在AI热潮中更普遍地经历过投机性阶段,但这些阶段的时间、强度和是否已经结束并不相同。

这正是研究所说的风险“藏在个别公司”:指数没有统一信号,不代表每只成分股都安全;某家公司出现信号,也不能反推整个AI产业的需求、资本投入或商业模式已经失效。SV-ADF识别的是价格路径,而不是通过未来现金流计算股票应有价值。

五项基本面指标补上模型看不到的部分

用盈利、估值、资本开支和利率数据核验公司级价格繁荣信号

价格统计只能回答“是否出现持续的异常繁荣”,不能回答繁荣能否由经营结果消化。Fidelity在2026年2月提出的五项观察指标 包括盈利增长、盈利质量、相对历史的估值、资本开支可持续性和利率周期;该机构当时判断,整体估值高于历史平均水平,但仍低于互联网泡沫时期的极端水平。

  • 盈利增长:收入与利润能否跟上AI投入和市值扩张,而非主要依赖多年后的增长预期。
  • 盈利质量:利润是否由可持续收入和现金流支持,并警惕循环融资或一次性收益造成的放大。
  • 历史估值:当前市盈率或市销率相对公司自身历史处于什么位置,盈利预测能否解释溢价。
  • 资本开支可持续性:数据中心、芯片和能源投入能否由自由现金流承担,还是越来越依赖债务和外部融资。
  • 利率周期:融资成本与折现率上升,会同时压低远期现金流的现值并增加续融资压力。

这五项指标与康奈尔模型不是相互替代的结论。前者检查盈利和融资能否支撑估值,后者寻找股价的统计性繁荣阶段;只有把价格信号与基本面放在同一家公司、同一期间内比较,才能避免把指数稳定误读为个股安全,或把个股异常扩大为行业崩塌。

股票泡沫不能直接等同于产品没有需求

研究对象主要是公开交易资产,不能直接推广到所有私人初创公司。上市公司股价同时包含利率、市场情绪、指数资金和未来利润预期;初创公司的风险则更多体现在融资估值、收入质量、客户集中度、毛利率和现金消耗。

一只股票被识别出价格繁荣,并不证明相关产品没有真实客户;同样,用户增长或收入增加也不能自动证明估值合理。对应到初创公司,经营层面的核验应区分可重复收入与短期试点,观察续约和客户集中度,并比较新增收入所需的算力、销售费用与外部资本。

论文也没有给出买卖指令或目标跌幅。其日期识别依赖历史价格样本,后续数据可能改变对阶段起止点的判断;公司业务组合、盈利预测和宏观利率仍需另行分析。

仍待验证的是投入能否转成可重复收入

目前可以确认的是,康奈尔研究反对把AI相关资产视为同一种风险:广泛指数与个别公司、科技平台与半导体企业,呈现出不同的价格繁荣轨迹。标题的核心判断成立于这一统计边界内,而不是对整个技术周期作无条件担保。

仍未知的是,样本末端的公司级信号会持续多久,以及大规模基础设施投入最终能产生多少稳定利润。研究者计划扩展模型;市场层面的下一批证据则来自企业财报、自由现金流、资本开支融资结构和利率变化。真正需要继续验证的,不是一个覆盖全行业的标签,而是不同公司的价格和兑现能力是否正在分离。

分享:

订阅我们的新闻通讯

将最新 Web3、AI 和加密货币新闻直接发送到您的邮箱。

0