AI泡沫判断：创业者的五个现金流信号

判断AI业务是否存在泡沫，创业者可以先盯住五个现金流信号：客户持续付费、规模部署后的利润贡献、推理毛利、算力投资回收，以及估值要求的增长与客户集中度；一项多方法研究认为，真实的技术扩张与局部泡沫动态可能并存。这五项是面向创业公司的经营检查框架，不是预测整个行业何时涨跌的指标。

它们回答的是不同问题：有人使用产品，不代表客户愿意长期付款；客户获得效率提升，不代表供应商有利润；收入增长，也不代表提前承诺的算力支出能按时收回。把这些环节逐一核对，才能判断应该扩大销售、调整定价、放缓投入，还是重新衡量融资条件。

客户付费：增长来自续约，还是来自试用

先看同一批客户的付费深度，而不是注册账户、试用名单或调用次数。斯坦福大学2026年AI Index经济章节记录，2025年有88%的受访组织使用AI。这说明受访企业中的使用已经广泛，却不能证明某一家创业公司的客户会续费，更不能用行业采用率推算自己的收入。

按首次付费时间把客户分组，分别记录续约、扩容、实际使用量和实收金额，能看出收入是否经得起免费额度结束后的检验。若调用量主要来自试用，采购预算尚未确定，产品就仍在验证需求；若客户持续付款，并将支出纳入常规采购，收入才有更可靠的重复基础。

还要拆开新客户收入、老客户扩容与一次性项目收入。单个大客户扩大采购会推高总额，但其续约决定也会显著影响现金流。客户集中度越高，销售预测越需要反映合同到期时间和可能的降价，而不能只按当前增长率外推。

规模部署：客户的经营结果有没有跟上

企业采购了AI工具，仍可能只让少数团队试点；员工节省时间，也未必立即反映在企业利润中。麦肯锡2026年全球AI调查中，44%的受访者称所在组织正将AI扩展到企业层面，37%称AI对组织的息税前利润有正面贡献。这是两项不同的自报指标，不能把两者的差额当成部署失败率，也不能将受访者回答视作经审计的利润。

面向企业销售时，应继续区分“已购买”“进入日常流程”和“产生可核对的经营收益”。例如，客户处理同类任务的耗时、返工量或收入转化发生了什么变化，同时增加了多少模型、人工复核与管理成本。若演示获得认可，业务部门却迟迟不扩大使用范围，销售预测就不宜假定合同会自然升级为全公司部署。

客户得到收益，也不等于供应商一定能留住收益。客户可能自行开发、改用竞争产品，或在续约时要求降价。因此，创业公司还要辨别哪些改善依赖产品持续运行，哪些只来自客户首次整理流程；后者未必能支持长期收费。

推理毛利：每完成一项任务还剩多少钱

用量增长能否改善经营，取决于收入与完整交付成本怎样变化。按客户或任务核算时，应从实收收入中扣除模型调用、计算资源、存储、检索、内容审核及直接服务成本；自行部署模型，还要计入相应的算力费用。只用模型的标价计算毛利，容易漏掉完成任务所需的其他支出。

比“单次请求成本”更有用的是“成功完成一项任务的成本”。多轮推理、工具调用、失败重试和人工复核，可能让一次请求消耗更多资源。分别看客户类型与任务类型，才能发现高频低价业务是否侵蚀毛利，以及哪些任务的客户价值足以覆盖较高的推理费用。

供应商降价可以改善当期毛利，但不必然形成创业公司的持久优势：竞争者也可能获得相近的成本条件，客户还可能要求分享降价收益。若融资计划依赖未来推理费用持续下降，就应同时测算成本降得较慢、任务变得更复杂时，现有售价是否仍能覆盖交付。

算力回收：容量增加之后，现金何时回来

对购买、预订或长期租用算力的企业，设备规模不如付款承诺与回收时间重要。Alphabet在 2025年第四季度业绩电话会披露，集团全年资本支出为914亿美元，物业与设备折旧为211亿美元，并指出技术基础设施投入将增加折旧和数据中心运营成本。这些数字属于Alphabet集团，不能全部归为AI支出，也不能直接当作创业公司的回收期。

创业公司需要把每批容量的付款时间、上线时间、实际可售容量、付费使用量与贡献毛利放在同一条时间线上。容量闲置时，潜在订单不会替公司支付已经到期的账单；即使利用率很高，也仍要确认收入能否覆盖设备更新、维护和电力等费用。

租用与提前锁定容量各有现金流代价。需求尚不稳定时，按量采购通常更容易随订单调整，但单位成本可能较高；长期承诺可能降低单位成本，却会把需求预测错误变成持续付款义务。决定投入速度的依据应是合同期限与已出现的付费使用量，而非融资后希望达到的规模。