同一周里，两条新闻可以指向完全相反的结论：一家公司宣布因为 AI 裁掉了三成客服，另一家公司的 AI 产品线被曝出日活不足注册量的百分之五。看到前一条的人说拐点到了，看到后一条的人说泡沫要破。两拨人手里的材料都是真的，结论却对不上，原因在于他们说的「AI」不是同一件事。这篇把两派的论据分开摆，再给三个可以自己动手核对的指标，最后说清这套框架测不出什么。
「泡沫」这个词，省掉了三层前提
讨论之前先拆开三个被混在一起的问题：技术能力有没有真实进步、做这项技术的公司能不能赚到钱、当下的价格是否合理。这三个问题的答案可以完全相反。2000 年前后的互联网就是例子：技术是真的，光纤和协议栈留到了今天；公司大批倒下，因为收入撑不住成本；估值崩了大半。三件事同时成立，说「互联网是泡沫」和说「互联网改变了世界」都不算错，只是各说一层。今天关于 AI 的争论，多数卡在同样的地方：一方在讲第一层的能力曲线，另一方在讲第三层的价格。
分不清这三层，讨论就会退化成站队。而站队不需要证据，只需要立场，这也是这类话题在社交平台上永远吵不完的原因。
两派的论据，摊开来看
把双方最常引用的证据列成表，会发现每一行都能落到一个可以采集的数字上，而不是只能靠感觉：
| 论点 | 论据 | 怎么验证 |
|---|---|---|
| 能力还在爬坡 | 同一批公开基准上，新模型在代码、数学、长文档理解上的分数逐年抬升，同时单位 token 的价格在下降 | 自建一套 50 条真实任务的题库，每季度重跑，看通过率和人工修改量 |
| 使用在真实增长 | 编程助手、客服、写作工具的调用量在涨，部分企业开始把这类支出写进年度预算 | 看席位使用率与续费率，不看注册量。买了 100 个席位、周活 12 个，就是没落地 |
| 投入与收入不匹配 | 数据中心与算力的资本开支规模空前，直接来自 AI 产品的收入体量小一个量级 | 把在建算力按折旧年限摊平，算需要多少订阅收入才能覆盖，再对比现有收入 |
| 演示与日常隔着沟 | 发布会上的任务是挑过的，真实场景的长尾错误率高，需要人工兜底 | 统计人工兜底比例：AI 做完还要人改多少，改的时间算不算进成本 |
四行里没有一行能靠情绪判定。两派真正的分歧也不在事实，而在时间尺度：乐观派看的是三年后的能力曲线，怀疑派看的是今年的损益表。两种看法都成立，只是回答的问题不同。把时间尺度标出来，很多争论其实可以直接消解。
三个能自己核对的指标
第一个，推理成本是否还在持续下降。同等质量的输出，单位价格在过去两年降了一个量级以上，这是训练与推理的成本结构决定的——训练是一次性投入，推理随用量线性增长，规模上来后单价自然下探。核对方法很土：盯住你实际在用的那一档模型，按季度记录同一批任务的账单。如果价格停住、能力也没明显提升，说明这一轮的规模效应接近尾声。
第二个，付费渗透率。免费额度能带来使用量，带不来收入。要看的是愿意持续付钱的人占活跃用户的比例，以及企业客户里按席位续费的比例。这一层可以对照免费版与付费版的差别来理解：免费版负责获客，付费版负责验证价值，两者之间的转化率才是信号。渗透率长期停在低位，说明产品解决的是「偶尔用一次」的需求。
第三个，单位任务成本。这个最容易被忽略：把一次任务的调用费、人工复核时间、返工率乘起来，除以人工完成同一件事的成本。低于 1 才有替换动力，高于 1 就只是个玩具。很多演示惊艳的产品卡在这一步——效果确实好，但一次任务要调十几次模型、人还要通读一遍，账算不过来。算力价格与这个数字直接相关，算力的供给宽松程度会先在账单上体现出来。
三个指标要一起看。只看成本下降，会忽略需求是否真实；只看渗透率，会忽略获客是不是靠补贴买来的；只看单位成本，会忽略质量这一维。三张表放在一起，结论才有分量。
泡沫与进步同时发生，这不是悖论
铁路、电力、互联网都走过同一条路：资本开支超前于需求，超前的部分由股东承担损失，留下的基础设施由后来者低价使用。1900 年代的美国修了远超当时运量的铁路里程，一批公司破产，路权留下来了；2000 年前后铺的光纤大量闲置，运营商倒闭，宽带却成了后来所有应用的地基。规律可以概括成一句：建设期过剩，使用期便宜。规模定律描述的是能力随投入提升的那一面，而成本由谁承担、什么时候回本，是另一套账。
所以「是不是泡沫」和「技术有没有价值」是两个独立问题，答案可以一个是「是」、一个是「有」。把这两个问题捆在一起问，永远吵不出结果。
算得出方向，算不出时点
这套框架的边界要说清楚。三个指标能告诉你趋势往哪走，告诉不了拐点在哪一天。成本在降、渗透率在升，中间照样可能经历一轮回撤；反过来，指标走平也可能只是某一代架构遇到瓶颈，换条技术路线又打开。它也无法回答「哪家公司会活下来」——技术周期的幸存者更多取决于分发渠道、销售组织与现金流，跟模型好坏的关系没有想象中大。政策变化、供应链中断这类外生变量，更不在任何指标的覆盖范围内。
还有一层容易被忽略：行业的账和你自己的账不是一本账。行业层面的单位成本下降，不代表你这家公司用得起——你的任务可能特别长、特别依赖私有数据、还要过合规审查，成本结构完全不同。拿行业均值给自己做预算，是最常见的高估来源。
三条落到地面的用法
如果你是使用者，先在自己工作里挑一件每周都做的事，用它跑一个月，记录省下的时间和返工次数。这个数字比任何行业报告都可靠，也最能说服你自己。
如果你是经营者，把 AI 预算切成两块：验证的钱允许打水漂，扩张的钱必须有单位成本依据。两笔钱混在一起，项目就会在「再投一点看看」里慢慢耗尽。
如果你只是旁观者，听到「泡沫」两个字先问一句：说的是技术、公司，还是价格。多数争论在这一问之后就散了。
本文只提供观察框架，不预测行业走向，也不构成投资建议。
速查：三个指标的核对方式
- 推理成本：同一档模型、同一批任务，按季度比账单单价
- 付费渗透率：付费用户除以月活，企业侧看席位续费率
- 单位任务成本：（调用费 + 复核工时 + 返工）除以人工成本
- 听到「泡沫」先分层：技术能力、公司盈利、资产价格
