张伟：喧嚣的AI时代：这次不一样吗？

文/清华大学五道口金融学院党委委员、院长助理，《清华金融评论》执行主编张伟

2022年末以来，以ChatGPT为标志的生成式人工智能（Artificial Intelligence，简称AI）浪潮席卷全球。短短几年间，大语言模型参数从千亿级跃升至万亿级，多模态能力从文本拓展至图像、视频、代码与科学推理，智能体开始具备自主规划与工具调用能力。当前这轮浪潮，究竟是历史重演，还是确有不同于以往的本质特征？本文通过横向与纵向比较分析，试图回答这一问题。

2022年末以来，以ChatGPT为标志的生成式人工智能（Artificial Intelligence，简称AI）浪潮席卷全球。短短几年间，大语言模型参数从千亿级跃升至万亿级，多模态能力从文本拓展至图像、视频、代码与科学推理，智能体开始具备自主规划与工具调用能力。全球科技巨头以数千亿美元年度资本开支竞相布局算力基础设施，人工智能相关资产在资本市场获得显著估值溢价，AI的喧嚣就此来袭。然而，这次不一样吗？回顾历史，1920年代电气化被寄予“永久繁荣”的厚望，终以大萧条收场；1990年代互联网被称为“新经济”，纳斯达克从5048点跌去78%；AI自身也经历过两次寒冬。当前这轮浪潮，究竟是历史重演，还是确有不同于以往的本质特征？本文通过横向与纵向比较分析，试图回答这一问题。

横向的历史回响：技术革命的喧嚣与泡沫

回顾近现代经济史，几乎每一轮重大技术革命都伴随着从狂热到幻灭再到重建的完整周期。电气化、互联网等技术变革，分别以不同技术内核演绎了相似的兴衰叙事。

1920年代电气化的喧嚣与大萧条

第二次工业革命的核心——电气化——在20世纪20年代的美国达到高潮，其催生的“永久繁荣”幻觉终以大萧条收场，并由此倒逼了现代金融制度的系统性重建。

彼时，工厂大规模进行电气化改造，流水线生产在福特汽车示范下迅速推广，汽车、收音机、家电等耐用消费品进入普通家庭。消费信贷快速扩张，居民杠杆率持续攀升。金融领域保证金交易泛滥，杠杆倍数动辄超过十倍，投资信托产品层层嵌套。道琼斯指数从1921年的66点攀升至1929年9月的381点，八年涨幅近五倍。然而，1929年10月“黑色星期四”引爆崩盘，道琼斯指数最终下跌近90%，通过银行倒闭、信贷收缩等链条演变为全球性大萧条：美国GDP从1046亿美元骤降至1933年的572亿美元，失业率飙升至25%以上。大萧条倒逼制度重建：1933年《格拉斯—斯蒂格尔法》确立了分业经营；美国证券交易委员会的成立标志着联邦证券监管的起步；建立了美国联邦存款保险制度，缓解挤兑风险。这些安排奠定了此后半个多世纪美国金融体系的基本框架。

1990年代互联网的喧嚣与泡沫破灭

时隔70年，互联网技术在美国再度掀起“新经济”浪潮。与电气化时代不同，此次泡沫载体从工业股票转向互联网板块，但二者的形成机制与破灭逻辑有着惊人的相似性。

20世纪90年代，浏览器、光纤网络与电子商务雏形相继出现，美国经济维持低通胀、高增长、低失业率的“黄金组合”，美联储长期维持较低利率。“互联网重构一切”“企业不需要盈利”成为华尔街与硅谷的共同信仰，大量仅凭概念、尚无营收的公司通过IPO登陆资本市场。纳斯达克从1995年的千点附近飙升至2000年3月的5048点，五年涨幅超三倍，整体市盈率接近150倍。泡沫破裂始于2000年美联储连续加息与互联网企业盈利能力的集体证伪。纳斯达克至2002年10月累计下跌78%。但与1929年不同，此次调整呈现结构性特征：光纤网络、数据中心等物理基础设施得以保留；亚马逊、谷歌等少数具备雄厚技术实力的企业建立起可持续商业模式。风险投资业态与多层次资本市场在此过程中逐步成熟，成为此后服务创新活动的重要制度支撑。

上述两轮周期并非孤立事件，将历次技术革命置于同一分析框架，可以提炼出一条贯穿始终的共性逻辑主线 ：技术突破→高预期叠加流动性宽松推动资本涌入→远期收益被提前定价、估值泡沫膨胀→盈利不及预期或外部冲击刺破泡沫→技术和企业在调整后进入产业化稳定发展期→金融制度相应升级。在上述过程中，金融体系发挥了双重作用：既是泡沫的助推者，即通过信贷扩张将技术乐观预期转化为资产价格泡沫；也是产业重建的支撑者，即通过制度创新为有价值企业提供生长土壤。可以说，每一轮技术革命中，金融形态均因资本需求的不同而演进，金融制度的演进，本质上是对技术革命资本需求特征的制度回应。

纵向的周期演进：人工智能的崛起与寒冬

人工智能学科自身70年跌宕起伏的历史，可以提供更为精准的微观规律样本。AI经历的三轮热潮与两次寒冬，皆起于真实技术突破，又幻灭于能力与预期之间的落差。这一内部周期的完整脉络，为理解当前这轮AI浪潮提供了不可替代的参照坐标。

第一次浪潮（1956～1974年）：符号主义的黄金梦

1956年达特茅斯会议标志着人工智能作为独立学科诞生，早期学者的高度乐观激发政府大规模投入，然而计算能力的根本性瓶颈很快令宏大预言落空。

前期，麦卡锡、明斯基等学者预言“十年内计算机将成为象棋冠军”，美国国防部高级研究计划局（DARPA）投入大量资金。早期成果也令人振奋：逻辑理论家程序证明数学定理，世界第一个聊天机器人伊莉莎（ELIZA）模拟心理治疗师对话。但受限于计算能力，程序只能处理小规模问题，符号推理无法向复杂现实世界泛化。1973年发布的《莱特希尔报告》（Lighthill Report）尖锐批评AI未能实现承诺，此后各国大幅削减经费，AI进入第一次寒冬，持续约7年。

第二次浪潮（1980～1993年）：专家系统与第五代计算机的狂热

经历首次寒冬后，专家系统以“知识工程商业化”路径重新点燃产业热情，日本“第五代计算机”计划将战略竞争氛围推向顶峰，但最终仍未走通。

专家系统的核心思路是将特定领域专家知识编码为“如果—那么”形式的产生式规则，由推理引擎据此判断。该系统在医疗诊断、矿物勘探等领域展现一定商业价值。1982年日本启动“第五代计算机”计划，试图以并行推理和逻辑编程构建新一代计算机系统，在欧美引发巨大战略焦虑。然而这一计划的根本缺陷很快暴露，即知识的获取瓶颈，将隐性知识转化为显性规则成本极高；同时，规则库存在脆弱性，无法处理规则冲突和不确定性推理。此外，不可迁移性同样成为障碍，每个新应用都要从零开始。20世纪80年代末至90年代初大量AI公司倒闭，日本于1992年终止“第五代计算机”计划，AI进入第二次寒冬，持续长达近20年。

第三次浪潮（2012年至今）：深度学习与生成式AI的大爆发

与前两次依赖人类手工编写规则的路径不同，本轮AI的崛起建立在深度学习等底层技术的实质性突破上，实现了从实验室走向大规模产业化的历史性跨越。

2012年，杰弗里·辛顿（Geoffrey Hinton）指导其学生设计的模型AlexNet在ImageNet项目（用于视觉对象识别软件研究的大型可视化数据库）竞赛中夺冠，标志着深度学习首次超越传统方法；2016年阿尔法围棋（AlphaGo）击败围棋世界冠军李世石；2017年Transformer架构成为大语言模型基石；2022年ChatGPT的发布标志着生成式AI进入大规模产业化阶段。相比前两次技术浪潮，本次AI技术浪潮根本的不同在于，生成式人工智能不再依赖人类手工编写规则，而是依靠机器从海量数据中自动学习表征与模式，系统具备跨场景泛化能力。

这次不一样吗？相同的规律与不同的底色

横向与纵向的比较反映出，当前这轮AI浪潮既遵循历史上技术革命泡沫的一般规律，又在生产要素、替代领域、投资主体和资产属性等维度呈现出深层差异。准确把握“同”与“不同”的辩证关系，是形成理性判断的前提。

相同的喧嚣逻辑：警惕本轮AI浪潮的泡沫化倾向

从历次技术革命的共性特征出发，当前这轮AI浪潮的泡沫化倾向可以从以下三个方面加以识别。

第一，全球货币环境收紧侵蚀AI产业的资本基础。回顾前两次AI寒冬，其时间节点均与宏观经济资金面收紧存在不同程度的耦合。2026年年中以来，以欧洲央行重启加息为标志，全球央行货币政策从“等待观望”转向“防御性收紧”，AI产业作为典型的高投入、长周期、高不确定性赛道，对利率环境与融资条件高度敏感。当无风险利率维持相对高位，风险投资机会成本显著上升，资本对早期AI项目的风险偏好将趋于审慎。一旦融资环境进一步趋紧、企业投资意愿收缩，当前AI领域高估值与高投入之间的张力将面临严峻考验，资本退潮的风险不容低估。

第二，技术瓶颈与市场预期之间形成危险的剪刀差。尽管大语言模型在自然语言理解与生成方面取得了显著突破，但在严格逻辑推理、因果推断、事实性校验等维度尚存根本性局限，“幻觉”问题至今未获有效根治。与此同时，支撑模型性能跃升的高质量公用语料数据已接近系统性挖掘的边界，训练数据红利的边际效益递减日益显现。从参数规模扩张向范式创新的跃迁并非线性过程，其间必然经历技术路线的探索期与瓶颈期。然而，资本市场与社会公众对AI能力边界的认知，已远远超前于技术现实，“这次不一样”的市场心理与技术现实的剪刀差，往往带来泡沫破裂的危险时刻。

第三，应用落地成效与高预期之间的错配风险。大语言模型在通用文本处理场景中展现了令人瞩目的能力，但向垂直行业的深度渗透面临障碍，包括行业专有数据的获取壁垒、关键决策场景对可靠性与可解释性的严苛要求、模型输出与业务流程之间的适配成本等。通用人工智能（AGI）的实现仍属远期愿景，在具身智能、物理世界交互等复杂场景中，单纯依赖语言模型远远不够，而是需要物理建模、多模态感知等新范式的协同突破。当企业端AI部署的实际投资回报率难以匹配前期投入的高预期，当行业应用从概念验证迈向规模化生产遭遇现实阻力，资本信心的快速回落便可能成为触发本轮浪潮降温的直接导火索。

不同的底色：打破过往技术革命的增长桎梏

尽管泡沫化倾向与历史高度相似，本轮AI浪潮仍展现出与以往技术革命的深层差异，这些差异将深刻影响长期增长空间。

第一，生产要素层面的根本变革。以往历次技术革命主要改变生产工具，例如蒸汽机改变动力来源，电气化改变能源传输，互联网改变信息流通。AI则首次直接作用于生产要素本身，算力正成为与土地、劳动力、资本并列的核心战略投入，数据正成为新型资产和生产要素。AI改变的不只是“用什么工具生产”，而是“用什么要素生产”，这是以往任何技术革命未曾出现的底层变化。

第二，替代领域前所未有。前几次技术革命主要替代体力劳动与流程化操作，AI首次大规模触及脑力劳动与认知型岗位，文案撰写、代码编写、投资分析、法律检索、医学影像诊断、科学研究……这些历来被认为是人类智能护城河的领域正在被AI逐步渗透。与前几次技术革命相比，AI对就业结构和收入分配的影响可能更为广泛深刻。

第三，市场主体的结构性差异。从融资端看，历史上泡沫期的主力是缺乏盈利基础的初创企业，1920年代企业依托投资信托加杠杆入市，1990年代互联网企业仅凭概念即可上市融资，而本轮AI浪潮的核心参与者多为拥有稳定主营业务和充沛现金流的科技巨头，自我造血能力较强。从投资端看，历史上散户与投机性资金占比高，追涨杀跌加剧波动，而本轮由机构资金和产业资本主导，决策理性度相对更高。投融资两端的结构变化，意味着即便行业降温，出清烈度也可能低于此前。

第四，资产属性的本质区别。2000年互联网泡沫中大量投入形成的是流量价值和广告预期，企业破产后价值基本归零。本轮AI浪潮中的资本开支主要转化为芯片集群、数据中心、电力设施等实物重资产，即便应用落地成效不及预期，这些实物重资产仍可服务于云计算等广泛需求，资产复用价值相对较高，但是需注意算力芯片技术迭代快、保值周期短于光纤等基础设施。

结语

喧嚣的AI时代，这次不一样吗？答案是：既一样，也不一样。上述“同”与“不同”的交织，决定了本轮AI浪潮在短期与长期的不同图景。

短期看，本轮AI浪潮的多重结构性隐忧或已显现。货币金融环境的收紧、技术瓶颈与预期透支的剪刀差、应用落地成效与市场预期的错配，构成了本轮AI浪潮走向阶段性回调的潜在路径。对“这次不一样”的过度确信，恰恰可能成为新一轮泡沫破裂的认知根源。

长期看，技术变革仍将螺旋上升。本轮AI浪潮底层基础更为扎实，生产要素变革使技术渗透深度远超以往；替代领域从体力劳动扩展到脑力劳动，意味着价值总量远超过往；投资主体结构使资本市场调整更为有序；实物基础设施的资产复用价值更高。2025年初国产大模型以低成本工程创新打破“算力军备竞赛不可逾越”的判断，大模型正从内容生成工具进化为能自主规划、调用工具的智能体，技术演进趋势不会因短期波动而逆转。

即便短期泡沫破裂，其后的上升空间可能远大于以往，技术革命的长期影响将更为深远。对金融体系而言，重要的不是精确预判泡沫何时破裂，而是在把握长期方向的基础上做好结构性安排，建立对算力、数据等新型要素的定价能力，在复杂判断与信任背书方面强化中介价值，构建覆盖AI企业全生命周期的科技金融服务，在鼓励创新与守住底线之间建立新的监管平衡，这正是新一轮技术革命下做好科技金融大文章的现实基础与必要实践。

来源丨《现代金融导刊》2026年第9期

编辑丨周茗一

审核丨秦婷

责编 | 兰银帆

Review of Past Articles -

01

02