无法降落的飞机
比尔·古尔利在Benchmark工作了二十五年，能够准确识别出热情何时从一种资产变成负担。他在2017年就曾对Uber发出警告，推动创始人下台，因为其有毒文化和不可持续的数字将公司拖入深渊。现在，在2026年3月16日接受CNBC采访时，他再一次发出了相似的警报：人工智能（AI）领域正在以无法维持的速度燃烧资本，没有任何可预见的盈利能对此进行合理化。
他的话语清晰而直白：“总有一天我们会摔倒，没钱可用了。” 他并不是在谈论技术崩溃。模型运行正常，系统学习有效，产品确实存在。他谈论的则是一个更为平实且致命的问题：在三十到四十家AI初创企业中，每年亏损数十亿美元，而可用于支撑这些损失的资本量是有限的，业内的乐观情绪对此视而不见。
古尔利使用的比喻颇具深意：“当飞机在燃烧大量燃料却未达到巡航高度时，降落更加困难。” 像OpenAI和Anthropic这样的公司筹集了数万亿资金，但筹集资金与建立商业模型并非同一回事，这在最佳的情况下也只是购买了时间。
为什么零边际成本不能拯救那些无法支付的人
这里有一个结构性悖论，这种情况在对行业的分析中并未得到足够清晰的表述：人工智能是建立在逐渐降低的边际成本逻辑之上的。一旦模型训练完成，生成第十百万个回答的成本在理论上比第一个要低。理论上，这项技术趋向于一种生产成本几乎为零的状态。这是其最深刻的经济承诺。
然而，目前市场最大的误诊就是将推理的边际成本与系统构建的总成本混淆。训练一个先进的模型需要数亿美元，保持其更新同样是大笔投入。而为其建立数据基础设施，成本高达数千亿美元。古尔利指出，像苹果、亚马逊、谷歌、Meta、微软、Nvidia和特斯拉等七大科技巨头正在投资数千亿美元于数据中心以支撑这些基础设施。这些开支并非边际下降，而是固定的、庞大的且不断累积的。
结果是市场所折算的成本结构与现实完全相悖：收入增长缓慢，因为企业采用的速度比媒体炒作慢，而基础设施成本几乎呈指数级增长，必须维持参数和计算能力的军备竞赛。零边际成本的逻辑适用于行业的未来，而非其当前的财务状况。
这对商业模型直接产生影响。一家以访问其语言模型收费的初创企业面临着严重的价格压力，因为他们的竞争对手同样接受资金支持，愿意以低于成本的价格销售以争夺市场份额。没有人正在构建利润，他们用负利润来购买用户，这些损失由期待成为最后余生的投资者所补贴。
泡沫并非因技术而破裂，而是因资本的耐心
古尔利与互联网泡沫时代进行了比较，这需要更冷静地加以分析。简单的比较是，那个时代同样有公司没有收入却拥有天文价值。然而，崩溃的机制不同且更具启示性。
2000年，公共市场关闭了首次公开募股（IPO）的窗口，投资者的胃口干涸，资本也随之枯竭。如今，私募资本的储备要深得多，这人为地延长了生存期。但这也意味着，当调整来临时，将是快速而非渐进式的。迈克尔·伯里警告过过度投资的危险水平。Jeremy Grantham 在GMO上系统性地记录了，科技泡沫恰恰在基础技术开始表明有用性时破裂，而非之前。
古尔利所确定的模式是“豪客”——那些被市场气氛吸引、却没有严谨投资论的参与者——是泡沫已经超越其形成阶段、正在经历终期的最可靠指标。当每一家风险投资公司都宣称只关注AI机会时，当健身和语言学习应用的创始人将其推介调整为AI公司，资本就不再指向产生最大价值的地方，而是向那些有更响亮叙事的地方倾斜。
在这样的背景下，古尔利向投资者推荐的操作非常简单：识别那些拥有经过验证的订阅模型的软件公司，等待由于重新调整所带来的估值修正，然后进行有纪律的买入。不去押注那些“极其冒险”的AI私营初创公司。这些投资的非对称信息太高，而通向盈利的道路也太不确定。
以杰克·多尔西领导的Square母公司Block为例，该公司故意裁员近一半以采用AI。这并不是边际优化，而是连盈利企业也在重写其运营架构，假设人力资本可以部分替代。如果盈利公司都在这样做，想象那些甚至尚未盈利的公司将逃脱这种压力，无疑是一种否认。
修正重整了层次，而非抹去技术
误读古尔利警告的结论是认为人工智能是一种幻觉。显然并非如此。这些工具已有两至三年的时间展现出在个性化、信息综合和自动化重复任务方面的可量化效用。问题不在于技术，而在于技术所创造出的当前价值与资本市场所折算的未来价值之间的鸿沟。
当修正发生——而金融逻辑表明它将发生，这不仅是可能性，而是累计烧钱所造成的算术结果——人工智能不会消失。将会消失的是那些未能建立可持续单位经济学、优先考虑用户增长而非利润的公司，它们假设资本将无限期地可用，因为叙述足够宏大。
将会存活下来的是那些客户获取成本与客户在时间中创造的价值存在合理关系的模型，那些实现运作不需要持续补贴的基础设施，以及那些解决特定问题的能力不完全依赖于有最大模型的区分。
那些能够理解这一行业价值建立在单位经济学而非融资轮次的估值之上的领导者，将在资本稀缺时能够以合理的价格收购资产和人才。修正并不是人工智能周期的终结，而是技术脱离叙述者、回归建设者的那一刻。
