互联网泡沫 vs 本轮 AI 浪潮：时间线、数据对照与应对

0. 结论先行

1. 钱比 1999–2000 年更集中，也更大。 2000 年美国 VC 共 1,190 亿美元，其中 45% 投给互联网公司；2026 年上半年，美国 VC 资金的 86% 投给了 AI（PitchBook-NVCA），全球上半年 5,100 亿美元里有 43% 只流向 OpenAI 和 Anthropic 两家（Crunchbase）。
2. 基建投入的量级已经远超当年电信泡沫。 2000 年美国电信服务商资本开支峰值约 1,210 亿美元；2026 年四大云厂商的资本开支指引合计 7,200–7,450 亿美元。按 GDP 占比算，电信投资峰值约 1.2%，数据中心资本开支预计 2027 年达 3.1%（Apollo）。
3. 估值整体没有 2000 年那么离谱，但集中度更高。 纳斯达克 100 的远期市盈率在 2000 年 3 月约 57–65 倍，现在约 22–24 倍；但标普 500 前十大公司的市值占比从 2000 年的约 23–27% 升到了 2026 年的约 34–40%，Shiller CAPE 41.07，是 156 年来第二高，仅次于 1999 年 11 月的 44.19。
4. 龙头真的在赚钱。 1999 年科技 IPO 只有 14% 盈利，上市首日收盘的中位市销率是 43 倍；Nvidia 2026 年 Q2（FY27）单季营收 962 亿美元，同比 +106%。思科在 2000 年 3 月市值超过 5,000 亿美元，26 年后的 2026 年 6 月市值是 4,610 亿美元。好公司也可能因为买贵了而让股东等上一代人。
5. 采用速度确实快一个量级。 全球网民从 1995 年 1,600 万增长到 2000 年 3.61 亿，用了五年；ChatGPT 约两个月达到 1 亿月活，不到三年达到每周 10 亿用户 [自报]。
6. RSI（递归自我改进）出现了"早期、有边界"的证据，但没有"闭环"。 OpenAI 在 2026-09-06 宣布达到"自动化研究实习生"目标，并以 2028 年 3 月实现"自动化 AI 研究员"为目标 [自报]；Anthropic 披露 2026 年 5 月合并到代码库的代码 80% 以上由 Claude 编写，但明确说"我们还没到那一步" [自报]；Weco 的 AIDE² 自评只是"Level 1"。加速是真的，"AI 自己造出下一代 AI"还没有被任何人证实。
7. 应对的核心是：既要押对方向，又要活到兑现那一天。 互联网是真的，但纳斯达克还是跌了 78%。个人做产品和投资时，要选"模型越强、你越强"的位置，用好时间窗口，积累领域数据，成为最会用 AI 的人，同时控制集中度和杠杆。

1. 两条时间线

2026 年 AI 关键事件（已核实）：

• 2026-03-31：OpenAI 完成 1,220 亿美元融资，投后估值 8,520 亿美元 [自报]。
• 2026-04：Anthropic 发布 Claude Mythos Preview；按 Anthropic 的测量，它在一个训练代码加速任务上达到约 52 倍加速 [自报]。
• 2026-05：Anthropic Series H 融资 650 亿美元，投后估值 9,650 亿美元；同月 Cerebras IPO。
• 2026-06-12：SpaceX 上市（此前已以 2,500 亿美元收购 xAI，据 PitchBook）。
• 2026-07 中旬：Hassabis 发文（7-14），呼吁为"递归自我改进的系统"建立安全护栏和标准机构；Weco 发布 AIDE²（博客日期 7-14）。
• 2026-07 财报季：四大云厂商上调或维持全年资本开支指引，合计 7,200–7,450 亿美元。
• 2026-08：Nvidia FY27 Q2 营收 962.2 亿美元；Anthropic 年化营收超过 650 亿美元 [报道]。
• 2026-09-06：OpenAI 宣布达到"自动化研究实习生"目标；2026-09：Anthropic Institute 发布《When AI builds itself》，9/18 更新。
• 2026-10-01：Renaissance 的季度回顾称，"对 AI 支出的更多担忧"和利率上升拖累了 IPO 市场。

2. 关键数据对照

2.1 风险投资：规模与集中度

解读： 当年的钱撒向成千上万家 ".com"；这一轮的钱高度集中在少数几家前沿实验室。PitchBook 指出，2026 年首次募资的基金数量是 2016 年以来最低，头部创纪录，下面几乎所有细分都在收缩。这和 1999 年"谁都能拿到钱"是两种形态的过热。

2.2 IPO：数量少了，单笔大了，首日涨幅小了

解读： 1999 年的特征是一大批成立 4 年、不赚钱的小公司靠首日翻倍上市。2026 年是少数巨型公司在晚期上市，价值主要在一级市场兑现。普通投资者能买到的，往往已经是估值后半程。

2.3 估值与集中度：思科 2000 vs Nvidia 2026

解读： "Nvidia 是今天的思科"这个说法，在估值倍数上不成立（倍数差了好几倍），但在两件事上仍然押韵：一是集中度更高；二是 "卖铲子的人同时为买铲子的人提供融资"（@great_martis 称之为 "vendor becomes part banker of its own boom"）。Gary Marcus 援引 Fortune 和 Nvidia 10-Q 称，Nvidia 的供应与产能承诺已达 2,790 亿美元（二手转述，未核原表）。

2.4 基础设施资本开支：电信 1990s vs 超大规模云 2020s

解读： 最重要的区别在资产寿命。光纤是"超前修好的路"，泡沫破了，路还在，后来者（Google、Netflix）低价用上了。GPU 是"三到五年就要换的车"。如果需求晚到几年，这批资产可能等不到需求就折旧完了。反过来，需求如果真的持续超过供给，短寿命资产也意味着可以较快收缩（微软 CFO 原话的意思）。

2.5 采用速度

解读： AI 能借现成的互联网和智能手机分发，所以普及速度不可同日而语。但"用户多"不等于"利润够"：OpenAI 毛利率约 33%，FT 报道其预测 2026–2030 年累计自由现金流为 −2,780 亿美元（经 Sacra 转述）。

2.6 领头创业公司：收入 vs 估值

解读： 按市销率，头部 AI 公司比 1999 年的平均科技 IPO 便宜，而且收入增速极快（Paul Graham 的说法："so many AI startups have genuinely amazing numbers"）。但有两点要注意。第一，"年化收入"是按最近一个月乘 12，不是审计过的年报。第二，这些公司把绝大部分收入又付给了算力供应商，利润率和现金流才是真正的考题。

3. 相似之处与不同之处

3.1 相似之处（"押韵"的部分）

1. 技术是真的，价格可以是假的。 1999 年说"互联网会改变一切"是对的，纳斯达克照样跌了 78%；思科 26 年后市值都没回到峰值。Mollick 的说法很准确："a financial bubble (if there is one) is not a bubble around AI ability"。
2. 资本开支走在收入前面。 当年先铺光纤，等流量；今天先建数据中心，等推理需求。Apollo 的数据显示这一轮扩张更快，规模更大。
3. 供应商融资与循环交易。 1990s 的设备商给电信客户提供"厂商融资"；今天 Nvidia 大量投资下游客户，连偏多的 Gavin Baker 都把 Nvidia、Broadcom 称作客户的"credit wrappers"，Gary Marcus 则转引说 Nvidia"functioning almost like a bank"。这一点被 X 上的空头反复拿来类比。
4. 散户与新股热。 2026 年 Q1 新股首日平均涨 26%，SpaceX、Cerebras 等巨型 IPO 引发追捧；Burry 的提醒是：1999 年也有很多讲泡沫的书，泡沫照样继续。
5. "所有人都在创业"。 那时是 "加个 .com 就能融资"，现在是 "加个 AI / agent"。门槛低导致同质化，X 上 "wrapper 会被下一个模型压死" 的讨论非常多。

3.2 不同之处

1. 龙头盈利，资本开支主要靠经营现金流。 1999 年 IPO 中 76% 亏损；今天的资本开支主力是全球最赚钱的几家公司，但 2026 年 Q2 资本开支已吃掉 96% 的经营现金流，开始靠发债补缺口，这个区别正在缩小。
2. 在位者领跑，而不是被颠覆。 当年的赢家大多是新公司（Amazon、Google、eBay）；这一轮微软、谷歌、亚马逊、Meta、Nvidia 本来就是巨头。前沿模型公司还在和自己的客户竞争（@Jason："Claude and ChatGPT have already taken on their own customers"）。
3. 价值在一级市场兑现。 公司上市更晚、更大（科技 IPO 中位年龄从 1999 年的 4 年变成 2025 年的 12 年），涨得最猛的阶段二级市场散户参与不到。
4. 资产寿命短。 见 §2.4：光纤可用几十年，GPU 只有三到五年。
5. 加速度与 RSI。 互联网的进步主要靠人力和带宽扩容；AI 第一次出现"工具帮助改进工具本身"的可测证据（见 §3.3）。这是这一轮最大的上行变量，也是最大的不确定性。
6. 门槛更低，窗口更短。 用 Claude Code、Codex 这类工具，一个人几天就能做出 1999 年需要一个团队几个月的产品；但同样的能力也让模仿者几天就能复制，前沿模型一次更新就可能吞掉一个品类。

3.3 RSI：到底发生了什么（逐条核实）

本文判断： "AI 显著加速 AI 研发"有多家机构的自报数据支撑，可信度中等偏高。"递归自我改进已经闭环"没有任何来源能证实，相关表述也都是模糊或自评的。对创业者和投资者来说，这意味着能力曲线更陡、更难预测：既放大了"下一代模型吃掉你的产品"的风险，也放大了"站对位置就被抬升"的机会。

4. X 上的观点（2026-07 至 2026-10，正反并列）

偏多 / "不是 2000 年"：

• @GavinSBaker（2026-07-28，1.49M 浏览）："Spot pricing for renting GPU compute materially above contracted rates implies hyperscalers are underearning"。他认为经营现金流足以支撑资本开支，真正的风险是电力。[观点；"现货价是长约价 2 倍以上"为其自述] https://x.com/GavinSBaker/status/2082166566280642676
• @paulg（2026-10-02）："AI startups grow really fast. That's why valuations have gotten so high… so many AI startups have genuinely amazing numbers." https://x.com/paulg/status/2105898077760667928
• @levie（2026-08-22）："Models are getting cheaper on a like for like task basis… This is a great time to be applied AI company." https://x.com/levie/status/2091038566260539574
• @hamids（2026-08-27）：认为思科当年市盈率约 200 倍，Nvidia 约为其十分之一，"$NVDA shouldn't be your poster-child of over-valued companies"。[数字为自述，与 §2.3 的第三方口径量级一致] https://x.com/hamids/status/2093078751169192017
• @chamath（2026-08-24）："AI capex is projected to reach $765B in 2026, passing oil and gas for the first time." https://x.com/chamath/status/2091930810098364595

偏空 / "就是 2000 年"：

• @michaeljburry（2026-09-19）："there were several books out about the 1990s bubble during 1999… So yes a few of us are being loud about what is going on today"。 https://x.com/michaeljburry/status/2101445279706705934
• @GaryMarcus（2026-08-13）："Nobody is saying all the revenue is fake. We are saying the profits to justify the massive CapEx aren’t there." https://x.com/GaryMarcus/status/2087921949494403160 ；2026-08-21 他转引"AI 可能需要每年 10 万亿美元销售额才能证明资本开支合理"的估算（转引，非其原创数据）https://x.com/GaryMarcus/status/2090838862096654759
• @great_martis（2026-08-28）："The risk is the same shape: the vendor becomes part banker of its own boom." https://x.com/great_martis/status/2093243682141139290
• Jim Chanos（RiskReversal 播客，2026-09-25，与 Gary Marcus 对谈）：把 AI 基建比作资本密集、回报偏低的"设备租赁"生意，担心融资和数据中心经济性。X 上流传的"much worse than dot-com"出自同名视频标题。

关于 RSI 与加速：

• @emollick（2026-09-12）："some of the clearest statements… from both Anthropic & OpenAI that some form of recursive self-improvement has been achieved, though it still sounds early… the first firms to RSI may get an unsurmountable lead"。 https://x.com/emollick/status/2098812026944454715 ；同日补充 "there are reasons why RSI may not be the whole game" https://x.com/emollick/status/2098814166848987260
• @chamath（2026-08-03）："we are firmly in this loop now… The next 18months will be wild."（观点） https://x.com/chamath/status/2084161451728441838

关于怎么做：

• @paulg（2026-08-12）："If the world is going to get turned upside down, the safest place to be is in a small, fast-moving company that can easily change direction." https://x.com/paulg/status/2087604352622153922
• @Jason（2026-07-25）："frontier model companies are going to CONTINUE to compete with their largest customers"，建议创业公司警惕把数据和需求交给模型厂商。 https://x.com/Jason/status/2080920049318277230

本文观察： 最有信息量的分歧不在"AI 有没有用"，而在利润能否追上资本开支、追上的速度能否快过利率和折旧。偏多的一方拿现金流、供不应求和价格信号说话；偏空的一方拿资本开支 / 利润比、集中度、供应商融资和历史类比说话。双方都同意技术本身不会消失。

5. 应对策略：给个人创业者和投资者

5.1 做产品：站在"模型越强、你越强"的位置

• 检验题： 下一代模型发布那天，你的产品是变好了，还是被替代了？如果核心价值是"补模型现在的短板"（提示词工程、格式转换、简单 agent 编排），那它就是在和前沿实验室的路线图赛跑。
• 优先做： 模型能力提升后用户会用得更多的东西，比如真实的工作流、交付结果、合规与责任承担，或者模型看不到的私有上下文。
• 对照历史： 互联网泡沫里活下来的是"用了互联网的生意"（零售、广告、支付），不是"卖互联网概念的公司"。约 48% 的 dot-com 公司活过了 2004 年（Goldfarb、Kirsch & Miller），死掉的多是靠烧钱换增长、没有单位经济模型的。

5.2 速度：窗口更短，所以要更快

• 能力每几个月就跳一级（Anthropic 引用 METR：AI 能可靠完成的任务时长约每 4 个月翻一倍），每个空白窗口可能只有几个月。
• 做法：小步快跑，按周验证需求，先拿收入再扩张；不要做需要 18 个月才能上线的"大平台"。Paul Graham 说"小而快、能转向"的公司反而最安全。

5.3 积累领域数据和关系

• 公开数据会被模型吸收，专有的、持续产生的领域数据（行业流程、客户反馈、交易记录、现场知识）才是护城河。
• 同时要拥有用户关系和分发渠道。前沿模型公司会向下游扩张（见 @Jason 的观察），掌握客户的人有议价权。

5.4 成为最会用 AI 的人

• Anthropic 和 OpenAI 内部的数据（8 倍代码产出、3.1:1 的 agent 工时比）说明，同样的人，会用和不会用 AI 的产出差距已经是数量级的。
• 个人层面最确定的回报，是把 AI 嵌入自己的每一项工作（写代码、研究、写作、销售），并把这种能力变成服务或产品。

5.5 投资：不要过度集中，确保活过择时风险

• 历史教训： 1999 年买入"对的公司"也可能亏 26 年（思科）。正确的长期判断，加上错误的价格和杠杆，结果依然是亏损。
• 原则：
  1. 分散，不要把全部身家押在单一 AI 主题或单一公司上，尤其是在前十大公司已占标普约 34–40% 的时候；
  2. 不加杠杆，或严格限制杠杆，因为泡沫顶部的特征就是波动骤升；
  3. 分批投入，不要试图精确择时；
  4. 留足现金流，保证即使经历一次 −50% 以上的回撤，也不用被迫卖出；
  5. 跟踪"利润追上资本开支"的证据：云厂商 AI 收入、推理价格、GPU 租赁价、资本开支 / 经营现金流比、发债规模。
• 一级与二级的区别： 这轮价值主要在一级市场兑现，二级市场追新股（2026 年 Q3 已有 39% 的 IPO 首日破发）要格外谨慎。

5.6 一张核对清单

6. 风险与不确定性

1. 利率与融资： Renaissance 2026-10-01 提到美债收益率 19 年新高、加息重启；资本开支 / 经营现金流已达 96%，增量要靠发债（BlockWest）。融资成本上升，是电信泡沫破裂的经典路径。
2. 利润与折旧： GPU 资产寿命短；如果推理价格下降快于用量增长，资本开支回报会被压缩。OpenAI 预测的 2,780 亿美元累计负自由现金流是典型样本（FT 报道，经 Sacra 转述）。
3. 集中与循环： 前十大公司占比创新高；供应商融资和交叉持股会把单点风险放大成系统风险。
4. RSI 的双向不确定： 如果 RSI 加速兑现，赢家通吃可能比互联网时代更极端，大量应用层公司会被吞并；如果能力曲线变成 S 形（Anthropic 自己列出的情景之一），高估值所依赖的增长假设就会落空。
5. 物理约束： 电力、内存、冷却（多家云厂商称算力受限会持续到 2027 年）可能让收入兑现慢于预期。
6. 数据口径： 本文的 VC、IPO、估值数据来自不同机构，口径不同（美国或全球、是否含巨型交易、名义或实际）；年化收入和用户数多为公司自报或媒体报道，不是审计数字。
7. 类比本身的局限： 历史押韵但不重复。时间线的对齐只是帮助思考，不代表 AI 一定会在某个时点见顶或崩盘。

7. 来源

历史数据（互联网泡沫）：

• Jay Ritter, IPO Statistics（2026-10-05 版）：https://site.warrington.ufl.edu/ritter/files/IPO-Statistics.pdf
• Doms, The Boom and Bust in Information Technology Investment, FRBSF Economic Review 2004：https://www.frbsf.org/wp-content/uploads/er19-34bk.pdf
• Dallas Fed, Is Telecom Disconnected or Just on Hold?（2002）：https://www.dallasfed.org/~/media/documents/research/swe/2002/swe0201c.pdf
• PNNL-19617（引 VC 历史数据）：https://www.pnnl.gov/main/publications/external/technical_reports/PNNL-19617.pdf
• SSTI, Venture Capital Explodes in 1999：https://ssti.org/blog/venture-capital-explodes-1999
• Wikipedia：Dot-com bubble、Netscape、Pets.com、Webvan、Cisco、Irrational exuberance（各页面引用 Wired、CNN、Reuters、Fed 讲稿等）
• Goldfarb, Kirsch & Miller, Was there too little entry during the Dot Com Era?, JFE 2007：https://papers.ssrn.com/sol3/papers.cfm?abstract_id=899100
• 全球网民数据：https://archive.globalpolicy.org/component/content/article/109-tables-and-charts/27519-internet-users.html

AI 时代数据：

• Crunchbase H1 2026：https://news.crunchbase.com/venture/global-startup-exits-ipo-ma-soar-ai-q2-h1-2026/
• PitchBook-NVCA Venture Monitor Q2 2026：https://pitchbook.com/news/reports/q2-2026-pitchbook-nvca-venture-monitor
• PitchBook Q2 2026 AI Report：https://pitchbook.com/news/reports/q2-2026-ai-report-407-billion-raised-as-megadeals-dominate
• Renaissance Capital 3Q 2026 US IPO Review：https://www.renaissancecapital.com/review/3Q26USReview_Press.pdf ；2Q 2026：https://www.renaissancecapital.com/IPO-Center/News/120034/updated-renaissance-capitals-2q-2026-us-ipo-market-review
• BlockWest Research, AI capex ledger：https://blockwest.co/research/ai-capex-ledger-hyperscaler-spending-cloud-revenue-2024-2026/
• TMT Finance：https://www.tmtfinance.com/intel/2026-hyperscaler-capex-tops-us700bn-analysis
• Microsoft FY26 Q4 电话会：https://www.microsoft.com/en-us/investor/events/fy-2026/earnings-fy-2026-q4
• Benzinga（引 Apollo Torsten Slok）：https://www.benzinga.com/markets/tech/26/08/60997436/ai-capex-1-trillion-as-percentage-of-gdp-hyperscaler-telecom-boom
• Nvidia FY27 Q2 财报：https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-Announces-Financial-Results-for-Second-Quarter-Fiscal-2027/default.aspx
• Nvidia 标普权重：https://www.investing.com/analysis/nvidias-weight-is-large-enough-to-move-the-sp-500--this-week-tests-how-large-200686568
• Shiller CAPE：https://www.gurufocus.com/economic_indicators/56/sp-500-shiller-cape-ratio
• 集中度：https://chartrow.com/visuals/index-concentration
• 估值对照：https://historyofmarket.com/articles/ai-stocks-vs-dotcom-bubble
• OpenAI 数据：https://sacra.com/c/openai/ ；https://axis-intelligence.com/chatgpt-statistics/
• Anthropic Series H：https://www.anthropic.com/news/series-h ；收入：https://www.reuters.com/technology/anthropic-revenue-run-rate-tops-65-billion-source-says-2026-08-17/
• ChatGPT 1 亿用户：https://www.reuters.com/technology/chatgpt-sets-record-fastest-growing-user-base-analyst-note-2023-02-01/

RSI：

• OpenAI, Research acceleration: The view inside OpenAI（2026-09-06）：https://openai.com/index/research-acceleration-view-inside-openai/
• Anthropic Institute, When AI builds itself：https://www.anthropic.com/institute/recursive-self-improvement
• Weco AI, AIDE²：https://www.weco.ai/blog/first-evidence-of-recursive-self-improvement ；arXiv：https://arxiv.org/abs/2609.26457
• Sakana AI RSI Lab：https://sakana.ai/rsi-lab/
• Hassabis, A Framework for Frontier AI：https://institute.deepmind.com/essays/a-framework-for-frontier-ai-and-the-dawning-of-a-new-age/
• MIT Technology Review（2026-03-20）：https://www.technologyreview.com/2026/03/20/1134438/openai-is-throwing-everything-into-building-a-fully-automated-researcher/

X 帖子： 见 §4 每条链接。

数据缺口：

• 2000 年思科在标普的权重；
• 2026 年 IPO 亏损占比和市销率（Ritter 2026 年数据尚未发布）；
• 2026 年全球与美国 VC 的同口径对照；
• AI 公司收入均非审计数字；
• X 帖子中的数字未逐一核对原始图表。