普通人看不见，就会说 AI 是泡沫
普通人看得见的东西，往往已经具备网络效应与规模效应，从而开始产生复利；看不见，就很容易说 AI 是泡沫。本文讲透 AI 双重核心效应：什么是网络效应与规模效应，为何算力狂潮像泡沫，企业该如何判断钱往哪放。
最近身边不少人跟我说同一句话：「AI 是不是泡沫？」
问这话的，不一定是投资人。更多是老板、市场负责人、职能部门的一把手。他们的感受很具体：天天听见千亿算力、数据中心、模型参数，回到自己公司里，却只看到聊天框、试点 PPT，和一堆说不清 ROI 的项目。
与此同时，市场也在换问法。高盛 7 月中旬的策略报告提醒，超大规模云厂商的 AI 资本支出已经逼近融资能力上限，亚马逊、微软、Alphabet、Meta 四家 2026 年合计 AI 资本支出预计约 7250 亿到 7700 亿美元，差不多等于它们全年运营现金流的总和。叙事从「谁烧钱多谁赢」转向「谁能把算力变成现金」。
一边是普通人看不见回报，一边是资本账本开始要结账。于是「泡沫」两个字，就从股评标题，走进了会议室。
我想换一个更管用的判据：
普通人看得见的东西，往往已经具备网络效应和规模效应，从而开始产生复利。看不见，就很容易说：AI 是泡沫。
这篇就把这两样效应说清楚，再落到企业该怎么判断钱往哪放。
先把两样东西说干净
先说网络效应。
网络效应的意思很朴素：用的人越多，这个东西对每个人越值钱。 微信取代飞信、MSN，靠的不是某一天功能突然多了三个，而是覆盖全网之后，你不在上面，沟通成本自己会变高。用户规模本身，就是产品的一部分。
再说规模效应。
规模效应的意思是：量做大了，单位成本下降，或者单位能力上升。 自动驾驶是最清楚的例子——路上跑 3 辆车收集的数据，和跑 3000 万辆车收集的数据，算法精度完全不是一个量级。数据量本身，在替你付训练的学费。
两样东西叠在一起，才会出现第三样：复利。
网络效应让价值随用户膨胀，规模效应让成本随用量摊薄。膨胀的是分子，摊薄的是分母，复利就在这一加一减里滚起来。普通人在菜市场能扫码付款、在群里一句话能触达所有同事——那已经不是「新技术来了」，那是复利长到了日常里。
所以「看得见」这件事，其实是个结果指标：双效应已经结账了，复利开始冒烟了。
网络效应：为什么聊天框很难变成微信
很多人默认：AI 用的人多了，就一定有网络效应。这个默认，在 C 端对话产品上，经常不成立。
原因很直白。传统社交网络，每一个新用户都在给旧用户加价值——你多了一个能联系的人。但大模型训练完成后，多一个普通人来聊天，并不自动让模型本身更强。用户增长抬的是服务器账单，不一定抬模型能力。
所以你会看到一种尴尬：日活很高，壁垒却不深。用户可以今天用这家，明天换那家，切换成本接近于零。这不是「AI 没用」，是这类应用还没长出真正的网络效应——它更像水电，不像微信。
对企业服务、政府应用、行业平台来说，故事可以不一样。一旦系统嵌进审批流、客户档案、供应商网络，换掉它的成本陡然上升，用户规模才会变成护城河。网络效应不长在「会聊天」上，长在「走不开」上。
规模效应：为什么堆算力不等于降成本
规模效应也常被误读成「堆得越多越好」。
数据越大，模型通常练得越好——这半句是对的。另一半句常被省略：算力投入必须匹配规模收益。 前期买卡、建数据中心，是资本开支；后面每一次调用、每一度电、每一份运维，才是真实成本。如果用量起不来，或者收不回钱，规模效应就反转成规模负担。
一个高管听得懂的比喻：空置率很高的写字楼，还在按满租估值。楼盖得越大，账面资产越漂亮，现金越难受。
这就是当下算力产业让人拧巴的地方。资本密集地往里砸，期待的是「训练更强、推理更便宜、利润跟上来」的良性循环。但若收费模式接不住——客户不愿为每一次调用付够的钱，或者场景根本铺不开——账本上就只剩高投入、低回报。泡沫感，往往不是技术假，是规模收益还没来得及兑现。
泡沫感从哪来？
把两件事放在一起看，根子就清楚了。
资本先押了算力。算力看得见：机柜、芯片、新闻稿、千亿开支。双效应却常常还看不见：客户离不开吗？单位成本随用量下降了吗？数据闭环转起来了吗？
普通人的眼睛，天然站在应用这一侧。他看不见机房里的 GPU，只看得见自己生活有没有被改写。改写还没发生，他就会说泡沫。投资人的眼睛，这两年更多站在基础设施一侧。两边看的不是同一个时间切片，却在用同一个词吵架。
所以更准确的说法不是「AI 是泡沫」或「AI 不是泡沫」，而是：
AI 的某些层已经在结账，某些层还在垫资；泡沫感，出在垫资层被当成了已结账层。
收费模式尤其关键。健康的规模效应，应该长出「用量上来 → 单位成本下去 → 利润跟上」的闭环。缺了这条闭环，再大的资本开支，也只是把未来的故事，提前写进了今天的估值。
谁该关心？企业怎么判断？
董事长该关心，因为这是产权与叙事问题：你是在建一条能复利的资产，还是在为别人的算力叙事买单？
CIO / CTO 该关心，因为这是架构问题：哪些负载能形成数据闭环和复用，值得私有化或长期投入；哪些只是偶发尖端任务，租一租就够。
CMO 和业务负责人该关心，因为这是规模问题：你想铺到每一个客户触点，最后卡的往往不是创意，是单次调用能不能便宜到「铺得开」，以及客户会不会因为你越用越离不开。
判断不必等舆论改口。企业内部可以先盯两盏灯：
- 网络灯：用的人/场景越多，价值是不是在涨？换掉的成本是不是在涨？
- 规模灯：用量上来以后，单位成本是不是在降？数据是不是在回流、把系统喂得更懂业务？
两盏灯都亮，复利才开始。只亮一盏，小心是幻觉。两盏都不亮，却大笔买算力——那才是会议室里真正该担心的泡沫。
下一阶段更值得下注的，往往是垂直领域。自动驾驶、工业质检、金融风控、供应链调度——这些场景天然更容易形成数据闭环：用得越多，数据越多；数据越多，模型越好；模型越好，用户越难离开。双效应在这里不是口号，是工艺。
通用聊天很热闹，垂直闭环更像地基。
怎么开始？三步。
第一步：列一张「看得见」清单。 不问「我们上了几个 AI 项目」，问「客户或员工，有没有哪一件事，已经因为 AI 而走不开？」走不开的，才是网络效应的萌芽。
第二步：给每个重点场景算单位经济。 调用一次多少钱，做完一件事省多少钱或赚多少钱。量若放大十倍，单位成本是降还是崩？降，才谈得上规模效应；崩，就别用「战略投入」四个字遮羞。
第三步：优先喂垂直闭环，而不是先刷最大模型。 把数据、流程、验收标准沉到一个高频场景里，让双效应有地方长。小场景跑出复利，再扩。大模型可以换，飞轮最好别停。
收口
回到开头那句话。
普通人看不见，就会说 AI 是泡沫。这句话听着刺耳，其实是个诚实的温度计：复利还没长到日常里。
并不等于技术是假的。铁路修多了的年代，也曾被骂泡沫；电力进工厂到生产率真正跳起来，隔了几十年。但对企业来说，等历史证明你是对的，太贵了。你要的是现在就辨认——哪些投入在长双效应，哪些只是在踩油门。
算力是油门，网络效应和规模效应是发动机，复利是里程表。
里程表还没转，别怪路人说你在空转。先把发动机装上——找得到闭环的场景，盯得住两盏灯，算得清单位账。
看得见，自然会来。
一句话摘要：普通人看得见的，往往已具备网络效应与规模效应，开始产生复利；看不见，就容易说 AI 是泡沫。泡沫感的根子，不是 AI 没用，而是资本先押了算力，双效应尚未在应用层结账。企业别等舆论改口，盯两盏灯：越用越离不开，用量越大越便宜。垂直闭环优先，油门之前先装发动机。
品牌几何观察：品牌的本质是把外部注意力沉淀为自有资产；AI 战略同理——把外部智能沉淀为可复利的组织能力。凡是只有油门、没有发动机的投入，舆论迟早会给它起一个难听的名字。
品牌几何创始人，深耕品牌战略与AI营销26年。