当 Citadel 创始人肯·格里芬公开警告 AI 泡沫正在形成时，黑石集团总裁乔恩·格雷直接回应：不存在的，AI 需求正在“抛物线式”增长。两位管理着数万亿美元的金融巨头高管罕见隔空交锋，这场关于 AI 是 revolution 还是 bubble 的争论，正在从科技圈烧到华尔街的核心。
一场华尔街顶层的公开分歧
事情的起因是对冲基金巨头 Citadel 创始人肯·格里芬近期的公开表态。这位以冷静和精准著称的量化投资传奇人物警告称，当前 AI 领域存在投资过热的迹象，市场情绪与基本面之间出现了裂痕。
而作为全球最大另类资产管理公司黑石集团（Blackstone）的总裁兼联席 COO，乔恩·格雷给出了截然相反的判断。他在公开场合明确反驳了“AI 泡沫论”，并给出了一个关键论据：AI 相关需求正在呈“抛物线式”增长，这与历史上那些靠叙事撑起来的泡沫有着本质区别。
这不是简单的口水仗。黑石和 Citadel 分别是基础设施/实物资产投资和量化交易领域的头部玩家，他们对 AI 的判断，很大程度上决定了数十万亿美元级别的资本流向。
泡沫论 vs 抛物线论：分歧的本质是什么？
格里芬的担忧并不孤立。市场上“AI 泡沫论”的核心逻辑通常包括：
1. 资本开支与收入的错配：科技巨头每年数千亿美元的 AI 基础设施投入，短期难以转化为对等收入；
2. 供应链的“二阶导数”问题：GPU/芯片需求很大程度来自其他科技公司的囤货和自建，存在循环论证风险；
3. 估值集中度：美股上涨高度集中在少数 AI 概念股上，一旦预期逆转，回调可能剧烈。
而格雷的“抛物线式增长”论，代表的是资产管理与基础设施投资方的视角。黑石本身重仓数据中心、电力、数字基础设施——AI 需求的每一分增长，都直接体现在他们账面上的资产回报里。换句话说，这不是观点之争，而是利益结构与信息来源之争：格里芬看到的是二级市场的交易情绪，格雷看到的是一手的需求订单、租金报价和电力缺口。
历史经验也支持格雷的谨慎乐观：1990 年代互联网泡沫虽然破裂，但“互联网需求本身”的判断并没有错——错的是当时的估值和个股。基础设施先行、应用后至、出清之后才是真正的黄金年代，这是科技投资史上反复上演的剧本。
用数据说话：什么才是“抛物线式”需求？
抛开口水战，我们可以用一个简单的增长模型来理解格雷所说的“抛物线式”增长。抛物线（二次函数）增长意味着增速本身还在加速，这与泡沫论者假设的“指数后崩塌”路径完全不同：
import numpy as np
years = np.arange(2023, 2031)
# 抛物线式增长：加速曲线
parabolic_demand = 0.35 * (years - 2022) ** 2 + 5
# 泡沫情景：指数冲高后崩塌
bubble_demand = 5 * 1.6 ** (years - 2023)
bubble_demand[years > 2026] = bubble_demand[5] * 0.5 ** (years[years > 2026] - 2026)
for y, p, b in zip(years, parabolic_demand, bubble_demand):
print(f"{y}年 | 抛物线模型: {p:6.1f} | 泡沫模型: {b:6.1f}")
两者的分水岭在于：需求是否有真实的使用和付费支撑。目前可观察到的硬指标包括：头部云厂商的 AI 相关收入增速、数据中心租赁市场的预租率（黑石等机构普遍报告供不应求）、以及推理（Inference）侧算力需求的持续攀升——推理需求不依赖模型训练的军备竞赛，而是直接挂钩终端用户量，这也是许多投资人判断“这次不一样”的关键依据。
需求判断的两种世界观
泡沫论路径 抛物线路径
───────────── ─────────────
叙事驱动 → 资本涌入 使用驱动 → 收入验证
供给过剩 → 产能出清 供给短缺 → 持续扩产
估值坍塌 → 长期低迷 成本下降 → 应用爆发
一个关键分歧点：算力的“变现闭环”
判断 AI 是否泡沫，工程上有一个可验证的闭环：训练算力 → 推理成本下降 → 应用毛利为正 → 用户付费增长 → 反哺算力采购。
# 推理成本的下降速度是关键变量
# 以等效 GPT-4 级别能力的每百万 token 成本为例（示意）
cost_trend = {
"2023 Q1": 60, # 美元 / 百万 token
"2023 Q4": 12,
"2024 Q4": 2.5,
"2025": 0.8,
}
for period, cost in cost_trend.items():
print(f"{period}: ${cost}")
# 当推理成本年降幅 > 80%，大量此前不成立的商业场景
# （客服、代码、教育、长文档处理）会进入毛利为正区间
这个闭环每一环都有公开数据可查。如果推理成本持续以两位数百分比下降、付费用户和 token 消耗量持续上升，那么需求侧的“抛物线”就有坚实支撑；反之，如果成本下降但消耗量停滞，泡沫论就会占上风。这是可以用工程数据裁决的争论，而不是信仰问题。
真正的风险不在“有没有泡沫”，而在“哪里有泡沫”
更有洞察力的立场或许是：整体需求真实，不等于所有环节都健康。当前值得警惕的细分信号包括：
- 同质化应用层：套壳产品缺乏护城河，一旦基础模型能力提升，价值被上游吸走；
- 电力与数据中心的结构性错配：需求集中在少数区域，瓶颈在电网而非芯片；
- 部分概念股的估值透支：需求真实不代表当前价格合理，1996 年买思科拿到 2002 年也会腰斩。
格雷作为基础设施重仓方的表态可以理解，但普通投资者需要记住：“AI 需求为真”和“现在任何 AI 资产都值得买”是两个命题。
结语：争论本身就是信号
黑石与格里芬的交锋，恰恰说明 AI 已经进入资本配置的核心议程。历史告诉我们，当顶级资金还在为“是不是泡沫”激烈辩论时，往往说明行业仍在基本面可解释的范围内；真正危险的信号是无人再讨论泡沫、只讨论“这次如何不掉队”的时刻。
抛物线还是泡沫曲线？让 token 消耗量和电表读数来回答吧。
