如果 AI 危机真的到来，其根本驱动因素是什么？危机发生时，投资者可能损失多少？
这些并非假设性问题。市场正在发出相互矛盾的信号：保证金融资规模已经达到仅次于 2000 年 2 月的水平，而企业在 AI 收入创纪录的同时裁减数万个岗位。大规模采用、价值集中、再分配极少。
对于此时进入市场的 AI 创业者和投资者而言，这种模式意味着显著的财务风险。
为了理解根本驱动因素并量化潜在损失，我们从一个简单模型开始，观察一家企业获取价值却缺乏再分配能力时会发生什么。
一个简化模型
想象一个只有十个人的小世界，每个人持有 100 美元。这就是全部货币供应量，总计 1,000 美元。
现在出现了一家公司，或一组公司，推出了所有人都喜爱的产品。每年，人们愿意拿出自己资金的 10% 购买这项服务。公司收取并保留这些资金，每一美元被抽取后都直接退出流通。
第一阶段：黄金开局
这看起来是一门完美的生意。当用户从 1 人增长到全部 10 人时，年收入会从 10 美元增长至 100 美元，也就是每个人资金的 10%。
按照常见的 30 倍收入倍数，公司估值达到 3,000 美元。收入强劲时，投资也会在乐观情绪中流入。
第二阶段：缓慢流失
但问题在于：缺乏再分配能力时，人们会因为使用这项服务而变得更穷。
第一年后，十个人每人只剩 90 美元。公司之外的总货币供应量缩减至 900 美元。第二年，公司从剩余资金中继续收取 10%，收入降至 90 美元，估值也降至 2,700 美元。
完整轨迹如下：
五个周期后，每个人的资产降至 59 美元。公司从最初 1,000 美元货币供应量中抽走了 409 美元；估值从 3,000 美元降至 1,968 美元，跌幅为 34%。
这是最简单的例子，说明缺乏再分配能力时，一家公司的成功可能侵蚀支撑自身估值的基础。一项有用且被广泛采用的服务，最终会让用户和投资者双输。
第三阶段：杠杆被触发
现在加入一个现实变量：杠杆。
并非所有投资都能无限承受缓慢流失。在 3,000 美元估值高点借款买入股票的投资者，面对 34% 跌幅时会遭遇追加保证金要求，强制卖出由此开始。
假设 50% 的股份被触发并必须寻找买家，但市场货币供应中只剩 591 美元，即每人 59.05 美元。即使所有人都用尽储蓄购买股票，可能支撑的最高估值也只有：
591 美元 ÷ 0.5 = 1,182 美元
这代表估值较峰值崩跌 61%。在以下情况下，实际估值还可能更低：
- 必须出售的股份比例更高；
- 剩余货币供应中只有一部分愿意或能够提供支撑；
- 恐慌性抛售加速下跌。
AI 公司为何不同
要判断这个简化模型是否适用于真实 AI 公司，我们需要先观察价值传统上如何回到经济循环中。
传统公司通过多个渠道再分配价值：
- 就业： 工资重新流入经济；
- 供应链： 向供应商和合作伙伴付款；
- 股息： 向会进行消费的股东提供回报；
- 税收： 政府支出让财富重新循环。
AI 公司可以在再分配大幅减少的情况下运营：
- 所需劳动力很少，每位员工对应的收入很高；
- 供应链范围很窄，AI 可以完成大量工作；
- 所有权结构集中并形成循环；
- 基础设施费用流向同一批持股的科技公司。
当传统企业采用 AI 解决方案时，再分配缺口会继续扩大：更多裁员，更少依赖供应链。
这并不意味着 AI 公司没有创造价值，也不意味着岗位替代必然发生。它意味着，至少在当前阶段，价值抽取速度远高于价值再分配速度。
市场信号
理解了这一机制以及它为何适用于 AI 公司后，我们就能解释市场正在传递什么。信号彼此矛盾，却极具启示性。
过度乐观的迹象：
- 保证金融资相对于货币供应量的水平，只在 2000 年 2 月和 3 月曾经更高；
- OpenAI、Nvidia、Microsoft 和 Oracle 之间存在巨额循环投资交易，每家公司同时投资其他公司并购买其产品；
- 2025 年上半年，AI 资本支出贡献了 GDP 增长的 1.1%；
- ChatGPT 发布以来，AI 股票贡献了 S&P 500 回报的 75%、盈利增长的 80% 和资本支出增长的 90%；
- 美国风险投资交易金额中，近三分之二流向 AI 初创公司，而 2023 年这一比例为 23%。
收缩的迹象：
- 裁员仍在继续：Amazon 削减超过 30,000 个岗位，UPS 裁减 48,000 名员工，Meta 解雇 600 名 AI 研究人员；
- AI 在各行业广泛采用的同时，劳动力规模也在缩减。
这种模式与模型一致：价值集中在顶部，在不进行再分配的情况下被抽取，而潜在客户与劳动者掌握的货币供应不断收缩。循环投资尤其值得注意：当同一批公司既是投资者又是客户时，表面的增长可能掩盖更广泛经济基础的收缩。
现实约束
在简化世界中，抽取悖论显而易见：一家公司的价值不可能超过能够持续支撑它的资金。
在真实经济中，复杂性掩盖了同一项根本约束。货币创造、国际资金流和政府干预可以推迟最终调整，却无法消除基础算术。
对投资者和创业者而言，这表明商业模式设计，尤其是价值如何在生态中流动，与创造了多少价值同样重要。
再分配会改变什么
回到简化模型。如果公司具备再分配能力呢？如果每一美元被抽取后，都通过工资、供应商付款或其他机制重新进入流通呢？
数学结果会完全不同。
在 50% 再分配的情况下，五年后用户财富降至 77 美元，而不是 59 美元。在 90% 再分配的情况下，财富几乎不下降，仍维持在 95 美元附近。货币供应保持健康，支撑公司估值的经济基础也得以保留。
这会转化为完全不同的危机场景。
我们使用相同的杠杆情境，比较不同再分配率下的结果。假设一定比例的股份因追加保证金而必须出售，能够用于购买这些股份的资金只有剩余货币供应。
轻度危机（30% 强制卖出）： 完全再分配的公司相对买入估值不会产生损失，而零再分配结构会损失 47%。差异相当于 47 个百分点的保护。
严重危机（50% 强制卖出）： 差距进一步扩大。零再分配导致灾难性的 61% 损失，而完全再分配将损失限制在 33%。结果仍然痛苦，但可以生存。
更高的再分配率同时保护用户财富和公司估值，创造更稳定的经济基础。即使在严重危机中，从零再分配转向完全再分配，也能将潜在损失削减近一半。
什么可以降低风险？
对我们而言，这不只是学术练习，而是公司使命的一部分。
澔智相信，解决方案同时需要技术和结构。我们带有明确立场，因为我们正在这个领域建设产品；因此，请将以下方案视为有待检验的假设，而不是已经得到证明的答案。
技术设计：归因
AI 目前创造巨大价值，但我们无法追踪每个人贡献了什么。当一个 AI 模型创造 10 亿美元价值时，这些价值来自哪里？提供训练数据的用户？作品被使用的创作者？还是通过使用帮助模型改进的客户？
没有归因，价值就会流向基础设施所有者，形成只有抽取而没有再分配的结构。资金集中，悖论开始。
但如果 AI 系统能够准确追踪价值贡献，在创作者的作品帮助模型时给予认可，在用户数据产生收入时进行补偿，并将开发者的具体贡献归于本人，那么抽取循环就会变成流通循环。如果我们将归因构建在基础层，制造集中问题的同一项技术也可以解决它。
结构对齐
另一个修复方向是金融结构，也就是让价值能够双向流动的资本系统。
真正能够长期存在的系统，会让资本与贡献保持一致，使投资流与价值流相互强化而不是相互竞争。在这种架构中，每一次流出都有一条对应的回流路径。经济由此能够呼吸，流通取代抽取。
我们需要一种不同的资本结构：更少线性，更多反身性。价值不会积聚在中心，而会在创造它的网络中重新循环。对许多 AI 公司而言，继续构建新产品并不能解决收入问题。我们需要新的经济架构。
澔智是一家同时植根于 AI 和金融的 AI 公司。我们设计归因和再分配技术，使创新与真实经济价值保持一致，构建能够强化而不是削弱增长基础的系统。欢迎联系我们参与其中。
建议引用。 如需在学术场景中引用本文，请使用：
Liao, S. (2025). The economics that decide AI growth or crisis. 澔智研究。
免责声明。 本文仅供信息和教育用途，不构成财务、投资或专业建议。您不应依赖本文作出投资决定。在作出任何投资或财务选择前，请始终咨询具备资格的财务顾问。
