知名美国科技评论人埃德·齐特龙10月20日在个人通讯《Where’s Your Ed At》发表题为《AI最好别出问题》的长篇文章，警告当前人工智能投资热潮正在形成高度危险的全球性金融风险。
美国股市越来越依赖少数AI相关企业的估值，而这些估值又依赖持续增长的资本支出、不断扩大的债务融资，以及尚未得到充分验证的AI商业收入。一旦其中任何一个环节出现问题，冲击可能从科技股蔓延至全球股票市场、债券市场和普通家庭的财富。
齐特龙认为，当前AI繁荣背后的经济逻辑存在根本矛盾。科技企业投入数千亿美元建设算力基础设施，但能够支撑如此庞大投资的实际收入仍然有限。整个产业需要OpenAI、Anthropic及相关企业不断提高收入，并且有能力支付越来越高的算力费用。
然而，支持这些收入增长的客户，本身又高度依赖风险投资融资，形成了相互依赖的资金循环。
他援引阿波罗全球管理公司首席经济学家托尔斯滕·斯洛克今年7月接受《华盛顿邮报》采访时的警告指出，AI投资最终必须取得成功，否则金融市场将面临严重问题。
齐特龙的核心判断是，当前AI投资热潮与2000年互联网泡沫存在相似之处，但潜在风险的规模和全球传染性可能更加严重。
目前，美国主要股指的涨幅越来越集中于少数科技企业。按照齐特龙的统计，英伟达在纳斯达克100指数中的权重达到11.31%。加上谷歌、亚马逊、Meta、微软、博通、美光、AMD和CoreWeave，这九家公司的合计权重达到46.5%，占纳斯达克综合指数总市值的39.3%。
如果将CoreWeave替换为甲骨文，这九家企业的市值约占标普500指数总市值的28.9%。
齐特龙指出，2000年互联网泡沫高峰时期，科技股同样高度集中，但当时整个纳斯达克市场的估值规模远低于今天。如今，仅英伟达、谷歌和微软三家公司，合计市值便达到13.5万亿美元。
这种集中度使股市越来越依赖少数企业维持高速增长。如果这些公司的收入或投资支出增长放缓，不仅自身股价可能下跌，还会直接拖累主要股票指数。
风险已经不再局限于美国。齐特龙指出，台积电约占台湾股市总市值的40%，韩国三星电子与SK海力士合计占韩国综合股价指数市值的50%以上。在日本，软银、铠侠以及参与AI数据中心融资的三井住友金融集团和三菱日联金融集团，合计占东证股价指数的约11.24%。
这些企业的估值同样受到全球AI基础设施投资热潮支撑。齐特龙认为，一旦投资者对AI产业长期增长的信心发生转变，多个主要股票市场可能同时承受压力。
美国普通投资者面临的风险尤其突出。
根据齐特龙引用的美联储数据，2026年第二季度，美国公司股票占家庭总财富的37.9%，为2000年第四季度以来最高水平。当时美国的这一比例只有25.9%。
按照彭博行业研究的数据，2026年以来，个人投资者贡献了美国股市约20.3%的交易量，接近上一轮零利率时期投机交易最活跃时的水平。
齐特龙估计，个人投资者直接持有的英伟达、亚马逊、微软、谷歌、Meta、博通、AMD、美光、甲骨文和CoreWeave股票，总价值约4.65万亿美元，而且尚未计算通过指数基金和ETF间接持有的资产。
他认为，如果这些AI相关股票普遍下跌20%，对市场造成的冲击可能达到甚至超过2000年互联网泡沫破裂期间最严重的单日跌幅。
作为对比，2000年4月14日，纳斯达克综合指数单日下跌9.67%，标普500指数下跌5.78%。齐特龙指出，如今少数科技巨头的庞大市值，足以让这些公司的股价波动对整个市场产生重大影响。
更值得警惕的是，个人投资者如今比2000年更容易接触保证金交易、期货、卖空及其他复杂金融产品。这些工具可能在市场大跌时进一步放大投资损失。
除了股票估值过高，齐特龙认为，AI产业自身的供需关系也开始显露问题。
市场研究机构高德纳近期预测，到2030年，约80%的新型云计算服务商可能不再作为独立企业运营。这些企业主要依靠采购GPU，再向AI模型开发商和其他客户出租算力。
高德纳分析师约翰·洛夫洛克认为，当前市场的算力供应已经超过实际需求，许多AI服务仍然通过免费或低价模式提供。
高德纳同时预计，2027年至2030年间，AI产业创造的收入不足以让所有已经规划的资本支出获得有利可图的回报。
需要注意的是，高德纳关于80%的预测包括企业合并和收购，并不等于这些公司都会破产。
齐特龙认为，这些判断直接挑战了当前AI投资的基本前提。市场普遍预期，随着AI需求持续增长，数据中心和GPU的使用率将不断提高。但如果算力供应已经开始超过需求，继续建设新设施可能进一步压低行业回报。
英伟达是这一资金循环的核心。
齐特龙指出，英伟达未来收入增长严重依赖微软、谷歌、亚马逊、Meta、甲骨文等大型科技企业，以及CoreWeave、Nebius和Nscale等算力出租商继续扩大采购。
按照他引用的数据，英伟达2027财年上半年44%的收入来自三家客户。第二季度，三家客户占应收账款的70%，其中单一客户贡献了16%的收入。
如此高的客户集中度，使英伟达的增长前景与少数大型客户的资本开支计划紧密相连。
如果云计算企业开始削减投资，或者无法继续获得低成本融资，不仅英伟达会受到影响，博通、美光和AMD等芯片企业也可能面临增长放缓的压力。
而AI基础设施企业的融资成本已经明显上升。
齐特龙重点分析了CoreWeave的债务风险。这家公司拥有约1040亿美元的合同订单，但根据瑞银的估算，要在未来三年兑现相关业务，可能需要新增约1020亿美元债务融资。
CoreWeave部分长期债券近期的收益率一度达到16%。在齐特龙撰文时，相关债券的收益率仍处于14.1%至15.1%的高位。
如此昂贵的融资意味着，数据中心运营商不仅需要完成建设，还必须获得足够稳定的客户收入，才能覆盖融资和运营成本。
《华尔街日报》援引Dealogic及高盛信贷研究数据报道称，截至10月16日，2026年以来美国美元债券市场的数据中心发行人已融资超过1000亿美元，占AI相关美元债券发行总额的约25%，高于去年的约16%。
部分债券以数据中心建筑和计算设备作为抵押。但齐特龙认为，如果AI需求下降，数据中心及GPU设备的转售价值也可能随之缩水。
在这种情况下，债券投资者面临的风险不仅是借款人无法偿债，还包括抵押资产价值下降。
数据中心建设延误进一步加剧了这一问题。
齐特龙援引《商业内幕》的调查报道称，亚马逊部分云计算数据中心虽然仍有安装服务器机架的空间，却因为电力供应不足，无法让设备投入运行。
根据《商业内幕》取得的内部文件，亚马逊预计今年8月接收约50亿美元的英伟达GB300服务器机架，此后在可预见的未来，每月还将接收约30亿美元的相关设备。
但是，部分设备尚无明确的安装时间表。
齐特龙据此质疑，AI芯片销售收入的增长是否真实反映了终端客户的即时需求。
他进一步提出，英伟达可能正在通过要求客户提前接收设备来扩大销售，即所谓的渠道压货。
不过，设备交付与实际投入使用之间出现明显时间差，本身就使AI资本投资的回报周期更加不确定。
齐特龙认为，科技行业目前最难回答的问题，是未来数万亿美元的收入增长究竟来自哪里。
根据阿波罗首席经济学家斯洛克的分析，覆盖科技行业的金融分析师预计，到2028年，科技企业的年度经营现金流将增长超过1.2万亿美元，达到约2.4万亿美元。
但覆盖标普500指数其他行业的分析师，对这些企业未来现金流增长的预期远远没有这么乐观。
科技企业的大部分新增收入，最终必须由其他企业支付。如果潜在客户的现金流增长不足，就很难同时满足科技行业目前隐含的收入预期。
齐特龙认为，两组预测之间存在难以调和的矛盾。除非科技行业能够从现有市场以外创造庞大的新增需求，否则当前收入预测可能过于乐观。
数据中心建设成本也在增加不确定性。
日本野村证券近期对AI数据中心的经济效益进行了分析。按照野村建立的模型，如果Anthropic每吉瓦算力能够创造约200亿美元的年度收入，并将其中60%用于采购算力服务，那么在设备按五年折旧的假设下，每吉瓦数据中心可以承受的投资成本上限大约是600亿美元。
这一模型尚未充分计入数据中心的其他运营成本，而且收入和算力规模也依赖假设。
不同企业对实际建设成本的估算存在明显差异。富士康今年9月提出的数字约为每吉瓦470亿美元。IBM首席执行官此前估计约为800亿美元，英伟达首席执行官黄仁勋则曾认为，未来每吉瓦数据中心的成本可能达到800亿至1000亿美元。
齐特龙指出，如果建设成本接近较高估算，而单位算力产生的收入又没有明显提升，大量AI数据中心项目就可能难以获得足够回报。
他还特别关注OpenAI和Anthropic在整个产业资金循环中的地位。
齐特龙称，根据分析师估计，亚马逊、谷歌和微软AI相关收入中的70%以上，可能来自OpenAI和Anthropic的算力支出。
但这些收入估算存在相当大的不确定性，因为大型云计算企业并未充分披露独立的AI业务收入、算力租赁价格、实际使用率以及客户集中度。
更深层的风险在于，OpenAI和Anthropic自身也高度依赖持续融资。
齐特龙估计，两家公司约80%的企业客户收入来自尚未实现盈利的AI创业公司，而这些企业又依靠风险投资机构提供资金，才能维持高额的模型调用费用。
部分AI创业公司的订阅服务甚至允许用户消耗远高于订阅价格的Token成本。例如，一项每月收费200美元的服务，可能允许客户使用价值高达1300美元的模型计算资源。
在齐特龙看来，这种商业模式难以证明终端客户已经形成能够独立承担成本的稳定需求。
如果风险投资机构停止持续注资，相关创业公司可能首先削减Token支出，随后影响OpenAI和Anthropic的收入增长，最终传导至云计算企业、数据中心运营商和芯片制造商。
风险投资市场本身也面临压力。
齐特龙引用的数据显示，2025年风险投资基金募集资金规模下降35%。2026年前三季度，AI创业公司吸收了全球风险投资总额的64%。
行业资金也越来越集中。2026年以来，规模达到5亿美元及以上的基金虽然只占完成募集基金数量的6%，却吸收了78.1%的募集资金。
他认为，风险投资行业正把越来越多的资金集中投入AI企业，但这些企业普遍尚未证明长期盈利能力，而且高估值使IPO和并购退出更加困难。
Anthropic未来的上市前景因此受到齐特龙特别关注。
他在文章中称，Anthropic未来几年需要履行约4130亿美元不可取消的算力采购合同，维持高速收入增长对融资能力至关重要。
齐特龙还援引市场人士的说法称，Anthropic的潜在IPO估值预期可能已经从2万亿美元逐步下调至1.5万亿美元。但这些估值变化属于市场传闻，并非正式确定的上市条款。
他认为，如果Anthropic无法维持投资者预期的高速增长，或者上市时间继续推迟，融资压力可能进一步加大。
OpenAI也面临类似考验。齐特龙称，OpenAI正在寻求以约1.4万亿美元估值筹集300亿美元，而竞争对手的估值调整和市场对AI回报率的疑虑，都可能影响融资环境。
在齐特龙看来，AI行业存在严重的信息透明度不足。投资者并不清楚目前究竟有多少GPU已经投入运行，大型云计算公司实际获得多少AI收入，全球有多少正在使用的AI数据中心算力，也很难准确计算每小时GPU运营成本及算力租赁的真实利润率。
他认为，在缺乏这些核心数据的情况下，资本市场却已经依据长期高速增长的预期，为相关企业赋予了数万亿美元的估值。
齐特龙最终警告，目前的AI投资体系需要太多有利条件同时成立。大型科技企业必须不断增加资本支出，芯片制造商必须持续扩大销售，数据中心必须及时建成，OpenAI和Anthropic必须不断提高收入，风险投资机构还需要持续向亏损的AI创业公司提供资金。
任何一个环节出现明显放缓，都可能影响其他环节的收入和融资能力。
他同时反对一种观点，即AI产业规模已经大到美国政府不得不出手救助。
齐特龙认为，政府即使能够援助部分陷入困境的企业，也无法保证科技公司的业绩永远达到分析师预期，更无法阻止投资者在发现收入增长不及预期后重新评估股票价格。
他以2008年金融危机为例指出，即使政府出手救助银行，也没有阻止金融市场遭受严重损失。
在文章结尾，齐特龙将AI泡沫的形成归咎于科技公司高管和参与融资的金融机构，尤其批评了OpenAI、英伟达以及黑石集团等企业的领导层。他认为，这些企业不断宣传AI的长期增长潜力，却没有充分说明支撑庞大投资所需的真实收入和经济回报。
齐特龙的分析代表了对AI投资热潮持强烈怀疑态度的观点，其中部分数字来自他的个人估算，关于企业行为和未来市场崩溃的判断也存在争议。
不过，他提出的核心问题值得投资者关注：当AI基础设施投资规模已经达到数千亿美元，整个产业能否在债务融资、设备折旧、能源成本和持续扩张的资本支出之外，创造足够的最终客户收入，仍然缺乏清晰答案。
齐特龙认为，当前市场估值建立在AI收入与资本支出持续高速增长的预期之上。一旦投资者开始怀疑这种增长能否维持，风险就可能不再局限于AI企业，而是迅速传导至全球金融市场。