文 | 财华社，作者 | 毛婷 文 | 财华社，作者 😉| 毛婷 因为最新季绩显示有大笔未完成AI订单的甲骨文😢（ORCL.US），股价曾一度大涨。但是“蜜月期”没过多久，⭐9月24日，甲骨文宣布发行180亿美元债券，利率介于4.45😘%-6.10%之间，主要用于偿还债务、未来投资或收购、支付现🚀金股息或回购。 值得留意的是，尽管该公司预计，在Ope🙄nAI等数百亿AI合约的推动下，有4,550亿美元的剩余履约🥳义务（RPO），未来收入预期十分可观。但要满足这些需求，甲骨😂文将要在2026财年进行350亿美元的资本开支，建造37个新🎉的多云数据中心，这将加重其财务负担。 评级机构标准普尔😉于9月24日发布评级报告，认为甲骨文的2026财年资本开支将🔥因为激进的OCI（云基建）扩张计划而增至380亿美元，202🔥7财年进一步增至600亿美元，并于2028财年到达顶峰，因此😁FOCF（自由经营现金流）缺口将显著扩大，进一步加重该公司的😢杠杆压力，为此维持对甲骨文的“BBB”长期信用评级，评级展望😜为负面，意味着未来有可能会下调其评级。 受发债消息影响🙄，甲骨文的股价于9月25日晚显著回落5.55%。这或许是市场💯对于AI神话情绪降温的一个缩影。 除了甲骨文，谷歌（G😢OOG.US）5月份也成功发行50亿美元债券，利率介于4.0⭐0%-4.30%之间，苹果（AAPL.US）同样在5月发债筹😡资45亿美元，也是其2023年以来的首次发展。马斯克旗下的A🤔I原生巨头xAI，今年7月完成50亿美元债务融资，同期还配套🚀50亿美元股权融资。 “融资补缺口”的模式似乎正在AI😂产业链蔓延——上游芯片企业通过预收款支持再投资，中游独角兽靠❤️融资覆盖运营成本，下游应用商则通过发行债券来抢占市场。 🎉 例如英伟达承诺向OpenAI投资千亿美元，而OpenAI表💯示将用这些资金来购买英伟达的AI芯片。 独角兽Open⭐AI与多家上游供应商订立了服务协议，例如与甲骨文签订协议，将🌟在五年内向甲骨文采购价值3,000亿美元的基础设施解决方案，😡几个小时前据报与云服务商CoreWeave（CRWV.US）🤔签订65亿美元的合作协议，以获取后者的算力支持。然而，Ope😢nAI传闻的130亿美元收入显然并不足以支撑这些支出。8月初😎，OpenAI再融资83亿美元，而在3月时其已从风投处筹资2⭐5亿美元，OpenAI计划今年的融资规模达400亿美元。 😉 从实际收益来看，AI似乎尚未产生足以支撑其所需成本的收入🥳，整个AI产业链的现金流循环完全依赖资本输血，而投资者正是这😜条链条上最后的风险承担者。 双重泡沫：一级市场的狂欢与👍二级市场的幻想 AI领域的估值狂热呈现“两极共振”格局😍，一级市场的独角兽与二级市场的科技巨头相互催化，共同将投资者😎推向风险边缘。这种狂欢看似无关，实则形成了“价值泡沫闭环”：😘巨头的高市值为独角兽提供定价锚点，独角兽的融资热潮又反推巨头😜业绩预期，最终所有风险均沉淀在投资者的账户中。 根据C👍B Insights的数据，当前全球有498只AI独角兽（即🤯估值在10亿美元以上的未上市公司），合计估值或达到2.7万亿🎉美元，有100家为2023年之后成立的公司，此外还有超过1,😅300家估值在1亿美元以上的AI初创公司。但这些AI初创公司😀当中，有大部分都未实现正向现金流，但估值高昂，完全脱离商业本😂质。 展开全文 今年5月Builder.ai的崩🙌盘堪称典型。2023年，该公司在D轮融资中筹得2.5亿美元，🌟估值一度逼近10亿美元，其主打产品是一个基于AI技术的应用开🙄发平台，号称能实现无代码快速开发，但后来被前员工或合作伙伴爆😴料，实际上主要依赖人工完成。该公司已进入破产清算程序，背负着😆巨额债务，其中包括拖欠亚马逊的8,500万美元和微软的3,0🙌00万美元。 这类悲剧并非个例，AI图像生成领域的独角⭐兽Stability AI于去年就穷途末路，被指欠下1亿美元🤩；AI陪伴机器人公司Embodied也“凉凉”。有意思的是，❤️这两家AI初创公司背后的投资者都闪现“自身难保”的英特尔（I🌟NTC.US）的身影。 风投项目投资者之所以甘愿“闭眼🙌投钱”，本质是FOMO（Fear of Missing Ou😘t，错失恐惧症）情绪下的非理性博弈——AI初创项目的回报动辄⭐数倍，例如OpenAI的竞争对手Anthropic刚于9月初😡获得了130亿美元融资，估值从3月时的615亿美元飙升至1,😎830亿美元，短短半年升值近两倍。风投机构若错过了高回报项目😅，就可能失去客户的资金（LP），这让它们宁愿投错，也不能错过💯，这也助推了一级市场中AI项目的估值扩张潮，但是当潮水退去，🙄最终承受损失的还是LP。 二级市场方面，当前美股屡创新🥳高主要由英伟达为首的大型科技股引领，其中英伟达的市值和估值最😎高，主要得益于AI概念的支持。正如我们在《中美AI估值博弈：👍港股龙头的硬核破局》一文中提到的，美国AI巨头相对于港股AI😜科技公司的估值溢价，本质或是华尔街对于美国科技巨头未来展望更😍为乐观，而这一乐观情绪到目前为止尚未有足够的证据证明合理。 😂 泡沫破裂会由谁埋单？ 从18世纪英国运河热潮到2👏000年互联网泡沫，历史反复证明：私营资本主导的技术投资狂潮😎最终会迎来崩溃。AI狂欢也会有落幕的时候。 2000年🤗互联网泡沫破裂时，纳斯达克指数暴跌近80%，数以万亿美元市值😴蒸发。2025年初，因为DeepSeek的颠覆性出现，AI领👏域悄然出现“技术信仰裂痕”——这家中国AI企业凭借更高效的模😅型训练技术与更低的算力成本，直接冲击了OpenAI的商业化根😎基，并凭借更低的企业版定价，迅速抢占全球市场份额，这让资本开😉始重新审视“技术垄断溢价”的合理性，也导致美股科技股在上半年🌟出现回调。 当前美股科技股的上涨高度依赖英伟达、微软等😢AI龙头的“权重拉动”，而在它们背后推动需求的也包括Open💯AI等AI初创企业，如果这些初创企业最终无法证明它们所产生的🎉收益能覆盖全部成本并取得足以支撑其估值的利润，那么其高昂的估🙄值会被调整，其需求也会因为融资断流而骤然收缩——一级市场的估🚀值崩溃会传导到二级市场上。 作为AI算力的“供给核心”🌟，英伟达近三年数据中心业务的爆发式增长，本质上建立在Open😎AI、Anthropic等独角兽“不计成本的算力采购”之上，🔥一旦这些独角兽对AI芯片的需求萎缩，将会动摇“AI行业持续高🔥增长”的预期，而英伟达的昂贵估值正是建立在这一预期之上，市场🚀必然重新审视英伟达的增长天花板并重新给予估值，最终形成连锁效😎应，动摇整个二级市场的“价值锚点”，其他科技巨头也将应声而倒❤️。 需要注意的是，各大公募基金、被动型基金、主动型基金🥳、主权基金、养老基金都持有这些大型科技股，而且这些在当前被市💯场视为具有增长吸引力的巨头，是不少杠杆资金的“心头好”，当它🤗们的估值遭到下调时，重仓的主动管理基金（例如对冲基金）将率先😁减持，被动指数基金将因权重调整被迫跟进，杠杆资金被强制平仓将😢加剧“踩踏式下跌”。 最终遭受损失的将是那些追高入场的🙄投资者。 泡沫之外：理性投资的破局之道 AI产业🎉并非毫无价值，正如互联网泡沫破裂后催生了谷歌、亚马逊等巨头，😴AI技术的变革性意义终将显现。但对投资者而言，关键在于穿透估🙌值迷雾，找到真正具备技术壁垒与盈利能力的企业。 即将开🚀启的“港股100强”评选，恰为投资者提供了这样的价值锚点。作🌟为聚焦港股市场的权威评选，其将以业绩真实性与成长可持续性为核😜心标准，挖掘 AI 领域真正的价值标的。在泡沫与机遇并存的A😜I赛道上，这样的专业筛选无疑是投资者规避风险、把握机遇的重要😊指南。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多