编译：Grace
编辑：Siqi
进入 2025 年末，AI 热潮与 “泡沫争议” 交织越来越紧密：一边是大众对于市场过热的担忧，一边是 OpenAI、Anthropic 等头部 AI 公司的用户用量、收入爆发，就在昨晚，英伟达股价突破 $200 美元，OpenAI 完成架构重组，距离 IPO 更近了一步。
在这些 AI 泡沫的讨论中，Coatue 在其最新的二级市场报告中表达出的态度相当 bullish：通过详细的历史复盘、数据验证与案例拆解后，Coatue 给出了鲜明的答案：AI 不是泡沫，而是一次真实且长期的生产力革命。
作为坚定的“AI 多头”，Coatue 从当下 AI 公司的估值、杠杆、IPO 活跃度角度分析了我们所处的市场 timing，详细回应了市场对于 AI 持续性的质疑，我们对这份报告也进行了详细解读：
• 今年是本轮 AI 牛市的第 3 年，基于历史数据来看，市场在明年还有 48% 的概率持续上涨；
• 面对 AI 这样的长期确定性极高的趋势，过分纠结于短期回调会付出极高的机会成本；
• 市场及投资人们应该对 AI 的发展保有耐心：Azure 从开始投入到 ROIC 转正用了 6 年时间，而 ChatGPT 正式发布才刚刚 3 年
• Coatue 早前发布的“Fantastic 40”指数中并未纳入 Google，但随着 Google AI 叙述反转，Coatue 在这次报告中也修正了自己的“错误”，重新将 Google 纳入其中；
• Equity 市场尚未泡沫化，但散户的高杠杆率是潜在风险，会对高成长性企业波动带来显著影响；
• 未来 5-10 年内，AI 收入或增长 10 倍，相关利润有望达 1 万亿美元，这一规模将占全球企业总利润的 4%。
01.
AI 是泡沫吗？不是！
在一开始，Coatue 对于当下普遍在争论的“AI 泡沫论”给出了鲜明的否定态度。Coatue 结合二级市场宏观表现与终端消费者数据，明确了 AI 对经济已经产生实际拉动作用，而非单纯的投机炒作。以 OpenAI 为代表的 AI 公司是当下股市的核心驱动力，二级市场的 AI winners 叙事也正从 Mag 7 向细分领域头部公司扩散。
• AI 板块推动市场，AI 与非 AI 资产回报分化显著
一个不可否认的事实是，自 2022 年 11 月 ChatGPT 推出以来，AI 板块一直是美股增长的核心动力。截至 2025 年 8 月， S&P 500 成分股中 AI 相关公司在过去近 3 年时间的回报率高达 165%，不仅大幅领先指数整体 68% 的回报，更是非 AI 企业 24% 回报率的近 7 倍。2023 年和 2024 年的 AI 增长趋势延续到了 2025 年，AI 领域股票表现越来越突出，正逐步主导市场，这种增长态势凸显了 AI 板块在资本市场的引领作用。
• AI 增长已脱离 “Mag7 依赖”
进入到 2025 年，一个相当有趣的变化是，AI 增长已彻底突破 Mag7 公司的局限。
从市场演进来看，2023-2024 年 Mag7 在 AI 领域占据主要增长动能，但这一格局在 2025 年发生显著反转：Mag7 的回报率从 2023 年的 76% 大幅降至 2025 YTD 16%，剔除 Mag7 的 AI 板块回报则在 2025 年首次超过 Mag7，2025 年 YTD 为 30%。
这一变化直观体现了 AI 增长逻辑的变迁：不再由极少数科技巨头驱动，而是扩散至多行业、多细分领域，背后是 AI 渗透的深度与行业受益的广度已达一个新规模。
• 新 AI Winners 出现
如果从 AI 细分板块来看，AI 能源、半导体、软件等领域的表现均远高于 Mag7，其中 AI 能源的 2025 YTD 达到了 53%，是 Mag7（YTD 16%） 的 3x 以上，AI 半导体板块为 41%，AI 软件板块为 33%。
各细分板块核心驱动因素：
1）AI 能源：电力短缺下，超大规模算力企业（hyperscalers）不断达成新的长期供电合同；
2）AI 半导体：token 消耗量的增长推动算力需求再现拐点；
3）AI 软件：AI 云、实施与零拷贝（Zero Copy）架构落地。
以上变化都在说明同一个结构性变化：AI 的增长红利正显著转移到能源、算力与底层软件领域，AI 产业进入新的资本密集期其驱动力不再只是算法突破，而是包括电力供应、半导体制造和数据基础设施在内的物理层创新与扩能。AI 不仅仅是一场软件革命，而正演化为关乎能源、制造与技术栈重构的全球级工业浪潮。
• 消费基础韧性超预期
除了从市场宏观角度进行对比，Coate 在报告里还引用了 J.P.Morgan 和 Citi 在本月中的两篇报告，从终端消费者角度进行说明 AI monmetum 的持续性。总体来看，强劲的消费基础缓解了市场对经济衰退的担忧，也为企业盈利和金融资产提供了重要支撑。
02.
复盘历史理解“泡沫”
针对 “何时卖出 AI 资产” 的问题，Coatue 结合历史数据回顾分析再次强调 “长期持有” 的重要性，反对 “过度关注短期波动”；强调“要更加关注基本面和未来，而不是过去”。
为了评估牛市延续的可能性，帮助投资者理解周期性行情的持续性与风险分布，而非仅凭短期波动做出判断，Coatue 内部做了 3 个很有意思的研究。
结论 1：2026 年市场上涨概率接近 50%
第一项研究是试图回答“市场在连续上涨 x 年后还有多大概率持续上涨”这一问题。Coatue 基于历史 S&P 500 指数的收益数据进行分析。当下是这一轮 AI 牛市的第 3 年，从历史经验来看，当市场此前连续上涨 3 年，那么下一年的上涨概率约为 48%，虽然上涨动能相比前期有所放缓，但依然有约一半的可能性继续维持上行趋势。也就是说，26 年市场持续上涨的概率接近 50%。
因此，Coatue 认为无需过度悲观，而是保持谨慎乐观，在关注潜在风险的同时继续捕捉结构性机会。
结论 2：趋势明确的赛道中过早卖出的机会成本极高
另外一个历史数据研究则是结合 1990-2000 年 Nasdaq100 指数在不同时间段的回报数据展开。可以看到，长期持有与过早卖出的收益差距：持有时间越长，获得正收益的概率和幅度越大。
Coatue 认为，这些历史数据很好地证明了投资需立足长期，避免因短期波动过早卖出，因此，当下需要重点关注的是基本面和未来，不要过度关注过去。尤其是对于 AI 这类长期趋势明确的赛道，更应聚焦基本面，而非纠结于短期回调，否则将付出高昂的机会成本。
结论 3: “泡沫”到底是什么？
讨论“AI 泡沫”的一个前提是对于“泡沫是什么”有认知共识，因此 Coatue 也在报告中对“泡沫”本身进行了理解分析。
Coatue 团队追溯了过往 400 余年历史，在 ChatGPT 的辅助下深入分析了 30 余个泡沫案例并提炼特征。总结来说，泡沫是资产价格远超内在价值的状态，通常由投机、宽松信贷或从众行为推动，破裂后往往引发严重后果。
一个典型“泡沫”生命周期分为 6 个阶段：技术突破（Displacement）→繁荣（Boom）→狂热（Euphoria）→获利了结（Profit Taking）→恐慌（Panic）→崩溃（Crash）。
虽然泡沫形式多样，但它们往往遵循相似的情绪与资本循环，从资产类型来看，泡沫又可以被分为 6 大类：
• 股票市场泡沫：即金融资产、公司股票的投机热潮，投资者们基于乐观预期和过度投机推动资产价格远离基本面，最终带来崩盘；
• 基础设施泡沫：和重大工程或技术革新伴随而生的投资狂热，21 世纪初的互联网泡沫就是典型代表；
• 房地产泡沫：历史上的几次房地产泡沫通常由信贷宽松和城市化预期驱动；
• 信贷 / 债务泡沫：借贷周期与主权信用危机的典型案例；
• 大宗商品：通常与供需波动、地缘政治和投机情绪相关，例如黄金与白银的投资热潮；
• 收藏品 / 另类资产泡沫：代表心理因素极强的“价值共识型泡沫”，即通常所说的“郁金香泡沫”。
Coatue 认为，今天的 AI 投资热潮在特征上最接近“股票市场”和“基础设施”型泡沫：由技术革新推动，伴随巨额资本投入与高涨预期。
Coatue 还推出了 “泡沫评分标准”，用于评估一个产业是否正处于或接近泡沫阶段，这一框架将泡沫的形成归结为六个关键维度：“主题的创新程度”、“市场普及性”、“收入利润真实性”、“杠杆融资方式”、“估值的历史对比”以及“投机狂热程度”：
• 一个典型的泡沫往往从一个前所未有的创新主题开始，例如互联网、加密货币或 AI，其核心叙事极具吸引力，让投资者相信科技将改变世界。
• 接着，这类创新通常伴随极快的市场采纳速度，用户或企业迅速进入赛道，以证明市场空间（TAM）足够庞大；
• 但这一期间大部分公司的收入和利润仍停留在远期预期上，尚未形成稳定现金流。
• 与此同时，产业的资本支出与基础设施投资往往通过大量借贷或风险投资资金推动，使系统杠杆规模不断上升；
• 估值层面，市场对未来收益的预期被放大，导致资产定价远高于历史水平或基本面；
• 最终，当投机情绪蔓延至零售投资者和公开市场，出现 IPO 热潮、短期暴涨以及媒体狂热时，往往意味着泡沫的形成已进入加速阶段。
这一评分体系的逻辑是：当“创新叙事、快速扩张、未来收益幻想和市场投机”等因素都出现时，一个典型的投机周期便已基本成熟。
03.
“AI 泡沫论”的局限
当下市场对 AI 的质疑主要集中于以下 8 个方面，Coatue 在报告中也逐一指出其局限性。
质疑 1: 通胀压力极大
此前市场对 2025 年的通胀压力抱有较高担忧，担心通胀高企会对宏观经济、企业盈利和市场估值造成持续冲击，进而影响包括 AI 在内的成长板块的投资逻辑。
Coatue 观点：
Coatue 通过数据分析指出，这种担忧已明显缓解。近半年来，全球通胀预期呈逐步下行趋势，Dec-2025 CPI 预估从 4 月 3.7%的高点一路降至 10 月的 3.1%。
Coatue 的前沿研究显示，通胀很可能低于这一预期并继续下行。由此可见，市场此前担忧的因素对通胀的实际影响远不及预期，宏观环境正朝着更温和的方向发展。
质疑 2: AI 股估值过高
今天市场普遍担心当前 AI 领域的企业估值过高，存在过度炒作。这一观点的核心论据是：当前的 S&P 500 指数估值已处于历史高位区间。从 30 年的长期视角看，S&P 500 指数未来预期市盈率（NTM P/E）当前达到 22x，但历史均值仅为 17 倍，20 世纪 90 年代末的高点也不过 25x 左右。这一数字直观体现了市场整体的 “昂贵” 属性。
与此同时，投资者进一步发现，TMT 和非 TMT 的市场估值分化十分显著 —— 当前的高估值并非市场整体的普遍现象（即非市场 beta 属性），而是科技板块自身独有的估值特征。具体来看，非科技股 18 倍 P/E 与历史平均 16 倍 P/E 的水平差距较小，估值属于常态的波动；而 TMT 28 倍 P/E 与历史平均 21 倍 P/E 的水平差距较大，估值已显著偏离历史均值。
这一对比更加强了 AI 资产估值已经脱离安全区间、到达顶点的判断。
Coatue 观点：
Coatue 从估值对比与产业本质两个维度反驳了这一观点。
从估值看，当前 AI 领域的估值扩张远未达到泡沫级别。若拉长时间维度看，Nasdaq100 指数的动态市盈率在互联网泡沫时期高达 89x，而当前仅为 28x，远低于 2000 年水平。
如果进一步从历史维度看 Top 7 科技公司的 PE 倍数，90 年代 Top 7 Tech 平均 PE 倍数为 67x，而当前 Top 7 Tech 平均 PE 倍数仅为 28x，显著低于互联网泡沫时期。
从产业本质看，当下市场处于 AI 引领下一轮产业革命的关键阶段，这一历史性机遇的价值与潜力远大于短期市场波动，相比纠结于市场可能出现的 20% 回调，参与并见证这场产业变革才更具意义，所谓的短期估值担忧在长期产业机遇面前并不值得过度焦虑。
质疑 3: AI Winners 集中度过高
2025 年，美国前 10 大公司市值占 GDP 比例为 77%，且 10 家公司中有 8 个都是 TMT 公司。反观 2000 年互联网泡沫高点，前 10 大公司市值占 GDP 比例仅 34%，且 TMT 公司仅 6 家。这一数据对比似乎强化了 “市场过度集中、存在泡沫风险” 的疑虑。
Coatue 观点：
当前的 “高集中度” 并非源于单纯的市场垄断，而是企业全球化布局与多业务线能力的体现。
以 Amazon 为例。Amazon 同时布局零售与云业务，这两项业务实际上属于独立的经济单元 ，只是恰好同属于一家公司，因此 Amazon 并非单一科技属性业务。这种 “业务线跨界” 的模式，让头部企业的市值承载了多领域的价值，与 2000 年互联网泡沫时期的单一业务驱动型集中有本质区别。
同时，市场对 “高头部企业集中度” 的担忧往往带有片面性。MIT 的 The Fallacy of Concentration 研究指出，这种集中度并非负面信号 —— 相反，当集中度较高时，“buy and hold” 策略的回报优于频繁卖出的策略。
质疑 4 : AI 资本开支过高，拖累企业盈利
从 CapEx 维度看，S&P 500 公司 CapEx 已经占到了美国 GDP 的 1.6%，且市场共识预计这一比例将进一步提升至 2.0%，这个比例已超过互联网泡沫时期的 1.4%，也因此，市场担忧这种高 CapEx 极有可能引发类似互联网泡沫时期风险。
Coatue 观点：
尽管 CapEx 规模较大，但大部分企业 CapEx 增长是有经营现金流（CFFO）支撑的，也就是说财务风险可控，这一点是和互联网泡沫时期的根本区别。
从下图可以看到，互联网泡沫时期（2000 年左右）CapEx 占经营现金流的比例为 75% ，而在这前 10 年中，CapEx 占经营现金流的比例甚至达到过 80%，而当前这一比例仅为 46%，远低于当年的水位。
现在市场上头部 TMT 公司基本每年都会拥有约 1 万亿美元的年度自由现金流。这种由企业主导的 AI 基建，与政府主导的传统基建模式截然不同。这种 “内部造血式” 投资模式不仅财务风险可控，还体现了美国科技企业的强劲实力，也让投资者对其更具信心 —— 毕竟其他国家缺乏这样的 “科技巨头集群”。
同时，而美国政府对科技产业的扶持（如政策便利、资源倾斜），进一步强化了这些企业在资本开支上的可持续性与竞争力。
质疑 5： AI Adoption 遇阻
从企业应用端看，MIT 的调研显示，95% 的受访机构在 AI 投资上未能获得回报；贝恩公司则预测，到 2030 年 AI 企业可能面临 8000 亿美元的收入缺口。同时，企业 AI 采用率（按员工数量统计）在 2025 年 10 月已回落至 12%，呈现出 “AI 采用放缓” 的态势，这些数据似乎暗示 AI 的实际价值与市场预期存在差距。
Coatue 观点：
Coatue 从技术普及的速度与潜力角度给出了不同解读。
以 ChatGPT 的 MAU 增长曲线为例，其普及速度远超互联网和 PC 时期的进度，ChatGPT 这种 “短时间内收获数十亿用户” 的现象，恰恰说明 AI 技术具有极强的实用性。正如 ChatGPT 成长轨迹所展现的，AI 虽仍处于发展早期，但已实现了大规模普及，这种爆发式的用户增长背后，是技术本身 “有用性” 的有力证明，也预示着 AI 在未来仍有巨大的成长空间，不应因短期的企业应用回报问题而低估其长期价值。
质疑 6： 数据中心等 AI 基建增长放缓
有些市场观点对 AI 基础建设持较负面态度。认为美国数据中心建设增速从 2023 年高点回落，呈现出 “增长放缓” 的态势，由此对 AI 基础设施的长期前景产生疑虑，担忧这种放缓可能预示着 AI 产业的扩张动力不足。
Coatue 观点：
从数据看，尽管数据中心建设增速有所回落，但这只是长期投资周期中的阶段性波动，并非趋势性逆转。更关键的是，并非所有长期投资周期都是泡沫。
回顾历史，从 18 世纪的早期工业革命基建、19 世纪的跨大西洋电报网络，到 20 世纪的美国州际公路系统、商用互联网骨干网，再到 21 世纪的超大规模云数据中心等，每一轮重大基础设施投资都成为了产业革命的基石当前的 AI 基础设施投资同样如此，它是支撑自动驾驶、Agent 等前沿技术落地的关键，其价值如同过去的电网、互联网一样，具有重塑社会效率的长远意义。
因此，数据中心增速的短期放缓，不应掩盖 AI 基建在长期投资周期中的战略价值，它是推动下一轮产业变革的核心力量，而非泡沫式的短期炒作。
质疑 7：AI “融资循环”？
市场对于 AI 持续性的另外一个 concern 在于下半年以来的 AI 企业的融资模式呈现出 “循环融资” 的特征。以 OpenAI、英伟达、甲骨文、英特尔等企业之间的资本流动为例，形成了 “OpenAI 承诺向甲骨文支付云服务费用→甲骨文股价大涨→甲骨文依赖英伟达 GPU 需向其采购数十亿美元芯片→英伟达宣布向 OpenAI 投资 1000 亿美元→OpenAI 再用这笔资金支付甲骨文费用” 的循环，这种资金闭环让投资者质疑 AI 企业收入的真实性与可持续性，担忧其如同 “无限资金 glitch”，缺乏实际业务支撑。
Coatue 观点：
Coatue 指出，这种对融资循环的担忧并非 AI 领域独有。
互联网泡沫时期，也存在大量的易货收入（barter revenue），企业通过资源互换而非实际现金交易来创造收入，当时市场也曾因类似的 “收入模式模糊” 产生疑虑。但历史经验表明，这种阶段性的融资与收入模式争议，并不意味着产业缺乏长期价值。
AI 作为新一代技术革命的核心，其基础设施建设与生态构建需要大量前期投入，企业间的资金与资源联动是产业发展初期的正常现象，不应因短期的融资循环就否定 AI 技术的实际应用价值与长期商业化潜力，正如互联网最终从泡沫中走出并重塑经济格局，AI 也有望在产业迭代中实现真实收入的突破与可持续发展。
质疑 8：AI 到今天还没有盈利？
市场对 AI 的盈利性充满疑虑，核心担忧在于 AI 发展至今仍未实现广泛盈利，且投资回报周期过长，担心巨额投入可能难以在合理时间内转化为实际收益。
Coatue 观点：
Coatue 以 Azure 的发展历程为例反驳了这种担忧 。Azure 从投入到实现正的投资资本回报率（ROIC）花了 6 年时间，在最终成长为云计算领域的巨头后，后期的回报水平持续攀升。
而 AI 领域的标志性产品 ChatGPT 在 2022 年 11 月才推出，距离现在刚刚 3 年，正处于技术落地与商业验证的早期阶段。这说明 AI 的盈利周期逻辑与云服务等前沿科技基础设施一致，需要时间沉淀才能释放价值，不能以短期盈利与否否定其长期潜力，当前的时间跨度尚不足以判定 AI 盈利不可行。
04.
Google AI 叙事反转的启示
今年夏天，Coatue 发布了“Fantastic 40” 指数（The Fantastic 40 Growth & Innovation Index）。“Fantastic 40”的评选方法为：先筛选出顶尖的 150 家科技企业，再基于 5 年期 CAGR，从超高速增长、增长、复合增长及低于市场增长等维度进行评估，最后排除那些面临估值压缩、营收或 EPS 等其他挑战的企业，最终选出 40 家企业构成该指数。
有趣的是，这一指数发布时将 Google 排除在外，在当时，Coatue 认为 OpenAI 用户增长迅猛，可能对谷歌的搜索商业模式构成威胁，担忧其面临用户、query 和关注度的流失，客观来说，不只是 Coatue，Google 被视作是“AI loser”也是当时的市场共识。
但在经历市场反馈与深度复盘后，Coatue 修正了这一判断，将 Google 重新纳入到“Fantastic 40”中。
理由是其在 AI 领域的全面转型取得显著成果。早前市场普遍担忧，生成式 AI 的崛起会削弱谷歌搜索和广告业务的核心支撑力，但最新数据表明，Google 通过引入 AI Overviews、AI Mode 与 Gemini 模型，提升了流量质量与广告转化效率；
尽管 OpenAI 表现强劲，但 AI 领域并非零和博弈，谷歌自身的 AI 布局也在加速推进。这些优质线索直接推动了其广告收入的增长，如前面提到的，由于 AI 对收入的直接与间接影响难以拆分，谷歌的广告增长实则是 AI 赋能的综合结果。
此外，Google 的 TPU 技术和云业务是其业务组合中被显著低估的资产，AI 技术的全面落地在推动其 Google 云计算业务加速增长。
Coatue 认为，谷歌已经成功完成从“被动防守”到“主动引领”的角色转变，凭借算法、基础设施与生态整合的深度优势，已重新确立其作为全球 AI 竞争格局中“终极赢家”的地位。
历史经验显示，大市值公司的大幅行情往往标志着产业拐点的到来。如下图所示，谷歌的 “互联网时刻”、苹果的 “iPhone 时刻” 等均是如此。
这一规律在 Oracle 身上再次得到印证：2025 年 9 月 10 日，甲骨文因 “Inference Broadening 时刻” 单日涨幅达 36%，市值从 6000 亿美元突破至 8000 亿美元，其核心驱动是云业务潜在订单在三个月内从数十亿美元飙升至 4000-5000 亿美元级别，增长的量级与速度远超市场预期。
此类案例持续证明，市场对 AI 的产业影响力仍存在显著低估 —— 正如这些大市值公司在历次技术浪潮中引发的 “时刻” 一样，AI 驱动的产业拐点正被投资者普遍忽视。
从 Google 被纳入 “Fantastic 40”，到 Oracle 因云业务订单实现市值暴涨，这些都清楚地表明，市场对于 AI 给企业带来的实际影响，依然存在很大的低估。
虽然有不少关于 “AI 泡沫” 的讨论，但像甲骨文云业务订单在短短三个月内从几十亿美元猛增到四千至五千亿美元级别的事实，以及谷歌广告和云业务因 AI 加速增长的表现，都说明 AI 对产业的推动是实实在在的，其真实价值远没被投资者完全看透。这种市场认知和实际价值之间的差距，也意味着 AI 产业的发展潜力，可能比现在大多数人预想的还要大。
05.
AI 企业的盈利逻辑
AI 盈利框架
延续市场对 AI 企业盈利的质疑，Coatue 在报告中也试图对 AI 带来的“降本增益”进行量化，简单来看，AI 带来的收入增加和成本节约均存在直接效用与间接效用两种形式：
直接效用
• 增收：如，OpenAI 通过 ChatGPT 订阅费等形式获得的收益，这类收入多来自 AI labs 的产品订阅和 SaaS 业务；
• 降本：企业通过 AI 减少人员编制、降低薪资支出。
间接效用
• 增收：如 Google、Meta 等借助 AI 算法优化广告投放，推动广告收入大幅增长，且这类收入与企业原有核心营收深度融合；
• 降本：员工因 AI 赋能变得更具生产力。
这种直接效用与间接效用的叠加，最终推动企业利润率提升、投资资本回报率增长，或促使企业将利润再投入研发与市场推广，进而带动收入增长。
为更系统地衡量 AI 企业的盈利表现，Coatue 推出了“Coatue AI Profit Tracker”框架。该框架借助数据科学分析，整合数字广告、云领域的多层级数据，从营收与成本节约两个核心维度，全面量化 AI 对企业盈利的实际影响。
在数据维度划分上，框架将指标分为两类：
• 滞后指标：这类指标主要反映的是上市公司财报、公告等已公开的结果性数据；
• 领先指标：通过挖掘 private 公司收入增长、生产力提升等前瞻性数据获取。
这里 Coatue 以 Amazon、Shopify 为例来说明 AI 已经给企业带来实打实的经济收益。
在成本节约的间接效用上，微软通过 AI 驱动的人力优化，员工数量从峰值下降约 6%，假如头部 50 家科技公司都可以实现这一成本优化水平，对应的是潜在可节省～750 亿美元人力成本。
除了科技公司，传统领域企业也已经通过部署 AI 获得收益增长和成本下降：
• 货运公司 C.H.Robinson 依靠内部 AI agent 把员工单日货运处理量提升 1.5 倍，员工数量减少约 30%；
• Rocket Mortgage 通过 AI 使承保时间节省 6 倍，年成本节约超 4000 万美元。
未来 10 年 AI 利润规模会达到万亿美元
从长期视角看，AI 的盈利潜力极具说服力，其增长路径与盈利逻辑可通过数据与理性校验清晰呈现。Coatue 认为未来 5-10 年内，AI 收入或增长 10 倍，相关利润有望达 1 万亿美元，这一规模将占全球总利润的 4%。
Coaute 估算，到 2025 年 AI 生态年收入预计达 1500 亿美元，今天处于投入期，所以 2025 年 AI 生态 EBIT 为 -200 亿美元，但到 2030-2035 年将实现爆发式增长：年收入飙升至 1.9 万亿美元，EBIT 达 8500 亿美元，投资资本回报率（ROIC）也将从 -3%跃升至 +20%，20% 是接近 AWS、Azure 等成熟云服务的 ROIC 水平。
这种增长并非空想。当前 AI 相关收入仅占全球消费者订阅的～13%、企业薪资的～3%、广告支出的～25%，仍有大量增长空间。
更进一步，基于 “AI Scorecard” ，Coatue 给出了自己的 AI bull case，总结来说，现有体系能够创造出足够的投资资本回报率，足以支撑当下对 AI 领域的相关投资。
风险在哪里？
在判断当前市场是否存在泡沫时，IPO 市场与杠杆水平呈现出截然不同的信号。以 12 个月为周期的 IPO 和二次发行数量当前仅为 56 起，远低于互联网泡沫时期的 511 起和 SPAC 热潮时的峰值，这说明 equity 市场并未呈现出过热的 “泡沫化” 特征。
但在杠杆层面，美国经纪账户的保证金债务占 GDP 比例已达 3.7%，接近互联网泡沫（3.0%）和 Covid 峰值（3.8%）时的水平，散户投资者的杠杆操作已与历史泡沫期相似，这一现象为市场埋下了潜在风险。
综上，当前市场在 IPO 端尚未显露出泡沫迹象，但散户高杠杆的现状值得警惕，这也为 AI 等成长板块的投资环境增添了一层需要考量的变量。
06.
AI 市场总结
当前市场是 AI 基建叙事
在二级市场，AI 基础设施的表现显著优于软件板块。自 2022 年 11 月 ChatGPT 推出以来，费城半导体指数（SOX Index） 累计回报达 146%，而云软件指数（EMCloud Index）仅为 44%。这一差距清晰表明，半导体等 AI 基础设施是驱动本轮 AI 革命的核心引擎，相较之下软件板块的增长势能明显不足。
一级市场的价值逻辑同样向基础设施倾斜。在美国估值超 1000 亿美元的未上市科技公司中，5/6 的 “千亿估值企业（centacorns）” 以及超 70% 的市值均来自 AI 基础设施领域，覆盖模型层、数据层等关键环节。其中， OpenAI 以 5000 亿美元断层领先，后续企业则均处于 1000+ 亿美元的市值区间。
AI 应用层正在规模化崛起
尽管基础设施是当前价值重心，AI 应用层的崛起也已进入规模化阶段。2025 年，Cursor、Cognition、BILT 等一批 private AI 应用公司估值突破 50 亿美元，50% 的新 “50 亿 + 估值俱乐部” 成员和 60% 的市值由 AI 应用贡献，标志着应用层创新从单点突破走向批量涌现。
AI 自主完成任务的能力也在飞速迭代。
下图展示了不同 AI 模型无需人类干预即可完成的工程任务时长，从 GPT-2 到 Sonnet 4.5，任务处理时长呈指数级增长，每 7 个月就能实现任务时长翻倍。而这条曲线预计将在未来几年显著持续提高。这种进化让 AI 从 copilot 升级为可独立执行复杂流程的 agent。
以 coding 领域为例，AI 的应用深度已从 “提示生成” 迈向 “全流程自动化”。Cursor 的 token 处理量随规模呈爆发式增长，其新功能 Bugbot 更是实现了代码漏洞的 “自动检测 + 自动修复”——AI 不仅能识别缺陷，还能实时修复，成为程序员的 “实时安全管家”。
这种能力跃迁在市场接受度上也得到印证：Claude Code 的 NPM 下载量在 Sonnet & Opus 4 发布后 5 个月增长 30 倍，Codex 的 VSCode 扩展安装量在 GPT-5 发布后 1 个月翻倍，应用层的生产力爆发直接受益于底层模型的前期投入。
• 医疗 AI ：OpenEvidence 的规模化应用
OpenEvidence 的 MAU 已经覆盖了～ 40% 的美国医生，且月度医生查询量在一年内增长约 12 倍，是 AI 赋能医疗领域的典型案例，
商业变现：高价值创造支撑溢价定价
企业 AI 应用的商业化能力已通过 “高价值定价” 得到验证。Cursor 的订阅定价远超微软 Office 365：以顶级版本为例，Cursor Ultra 定价 232 美元 / 月，而微软 O365 E5 仅 36 美元 / 月，Cursor 的定价达到同类办公软件的 2-6 倍。
这种高定价的底气源于 “降本增效” 的硬价值。假设一名开发者的年薪为 20 万美元，AI 工具可通过自动化代码生成、漏洞修复等环节大幅提升其效率，最终创造的价值远高于订阅成本。以 Cursor 的 Bugbot 为例，它能实时扫描并修复代码漏洞，为企业节省大量人工调试成本 ——这种 “成本节约 + 效率提升” 的双重价值，让企业愿意为 AI 应用支付溢价。
07.
投资 AI 的原则和信号
总体上 Coatue 认为接下来 AI 的发展存在两种 scenario：
• 超 2/3 概率会走向 “AI Abundance：AI 推动生产力提升、GDP 增速超预期，同时通胀可控、科技板块持续引领增长；
• 不足 1/3 概率陷入 “AI Reckoning”（清算），即 AI 泡沫破裂引发股市崩盘或债务危机未解决。
但总体上，Coatue 的 House View 明确表达出一种理性看多的乐观态度：AI 并非即将破裂的泡沫，而是推动全球经济与科技结构性增长的核心驱动力。
Coatue 也总结了在科技与 AI 周期中长期验证有效的四条核心投资原则：
1. 在大规模的 AI adoption 阶段，不要过早卖出（Don’t sell early when adoption is massive），因为一旦技术被广泛采用，股价往往仍有较长时间的上升周期；
2. 大主题并不意味着相同的投资逻辑（Big themes ≠ same ideas），AI 等宏大叙事在不同阶段会孕育不同的受益者，作为投资者必须敏锐捕捉结构性转移机会；
3. 紧跟一级市场动态（Follow the privates ecosystem），因为一级市场往往最早体现产业边际变化，可提供前沿视角来判断行业是否见顶或进入成熟期；
4. 对冲尾部风险（Hedge against tail risks），AI 的系统性影响范围广，一旦落空可能牵动整个科技市场，应在策略层面保持风险平衡。
在当前 AI 浪潮中，Coatue 认为有必要通过以下一系列关键指标来跟踪行业健康度与后续增长潜力。
1. OpenAI 的进展与使用情况（OpenAI progress / usage）是最首要的，OpenAI 尤其是 ChatGPT 的进展毫无疑问是 AI 生态总体渗透速度的领先指标；
2. 关注 OpenAI 与 Anthropic 的企业端收入（enterprise revenues）：因为企业付费落地程度直接验证 AI 商业模式的可持续性；
3. 垂类 AI 应用（vertical apps）的采用速度，包括编程、设计、客服等领域，这些决定了 AI 从通用模型走向产业规模化的路径；
4. AI 公司内部的电商化趋势（eCommerce inside of AI companies），如 AI agent 是否直接参与交易与支付，标志着 AI 从工具向自主经济实体演化。
排版：夏悦涵