AI估值循环的断层与救赎
@khikho：
2026年3月，硅谷知名风投Chamath Palihapitiya在其公司8090的All-In Podcast访谈中抛出了一个尖锐观点："找不到任何一家企业真正靠AI赚钱"。这句话迅速在华尔街引发震荡，因为它戳破了当前AI繁荣表象下的核心困境. Chamath的批评并非空穴来风。他披露了自己公司,一家致力于重写传统软件的AI原生企业,的真实财务数据：自2025年11月以来，AI成本增长超过三倍，公司正朝着每年1000万美元的AI支出迈进。更惊人的是成本增速,"成本每三个月增长3倍，但收入却没有同步增长". 这种成本结构正在压垮企业端的AI应用。8090支付的AI账单包括：AWS的推理成本（"极其巨大"）、Cursor的订阅费用、Anthropic的API调用。Chamath直言不讳地指出："感谢那些通过巨额投资为我们提供无限量token消费的VC们",这句话揭示了当前AI生态的畸形现状, 许多AI应用的"盈利"实际上是建立在VC补贴之上的伪盈利. Chamath特别点名了AI编程工具Cursor。他发现Cursor的token账单高得离谱，正计划将团队迁移至Anthropic的Claude Code。Chamath提出了一个广为流传的隐喻："LLM就像制冷技术本身，真正赚钱的是用它造可口可乐的公司"。这个比喻精准地划分了AI产业链的价值分层： 基础设施层（制冷技术）就像OpenAI、Anthropic等基础模型厂商，以及Nvidia等芯片供应商，对应"卖水人"角色； 应用层（可口可乐）指的是那些真正利用AI创造可规模化的盈利商业模式的企业。 Chamath的核心论点是：目前所有"淘金者"（应用层企业）都没有找到可持续的盈利模型。AI在企业端的部署呈现典型的负向单位经济学（Negative Unit Economics）特征：企业引入AI后，token成本持续攀升，但收入