说 AI 没泡沫的那篇博客，我没法全信

昨天刷到一篇个人博客，标题很直白：我不信 AI 泡沫存在。文章挂在 GitHub Pages 上，我抓的时候正文没拉全，摘要字段也是空的，作者到底拿什么数据撑这个结论，我没法逐条核对。但这个话题绕不过去，今年所有人都在问同一个问题：这轮 AI 投入，到底是真需求还是集体上头。先把能查到的数摆出来，再聊我自己的看法。

先把账本摊开

英伟达的数字最直观。FY2024 全年营收 609 亿美元，到 FY2025 第三季度，单季营收干到 351 亿，其中数据中心一块 308 亿，占了将近九成。翻财报的时候我愣了一下，一个季度顶过去大半年，这条曲线放在哪个行业都算陡。买卡的人不是拿回去收藏，是跑训练和推理，至少说明下游有人真金白银在花。当然，也可能是几家大厂在军备竞赛，谁先停手谁吃亏。

另一头，微软、亚马逊、Alphabet、Meta 四家 2025 年资本开支合计据说超过 3000 亿美元。这个数我看了眼，具体口径和更新时间还得再确认，但量级八九不离十。三千亿美金砸机房、砸电、砸 GPU，不是 PPT 上的故事，是已经在发生的支出。电费、土地、冷却，每一项都是硬成本，建完就得折旧。

所以“泡沫”这个词得拆开看。收入端在涨，支出端涨得更快，两边剪刀差在拉大，这才是争论的根子。说没有泡沫的人，盯的是需求真实存在这一面；说泡沫要破的人，盯的是回报周期对不上。两边说的可能压根不是同一件事，吵到最后各说各话。这也是那篇博客让我别扭的地方，标题下了结论，但论据我没看到。

95% 那个数字，别当铁律

2025 年 8 月 MIT NANDA 那份报告被转疯了，说约 95% 的企业生成式 AI 试点没看到可测的损益影响。这话听着吓人，但抽样范围和方法学一直有人挑刺。怎么定义“试点”，怎么算“可测影响”，报告里未必写得那么清楚。一家公司买了 Copilot 发给员工，用不用、怎么用、省了多少时间，本来就难量化。拿它当“AI 全是泡沫”的铁证，我觉得草率。

反过来，拿英伟达的营收曲线当“AI 毫无泡沫”的证据，也一样草率。卖铲子的生意好，不代表挖金子的都赚到钱。铁路热、互联网热，基建先行的阶段都是这个路数，最后活下来的和当初冲进去的，往往不是同一批人。

说白了，泡沫和真革命经常同时存在。1999 年那批公司死了一大片，但亚马逊活下来了，宽带也铺完了。现在的问题是，这一轮铺完之后，谁来付账单。企业客户愿不愿意为推理持续掏钱，比训练卡卖多少更能说明问题。作者身份、发布时间、是机构研究还是个人碎碎念，这些我都还没确认，所以这篇博客的结论我先搁着。

灵犀点评

我的判断偏中间：需求是真的，估值和回报节奏是虚的。企业侧那 95% 的数字不牢靠，但也不能反推多数项目都成了。真正该盯的不是英伟达下个季度卖多少卡，而是两年后这批机房折旧时，财报上还剩多少利润。

消息来自 Matteo Raso 个人博客 matteoraso.github.io，原文正文未能完整抓取，文中数据引自英伟达财报、MIT NANDA 报告及公开报道。��录为官方发布渠道。这不排除该域名由 Meta 注册但尚未启用的可能，也不排除仿冒或占位页面的可能，两种情况都无法从外部确认。

尚未明确的问题

域名归属待确认。research.meta.ai 是否由 Meta 注册并运营，缺少可公开核对的注册信息与证书记录。名称性质同样待确认，Muse Ember 可能是内部代号、误传名称，也可能是与 Meta 无关的同名项目。

是否存在未被索引的发布，目前无法排除。仅面向员工或合作伙伴的内部公告不会出现在公开检索结果中，这类信息无法通过外部渠道验证。

时间线缺失。条目没有发布时间、更新记录或版本号，无法判断它是新近上线还是长期存在的旧页面。开发者社区、学术机构与竞品均未就该名称发表评论，也没有出现对应的代码仓库、模型卡或 API 文档。

核查范围与合规背景

时间线方面，现有材料只能锁定一条链接与一个标题，无法确认页面首次上线、最近更新、是否经过修订，也无法与任何新闻稿、社交账号发布或技术报告日期对应。核查以公开网页、Meta 官方博客域名、GitHub 的 facebookresearch 组织、模型卡与 API 文档为检索范围，截至核查时没有找到可交叉验证的时间节点，因此事件时间线只能标注为缺失。

技术参数与关键数字同样没有落点。参数量、层数、注意力结构、是否采用混合专家、上下文窗口、训练数据规模与来源、训练算力、量化方式、显存占用、推理延迟、吞吐与评测分数，均未在条目或可核实页面中出现。没有这些字段，既不能判断其架构归属，也无法把「最小、最高效」换算成可比较的指标；同类小模型通常以参数量、量化后内存、每秒输出 token 数或单位调用成本作为披露口径，缺少对应数字时无法进行横向对比。

相关方表态方面，公开渠道未见可引用的机构评论、评测复现或跟进报道，相关方表态栏只能保持空白。历史脉络可核实的部分仍限于 Meta 既有公开模型分线及其官方博客发布惯例，Muse Ember 未进入可核实的序列；命名不吻合只能作为旁证，尚不足以支持存在性或否定性结论。

监管与合规背景无法落到具体模型。模型卡、许可协议、商用限制、地域可用性、数据来源说明与安全评估材料均缺失，因而无法讨论其对应的合规义务或监管动作。若后续出现官方页面，需要以模型卡、代码仓库与官方博客三者能否互相印证作为首要核验点，再判断其定位、参数与合规披露是否完整。

观察

小模型是过去两年厂商竞争的一条独立战线，端侧部署与推理成本是主要驱动，但这条线上可验证的发布仍以官方博客、模型卡、代码仓库三者同时出现为准。以此标准衡量，Muse Ember 目前只有一条链接和一个标题，缺乏可交叉验证的环节。若后续出现官方模型卡或代码仓库，其「最小、最高效」的定位才具备比较基础；若没有，该条目更接近未完成的占位页面。业内对未经官方渠道确认的模型消息一般持观望态度，此次也没有例外。

本文编译自《Muse Ember: Our smallest, most efficient model》（https://research.meta.ai/blog/muse-ember），版权归原作者所有。