AI泡沫的破裂条件、融资风险与模型层格局演变——Insight Partners联合创始人Jerry Murdock访谈要点梳理（20VC with Harry Stebbings，2026-08-22）

——据20VC with Harry Stebbings节目《The AI Bubble WILL Burst | Should we be fearful of Chinese Open-Source | Jerry Murdock》（2026-08-22）整理

摘要：本文对20VC节目主持人Harry Stebbings专访Insight Partners联合创始人Jerry Murdock的主要观点进行了梳理汇总。梳理了Murdock对AI泡沫破裂时间窗口、信用市场风险定价与超大规模云厂商债务的判断，介绍了其对Neocloud出清、推理服务商资本效率、开源模型定制与token经济性的看法，最后阐述了其对估值定价、毛利结构、退出环境、模型代际更替与代理安全的观点。据其介绍，AI泡沫可能在2026年10月至2027年3月之间破裂，Neocloud中至少一半将在36个月内消失，今天全球AI需求的满足程度仅为低个位数百分比。

关键词：融资估值；AI资本开支；开放权重；推理成本；模型路由；Insight Partners；Jerry Murdock；Fireworks AI

一、泡沫破裂的时间窗口与信用风险

Murdock认为，本轮AI周期的脆弱环节集中在融资端，信用市场一旦中断，可能成为泡沫破裂的触发因素。

（一）破裂窗口与历史参照

据主持人介绍，Insight Partners管理规模超过900亿美元；Murdock同时担任圣塔菲研究所（Santa Fe Institute）董事会成员，并投资了Fireworks AI、沙箱公司E2B及法律AI公司Legora。

主持人复述其此前的判断：视回调深度不同，AI泡沫可能在2026年10月至2027年3月之间破裂。Murdock没有回避这一时间窗口，并给出两个历史参照：一是2001年互联网泡沫终结后，创新停滞了一段时间，随后LAMP技术栈兴起、网站大规模铺开；二是2008年云计算起步缓慢，原因在于金融层面的中断拖慢了节奏，即“商业的流动被打断”。

他认为，本轮与以往的关键差异在于债务，所有超大规模云厂商承担的债务都多于以往任何时期。基于此，需要关注的问题在于信用市场一旦出现中断，这些厂商的投入节奏是否会被打断。

（二）信用市场的风险定价

Murdock将自满视为首要风险信号。据其介绍，信用市场上的警示信号已持续一年多，但市场普遍认为“没事”，没有真正为风险定价。他从三个方面加以说明：一是私募债市场上高风险与低风险资产之间的利差过窄，未能反映真实差异；二是与2008年相似，当年只有极少数人看懂并做空按揭贷款，评级机构和大银行信用风险部门因按揭贷款过往从未出现大规模违约而忽视了底层信用问题；三是已有若干小的警示，包括1990年代末长期资本管理公司（LTCM）的爆仓、日本国债持仓问题，以及近期一只基金因未计入自身所加杠杆而爆仓，该基金杠杆仅3.5倍，就已被迫卖出大量资产。他以野外滑雪作比，表示能够识别雪崩条件何时变差，有些局面轻轻一推就会失衡。

（三）超大规模云厂商的债务与资产价值

主持人提出反驳：过往信用周期出问题源于底层资产质量差，今天的超大规模云厂商核心业务每年产生巨额现金流，借债只是一种优化，资产质量良好。

Murdock的回应有两点：一是数据层面，Meta的自由现金流处于公司历史低位；二是历史类比，他指出，互联网泡沫时期铺设的光纤一直具有价值，但铺设光纤的公司全都破产了。据此，高度依赖债务的主体一旦遭遇错位，底层资产价值会在短时间内大幅下跌，虽然未必是永久性下跌，但恰在此时会触发保证金追缴。

他认为这些厂商“不该借这么多债”，但同时判断其仍有能力渡过冲击：一是一旦发生错位，超大规模云厂商拥有足够的持续业务，具备吸收冲击的能力；二是冲击发生时，其他参与者被出清、资产变得便宜，反而为其提供收购机会。他强调，“AI算力的需求不会改变，那不会消失”，问题仅在于短期内为其融资的能力。

二、算力基础设施层的出清与分化

Murdock预计算力租赁层将经历较大规模出清，推理服务层内部则因资本效率不同而分化。

（一）Neocloud的出清预期

Murdock表示，目前Neocloud数量众多，其中至少一半将在36个月内消失；如果发生经济中断，很多会立即消失。他预计出清过程将伴随巨额资金损失，长期看只会有一两家占据主导。对于哪些公司能够保值，他认为这与判断“哪些对冲基金会消失”属于同一类问题，分野在于由谁经营、如何组织，而外部投资者难以看清其内部状况。在估值讨论中，他同样对Neocloud明确表示“我不买账”。

（二）推理服务商的资本效率

在推理服务商中，Murdock认为Fireworks的盈利能力显著高于Baseten，两家表面上按相近估值融资，但“这不是同一门生意”。他押注Fireworks的理由有二：一是资本效率更高；二是团队愿意在业务上赚钱，且对底层框架理解深入，会向上延伸至微调、精炼与定制。他举例称，Cursor与Baseten签订的合同对后者利润贡献有限，Baseten获得了收入和规模，但盈利不多。他的判断是：“如果你不怎么赚钱，却在往里投很多钱，你就有风险，绝对有风险。”

他认为，这类公司同时受益于前沿模型公司与开源模型，处在模型建造者之上、紧接着需要被开发出来的一层，因此能够随之规模化；但这一判断仅适用于基础设施层，对应用层及法律AI，他表示“我不买账”。

（三）芯片层的定位

Murdock重申年初的判断：一是对模型定制而言，专用集成电路（ASIC）非常理想；二是若大量开展模型专门化，则无需使用成本过高的GPU；三是对模型公司而言，拥有芯片层长期看是走错方向，短期内对较大的公司说得通，因为其希望针对自有模型优化芯片组。他援引圣塔菲研究所一次由各主要AI公司首席科学家参加的闭门会，指出即便通用人工智能（AGI）出现也难以测量，应聚焦于模型与代理之间、进而与人之间的复杂性，并表示从循环、定制到安全的“模型往外”这一层，是其更愿意投资的方向。

三、开源模型、模型定制与token经济性

Murdock认为，开源模型与ASIC将形成“属于它们自己的海啸”，模型定制使token的价值出现分化。

（一）开源模型的定制窗口与需求空间

Murdock指出，目前企业无法定制大型前沿模型，“不被允许”，这为开源模型的微调留出了空间。他表示，前沿模型与开源模型的单位token成本存在数量级差距，“虽然并非所有token生而平等”，但差距足以带来大规模采用。需求方面，他认为AI是今天全世界每一家企业的需求，并以网站类比：1990年代只有部分公司拥有网站，但网站建设从未减速、至今仍在持续；据其判断，今天全球需求的满足程度大概只有低个位数。

（二）token价值的差异

主持人转述市场共识：token流量流向开源模型，收入则流向前沿模型，且“a token is a token”，英伟达无论token放在何处都将受益。

Murdock的回应有三个层次。一是流量与收入的分野存在3个月到1年的短期错位窗口，其间经济性看似被拉平；只要前沿模型公司兑现持续学习乃至终身学习的目标，未来十年对其需求不会停止，开源模型则有很长的路去填补全球需求缺口。他以特斯拉作比，产品起初昂贵、只有富人买得起，之后发生变化，“钱会来，而且很快，它正在来”。二是他不同意“a token is a token”，认为模型越经定制，token的价值越会改变，因为被生产出来的内容发生了变化；不同模型的冗长程度差异较大，产出的token数量相差悬殊，这在总成本中“关系重大”。三是在代理系统的分工上，编码已被较好解决，而客服、用户引导等高度专门化的任务更适合开源模型，回本更快、成本更低；他表示，若只有100万美元可用，把资金花在定制并完成特定任务上，效率远高于花在前沿模型上。

（三）前沿模型与开源模型的关系

对于开源模型为何不会蚕食前沿模型的地盘，Murdock给出两点理由：一是智能的需求没有上限，且需求口味各异；二是在其职业生涯经历的每一波新技术中，市场先扩张、在全球市场收缩时随之收缩、继而出现清算，再带着更多创新重新开始，他将其描述为寒武纪式的创新爆发与生态崩塌的冰期交替。他同时指出，迄今尚未出现开源模型在创新上压过前沿模型的情况。

四、估值定价、毛利结构与退出环境

Murdock认为，当前仍处于炒作周期之中，估值定价、毛利结构与收入持续性需要加以区分。

（一）估值定价与头部公司

主持人表示，当前市场对价格的敏感度低于2021年，创始人动辄称“在融1亿美元”，其提出写2500万美元支票时，对方称其属于“小而协作”的投资人。Murdock认为这说明市场仍处于炒作周期，预期超出了所有人的想象；他同时表示，那些大额轮次事后看可能其实是便宜的，但问题在于究竟会出现多少家万亿美元公司，仍需分辨哪些真正具备超大规模增长。他对前沿模型公司评价很高，认为这在量级上“等同于发明火、发明电”，紧随其后、不被其取代并能解决更多基础设施问题的公司也配得上相应的经济性，其他类别则不然。

（二）毛利结构与圈地策略

主持人指出，推理层公司毛利率约为35%，AI应用层很多公司仅为20%。Murdock认为，新技术周期早期是一场圈地竞赛，部分公司接受低毛利甚至零毛利以获取客户与关系，“如果你有资本，你就先占住地，之后再回来把毛利做进业务里”。但他明确表示不会投资把低毛利做成文化的公司，并承认因此可能错过了亚马逊（Amazon）。他以沙箱为例，认为多数沙箱公司依靠算力赚钱并不可取，合理的模式是“自带算力”，依靠运行能力与可见性获利；“即使你现在还没有毛利，只要你不在想这件事，我就不投你”。

（三）模型路由层的收费模式

Murdock认为，模型路由服务交易量巨大，原因在于用户本质上倾向省事，但在其上收取5%的费用难以持续。他预计将出现交易所式的结构，即一个采购推理服务的市场，模型路由作为其中一部分自动完成，并判断未来3到5个月内这一模式将出现一次较大的颠覆。

（四）退出环境、SaaS收入持续性与PE杠杆

在退出方面，Murdock主张能拿到钱时就拿钱。他认为近期的大额并购属于异常事件，源于董事会和管理层意识到所建立的未必是一家十年期公司，并以Flipboard当年拒绝收购、此后价值流失为反例。他表示不担心IPO窗口，认为只是时点问题。

在软件即服务（SaaS）方面，他认为需要关注的核心问题是营收的持续性：一家营收达4亿至5亿美元的公司，若尚未以有说服力的方式整合AI，能否继续保有这些营收；若没有深思熟虑的AI战略与产品，“我不相信两年内你还能拿这家公司做成什么事”。他认为，随着自主代理的部署走向成熟和普及，缺少系统记录与AI战略的SaaS公司将承压，这一威胁目前仍处早期。

私募股权（PE）是杠杆风险较集中的领域。他以2001年作对照：部分重仓电信的机构因投资只是蒸发而得以存续，部分机构则就此终结。他认为，一旦出现金融错位，EBITDA下滑、客户流失上升并快速传导至债务端的保证金追缴，局面将非常困难；主持人补充称，这类资产的杠杆多在4到6倍，高于前述被迫卖资产基金的3.5倍。他强调，全球市场对科技板块接下来的走势“至关重要，极其重要”。

五、模型代际更替、代理安全与市场研判

Murdock认为，持续学习将带来模型的代际更替，安全问题被普遍低估。

（一）持续学习对现有模型的替代

Murdock表示，今天所有模型十年后都不会存在。他认为十年之内、有人认为两三年之内，持续学习模型将会出现，这意味着现有各代模型都将被淘汰：一是持续学习是模型建造者当前的重要目标，旨在让模型像人类一样完成更复杂的任务；二是物理AI与机器人尤其需要维持记忆的能力；三是持续学习难以外挂到现有前沿模型上，早期或以外挂方式尝试，但长期看需要新的架构和重新训练，之后将衍生出新一批开源模型，并向终身学习演化。他同时认为，数据持续变化，提供的是上下文与记忆，企业需要建立让数据持续演化的系统。

对于持续学习的时间表，他表示可能是两三年，也可能是十年，并以癌症研究作比，过去15年一直认为即将攻克，实际上只是管理得更好；他认为样本高效学习已开始出现，但何时足够稳健可用尚不确定。

（二）代理安全与沙箱

Murdock认为，围绕安全的自满普遍存在：一是大量开发者以放任模式运行模型，并认为放进容器即已安全，而容器技术厂商自身也承认容器并不安全，需要沙箱；二是代理具有概率性，开发者会挑两个库比较，代理则会同时打开100个沙箱、配置100个不同的库再择优，未来将出现成千上万种沙箱形态；三是企业需要分辨哪些数据留在防火墙内，这将部分驱动开源模型的机会。他表示，“如果沙箱这件事你没做对，其他一切都不用谈”。

（三）对市场与主要公司的判断

在快问快答中，Murdock认为Anthropic可能率先上市，英伟达五年后规模会更大。对于股价与基本面的背离，他给出三点解释：一是市场不会一直上涨，会出现平台期；二是部分领域并未如预期般加速；三是一批循环交易正在遮蔽市场的真实增长，超大规模云厂商设法抢跑，真实增长难以判断。他将需求锚回财富效应，认为若市场出现10%至15%的错位，人们会感到变穷，进而影响信用市场与需求。对三家大型平台公司，他均选择长期持有，理由是庞大的消费者基数带来稳定性，为其追赶留出了时间；若必须做空一家，他选择Meta，理由在于其可能变得平淡、类似一家电话公司。

总的看，Murdock表示不会押注前沿模型失败，但一次全球金融事件与模型未能继续演化两者叠加，可能将行业推入幻灭低谷；AI算力需求本身不会消失，风险主要来自短期融资能力与信用市场的中断。