泡沫可能在价格里，不一定在技术里
泡沫这个词容易误导。它让人以为只有两种答案：要么 AI 是骗局，要么所有投入都合理。
现实要复杂得多。
甲骨文的财报数字本身并不弱。公开报道显示，它 2026 财年第四季度收入约 192 亿美元，同比增长 21%；Oracle Cloud Infrastructure，也就是甲骨文云基础设施业务，收入约 58 亿美元，同比增长 93%；剩余履约义务 RPO 达到 6380 亿美元。
RPO 可以简单理解为：客户已经签下、但企业还没有完全确认成收入的合同义务。它说明需求确实存在，但它不是马上到账的利润，也不是没有风险的现金。
市场担心的地方也在这里。AI 云不是传统软件许可生意。传统软件的边际成本相对轻，合同一签，后续收入质量比较漂亮；AI 基础设施则不同，它要先建数据中心、买 GPU、上电力、做网络，还要承担融资成本和折旧压力。
公开报道提到，甲骨文 2026 财年资本开支约 556.6 亿美元，自由现金流为负 236.9 亿美元，并且 2027 财年资本开支可能进一步上升到 900 亿至 950 亿美元。
这就是资本市场真正害怕的东西：不是 AI 没有需求，而是需求兑现之前，钱要先烧出去。
从董事会视角看，这不是一个技术题，而是一个资产负债表题。你可以相信 AI 会改变行业，但你仍然要回答三个经营问题：投入什么时候回收，客户集中度是否过高，未来价格会不会因为算力供给增加而下降。
AI 会改变商业模式，但不是平均地改变
我判断，AI 不会简单替代软件行业，而是会把软件行业拆成几层重新分配利润。
第一层是算力和基础设施。这里需要巨额资本，赢家可能拿到很大的合同，但也要承担重资产周期。甲骨文现在被市场盯住，正是因为它从传统企业软件公司，越来越像一个 AI 基础设施公司。
第二层是模型和平台。这里的竞争核心不是谁会讲故事，而是谁能把模型能力稳定地嵌入企业流程。企业不会长期为“会聊天”付高价，但会为“能缩短订单处理、客服响应、风控审批、研发测试周期”付钱。
第三层是行业应用。真正的利润可能不在通用问答，而在具体场景：财务结账少花三天，供应链异常提前发现，销售预测不再各部门各说各话，研发文档和代码审查变成日常辅助。
对多数企业来说，AI 项目的第一性原理不是“能不能用大模型”，而是“哪条经营链路被缩短了”。
如果 AI 只是让员工多开一个聊天窗口，它不会带来战略价值。如果 AI 能把销售、库存、交付、回款放在同一套数据口径里，让经营会议少争论事实、多讨论动作，它才真正进入了商业模式。
这也意味着，未来的软件收费方式会变化。过去企业买软件，更多是按账号、模块、授权、维护费付钱。AI 进入之后，客户会更关心结果：少雇多少外包、缩短多少周期、降低多少错误率、提升多少转化率。
软件公司的收入也会从“卖工具”向“卖产能、卖自动化结果、卖风险降低”迁移。
这条路能走通，但不轻松。因为一旦软件公司开始承诺结果，它就不能只交付系统，还要介入客户的流程、数据、权限和组织责任。这恰恰是很多 AI 项目最难的部分。
被替代的不是岗位名称，而是岗位里的任务
谈 AI 对人的影响，我不太赞成简单说“某某岗位会消失”。
更准确的说法是：岗位是一个容器，里面装着很多任务。AI 先替代的是任务，不是名片上的职位。
比如一个财务岗位，可能包含凭证整理、异常核对、报表解释、预算沟通、经营建议。前面两项更容易被自动化，后面几项反而更依赖业务理解和跨部门沟通。
一个程序员岗位，也不是只写代码。它还包括理解业务、拆解需求、判断技术债、设计边界、排查线上问题、和产品与运维沟通。AI 会显著改变写代码这件事，但不等于企业不再需要能对系统结果负责的人。
IMF 的研究和公开表述认为，AI 可能影响全球约 40% 的岗位，在发达经济体约 60% 的岗位会受到影响。这里的关键词是“影响”，不是全部消灭。有些岗位会被增强，有些岗位会被重组，有些入门级任务会明显减少。
真正危险的是入口岗位。
很多年轻人过去靠基础任务进入一个行业：整理材料、写初稿、做测试、跑报表、接一线客户问题。这些任务看起来低级，但它们是学习行业语境的通道。如果 AI 把这些入口任务大量吃掉，企业短期效率提高，长期可能出现人才断层。
所以，企业不能只做“降本”的 AI。只降本，不重训，不设计新成长路径，最后会把组织能力一起削薄。
一个负责任的 AI 转型，至少要同时做三件事：重新定义岗位任务，重新设计学习路径，重新分配生产率收益。
全民在家休养，不会自动到来
“AI 让所有人都在家休养”这个想象很美，但我认为它不是技术自然带来的结果。
技术提高生产率，只说明社会有能力用更少劳动生产更多东西。至于多出来的收益归谁，是另一个问题。
如果收益主要被资本、平台和少数高技能岗位拿走，普通劳动者面对的就不是乌托邦，而是更强的不安全感：岗位减少，工资压力增加，重新学习成本自己承担。
如果企业和社会能建立新的分配机制，情况才可能不同。比如更系统的再培训，更灵活的工作时间，更强的社会保障，更清晰的数据和算法责任，更合理的利润分享。
这里的关键不是“AI 会不会足够聪明”，而是“组织和制度会不会足够成熟”。
企业内部也是一样。AI 带来的效率提升，不应该只变成财务报表里的费用下降。它还应该变成流程改善、客户体验提升、员工能力升级和组织韧性增强。
如果一家企业用 AI 只是为了裁掉一批人，但没有重构流程，也没有让剩下的人变得更强，那么它得到的只是短期利润，而不是长期竞争力。
我对企业管理者的判断
我不会因为甲骨文股价回撤，就得出“AI 是泡沫”的结论。
但我也不会因为 AI 有真实需求，就认为所有 AI 投入都值得。
我更倾向于把现在看成一次分层：技术革命是真的，估值泡沫是局部的，商业模式还在重写，劳动分配远没有准备好。
企业管理者现在要做的，不是跟着市场情绪在乐观和悲观之间摇摆，而是回到几个朴素问题：
AI 缩短了哪条经营链路？
它改变的是收入、成本、风险，还是只是演示效果？
哪些任务会被替代，哪些能力反而更重要？
被释放出来的时间和利润，是否有一部分投入到员工再训练和组织升级？
未来不会因为 AI 自动变成乌托邦。它更像一次压力测试：测试资本市场能不能区分叙事和现金流，测试企业能不能把技术放进真实流程，也测试社会能不能让生产率提升不只服务少数人。
我期待的未来，不是所有人被动地“在家休养”，而是更多人不再被低价值、重复、消耗性的工作困住。
这个未来不是等来的，是设计出来的。