4800亿美元在股市“烧光”：中国AI泡沫破裂。下一个会是美国吗？

Artem Honcharenko, PhD

KNUBA退伍军人重返社会、康复与职业发展研究所（Institute of Reintegration, Rehabilitation and Professional Development of Veterans）“Architecture of Resilience”所长

2026年10月27日 • 作者分析

中国股市暴跌：市场到底发生了什么

不久前，芯片、数据中心光学元件和机器人领域的制造商还被称为这场新技术革命的最大赢家。投资者买入它们的股票，期待人工智能需求在未来增长。10月底，这种信心变成了大规模抛售。

据 Reuters 2026年10月26日的报道，反映上海市场领先科技创新企业走势的STAR 50指数在 不到四个月内下跌约40%。市值合计缩水估计约 4800亿美元。10月27日，该指数收于 1,252.28点，单日跌幅为 4,81%. [1–2]

这里有两点需要说明。 STAR 50并不是中国50家规模最大的纯AI公司的名单，而是科技创新板块的指数，其中不少公司与半导体和AI相关。并且 4800亿美元并没有从企业的银行账户中“消失”：这指的是所持股票的市场估值下跌。

不过，修正的规模并不因此而变小。Reuters列举了个别机器人、芯片和光学设备制造商股价下跌数十个百分点的例子。股市突然想起了一个简单的经济要求：好的技术并不能保证带来足以支撑任何股价的利润。[1]

市场为何降温：过高预期与实际利润的对比

在上涨高峰期，据Reuters估算，STAR 50指数的市盈率（P/E）接近 250。即使在急剧下跌之后，该指数的市盈率仍约为 100，而同一报道中纳斯达克100指数（Nasdaq 100）的参考值约为 30。这两个指数的结构并不相同，但这一差距表明，投资者已在中国股票报价中计入了多少未来增长。[1]

除了估值高企，市场还对AI硬件需求的增速产生疑虑，并面临可能的出口限制、税收因素以及中国元器件销往海外数据中心的风险。这些原因单独都无法解释整场暴跌，但合在一起使市场变得脆弱。

我的结论很简单：必须把股价与技术的实用价值区分开来。 一家公司可以创造出有用的产品，却在股市中被高估得毫无道理。反过来，其股价下跌也不会抹去已经取得的技术成果。

必须清楚地区分两件事：人工智能的经济效益，以及依靠它赚钱的公司的投机性估值。股市的预期可能出错。但如果这项技术确实缩短了研究时间、提高了生产率，并能让人们更快地做出有依据的决策，这种价值不会随着股价下跌而消失。

AI真的能加快人的工作吗：哪些已被证实，哪些只是承诺

作为研究者，我认为评估人工智能不应看演示的声势，而应看设有对照组的独立实验。这样的研究已经存在。

在MIT于2023年发表在期刊 Science 上的研究中， 453名专业人员 完成了职业写作任务。在可使用ChatGPT的小组中，平均完成时间缩短了 40%，专家评估的成果质量提高了 18%。这是一项真实的实验，但并不能证明任何复杂研究都会自动加速同样的40%。[3]

在Harvard Business School与Boston Consulting Group开展、 758名顾问 参与的实验中，GPT-4用户完成与模型能力相匹配的任务时，速度提高了 25%以上 ，完成的任务量多出 12%以上。同时，在超出该工具可靠能力范围的任务上，使用AI反而导致结果更差。[4]

科学分析尤其具有代表性。一项对 25项研究的综述，发表于 Frontiers in Pharmacology （2025年），记录到其中 17项研究的用时缩短超过50%。在某些情况下，自动化摘要筛查的耗时缩减了 5–6倍，在文献检出率达95%的条件下，人工工作量缩减了 6–10倍。这主要涉及筛选的个别环节，而不是从构想到经验证结论的全过程。[5]

也有需要注意之处。在METR于2025年开展的随机实验中， 16名经验丰富的开发者完成 246项真实任务，使用当时的AI工具平均花费的时间 多出19%，尽管他们自己认为速度加快了。因此，对新手有帮助的工具，在熟悉的工作上如果验证结果的成本过高，反而可能拖慢专家。[6]

结论： 我们应当衡量的不是生成文本的数量，而是单位时间内 正确且经过验证的结果的数量.

一个改变量级的例子：10万份文件

设想一个组织需要初步审阅 100,000份文件 ——合同、科研论文、报告、公民来信或重建相关材料。如果每份文件只花 三分钟，就需要 5,000人时，即625个八小时工作日。由十名分析师组成的团队满负荷工作大约需要12.5周。

现在假设经过验证的系统能自动完成去重、初步分类、矛盾检索并生成例外清单。如果其质量足以 将人工筛查减少90%，这一阶段将剩下相当于 500人时 的工作量。

这是一个示意性模型，而不是某次具体应用的结果。 它没有单独计入计算、配置、质量控制的成本，也没有计入被漏掉的关键案例。因此，不能机械地宣称整个研究提速十倍。

但它说明了真正的价值产生于何处： 如果自动化筛选已证明达到所需精度，专家就不再需要逐条手工审阅每一项信息。专家将从海量阅读转向对复杂案例的深入工作。

市场开始走向成熟。仅凭技术革命的承诺已经不够。投资者希望看到利润，组织希望看到具体成果：节省了多少时间、避免了多少错误、处理了多少来信来访，以及维护系统要花多少钱。真正的竞争优势将属于能够证明AI经济效益的人。

战争改变了生产率的公式：这对乌克兰为何重要

在我国，员工可能技能高超、干劲十足，却无法取消空袭警报或导弹袭击。人的安全必须始终是第一位的。

在European Business Association于2026年2月对该协会成员企业的 131名高管 所做的调查中， 45% 的受访者将空袭警报期间的停工列为常见限制， 82% 的受访者将对能源系统的袭击列为对业务负面影响最大的因素。这不是全乌克兰平均工时损失的统计数据，但是运营障碍的有力证据。[7]

设想一个需要100个有效分析工时的项目。如果实际可用工作时间为70%，完成它大约需要 143小时的计划工作资源。在模拟的混合流程中，人工保留25小时，机器处理和配套操作增加10小时，总估算为 约46小时。两者相差约 3.1倍.

不应把这些数字视为乌克兰企业的标准： 70%的可用率和业务构成在这里只是情景假设。实际效果将取决于任务的性质、数据的准备程度和系统架构。

不过，这一原则很重要。如果计算资源、数据和任务队列得到妥善冗余并在地理上分散部署，即使员工身处避难所，部分业务也可以继续运行。但如果系统依赖于没有备用通信和供电的单一办公室服务器，就不会有这种优势。

对乌克兰而言，使用人工智能不只是想在技术上显得先进，而是关乎韧性。人在战争期间有权享有安全、休息和保护。与此同时，构建得当的数字基础设施可以保障部分关键流程的连续性。我们的任务不是取代人，而是用技术增强人的能力。

真正的革命不是一分钟生成一篇文字，而是在报告出现之前发现问题

我认为，下一场变革将比自动撰写分析备忘录更为深刻。这指的是 全天候监测，即数据持续流入，系统发现偏差，按规则核查，对风险分类，并把信息交给负责人，或执行事先许可的安全操作。

在网络安全领域，为此早已发展出 SIEM 和 SOAR平台。2025年的国际指南将它们描述为收集事件、发现可疑活动、通知专业人员并使响应的特定环节自动化的工具。同时，这类系统需要持续的配置、测试和合格人员的监督。[8]

对乌克兰而言，这一原则可以应用于重建监测、财务监督、环境指标、网络威胁以及退伍军人及其家属来信来访的处理。例如，新的来信可以自动转交相应部门，招标文件中的异常变更可以向审计员发出信号。但是，涉及医疗救助、权利限制或经济制裁的决定，若没有适当的独立监督机制，就不能交给生成式模型。

未来属于那些不只是积累信息，而是持续分析事件的系统。人工智能可以帮助发现异常、核查异常，并启动事先商定的响应方案。但关键决策必须始终处于适当的人工控制之下。恰恰是自动化与责任的结合，将决定新型数字生态系统的质量。

错误的代价：哪些地方不能把自动化与信任混为一谈

自动化的规模越大，系统性错误的代价就可能越高。模型可能言之凿凿地编造出处、漏掉重要文件，或者让不合适的用户访问机密数据。正因为如此，对于医疗、个人和金融类材料，需要数据最小化、访问权限控制、操作日志记录、准确性核验，以及针对关键操作的单独审批程序。

科学界必须把机器处理的速度与结论的可靠性区分开来。当AI协助撰写科学综述或为管理决策提供分析时，这一点尤为重要。

我们必须区分信息处理的速度与所得知识的可靠性。人工智能可以大幅加快数据的检索、比较和系统化，但这并不能取消核验来源、检查方法以及确保结果可重复性的必要。

中国股市的暴跌会在美国重演吗？

这是如今呼声最高的问题。然而， 中国STAR 50指数40%的跌幅并不意味着美国股票会自动下跌40%。Reuters将中国的这轮调整与Nasdaq较近期高点约6%的回落作了对比。这是不同的指数、不同的时期和不同的业务结构；以此为依据直接做出预测是没有根据的。[1]

全球科技股确实存在风险：预期过高、算力基础设施的资本支出巨大、需求不确定以及变现困难。但每家公司的脆弱程度，取决于其利润、现金流、债务、客户以及所筹资本的成本。

在我看来，市场的关键问题已经发生了变化： 不是“谁把AI喊得更响”，而是“谁能把技术转化为经过验证的经济成果”。按这一逻辑，投机性估值的下降甚至可能促使企业进行更加审慎的投资。

我对乌克兰各组织的建议

不应因为另一个国家的股市暴跌而停止数字化转型。但同样，也不必仅仅因为时髦就盲目购买昂贵的AI解决方案。理性的做法可以归结为五个实用步骤。

1. 测量当前流程： 操作耗时、成本、错误、等待答复的时间以及人员的工作负荷。
2. 选择一个范围狭窄的试点： 例如文件分类、重复项查找或来信来访的优先级排序，而不是一下子把整个管理工作都自动化。
3. 界定自主权限的边界： 算法可以独立执行什么、只能提出建议的是什么，以及哪些必须由人来做决定。
4. 检验质量与安全： 被漏掉的关键案例、误报、对个人数据的访问、对供应商的依赖以及抵御故障的能力。
5. 核算完整的经济账： 许可证、算力、系统集成、维护、团队培训——以及所节省时间的价值。

如果不对这些指标进行测量，关于节省五倍或十倍的说法就会变成营销话术。如果加以测量，组织就能基于证据做出决策。

结论：股市泡沫可能破裂，而技术革命将继续

中国股市暴跌是对投资者的严重警告。它表明，即便是前景广阔的行业，也无法免受估值虚高、不合理预期和市场情绪骤变的冲击。

但对我这个研究者，以及从事人力资本和乌克兰重建问题的机构负责人来说，结论不同： 评价一项技术应看它对真实任务的影响，而不是看股市的狂热.

如果自动化缩短了处理来信来访的时间，帮助及时发现风险，在战时保障工作的连续性，并让专业人员腾出手来做负责任的决策，它就已经具有实际价值。但这种价值需要加以衡量，安全性也需要得到证明。

AI泡沫可能破裂。但对经过验证的知识、有韧性的组织和及时决策的需求不会破裂。

来源与方法说明

[1] Reuters. “In China, the AI bubble has already burst”，2026年10月26日 来源

[2] Investing.com. SSE STAR 50: historical data，2026年10月27日收盘 来源

[3] Noy S., Zhang W. «Experimental evidence on the productivity effects of generative artificial intelligence». Science, 2023 来源

[4] Harvard Business School / Boston Consulting Group. «Navigating the Jagged Technological Frontier», 2023 来源

[5] Abogunrin S. et al. «How much can we save by applying artificial intelligence in evidence synthesis?». Frontiers in Pharmacology, 2025 来源

[6] METR. «Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity», 2025 来源

[7] European Business Association. “大规模战争的四年：乌克兰企业如何运转”（Four Years of the Large-Scale War: How Business Operates in Ukraine），2026年2月24日 来源

[8] Australian Signals Directorate及国际合作伙伴. “Implementing SIEM and SOAR platforms: Executive guidance”，2025年5月27日 来源

计算说明：10万份文件的例子和战时人员可用性模型均为示意性假设。应将其与具体对照研究的结果区分开来，并在做出投资决策之前用自己的数据加以检验。