这条消息很有冲击力，但我觉得**“三年内泡沫破裂、算力需求骤降百万倍”不能直接当成确定性结论**。

据凤凰网报道，NTT数据集团王坚革教授认为，当前AI产业存在明显泡沫，未来如果出现新的AI数学理论，模型效率可能大幅提升，甚至让算力需求下降几个数量级。 

这个观点真正有价值的地方，其实是提醒市场注意一个问题：

AI行业现在是不是过度依赖“堆算力”？

过去几年，大模型竞争确实形成了一个非常明显的路线：

更大的模型 → 更多训练数据 → 更多GPU → 更大的数据中心 → 更多电力。

但问题是，这条路线并不意味着永远有效。

如果未来模型架构、算法效率、推理方式出现重大突破，那么同样的AI能力可能需要更少的GPU。

这对英伟达当然是潜在风险。

但另一方面，现在也不能简单说“英伟达泡沫马上要破”。

因为现实数据仍然显示，AI算力需求非常强劲。比如AI云服务商Nebius今年二季度AI云业务收入接近增长6倍，并表示其2027年的算力容量按目前条件几乎可以全部卖出。 

甚至英伟达自己最近正在反过来解决AI算力最大的瓶颈——电力、土地和数据中心基础设施。

英伟达与SB Energy合作的俄亥俄州项目，规划最终达到8GW规模，首期预计2028年上线800MW；英伟达还为OpenAI相关项目提供巨额担保。 

所以现在的情况其实很有意思：

一边有人开始质疑“算力堆叠”会不会走到尽头；另一边产业巨头还在疯狂抢土地、抢电力、抢GPU。

这说明市场可能正处于一个非常关键的阶段。

真正需要观察的，是三个变量

第一，AI单位算力产生的价值有没有继续提升。

如果模型越来越聪明，但每个任务需要的GPU越来越少，那么英伟达的长期逻辑确实会受到挑战。

第二，推理需求能不能接住训练需求。

即使训练模型越来越高效，未来AI Agent、自动驾驶、机器人、企业AI等大规模推理，也可能持续消耗大量算力。

第三，电力是不是比GPU更早成为瓶颈。

这一点已经越来越明显。英伟达自己也把AI基础设施的瓶颈从单纯的芯片供给扩展到了电力架构；行业研究也普遍认为，2027—2028年电网连接可能成为AI数据中心扩张的重要限制因素。 

所以，与其简单理解成：

“英伟达三年后要崩。”

不如把它理解成一个更值得思考的问题：

如果未来AI效率提高100倍，算力需求会减少，还是因为AI应用扩大1000倍，最终反而需要更多算力？

这才是决定下一轮AI产业格局的关键。

至于“算力需求下降百万倍”，目前更适合把它看成一种极端技术突破情景，而不是可以直接拿来做投资判断的预测。

AI泡沫可能会破，但AI产业本身未必会消失。真正可能被淘汰的，往往是某一代技术路线。