如果说 2025 年创投圈 Q1 的关键词是 DeepSeek 和宇树科技，那么 Q2 的关键词备选中，一定有‘ 朱啸虎’ 和‘ 人形机器人泡沫’。3 月 28 日，金沙江创投管理合伙人朱啸虎抛出“ 批量退出人形机器人企业” 的言论之后，一场关于人形机器人赛道泡沫的论战就此打响。各路创业者和投资人纷纷下场、各抒己见，一时间各种观点疯狂对撞，给刚刚捂热的人形机器人赛道当头泼了一盆冷水。
人形机器人行业到底有无泡沫？如何定义一个行业出现了泡沫？如何评价泡沫的大小程度？泡沫本身对于行业到底意味着什么？
当“ 理想主义” 和“ 现实主义” 争论不休时，或许我们应该暂时跳出人形机器人行业的局限，重新思考“ 泡沫” 本身对于商业和科技的价值与意义。
泡沫叙事下的商业轮回
"泡沫"（Bubble） 一词源自拉丁语"bulla"，本指肥皂泡般脆弱易破的事物。
16 世纪荷兰郁金香投机狂潮首次赋予其经济学内涵—— 当一颗稀有郁金香球茎价格超越阿姆斯特丹运河豪宅时，投机客们仍坚信"这次不一样"。这种集体认知偏差如同肥皂泡的表面张力，支撑起虚幻的价值幻象，直至 1637 年 2 月价格体系瞬间崩塌，留下人类首个系统性金融泡沫的标本。
1841 年，一位英国记者查尔斯· 麦基在 《非同寻常的大众幻想与群众性癫狂》（Extraordinary Popular Delusions and the Madness of Crowds） 一文中，将荷兰郁金香狂热 （1637 年）、南海泡沫 （1720 年） 和密西西比泡沫 （1720 年） 并列分析，首次将此类事件统称为“ 泡沫”。“ 泡沫” 一词由此成为描述非理性资产价格膨胀的标准术语。
此后的几个世纪里，泡沫以惊人相似的剧本反复上演，每次泡沫破裂都伴随财富湮灭与社会动荡，却始终未能阻止人类追逐泡沫的本能。正如经济学家金德尔伯格所言："泡沫是人性贪婪与恐惧的合鸣。"
人类经济活动早期的“ 泡沫”，都是单纯地基于商品或者金融资产的交易套利目的而产生。这类“ 泡沫” 并未对人类社会的进步产生任何增量贡献，反而因其剧烈的反噬，给“ 泡沫” 一词笼上了一层厚重的阴影。“ 恐惧” 成了人们谈及“ 泡沫” 的第一反应。
如果“ 泡沫” 发生在技术资产的估价上，其意义便截然不同。
1990 年代末的互联网泡沫中，全球风险投资规模从 1995 年的 80 亿美元激增至 2000 年的 1040 亿美元，催生了云计算、电子商务等底层基础设施的早期布局。尽管大量初创企业破产，但存活下来的谷歌、亚马逊等公司凭借泡沫期积累的技术储备，最终定义了数字经济的运行规则。
2000 年光伏产业泡沫破裂后，全球 80% 的硅基太阳能电池专利集中在前十大企业手中，技术路线从晶硅向薄膜的探索被迫加速。类似地，自动驾驶泡沫中 Waymo、Cruise 等企业早期累计投入超千亿美元的测试数据，客观上推动了激光雷达与视觉感知技术的标准化融合。泡沫竞争倒逼行业快速确立技术标准。
2018 年区块链泡沫高峰时期，全球加密货币开发者数量同比激增 300%，其中 35% 来自传统金融机构。这些跨领域人才的涌入，为 Web3.0、DAO 等创新形态奠定了人力基础。泡沫期形成的高薪岗位与创业机会，将顶尖人才吸引至前沿领域。
“ 套利泡沫” 的破裂，留给世界的是一地鸡毛，但“ 科技泡沫” 的破裂，留给世界的却仍有壮烈的“ 一将功成”。正如科幻小说界的一句名言："泡沫是文明升级必须支付的熵增成本。"
不可否认的事实是，现代那些“ 智商卓绝” 的投机客，很善于将“ 套利泡沫” 包装成“ 科技泡沫”，以人类进步和技术革命的宏大叙事，来装饰自己交易套利的短期诉求。这并不是件坏事，因为人类文明的进步，主要靠理想主义者推动，但是投机主义者，会加速这一过程。
风险投资的掌舵人，具有双重性。一方面需要坚定地站在技术进步的立场，对未来技术价值提前下注；另一方面又要防范客观存在的投机客炒高资产价格，加速泡沫破灭后给 LP 带来的经济损失。所以，全球的风险投资人们都在追求两件事：“ 造风” 和“ 逃顶”。
如何定义具体赛道出现了泡沫？如何评估泡沫大小？如何预测泡沫破裂的时间点？如何极致地催化泡沫并在泡沫破裂前实现退出？就成了所有风险投资掌舵人们的“ 秘笈”。
当然，这份“ 秘笈” 一定是主观的，一定参杂了大量“ 掌舵人” 个人经验和信仰的因素，但仍可以作为我们参考的坐标系。
泡沫预警机制
创投家从多份公开资料里，综合整理出了全球顶尖风投机构和咨询公司们关于行业泡沫的多维度预警模型的 8 大指标，用来定义行业泡沫的出现，评估泡沫压力。
1、资产总量指标：同一细分赛道短期内的企业增长数量。
-
1995 年网景浏览器上市引发资本对互联网的狂热追逐，1998-2000 年间全美新增.com 公司超 1 万家；
-
2010-2013 年的团购泡沫期间，全球注册企业超 2 万家，其中中国有约 1.2 万家，集中在本地生活服务领域；
-
2014-2016，共享经济泡沫期间，全球注册企业超 6000 家，其中中国 1800 家。
红杉资本在其 《Risk Factor》 报告 （2021） 中指出，某赛道企业数量年增速超 200% 时需警惕非理性繁荣。麦肯锡也在其 《The Rise and Fall of Industries》 研究 （2022） 中强调，当行业企业数量增速是 GDP 增速的 5 倍以上时，泡沫风险显著上升。
2、融资热度指标：
-
赛道融资总额的增长率。
赛道融资总额的增长往往是引发资产总量的同步激增的直接原因。同样在 2015 年，共享经济泡沫期间，全球该领域融资总额超 200 亿美元，同比增长 120%；第二年，中国的共享单车市场融资总额超 90 亿美元，环比增长 200%。
孙正义在 2019 年软银的财报电话会议中提到，当赛道单季度融资额环比增长超 300% 时，需重新评估资产质量。
-
天使轮融资轮次占比。
天使轮融资占比过高，意味着大量初创企业涌入赛道，而初创企业的低生存率本身就是导致泡沫破灭的重要因素。2022 年元宇宙赛道天使轮占比达 41%，半年内估值蒸发 67%。
Benchmark Capital 创始人比尔· 格利在其 2022 年 Web3.0 投资备忘录指出天使轮占比超过 30% 是行业进入“ 非理性阶段” 的标志。
-
融资轮次压缩。
资本流入速度过快的另一个维度指标。2015 年的 O2O 泡沫时期，种子轮到 B 轮平均间隔从 2 年缩短至 6 个月；2017 年全球 ICO 泡沫时期，种子轮到 PE 轮的平均间隔从 6 个月缩短至 1 个月。
高盛 2015 年的报告 《The Rise of the Mega-Rounds》 中，分析师指出：“ 在泡沫周期中，融资轮次间隔显著缩短，早期项目 （如种子轮到 A 轮） 的平均时间从传统的 18-24 个月压缩至 6-12 个月，反映出资本过热和竞争加剧。”
-
FA 佣金溢价。
FA 的费用标准作为离交易最近的数据指标，也可以用来衡量一个赛道受资本追捧热度的程度，而且非常及时。PitchBook 统计数据显示 2021 年 VR 赛道 FA 费率同比上涨 20%-30%。
《FA 行业白皮书》（2020） 中指出，FA 费率超过 5% 且附带排他条款时，行业大概率处于过热状态。
3、非理性定价指标：PS（市销率） 倍数：
这项指标经常被二级市场分析师用来诟病一级市场的资产定价泡沫。赛道创业公司 PS 与成熟行业龙头 PS 对比出现倒挂，例如 2021 年的全球 SaaS 泡沫中，多家未盈利的 SaaS 公司 PS 高达 30 倍，而 Adobe 仅为 10 倍。摩根士丹利也在 《Tech Bubble 2.0》 报告中警示，SaaS 企业 PS 倍数超过 30 倍时需警惕。
Benchmark Capital 创始人比尔· 格利也曾指出，当企业市销率超过 40 倍时，需警惕"单位经济失灵"风险。
4、退出渠道指标：
《华尔街日报》 数据显示 2021 年美股 SPAC 上市企业首年破发率高达 63%，被称为美股 SPAC 泡沫；伴随着上市破发，该行业的并购交易量显著下降也是泡沫来临的标志。
高盛统计数据显示，当上市企业首年破发率超 60% 时，市场进入“ 挤泡沫阶段”
5、资金属性指标：跨界投资人涌入
表现为传统行业巨头大规模入场。近些年大家耳熟能详的案例—— 新能源汽车泡沫破灭前夜，百度成立集度汽车，恒大集团收购法拉利 FF 成立恒大汽车，宝能集团收购观致汽车，华夏幸福收购合众新能源推出哪吒汽车等。
贝恩在 《Corporate Venturing 2022: Scaling Innovation Through Collaboration》（2022 年） 中详细分析了企业风险投资的周期性特征，并提到：“ 当跨界资本 （尤其是传统行业资本） 在某一新兴领域的占比超过 30% 时，该领域的估值偏离度平均上升 40%，后续三年内发生行业洗牌的概率超过 60%。”
6、人才虹吸指标：岗位薪资水平非理性膨胀
2017 年 ICO 狂热期间，区块链初创公司普遍以高薪吸引人才，普通程序员年薪可达 30-50 万美元 （远超硅谷平均水平）；LinkedIn 在其 《Salary Insights》 报告中显示，2022 年全球元宇宙相关岗位薪资同比上涨 120%，但 90% 的项目停留在概念阶段。
短期投机资金涌入推高人力成本，导致薪资增速远超行业营收或利润增长水平，显著偏离基本面，预示着泡沫破裂。
7、叙事热度指标：媒体热度指数
2018 年比特币暴跌前夕，全球主流媒体 （如 《纽约时报》《华尔街日报》） 每日头版报道，社交媒体上“ 比特币” 搜索量暴增 300%；2021 年"元宇宙"泡沫爆发前夜，“ 元宇宙” 关键词在 Google Trends 搜索量环比增长 700%；清科研究中心统计显示，2015 年 O2O 赛道百度指数峰值与融资峰值时间重合度达 92%。媒体的过度渲染往往成为泡沫加速器，而当叙事转向负面时，又加剧市场崩盘。
CB Insights 的 《Narrative Analytics》 工具中就会通过媒体提及量、社交媒体讨论热度预测泡沫风险。
8、监管行为指标：政策套利行为和窗口指导频率
这个指标比较独特。例如某“ 泛金融行业” 在被明令禁止之前，70% 以上项目的商业模型都依赖于监管灰色地带；又如，“ 园丁赛道” 在面临监管风暴之前，监管部门对其约谈次数月均超 3 次。
安永在其发布的研究报告 《Global Regulatory Outlook 2023》 中显示，在强监管领域，企业合规成本年均增长达 150%-200%。
创投家说
简单的代入行业数据并不能直接得出泡沫的结论。就像我们无法用 17 世纪郁金香球茎价格波动来预测 20 世纪互联网泡沫的走势，我们亦不能将 Web2.0 时代的融资轮次压缩规律套用于 AI 大模型或者人形机器人赛道。宏观经济环境的变化、政策制度的调整、技术革命的颠覆，都在不断重塑泡沫生成的土壤与破裂的临界点。
高盛报告中的“300% 融资环比增长红线”、Benchmark Capital 划定的“30% 天使轮警戒线”，在今天或许是精准的预警灯，明天或许会就成为被新变量重构的旧地图。
但正是这种动态性，赋予了预警机制真正的生命力。当我们试图用数据锚定泡沫时，也必须承认其背后的不确定性。阈值是流动的，而真正的智慧在于感知变化。
历史经验表明，真正的颠覆性创新往往诞生于泡沫退潮后的沙滩上。当资本热潮褪去，那些拥有核心技术护城河、清晰商业化路径的企业方能穿越周期，将今日的泡沫转化为明日的基石。泡沫本身不是问题，误判泡沫的破裂时机才致命。
（本文首发于钛媒体 App，作者｜陶天宇、郭虹妘，编辑｜陶天宇）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
