注：這是一篇對(duì)AI是否是泡沫的深度討論文字，摘自以前的一篇付費(fèi)文章《AI泡沫的思辨和明年光模塊的展望》， 如果您已經(jīng)閱讀過那篇文章，就不必看現(xiàn)在這篇文章了，內(nèi)容基本上一模一樣， 區(qū)別只是我取消了付費(fèi)內(nèi)容，成為了一篇免費(fèi)文章。
前言
今年已經(jīng)快過完了，兩三個(gè)月前，一些同行企業(yè)領(lǐng)導(dǎo)人和投資者要求我談一下明年的光模塊市場(chǎng)形勢(shì)，我都要先反問別人：
AI是不是泡沫？
因?yàn)槭桥菽筒皇桥菽攀敲髂旯饽K市場(chǎng)的根本性因素。
一開始我放棄了我自己對(duì)AI是不是泡沫的判斷，因?yàn)槲矣X得我本人遠(yuǎn)離AI的應(yīng)用前線，光模塊只是AI系統(tǒng)的硬件之一，我對(duì)光模塊市場(chǎng)的這點(diǎn)了解遠(yuǎn)遠(yuǎn)談不上我有資格判斷AI是不是泡沫。
與此同時(shí)，我也試圖和很多業(yè)內(nèi)企業(yè)領(lǐng)導(dǎo)人、行業(yè)媒體以及基金經(jīng)理和研究員請(qǐng)教他們的看法。
幾乎所有的業(yè)內(nèi)企業(yè)的領(lǐng)導(dǎo)人，都認(rèn)為這是泡沫。
基金經(jīng)理和研究員比較分裂，有人認(rèn)為是泡沫，有人認(rèn)為不是。
今年三月份美國(guó)銀行采訪了226位總共管理了5720億美元基金的基金經(jīng)理，其中40%認(rèn)為是泡沫，45%認(rèn)為不是。
六月底，高盛發(fā)表了一篇著名的文章《AI: 太多支出，太少收益》，基本上認(rèn)定了這是泡沫。
差不多同一時(shí)間，著名的紅杉資本也發(fā)表了一篇文章《AI的6000億美元問題》，也持和高盛一樣的觀點(diǎn)。
看了這兩篇文章，我突然覺得，雖然我們光模塊行業(yè)離開AI前線有一定距離，但AI前線還是比透明的，我們可以獲得很多信息，信息的豐富程度和AI前線的人差別并不大，至少我們可以有足夠的材料討論一下這個(gè)話題。
另外，AI是不是泡沫和我們行業(yè)密切相關(guān)，如果完全不做判斷，很多業(yè)內(nèi)公司做明年市場(chǎng)戰(zhàn)略的時(shí)候就會(huì)進(jìn)退失據(jù)，做出損失重大的決策。
于是我改變主意了。我自己做了個(gè)課題，研讀了幾十篇美國(guó)主要媒體和投資公司的文章，這里把他們的觀點(diǎn)總結(jié)一下搬運(yùn)過來(lái)放在下面，除了一部分說明了是我的看法外，其他都是盡量忠于作者本意。
所以，我只是個(gè)觀點(diǎn)的搬運(yùn)工，而且我盡量把兩邊的觀點(diǎn)都搬運(yùn)全，一個(gè)不漏。
雖然我在最后會(huì)做出自己的判斷，但我沒有對(duì)自己結(jié)論的十足把握，畢竟這事預(yù)測(cè)未來(lái)，誰(shuí)說有把握都是扯淡，所以我希望讀者自己對(duì)列出的兩邊的觀點(diǎn)賦予不同的權(quán)重來(lái)做出自己的判斷。如果誰(shuí)對(duì)自己有信心，完全可以不用理會(huì)我的判斷�！�
基于”觀點(diǎn)搬運(yùn)工“的本意，我也將大部分參考文章列在本文末尾，如果誰(shuí)想進(jìn)行更細(xì)的研究和考證，歡迎前往閱讀。
文章的后面，我在基于我關(guān)于AI的結(jié)論的基礎(chǔ)上對(duì)光模塊明年的發(fā)貨數(shù)量和市場(chǎng)決定性因素做個(gè)分析和預(yù)測(cè)，是付費(fèi)閱讀部分，供關(guān)注光模塊行業(yè)的人參考。
對(duì)光模塊明年的情況想深度了解的還可以參加這個(gè)周日晚上的《2025光模塊市場(chǎng)分析》的研討會(huì)，報(bào)名信息在本文最后。
什么是泡沫
談AI是不是泡沫，先要對(duì)泡沫有個(gè)明確定義，否則就沒法說了。
2000年左右的Dot/COM泡沫（國(guó)內(nèi)多稱之為互聯(lián)網(wǎng)泡沫）是沒有爭(zhēng)議的泡沫。
當(dāng)時(shí)的泡沫主要是這么幾個(gè)表現(xiàn)：
股市層面：股價(jià)暴跌
2000年泡沫破裂的時(shí)候，納斯達(dá)克從4000多的高點(diǎn)跌到了800多點(diǎn)，我的雇主JDSU（Lumentum的前身）股票暴跌98.5%，從300多跌到3.6（分股后1.8），市值從2000多億變成20幾億。
泡沫起來(lái)的時(shí)候大量投資資金流入，很多不能盈利或者銷售額很低的公司在股市獲得很高的市值。
企業(yè)層面：訂單暴漲暴跌
泡沫時(shí)候，相關(guān)企業(yè)訂單暴漲，像我們產(chǎn)線2000年的時(shí)候，訂單暴漲十倍。
泡沫破裂的時(shí)候，我們的訂單全部被取消，公司兩年裁員12輪，工廠從3400人裁為零。
泡沫破裂的時(shí)候，行業(yè)內(nèi)除了上市企業(yè)，其他企業(yè)大量破產(chǎn)，少數(shù)沒有破產(chǎn)的也是非常煎熬。
社會(huì)層面：大量失業(yè)、百業(yè)凋零
企業(yè)大量裁員，導(dǎo)致很多人失業(yè)在家或者轉(zhuǎn)換工作，舊金山硅谷灣區(qū)也從凈人口流入地區(qū)變成流出地區(qū)，因泡沫帶動(dòng)起來(lái)的房?jī)r(jià)轉(zhuǎn)頭向下
相關(guān)的產(chǎn)業(yè)，如租房、汽車、餐飲、奢侈品銷售、教培都在向下，社會(huì)全面進(jìn)入蕭條期。
所以，只是股價(jià)大幅下跌（比如兩三成到五成），沒有七八成的跌幅，我們不能認(rèn)定為泡沫。我們還要看其他經(jīng)濟(jì)層面相關(guān)實(shí)業(yè)是不是也凋零了。如果經(jīng)濟(jì)層面的突變，比如AI建設(shè)突然停止、企業(yè)大量裁員，那結(jié)合股價(jià)暴跌才能算作為泡沫。如果只是股價(jià)大跌而沒有經(jīng)濟(jì)層面的改變，那我當(dāng)成這是投資者的獲利回吐，不當(dāng)成泡沫破裂。
紅杉資本報(bào)告的觀點(diǎn)
AI的可能的應(yīng)用前景我就不列舉了，我們過去幾個(gè)月耳朵都管灌出老繭了。
各種媒體已經(jīng)把AI的前景吹了個(gè)遍，毋庸置疑，AI是人類的一次重大的技術(shù)進(jìn)步，其重大程度可能比我們光通訊的還大。
我們就先匯總一下高盛和紅杉的報(bào)告，兩份明顯不看好AI的報(bào)告。因?yàn)榧t杉的報(bào)告發(fā)布的日期發(fā)布于６月２０日，早于高盛幾天，我們就從他們的報(bào)告說起。
紅杉的報(bào)告題目是《AI的6000億美元問題》，作者是紅杉資本的合伙人David Cahn。
Cahn有多篇關(guān)于AI泡沫的文章，把他幾篇文章合起來(lái)（文章鏈接都在本文末尾），其核心觀點(diǎn)是：
在AI現(xiàn)在的實(shí)際收入與比我們預(yù)期的低很多很多，與我們投入的6000億美元相比，收支相抵至少有5000億美元的差額，也就是說收入太低，花錢太多，投資收回遙遙無(wú)期。
目前有個(gè)流行的 ”AI是基礎(chǔ)設(shè)施“的說法：“買GPU就如同修鐵路。這些基礎(chǔ)設(shè)施雖然不賺錢，但它長(zhǎng)期將帶來(lái)綿長(zhǎng)的衍生價(jià)值，AI一樣，所以AI不能看短期幾年的回報(bào)�！�
Cahn對(duì)此完全不同意。
他認(rèn)為GPU和鐵路光纖等基礎(chǔ)設(shè)施有重大區(qū)別，導(dǎo)致其真正的ROI（投入產(chǎn)出回報(bào)）會(huì)很低。
這些區(qū)別是：
一、大部分基礎(chǔ)設(shè)施都是排他的、半壟斷的，如高速公路、鐵路和電力網(wǎng)絡(luò)，獨(dú)一無(wú)二，壟斷意味著定價(jià)權(quán)，意味著高利潤(rùn)的保障，而GPU算力不行，GPU算力和航空公司類似，錢投了不少，卻不是壟斷地位。
二、一般基礎(chǔ)設(shè)施折舊很慢，用個(gè)三五十年沒有問題，可以持續(xù)發(fā)揮作用，從而回報(bào)時(shí)間很長(zhǎng)，而GPU只能用三四年。
GPU恐怕是人類有史以來(lái)貶值最快的基礎(chǔ)建設(shè)設(shè)施。
另一方面，英偉達(dá)認(rèn)為在未來(lái)十年內(nèi)，他們?cè)谔幚砣斯ぶ悄芊矫娴男蕦⑻岣?00萬(wàn)倍。這是在相同的芯片基礎(chǔ)設(shè)施上，現(xiàn)在為訓(xùn)練而構(gòu)建的基礎(chǔ)設(shè)施也是我們將用于推理的相同基礎(chǔ)設(shè)施。所以當(dāng)世界從訓(xùn)練轉(zhuǎn)向推理時(shí)，它將是可替的，不必為推理構(gòu)建一個(gè)全新的基礎(chǔ)設(shè)施，所以后面基礎(chǔ)設(shè)施的建設(shè)會(huì)停滯。
Cahn強(qiáng)調(diào)：“我們這里存在的是一個(gè)泡沫：人工智能的成本（在芯片、數(shù)據(jù)中心、能源等方面）巨大，而雖然收入開始增長(zhǎng)，但距離收支平衡還很遠(yuǎn)，問題在于價(jià)值創(chuàng)造�？紤]到大型語(yǔ)言模型充其量是不可靠的（同時(shí)可能危及數(shù)據(jù)安全），使用它們的價(jià)值至少是不穩(wěn)定的�，F(xiàn)在消費(fèi)者每月為 Netflix （網(wǎng)飛，美國(guó)知名的在線電影網(wǎng)站）支付 15 美元獲得的顯著價(jià)值，并表示“從長(zhǎng)遠(yuǎn)來(lái)看，人工智能公司需要為消費(fèi)者提供顯著價(jià)值，才能讓他們繼續(xù)掏腰包�！�
所以AI的投資回報(bào)率會(huì)很慘，最后賺錢的是”賣鏟子“的英偉達(dá)，而一旦AI不能賺錢，英偉達(dá)的業(yè)績(jī)也不可持續(xù)。
高盛報(bào)告的觀點(diǎn)
高盛的報(bào)告《AI: 太多支出，太少收益》發(fā)布在6月25日，是高盛幾個(gè)研究員合作的，他們的報(bào)告其實(shí)并沒有明確展示自己的結(jié)論，只是借用了訪談嘉賓的觀點(diǎn)。
高盛幾個(gè)嘉賓的觀點(diǎn)分別如下：
MIT教授Daron Acemoglu 說在未來(lái)十年內(nèi)，AI將影響不到所有任務(wù)的 5%（也就是絕大部分人類的工作用不上AI）并得出結(jié)論，在未來(lái)十年內(nèi)，AI只會(huì)使美國(guó)的生產(chǎn)率提高 0.5%，國(guó)內(nèi)生產(chǎn)總值增長(zhǎng) 0.9%，這點(diǎn)增長(zhǎng)相對(duì)于等于4%GDP的萬(wàn)億美元的投資，不劃算。
高盛股票研究主管吉姆科維洛（Jim Covello）同樣悲觀。他認(rèn)為，花費(fèi)在AI上的 1 萬(wàn)億美元只是用來(lái)取代一些低工資的辦公室員工的職位，成本非常高，并且AI無(wú)法真正實(shí)現(xiàn)復(fù)雜任務(wù)，這樣的新科技讓人感到奇怪。因?yàn)檫^去的新科技往往都是在一開始的成本就在可接受范圍，而不像AI高的那么離譜。
并且過去的高科技往往帶來(lái)一種完全顛覆性的、人工或者舊技術(shù)完全沒法比擬先進(jìn)性，比如鐵路、汽車、飛機(jī)、手機(jī)等等，而人工智能只是提升了一些低端工作的效率而已，而且用一種超級(jí)昂貴的方式在提升。
其他很多新技術(shù)，如互聯(lián)網(wǎng)、手機(jī)、核磁共振，最終能夠?qū)崿F(xiàn)的功能的路線圖在其誕生之初就已經(jīng)存在。但AI目前還沒有類似的路線圖。人工智能看漲者似乎只是“相信”，隨著技術(shù)的發(fā)展，用例將會(huì)激增。但在生成式人工智能引入世界十八個(gè)月后，還沒有找到一種真正具有變革性的APP，更不用說具有成本效益的APP了。
有人說，現(xiàn)在GPU的單位算力的價(jià)格也在快速下跌，所以開始高點(diǎn)也無(wú)所謂，以后低了會(huì)有盈利性的APP。
針對(duì)這點(diǎn)，Jim駁斥說：”鏟子“的價(jià)格在迅速下降，但因?yàn)槠瘘c(diǎn)實(shí)在太高，現(xiàn)在的降價(jià)速度還是太慢�？萍冀鐚�(duì)于人工智能成本將隨著時(shí)間大幅下降的假設(shè)過于自信，因?yàn)橛ミ_(dá)沒有像Intel的AMD那樣的競(jìng)爭(zhēng)對(duì)手，臺(tái)積電更沒有像樣的對(duì)手，所以必然下降速度是由他們決定的，而他們必然不要讓價(jià)格快速下跌。“
他還懷疑人工智能是否會(huì)提高使用該技術(shù)的公司的效率，因?yàn)锳I導(dǎo)致的效率提升方法很容易傳播。
AI可能和搜索引擎/Email/微信一樣，是每個(gè)人都能接觸到的技術(shù)， 一旦大家都用了，使用者的優(yōu)勢(shì)都沒有了，雖然每個(gè)人都獲得了效率提升，但大家都賺不到錢。（和我們光模塊的內(nèi)卷一樣）
而且在他看來(lái)，真正增加收入的途徑尚不清楚。他嚴(yán)重懷疑根據(jù)歷史數(shù)據(jù)訓(xùn)練的模型是否能夠復(fù)制人類最有價(jià)值的能力：創(chuàng)新。
他還說：“沒有創(chuàng)新就過度建設(shè)世界不需要的或尚未準(zhǔn)備好接受的東西，通常會(huì)導(dǎo)致糟糕的結(jié)果。”
這是句狠話，幾乎就是暗指這波AI是偽需求。
Jim重復(fù)了泡沫破裂論最有力的觀點(diǎn)：
美國(guó)“Mag 7“ （中文：股市七姐妹”， 指7個(gè)主要的高科技公司）在搞GPU軍備競(jìng)賽都是基于一個(gè)非理智的理由：
FOMO（Fear of Missing-Out）(對(duì)錯(cuò)過的恐懼）。
AI是目之所及的時(shí)代性技術(shù)，誰(shuí)奪得先機(jī)就意味著誰(shuí)將掌握下一場(chǎng)游戲的規(guī)則。對(duì)于七巨頭來(lái)說，無(wú)論是否未來(lái)是不是泡沫，做出的決定都是一樣的。
因?yàn)檫@并不取決于你是否愿意辨別眼前是泡沫還是機(jī)遇，而取決于你能否在這場(chǎng)競(jìng)賽中生存下來(lái)。
如果是泡沫，投入的錢打了水漂，他們承受得起，但如果不是泡沫，錯(cuò)過了一個(gè)時(shí)代，他們承受不起。
所以，泡沫不泡沫不重要，他們只能投，并且要比別人早，因?yàn)榇蠹抑幌嘈湃澜缰恍枰獛讉�(gè)大模型就夠了，不占住前幾位就意味著出局。
對(duì)股市七姐妹而言，投資不足的風(fēng)險(xiǎn)遠(yuǎn)遠(yuǎn)大于投資過度的風(fēng)險(xiǎn)。
高盛的報(bào)告還報(bào)道了前微軟能源副總裁Brian Janous的觀點(diǎn)，他認(rèn)為美國(guó)失去了建設(shè)大型基礎(chǔ)設(shè)施項(xiàng)目的能力，現(xiàn)在公共電網(wǎng)無(wú)法承擔(dān)足夠的電力供應(yīng)。發(fā)電廠和電網(wǎng)建設(shè)的長(zhǎng)周期必將嚴(yán)重拖慢AI中心的建設(shè)。
不過，高盛的報(bào)告并不是一邊倒的展示一邊觀點(diǎn)，他們也展示了他們同事的一些相反觀點(diǎn)。
高盛全球經(jīng)濟(jì)學(xué)家Joseph Briggs很樂觀。
他估計(jì)，未來(lái)十年，新一代人工智能最終將使所有工作任務(wù)的 25% 實(shí)現(xiàn) 自動(dòng)化，并使美國(guó)的生產(chǎn)率提高 9%，GDP 增長(zhǎng)累計(jì) 6.1%（比MIT教授Daron的估計(jì)高多了，他們的計(jì)算差異這里就不說了），所以萬(wàn)億美元的投入是有足夠回報(bào)的。
雖然Joseph承認(rèn)，如今許多人工智能任務(wù)并不具有成本效益（這點(diǎn)和Daron一樣），但他認(rèn)為， 從長(zhǎng)遠(yuǎn)來(lái)看，成本節(jié)約的巨大潛力以及成本下降的可能性（就像新技術(shù)經(jīng)常出現(xiàn)的情況一樣），最終應(yīng)該會(huì)帶來(lái)更多的人工智能自動(dòng)化，從而提高效率。
Kash Rangan和Eric Sheridan是高盛的高級(jí)股票研究分析師，分別負(fù)責(zé)美國(guó)軟件和互聯(lián)網(wǎng)領(lǐng)域。他們認(rèn)為，雖然人工智能仍然是一項(xiàng)正在進(jìn)行的工作，但投入的大量資金最終應(yīng)該會(huì)得到回報(bào)。
他們的主要理由是：
一、每個(gè)科技周期都遵循稱為“IPA ”的進(jìn)程：基礎(chǔ)設(shè)施（Infrastructure）先行，平臺(tái)（Platforms ）其次，應(yīng)用程序（Applications)最后 。
人工智能周期目前仍處于基礎(chǔ)設(shè)施建設(shè)階段，因此找到殺手級(jí)應(yīng)用程序?qū)⑿枰鄷r(shí)間，但相信我們會(huì)實(shí)現(xiàn)這一目標(biāo)。
二、由于擁有訓(xùn)練和運(yùn)行人工智能模型所需的巨大計(jì)算能力，云計(jì)算公司也表現(xiàn)良好，微軟、Alphabet和亞馬遜三大超大規(guī)模企業(yè)季度收入一直在增長(zhǎng)并且有加速的趨勢(shì)。
三、和過去的泡沫不同，這次的投資非常謹(jǐn)慎和克制。 "從絕對(duì)美元金額來(lái)看，當(dāng)前的支出肯定很高“， Kash說，“但這次的資本支出周期似乎比之前的資本支出周期更有前景，因?yàn)槭乾F(xiàn)有企業(yè)（而非新創(chuàng)企業(yè)和風(fēng)險(xiǎn)資本）在引領(lǐng)，這降低了技術(shù)無(wú)法成為主流的風(fēng)險(xiǎn)�！�
以上是高盛報(bào)告的內(nèi)容，雖然列出了兩邊的觀點(diǎn)，但很明顯，泡沫論的觀點(diǎn)有更多的數(shù)據(jù)支持。
這里補(bǔ)充一下，高盛好像是個(gè)很會(huì)雙手互博的周伯通。
去年9月份他們才發(fā)表了一篇非泡沫論的文章《Why AI stocks arens't in a bubble》（《為什么AI股票不是泡沫》)，甚至今年8月初還出了另外一份題為《Will the $1 trillion of generative AI investment pay off?》（一萬(wàn)億的AI投資是否會(huì)得到回報(bào)？）》來(lái)支持AI的非泡沫論，這才一個(gè)月他們就出了新報(bào)告，并且這次的報(bào)告本身又在里面直接放了兩種對(duì)立觀點(diǎn)，讓讀者自辨。
背景知識(shí)：美國(guó)電力和電力投資問題
前微軟能源副總裁Brian Janous的關(guān)于美國(guó)電力短缺的觀點(diǎn)其實(shí)只是個(gè)結(jié)論，沒有詳細(xì)的計(jì)算，這里我給大家算算。
一個(gè)H100的十萬(wàn)卡集群需要15萬(wàn)千瓦的電力配套設(shè)施支持運(yùn)行，這包括機(jī)房照明、空調(diào)散熱�！∪绻覀�?cè)偌由蠟楣╇娋�路損耗、變電站損耗和備用電力儲(chǔ)備等線路上的損耗，我們大概算到25萬(wàn)千瓦。
那么，我們把去年、今年和預(yù)估明年英偉達(dá)、AMD和Google生產(chǎn)全部GPU/TPU加起來(lái)，大概是等效為1400萬(wàn)個(gè)H100（去年250萬(wàn)、今年450萬(wàn)、假設(shè)明年700萬(wàn)---含Blackwell等效的）。
那為這些GPU配套的電力裝機(jī)容量是3500萬(wàn)千瓦。
很多人對(duì)電力裝機(jī)容量沒有概念，我作為個(gè)水電工作者的子女，給大家做個(gè)進(jìn)一步解釋。
裝機(jī)容量是發(fā)電站可以發(fā)出的最大電力功率。世界上最大的水電站三峽的裝機(jī)容量是2200萬(wàn)，第二大水電站白鶴灘1600萬(wàn)。上海峰值電力負(fù)荷是4000萬(wàn)千瓦，美國(guó)全國(guó)裝機(jī)容量12億千瓦，中國(guó)29億千瓦。
這配套的3500萬(wàn)的裝機(jī)容量大致相當(dāng)于一個(gè)上海，又相當(dāng)于美國(guó)全國(guó)電網(wǎng)的3%。
貌似3%并不多，但數(shù)據(jù)中心是7x24小時(shí)運(yùn)行的，而發(fā)電廠是有稼動(dòng)率的，不能7x24小時(shí)工作。
比如白鶴灘水電站如果不停地工作一年應(yīng)該發(fā)電1400億度電，但實(shí)際一年發(fā)電600多億度，稼動(dòng)率40%多點(diǎn)。
美國(guó)電網(wǎng)平均稼動(dòng)率是40%。美國(guó)天然氣是發(fā)電主力，稼動(dòng)率比其他能源稍高，那我們按50%算。
所以這1400萬(wàn)個(gè)GPU需要的裝機(jī)容量是7000萬(wàn)千瓦，約相當(dāng)于美國(guó)總裝機(jī)容量的6%。
那建設(shè)這么多發(fā)電站需要多少投資呢？
根據(jù)美國(guó)能源信息署（EIA）的統(tǒng)計(jì)，美國(guó)境內(nèi)平均每增加1千瓦的裝機(jī)容量，核電需要投資7000美元，火電和天然氣需要4000美元，太陽(yáng)能需要800美元。
幾種方式投資額看上去差距很大，但太陽(yáng)能晚上不發(fā)電、陰天發(fā)電少、還需要大量土地，年發(fā)電量只有其他幾種方式的幾分之一，所以為數(shù)據(jù)中心配套的太陽(yáng)能發(fā)電站至少要增加4~6倍的裝機(jī)容量才行到，考慮到還有更多的土地成本，最后太陽(yáng)能的成本和火電其實(shí)相當(dāng)，我們大概按4000多美元/千瓦算吧。
這么一看AI數(shù)據(jù)中心需要的7000萬(wàn)千瓦的裝機(jī)容量還需要約3000億美元的投資。
這還是假設(shè)建設(shè)了便宜的天然氣發(fā)電站，而不是單千瓦需要投資7000美元的核電站。如果使用核電，那基本上是云廠投1塊錢到AI，電廠也要投入1塊錢到電網(wǎng)和發(fā)電站。
所以，到明年底AI硬件投資外（這部分大概5000億美元-高盛報(bào)告上數(shù)據(jù)），美國(guó)還需要投入另外3000億美元的電力設(shè)備支撐，這么說來(lái)，建設(shè)1400個(gè)萬(wàn)卡總共需要Capex 8000億美元，照目前速度，到后年，這個(gè)數(shù)字變成1.6萬(wàn)億。
美國(guó)的GDP是多少呢？去年是28萬(wàn)億！
1.6萬(wàn)億差不多是美國(guó)GDP的6%（考慮到美國(guó)的GDP還在增長(zhǎng)）。
美國(guó)這個(gè)世界第一軍事強(qiáng)國(guó)的軍費(fèi)多少呢？
916億（2023年數(shù)字）， 只占GDP3.3%！
所以AI的投入幾乎等于美國(guó)今明后三年要從GDP里拿出將近2倍的軍費(fèi)。
軍費(fèi)的投入一般不對(duì)社會(huì)直接產(chǎn)生價(jià)值，如果AI也基本不產(chǎn)生，那美國(guó)就總共有將近10%的GDP的無(wú)效投入，這是個(gè)很恐怖的數(shù)字，超過美國(guó)全社會(huì)所能投入的極限。
經(jīng)濟(jì)學(xué)上有個(gè)一般的共識(shí)：如果一個(gè)國(guó)家的軍費(fèi)開支到了GDP的10%，那要么是短期行為，要么經(jīng)濟(jì)會(huì)崩潰。
顯然美國(guó)人不會(huì)因?yàn)楦鉇I把自己給搞殘了，所以AI如何持續(xù)？
再想遠(yuǎn)點(diǎn)，還有兩個(gè)更要命的問題：
一、這個(gè)Capex數(shù)字還在以每年30%的增長(zhǎng)，照這個(gè)速度，到2030年的時(shí)候，Capex是美國(guó)GDP的19%，顯然是不可想象的。
二、2030年AI的配套裝機(jī)容量將達(dá)到美國(guó)總裝機(jī)容量的四分之一，而以美國(guó)現(xiàn)在建設(shè)電站的速度，即使有足夠的錢，以目前的建設(shè)速度也需要好幾年才能擴(kuò)容去滿足明年底就需要的7000萬(wàn)千瓦，2030年需要的電力設(shè)施如果不采取加快措施，要2040年才能建好。
所以前微軟能源副總裁說的非常符合現(xiàn)實(shí)情況，哪怕有錢投資，電網(wǎng)一定會(huì)是制約因素。
訓(xùn)練用的數(shù)據(jù)不夠了
除了兩報(bào)告指出的AI的問題之外，還有其他一些認(rèn)定AI是泡沫的文章。
Media Relations and Public Relations company 的CEO，Edward Zitron，一個(gè)非常知名的計(jì)算機(jī)雜志前記者，曾經(jīng)寫過一篇很有名的文章《The Man Who Killed Google Search》，他就嚴(yán)厲譴責(zé)AI的投資。
他的文章充滿著情緒化、卻是非常有力的話語(yǔ)。比如，
“GPT是完全根據(jù)訓(xùn)練數(shù)據(jù)以概率方式生成答案（比如生成的下一部分最有可能是正確的），對(duì)人類的進(jìn)步能有多少作用？”
“當(dāng)大多數(shù)模型都在相同的訓(xùn)練數(shù)據(jù)上進(jìn)行訓(xùn)練并且已經(jīng)用完這些數(shù)據(jù)時(shí)，它們?nèi)绾螀^(qū)分好壞對(duì)錯(cuò)？”
“訓(xùn)練數(shù)據(jù)危機(jī)是一個(gè)沒有得到足夠關(guān)注的問題，但它足夠嚴(yán)重，有可能在不久的將來(lái)停止（或大幅減緩）任何人工智能的發(fā)展�！�
這里他提到了另外一個(gè)大眾所忽略的問題：LLM訓(xùn)練用的數(shù)據(jù)可能不夠了。
雖然人類在最近幾十年產(chǎn)生了爆炸性的知識(shí)，但在生成式大模型的海量、指數(shù)級(jí)的需求面前，可能很快不夠了，這將和算力一樣，限制其增長(zhǎng)。
有專家推測(cè)，照ChatGPT前幾代的發(fā)展速度，到ChatGPT-7的時(shí)候，單它一家公司就需要兩個(gè)三峽電站（50%的稼動(dòng)率）的發(fā)電量來(lái)支持， 并且要消耗掉今天地球上所有計(jì)算機(jī)的算力以及人類所有的知識(shí)和數(shù)據(jù)。
細(xì)思極恐啊。
所以，我們?cè)纫詾榈乃懔κ茿I唯一的制約因素并不完全正確，現(xiàn)在看來(lái)，電力、數(shù)據(jù)和算力都是制約因素。
大模型和生成式人工智能的局限
Edward Zitron還和很多高人有一個(gè)相同的觀點(diǎn)：生成式人工智不能產(chǎn)生通用人工智能，而不能產(chǎn)生通用人工智能，生成式人工智能的作用很局限。
Edward Zitron批評(píng)高盛報(bào)告里的高級(jí)經(jīng)濟(jì)學(xué)家Briggs不斷混淆通用人工智能和生成式人工智能，而且還在很惡劣地暗示“最近的生成式人工智能進(jìn)展會(huì)帶出超級(jí)人工智能的出現(xiàn)�！�
”生成式人工智能沒有創(chuàng)造新的工作，沒有創(chuàng)造新的工作方式，也沒有為任何人賺錢而且增加收入的途徑也不清楚�！�
”就業(yè)市場(chǎng)不會(huì)因?yàn)樯墒饺斯ぶ悄芏淖�，因�(yàn)樯墒饺斯ぶ悄軐?shí)際上做不了很多工作，它能做的少數(shù)幾件事也表現(xiàn)平平。雖然它是一個(gè)有用的效率工具，但這種效率基于極其昂貴的投資."
"生成式人工智能不是未來(lái)，而是對(duì)過去的重復(fù)，是一種有用但并非開創(chuàng)性的方法，能從舊數(shù)據(jù)快速生成“新”數(shù)據(jù)，但成本過高，以至于投入不值得。"
"生成式人工智能無(wú)利可圖、不可持續(xù)，而且由于它是基于概率生成答案，其能力從根本上受到限制。"
“生成式人工智能最多在基于數(shù)據(jù)進(jìn)行訓(xùn)練時(shí)處理信息，但它絕不會(huì)“學(xué)習(xí)”或“理解”，因?yàn)樗龅囊磺卸际腔跀z取訓(xùn)練數(shù)據(jù)，并基于數(shù)學(xué)意義或概率生成答案，而非對(duì)材料本身有任何理解。”
“大型語(yǔ)言模型（LLM）與我們想要的“人工智能”在技術(shù)上完全不同，令人不恥的是，現(xiàn)在這個(gè)行業(yè)居然用如此明顯的謊言獲取了如此多的資金和關(guān)注�！�
"對(duì)于OpenAI 和 Anthropic 來(lái)說，確實(shí)沒有盈利途徑只有一條路，那就是繼續(xù)投入數(shù)十億美元，希望能發(fā)現(xiàn)一些真正具有創(chuàng)新性或代表未來(lái)的東西---這是一種絕望的**，而不是對(duì)生成式人工智能進(jìn)行進(jìn)一步的迭代，生成式人工智能充其量只是一種需要大量Capex的處理數(shù)據(jù)的新方法。"
他說的是有一定道理的。
谷歌的人工智能研究員弗朗索瓦肖萊（Francois Chollet）最近也認(rèn)為 LLM 無(wú)法導(dǎo)致 AGI，詳細(xì)解釋說像 GPT 這樣的模型根本不具備使人類大腦工作的那種推理和理論化能力。
肖萊還指出，即使是專門為完成抽象和推理語(yǔ)料庫(kù)（人工智能技能和真正“智能”的基準(zhǔn)測(cè)試）的任務(wù)而構(gòu)建的模型也只是因?yàn)樗鼈儽惠斎肓藬?shù)以百萬(wàn)計(jì)的人們解決測(cè)試的數(shù)據(jù)點(diǎn)，這有點(diǎn)像根據(jù)人們努力學(xué)習(xí)完成智商測(cè)試來(lái)衡量某人的智商，只是更愚蠢。
發(fā)表在《計(jì)算機(jī)視覺與模式識(shí)別》雜志上的一篇論文所也說到：
”為了實(shí)現(xiàn)模型性能的線性改進(jìn)，人們需要呈指數(shù)級(jí)增長(zhǎng)的大量數(shù)據(jù)。這種情況意味著我們只能在指數(shù)還比較小的時(shí)候才能應(yīng)付，比如回答提問、寫篇短文、做個(gè)幾分鐘的短視頻，這沒有問題，但如果要寫個(gè)五十萬(wàn)字的長(zhǎng)篇小說、做個(gè)兩小時(shí)的電影，就需要宇宙級(jí)天量的算力和數(shù)據(jù)�！�
或者換句話說，”每前進(jìn)一步都變得越來(lái)越（呈指數(shù)級(jí)）昂貴�！边@意味著高昂的財(cái)務(wù)成本不僅在于獲取算力，還在于被算力所處理的數(shù)據(jù)�！�
這意味著這種“大力出奇跡”的模式的遠(yuǎn)期前景是暗淡的。
成都一位讓我非常佩服的人工智能大神（公眾號(hào)：吃果凍不吐果凍皮）的評(píng)論我覺得比美國(guó)的專家評(píng)論更讓國(guó)人容易理解，而且更犀利，我就多摘錄幾句他的原話：
“我很早以前就察覺，當(dāng)下基于qkv attention + next token prediction + scaling的路徑幾乎已經(jīng)快走到了盡頭，并不是說scaling不能繼續(xù)發(fā)揮作用，而是說scaling帶來(lái)的收益已經(jīng)遠(yuǎn)超出對(duì)其的投入。”
“我的一個(gè)暴論是，Scaling會(huì)導(dǎo)致大模型更加地像大模型“豐富且平庸”。雖然反過來(lái)講，豐富且平庸的回答并非毫無(wú)意義，因?yàn)樗辽倏梢员挥脕?lái)做為創(chuàng)作的原材料。但是，于智能本身而言，這種性質(zhì)毫無(wú)意義，更不要提草臺(tái)班子們打著要做智能的旗號(hào)最后只做出了一堆豐富且平庸的產(chǎn)品。”
這位大神還說：
“雖然模型擁有龐大的上下文能力，這對(duì)于搜索和總結(jié)場(chǎng)景非常有用，但在推理場(chǎng)景中，我們不應(yīng)期望現(xiàn)有的技術(shù)方案能夠?qū)崿F(xiàn)長(zhǎng)上下文的復(fù)雜推理， 比如精確的數(shù)學(xué)計(jì)算。”
“我們把信息壓縮被視為智能的一種表現(xiàn)，但人類最高度的智能，如物理理論，并非通過壓縮而來(lái)。壓縮是一種歸納方法，假如我們將各種物體自由落體的視頻交給大模型進(jìn)行歸納，可能會(huì)得出輕物體下落慢、重物體下落快的結(jié)論，或者歸納出數(shù)百種物質(zhì)的下落模型。顯然這種歸是無(wú)法得出正確的物理結(jié)論的。盡管壓縮可以體現(xiàn)一些智能，但最高度的壓縮來(lái)自于推理、假設(shè)和實(shí)驗(yàn)�！�
這位大神的結(jié)論是：
“LLM是個(gè)坑，如果給“坑”這個(gè)描述做一個(gè)明確定義，那么大致可以講成“同質(zhì)化、模式化、低效率、低創(chuàng)新”的競(jìng)爭(zhēng)系統(tǒng)。對(duì)一般公眾而言，其有著仿佛大型強(qiáng)子對(duì)撞機(jī)探索宇宙基本原理一般的隔閡感，然而大語(yǔ)言模型本身又具有極強(qiáng)的人文性，類似于經(jīng)濟(jì)學(xué)，這便又給了草臺(tái)班子極大的錯(cuò)誤許可。”
而Edward Zitrond的文章最后總結(jié)道：“大模型如果最后證明對(duì)人類幫助不大，這意味著我們今天投入的萬(wàn)億美元可能變成一種“可恥的浪費(fèi)”�！�
不過，反駁的聲音也存在。
一位國(guó)內(nèi)算法專家如是說：
”目前看大語(yǔ)言模型的指數(shù)般的投入是存在天花板，但是，它的效率也是可以提高的�，F(xiàn)在的算法很傻笨，像個(gè)勤奮的阿甘，但人類可以把它做的聰明。上海交大的Power Infer-2就是這方面的嘗試�！�
”另外數(shù)據(jù)也是可以優(yōu)化后再喂進(jìn)大模型的，外加GPU的效率提升（黃仁勛就預(yù)測(cè)幾年內(nèi)提升一萬(wàn)倍），三個(gè)因素相乘，大模型的效率在幾年內(nèi)的提升速度會(huì)遠(yuǎn)超現(xiàn)在人們的想象。“
另外，現(xiàn)在的數(shù)據(jù)中心硬件體系是存在極大的優(yōu)化空間的，我一個(gè)朋友就在美國(guó)做這個(gè)事情。（順便提一下，他們?cè)谌谫Y，有興趣的可以發(fā)信息到后臺(tái)，注明“AI硬件優(yōu)化融資”。)
還有一種說法，在語(yǔ)言數(shù)據(jù)已經(jīng)消耗光的時(shí)候，LLM并不一定坐以待斃，人類可以制造新的概念和拓展語(yǔ)言系統(tǒng)，這就像近代英國(guó)哲學(xué)家維特根斯坦所說的“不可說”的部分。我們可以超越現(xiàn)有的語(yǔ)言系統(tǒng)，創(chuàng)造新的語(yǔ)言，以表達(dá)那些之前被認(rèn)為是“不可說”的內(nèi)容，從而拓展LLM的能力，就好比人類只有幾十個(gè)詞語(yǔ)來(lái)描述顏色，但自然界中的顏色是連續(xù)光譜，可以是成千上萬(wàn)種，或許我們可以創(chuàng)造新的喂給AI的語(yǔ)言，只不過現(xiàn)在還不知道如何創(chuàng)造。
以上也可以看出，詬病生成式人工智能的同時(shí)，人們都公認(rèn)通用人工智能（AGI，就是像人一樣具備推理和創(chuàng)造能力的人工智能）一定能夠大幅度幫助人類，但它何時(shí)誕生，并且在誕生前生成式人工智能（AIGC）會(huì)有多大幫助、有沒有合理的投入產(chǎn)出比，將是整個(gè)爭(zhēng)議的焦點(diǎn)。
背景知識(shí)：LLM和AIGC和AGI的區(qū)別
為了方便大家理解，尤其是對(duì)AI的構(gòu)架、原理和用途不太熟悉的朋友，我補(bǔ)充一些背景知識(shí)以便更好地理解他們的觀點(diǎn)，對(duì)AI和大模型比較了解的人可以忽略這一節(jié)。
雖然我們經(jīng)常把LLM（大語(yǔ)言模型）、AIGC （人工智能生成內(nèi)容，Artificial Intelligence Generated Content）和我們人工通用智能（AGI，Artificial General Intelligence）三者放一起說，因?yàn)樗麄兌际侨斯ぶ悄�，但他們的區(qū)別很大。
大語(yǔ)言模型（Large Language Model, LLM）是一種以實(shí)現(xiàn)通用語(yǔ)言生成和其他自然語(yǔ)言處理任務(wù)（例如分類）的能力而聞名的語(yǔ)言模型，簡(jiǎn)單地說，這是一種”語(yǔ)言“方面的人工智能，我們也可以簡(jiǎn)單地理解為這是個(gè)”編劇“。
AIGC 是人工智能生成內(nèi)容（Artificial Intelligence Generated Content）的縮寫，指的是通過機(jī)器學(xué)習(xí)等技術(shù)生成文本、圖像、音頻、視頻等內(nèi)容的技術(shù)范疇，我們可以理解為一個(gè)”導(dǎo)演“。
LLM最根本還是一個(gè)生成式的語(yǔ)言模型，其本質(zhì)是通過統(tǒng)計(jì)建模在大量文本上進(jìn)行訓(xùn)練，學(xué)習(xí)文本之間的語(yǔ)言學(xué)相關(guān)關(guān)系，從而根據(jù)上個(gè)詞匯預(yù)測(cè)下個(gè)詞匯。
LLM在解決問題的過程中并不透明，對(duì)于其給出的答案的可靠性我們并無(wú)從考證，所以錯(cuò)誤發(fā)生完全可能。
看得出，LLM只是AIGC的一種，專攻語(yǔ)言。
AIGC就是現(xiàn)在所說的生成式人工智能，它不能做創(chuàng)新性的工作，比如要想出個(gè)牛頓萬(wàn)有引力定律---用多少個(gè)蘋果砸都不行。
因?yàn)楸举|(zhì)上它是個(gè)文字（或者語(yǔ)音和視頻）的概率機(jī)器，曾經(jīng)出現(xiàn)的高概率的語(yǔ)言文字會(huì)被它優(yōu)先考慮，而創(chuàng)新這些事情，歷史上就根本沒有出現(xiàn)過，所以概率為零，自然也不可能被AIGC搜到。
同理，既然是概率工作，AIGC不能做精準(zhǔn)計(jì)算性工作，比如設(shè)計(jì)個(gè)大橋。AIGC連1.11和1.08誰(shuí)大誰(shuí)小都能搞錯(cuò)，它設(shè)計(jì)的橋你敢走嗎？
AIGC能夠在一些模糊性結(jié)果的工作上做的更快，比如寫文章、做廣告、畫圖，但談不上準(zhǔn)確性。
而AGI（通用人工智能）（Artificial General Intelligence），能夠在廣泛的認(rèn)知任務(wù)上表現(xiàn)得與人類一樣好，甚至更好。它與AIGC不同，AIGC只能做特定任務(wù)，而AGI則更適應(yīng)通用任務(wù)，是一種強(qiáng)人工智能。
簡(jiǎn)單來(lái)說，大語(yǔ)言模型和生成式人工智能的暗箱作業(yè)及有限的持續(xù)學(xué)習(xí)能力是其最大的短板，所以它還遠(yuǎn)不是AGI的一個(gè)最終解決方案，甚至不是AGI的初級(jí)階段。
我們所期待的AGI是一個(gè)以足以媲美人類的認(rèn)知能力來(lái)解決任何任務(wù)的自主智能體，完全可以覆蓋或者超越人類的人工智能。
所以，OpenAI推出了o1，就是為了反擊“大模型不能思考”的說法，目的是把自己打扮成一個(gè)”理工男“，而不是個(gè)編劇或者導(dǎo)演，從而補(bǔ)上GPT被人詬病的不足。
Scaling Law即將撞到天花板
這幾天，另外哈佛大學(xué)和斯坦福大學(xué)聯(lián)合的一篇論文也引起了很多人的討論。這篇論文的名字叫《Scaling Laws for Precision》，它討論了一個(gè)和大語(yǔ)言模型使用數(shù)據(jù)精度有關(guān)的擴(kuò)展定律。
它的結(jié)論是：
由于當(dāng)代大模型在大量數(shù)據(jù)上經(jīng)歷了過度訓(xùn)練，因此訓(xùn)練后量化已變得非常困難。因此，如果在訓(xùn)練后量化，最終更多的預(yù)訓(xùn)練數(shù)據(jù)可能會(huì)造成副作用；
在預(yù)訓(xùn)練期間以不同的精度放置權(quán)重、激活或注意力的效果是一致且可預(yù)測(cè)的，并且擬合擴(kuò)展定律表明，高精度（BF16）和下一代精度（FP4）的預(yù)訓(xùn)練可能都是次優(yōu)的設(shè)計(jì)選擇。
這樣，未來(lái)的解決方案是：
擴(kuò)大數(shù)據(jù)中心規(guī)模：未來(lái)約 2 年這仍然是可以做到的事；
通過動(dòng)態(tài)擴(kuò)展：路由到更小的專門模型或大 / 小模型上；
知識(shí)的提煉：這條路線與其他技術(shù)不同，并且可能具有不同的特性
CMU（卡內(nèi)基梅隆大學(xué)－世界上計(jì)算機(jī)專業(yè)最強(qiáng)的高校之一）的教授 Tim Dettmers 感嘆道：“從我自己的經(jīng)驗(yàn)（大量失敗的研究）來(lái)看，效率是無(wú)法欺騙的。如果量化失敗，那么稀疏化也會(huì)失敗，其他效率機(jī)制也會(huì)失敗。如果這是真的，那么我們現(xiàn)在就已經(jīng)接近最優(yōu)了。”
Tim Dettmers 還表示：“可以說，人工智能的大部分進(jìn)步都來(lái)自計(jì)算能力的提升，而（在最近）這主要依賴于低精度路線的加速（32- > 16 - > 8 位）�，F(xiàn)在看來(lái)，這一趨勢(shì)即將結(jié)束。再加上摩爾定律的物理限制，大模型的大規(guī)模擴(kuò)展可以說要到頭了�！薄袄�，英偉達(dá)最新的 AI 計(jì)算卡 Blackwell 將擁有出色的 8 位能力，并在硬件層面實(shí)現(xiàn)逐塊量化。這將使 8 位訓(xùn)練變得像從 FP16 切換到 BF16 一樣簡(jiǎn)單。然而，正如我們從新論文中看到的那樣，對(duì)于很多大模型的訓(xùn)練來(lái)說，8 位是不夠的。”這和“吃果凍不吐果凍皮”的大神的一個(gè)觀點(diǎn)類似，他說：
“在日常使用GPT-4的過程中，我發(fā)現(xiàn)其在許多場(chǎng)景下的輸出已經(jīng)非常接近完美。這里的“完美”并不意味著通用人工智能（AGI）已經(jīng)實(shí)現(xiàn)，而是在現(xiàn)有系統(tǒng)形態(tài)，對(duì)話界面+輸入有限的信息，模型基于有限的信息給出回復(fù)，已經(jīng)接近有限信息理論上應(yīng)該有的回復(fù)�！�
Ｈ100出現(xiàn)過剩
最近H100的零星租賃價(jià)格跌破了2美元一小時(shí)。
一位業(yè)內(nèi)的行家發(fā)表了一篇文章，標(biāo)題是：《2美元H100: GPU泡沫是如何破滅的》。
作者根據(jù)現(xiàn)實(shí)AI界的一系列數(shù)字，對(duì)H100GPU的投資回報(bào)計(jì)算，強(qiáng)烈暗示了GPU泡沫將破裂， 因?yàn)槭袌?chǎng)上才出來(lái)一年多的H100已經(jīng)供大于求了。
這是事實(shí)，但也有很多人出文章聲討他的說法，幾個(gè)典型的反駁理由是：
一、H100的過剩并不是整個(gè)算力的過剩，它只是“落后”GPU的過剩，好比新一代iPhone出來(lái)后老一代iPhone的過剩，其實(shí)不是智能手機(jī)的過剩。
二、 GPU和英偉達(dá)取決于巨頭Capex的基本邏輯沒有變化。雖然2季報(bào)微軟、Meta已經(jīng)基本承認(rèn)算力階段性投入過剩，但是“投入不足的風(fēng)險(xiǎn)遠(yuǎn)高于投入過剩的風(fēng)險(xiǎn)”讓對(duì)于基礎(chǔ)設(shè)施的CapEx依舊高漲。所以GPU的“泡沫”在基礎(chǔ)設(shè)施投入階段，更多取決于CapEx是否下修，而非租賃價(jià)格是否下降。（類似于國(guó)內(nèi)的購(gòu)房?jī)r(jià)格和租房?jī)r(jià)格并非一致行動(dòng)）
三、算力租賃價(jià)格崩盤，是因?yàn)榫揞^都在自建算力，租賃服務(wù)只有小客戶在使用，而且還有大量的小客戶想用還用不起......否則價(jià)格就不用崩盤了，這還是局部的坍塌，并非整體的坍塌。
四、因?yàn)榇竽Ｐ皖A(yù)訓(xùn)練需求越來(lái)越集中，更高的集群意味著更高的效率，現(xiàn)在看來(lái)，萬(wàn)卡集群是最低的競(jìng)爭(zhēng)門檻，大家都擠上去跑大模型，而不足萬(wàn)的小集群，也就是那些進(jìn)行租賃市場(chǎng)的小集群卡，又沒有足夠的大模型在上面跑，所以出現(xiàn)了租賃價(jià)格的下跌�！�
這就是目前業(yè)內(nèi)經(jīng)常說的 “小集群太多，大模型太少”。
但是，也有人再反駁說：
“算力的局部過剩，實(shí)際上還是因?yàn)樘F，或者不夠好用，導(dǎo)致沒多少客戶愿意用，沒有激發(fā)出真正的需求，就出現(xiàn)需求大于供給，這樣AI和算力就是泡沫，無(wú)論你怎么解釋為局部或者整體---局部的坍塌也會(huì)蔓延到整體。”
AI大佬Ilya給的出路前兩天，原Open AI創(chuàng)始人、人工智能大佬在正在溫哥華舉行的深度學(xué)習(xí)頂會(huì) Neural PS2024上發(fā)表了一個(gè)演講， 直接斷言當(dāng)下大模型的核心“預(yù)訓(xùn)練”機(jī)制即將走到終結(jié)。
根本原因還是前面說的數(shù)據(jù)不夠了，這已經(jīng)是業(yè)內(nèi)公知了。
問題是，他有什么想法可以突破這個(gè)局嗎？
他猜測(cè)了幾個(gè)突破方向，也是業(yè)內(nèi)很多人猜測(cè)的方向：
使用代理 (Agents)
使用合成數(shù)據(jù)
從生物學(xué)中汲取靈感
雖然Ilya指明了這三個(gè)方向，但這三個(gè)方向基本等于什么都沒說，看來(lái)他和AI界短期內(nèi)還是沒有特別好的方案來(lái)解決數(shù)據(jù)枯竭的問題。
Ilya還說了：
“現(xiàn)在我們正在做的事情，迄今為止所擴(kuò)展的事情，其實(shí)是我們最初找到的擴(kuò)展方式。”
這等于是告訴我們，這十年來(lái)，LLM的根本方式并沒有發(fā)生變化，老的邏輯雖然已經(jīng)看到盡頭，但仍在使用，新的根本方式還沒有誕生。
關(guān)于大模型的“不可預(yù)測(cè)性”和怎樣讓它變得可信和可預(yù)測(cè)，他甚至也無(wú)法解釋。
他說：“現(xiàn)在我們擁有令人難以置信的語(yǔ)言模型及其出色的聊天機(jī)器人，它們甚至可以做到一些事情，但在某種程度上又奇怪地不可靠，會(huì)感到困惑，同時(shí)在評(píng)估中表現(xiàn)出驚人的超人能力。因此，如何調(diào)和這個(gè)問題真的很不清楚�！�
福布斯：紅杉的假設(shè)已經(jīng)算是樂觀了
福布斯也站出來(lái)支持泡沫論。
他們刊登的文章認(rèn)為，紅杉的假設(shè)存在合理性，甚至，它還覺得紅杉給出的6000億數(shù)字算是樂觀估計(jì)。
他們認(rèn)為，整體看現(xiàn)在各個(gè)生成式AI應(yīng)用的方向，不論是內(nèi)部知識(shí)庫(kù)、寫代碼、翻譯，還是搜索、營(yíng)銷素材生成、法律/醫(yī)療查詢，都不太屬于增效的范疇。
而如果真的要衡量這些方案的ROI，還需要仔細(xì)計(jì)算相關(guān)業(yè)務(wù)的人效比這可能又是一筆糊涂賬。
簡(jiǎn)而言之，除非這些數(shù)十億美元AI投資能夠帶來(lái)更高、更顯著的收入增長(zhǎng)率，否則投資回報(bào)將無(wú)法達(dá)到所有人的預(yù)期。
福布斯的文章還引用《經(jīng)濟(jì)學(xué)人》的觀點(diǎn)：“即使是樂觀的分析師也認(rèn)為，微軟今年從生成式AI中賺取的利潤(rùn)不過 100 億美元左右�！�
言下之意，這得100年才能賺回這個(gè)錢。
華盛頓郵報(bào)的文章也認(rèn)為是泡沫。
他們刊登的文章說：”大型科技公司稱人工智能蓬勃發(fā)展，華爾街卻開始看到泡沫。該行業(yè)已一頭扎進(jìn)人工智能領(lǐng)域，股市投資者也紛紛跟進(jìn)，但越來(lái)越多的分析師表示懷疑了�！�
前面說到，美國(guó)的基金經(jīng)理的觀點(diǎn)是分裂的，而美國(guó)的金融界和財(cái)經(jīng)媒體也是分裂的。
摩根大通、麥肯錫和埃森哲都認(rèn)為不是泡沫。
Oracle（甲骨文）的CEO Larry Ellison也公開宣布AI不是泡沫，并且計(jì)劃建設(shè)一個(gè)13萬(wàn)卡的AI數(shù)據(jù)中心，并且想著配套三個(gè)核反應(yīng)堆發(fā)電。
AI不是泡沫主要兩個(gè)方面關(guān)鍵討論點(diǎn)
關(guān)于是不是泡沫的討論，焦點(diǎn)集中在兩個(gè)方面的八個(gè)要點(diǎn)上：
一個(gè)方面：未來(lái)---AI的未來(lái)到底有多少效益？
細(xì)分一下，其中的討論要點(diǎn)包括四個(gè)問題：
甘特曲線是否生效、殺手級(jí)應(yīng)用會(huì)不會(huì)很快出現(xiàn)、生成式人工智能提升多少效率、通用人工智能能不能很快出現(xiàn)。
另一個(gè)方面：錢---從哪里來(lái)？投資回報(bào)是多少？
其中的討論關(guān)鍵在四個(gè)問題：
股價(jià)是不是足夠高、美國(guó)的錢夠不夠投資、投資回收周期多長(zhǎng)、對(duì)AI適用投資回報(bào)的邏輯嗎？
第一方面之一：甘特科技曲線
很多人都知道科技史上有個(gè) 著名的” 甘特曲線“，也就是新科技發(fā)明后都要經(jīng)歷一個(gè)：發(fā)明---上升---頂峰（過度發(fā)展）---低谷---再爬升---穩(wěn)定的過程。
所以很多人認(rèn)為AI也逃不脫這條曲線。
我不否認(rèn)甘特曲線的存在，但我不認(rèn)為每個(gè)高科技都會(huì)走甘特曲線的路子，比如移動(dòng)電話、空調(diào)、PC機(jī)等，都是發(fā)明后一直上升的，并沒有一個(gè)明顯的跌落期。
符合甘特曲線和不符合甘特曲線的新科技是有區(qū)別的：
如果新科技一發(fā)明出來(lái)就立即被廣泛應(yīng)用，那跌落期就不存在了，符合甘特曲線的新科技往往是超前發(fā)展的，都知道將來(lái)有用，但短期內(nèi)因?yàn)楦鞣N原因一時(shí)半會(huì)用不上的。
所以，AI有沒有跌落期，AI會(huì)不會(huì)遵循甘特曲線，其實(shí)是看AI會(huì)不會(huì)現(xiàn)在就得到廣泛應(yīng)用。
第一方面之二：AI何時(shí)出現(xiàn)殺手級(jí)應(yīng)用？
目前，所有人都承認(rèn)AI目前沒有殺手級(jí)應(yīng)用，同時(shí)所有人都認(rèn)為AI現(xiàn)階段的ROI（回報(bào)和投入的比值）太低，但是對(duì)未來(lái)的樂觀程度非常不一樣。
前面的記者Edward Zitron就認(rèn)為L(zhǎng)LM大模型已經(jīng)出現(xiàn)快2年了，還沒有什么好的應(yīng)用出現(xiàn)，或許將來(lái)永遠(yuǎn)都不會(huì)出現(xiàn)，因?yàn)長(zhǎng)LM的運(yùn)作模式已經(jīng)決定了的。
而另外一些文章認(rèn)為， AI已經(jīng)出現(xiàn)了一些不錯(cuò)的應(yīng)用， 雖然還不算殺手級(jí)應(yīng)用，比如ChatGPT和編程用的GitHub Copilot。
“但是我們應(yīng)該給AI一些空間，或許星星之火可以燎原�！�
”在過去十年中，手機(jī)應(yīng)用程序不斷發(fā)展并幫助創(chuàng)造了數(shù)千億美元的股東價(jià)值是我們?cè)谥悄苁謾C(jī)發(fā)明前沒有估計(jì)到的�！�
”人們都傾向于高估技術(shù)的短期影響 而低估其長(zhǎng)期影響�！�
”如今沒有人能夠預(yù)測(cè)人工智能技術(shù)將會(huì)出現(xiàn)哪些殺手級(jí)應(yīng)用，但我們應(yīng)該對(duì)人工智能的APP將發(fā)生變化的現(xiàn)實(shí)可能性要持開放態(tài)度，這或許會(huì)促成我們目前無(wú)法想象的應(yīng)用程序的出現(xiàn)�！�
我詢問了在蘋果工作的同學(xué)和在福特IT部門工作的親戚，他們一致認(rèn)為編程用的GitHub Copilot對(duì)他們幫助巨大，可見目前的生成式人工智能的在某些局部領(lǐng)域（如編程）的作用已經(jīng)非常明顯，不可看不見。
還有文章認(rèn)為的觀點(diǎn)和高盛報(bào)告里的兩位股票分析師類似：
“現(xiàn)在還是在基礎(chǔ)建設(shè)階段，現(xiàn)在就要求AI出現(xiàn)殺手級(jí)的應(yīng)用如同要求一個(gè)嬰兒舉起一桶水一樣，太苛刻�！�
”既然是基礎(chǔ)建設(shè)，考慮它的回報(bào)周期要從五年起步算，十年、二十年都不算多�！�
私人數(shù)據(jù)保密公司Skyflow的CEO Anshu Sharma認(rèn)為新技術(shù)有技術(shù)風(fēng)險(xiǎn)和市場(chǎng)風(fēng)險(xiǎn)兩種。技術(shù)風(fēng)險(xiǎn)是你可能做不出來(lái)，比如第一個(gè)航天飛機(jī)。
市場(chǎng)風(fēng)險(xiǎn)是你可以做出來(lái)，但可能賣不出，比如云存儲(chǔ)。
而AI現(xiàn)在的表現(xiàn)，是既沒有技術(shù)風(fēng)險(xiǎn)又沒有市場(chǎng)風(fēng)險(xiǎn)，甚至它的商業(yè)模式都完美地和現(xiàn)在的三種云計(jì)算的收費(fèi)模式匹配。
（注：云計(jì)算的三種收費(fèi)模式為：IaaS、PaaS、SaaS，即分別為按基礎(chǔ)設(shè)施使用量收費(fèi)、按平臺(tái)使用量收費(fèi)和按用戶數(shù)收費(fèi)，百度網(wǎng)盤、微軟Azure、Oracle數(shù)據(jù)庫(kù)就是這三種典型。）
“人工智能革命是第一次我們既知道如何構(gòu)建它，又知道如何將其盈利的革命。----Anshu Sharma說�！�
高盛資產(chǎn)管理公司的 Sung Cho和他們公司的基本股票團(tuán)隊(duì)的投資組合經(jīng)理 Brook Dane 樂觀地認(rèn)為，“我們?cè)絹?lái)越有信心，這個(gè)技術(shù)周期是真實(shí)的，這將會(huì)是一個(gè)大趨勢(shì)�！�
如果歷史可作借鑒，那么生成式AI的殺手級(jí)應(yīng)用，大概還需要數(shù)年時(shí)間才會(huì)出現(xiàn)。
雖然這么說，但我們現(xiàn)在已經(jīng)可以看到一些苗頭了。垂直領(lǐng)域AI代理（Vertical AI Agent）正逐漸成為顛覆行業(yè)的關(guān)鍵驅(qū)動(dòng)力。
垂直領(lǐng)域AI代理可以將傳統(tǒng)SaaS發(fā)展得更智能和更深度的場(chǎng)景嵌入，能夠深入理解特定行業(yè)的專業(yè)知識(shí)與獨(dú)特需求，提供精準(zhǔn)的定制化解決方案。
這里舉幾個(gè)典型例子，比如，法律合同審查工具、智能化醫(yī)療診斷平臺(tái)、簡(jiǎn)歷篩選服務(wù)、個(gè)人日程安排、民意調(diào)查問卷設(shè)計(jì)、供應(yīng)鏈優(yōu)化的預(yù)測(cè)分析等等。
這些AI Agent雖然還夠不上高盛眼里的殺手級(jí)應(yīng)用，但也在一些細(xì)分領(lǐng)域發(fā)揮極大的作用了，隨著這種細(xì)分領(lǐng)域越來(lái)越多，累積起來(lái)的效率提升也越來(lái)越多，導(dǎo)致殺手級(jí)應(yīng)用出現(xiàn)的概率也越來(lái)越大。
第一方面之三：AI效率提升有多少GDP？
很多文章詬病高盛報(bào)告中的MIT教授Daron Acemoglu估計(jì)的AI只能給美國(guó)GDP帶來(lái)只有0.9%的增長(zhǎng)的說法。
Daron教授的估計(jì)辦法是目前用得著AI的產(chǎn)業(yè)在GDP中的占比乘以該產(chǎn)業(yè)可能的效率提升，比如，廣告創(chuàng)意，占比GDP為百分之X，而做AI提升廣告創(chuàng)意的效率為Y，所以效率提升為X*Y。他估計(jì)AI只會(huì)影響23%的產(chǎn)業(yè)和4.6%的人類工作任務(wù)，乘以平均27%的人力成本，人類生產(chǎn)效率提升只有0.66%，進(jìn)而只能提升0.9%的GDP。（Leo評(píng)論：這個(gè)估計(jì)顯然太過于靜止和悲觀了，連我這個(gè)門外漢都覺得未來(lái)人工智能的行業(yè)滲透程度一定會(huì)遠(yuǎn)超23%，并且對(duì)全部人類工作任務(wù)的影響的比例更不會(huì)在4.6%。）
所以Googled網(wǎng)絡(luò)和數(shù)據(jù)中心總監(jiān)Daniel Golding直接批駁高盛的報(bào)告如下：（注意Google的員工肯定有預(yù)設(shè)立場(chǎng)的）
”高盛的研究重點(diǎn)太有限，他們完全專注于低端任務(wù)的效率提升，而它是人工智能最無(wú)趣的方面，這是視野上的失敗。”
"高盛的研究主要是高盛的分析師采訪其他高盛分析師和一些學(xué)術(shù)理論家，他們沒有與任何接近商業(yè)現(xiàn)實(shí)的人交流�！�
”高盛的經(jīng)濟(jì)學(xué)家完全專注于分析用昂貴的AI投入來(lái)取代低成本任務(wù)，這表明他們認(rèn)為經(jīng)濟(jì)本質(zhì)上是一個(gè)零和游戲---這是一個(gè)早在 19 世紀(jì)就被證明錯(cuò)誤的經(jīng)濟(jì)理論�，F(xiàn)實(shí)是，人工智能不僅能夠提升人類完成高、低成本的任務(wù)， 也能使我們能夠做以前從未可能做的事情，比如準(zhǔn)確的天氣預(yù)報(bào)和找出食品卡車的停放位置---蛋糕會(huì)被做大的、AI的成本也是在下降的�！�
摩根大通的調(diào)研也指出，預(yù)期在2025年前接入AI進(jìn)行生產(chǎn)的企業(yè)占比也超過55%，AI滲入企業(yè)中的比例遠(yuǎn)比23%高---因?yàn)橛冒l(fā)展的眼光看，隨著AI成本的下降，使用AI的行業(yè)和企業(yè)也會(huì)越來(lái)越多。
麥肯錫和埃森哲都認(rèn)為：到 2028 年，人工智能對(duì)全球 GDP 的影響將達(dá)到 10萬(wàn)億美元，相當(dāng)于半個(gè)中國(guó)的GDP。
咨詢公司普華永道的一項(xiàng)預(yù)測(cè)估計(jì)：到2030年，人工智能可能為全球經(jīng)濟(jì)增加近16 萬(wàn)億美元，主要來(lái)自勞動(dòng)生產(chǎn)率的大幅提高。
第一方面之四：通用人工智能何時(shí)出現(xiàn)？
高盛報(bào)告中，無(wú)論正反方，都隱含了一個(gè)潛在的觀點(diǎn)：
“大模型和生成式人工智能（AIGC）能夠產(chǎn)生的效益有限，AI要靠通用人工智能（AGI）來(lái)扛把子�！�
而反駁者有兩種：
一種認(rèn)為現(xiàn)在生成式AI長(zhǎng)期點(diǎn)看完全可以收回成本，所以有沒有通用AI出現(xiàn)無(wú)所謂，都不影響。
一種認(rèn)為生成式AI收回成本很困難，但遠(yuǎn)期還有通用AI，那個(gè)時(shí)候，人類的生產(chǎn)效率會(huì)得到大幅度提升，從而一舉收回全部AI投資。
所以，無(wú)論是持哪方觀點(diǎn)，大家都一致認(rèn)為通用AI還是有點(diǎn)遠(yuǎn)，只不過區(qū)別在于一些人樂觀地認(rèn)為可以從現(xiàn)在的生成式AI過渡過去，而另外一些人悲觀地認(rèn)為現(xiàn)在的生成式AI的成果對(duì)未來(lái)的通用AI沒有用，通用AI需要另起爐灶。
還有更悲觀者，《LLM邏輯推理的枷鎖與破局策略》作者Alejandro Piad Morffis論述了為什么大語(yǔ)言模型不具備推理（Reasoning）能力，并在X上引發(fā)強(qiáng)烈爭(zhēng)論。
他認(rèn)為，LLM在許多情況下所做的事情只是類似于推理，但并不完全是正確、可靠的推理算法，這比根本沒有推理算法更糟糕，因?yàn)樗鼤?huì)讓你錯(cuò)誤地認(rèn)為它有效，并且你可能無(wú)法判斷它何時(shí)無(wú)效，而再多的漸進(jìn)式創(chuàng)新（技巧）也無(wú)法解決這個(gè)問題。如果沒有范式轉(zhuǎn)變，這些錯(cuò)誤不可避免。
第二方面之一：AI股價(jià)高嗎？
泡沫的特點(diǎn)是股票在投機(jī)過熱的背景下大幅超出合理估值。若有一天，投資者了解公司的業(yè)務(wù)不能即刻在市場(chǎng)上兌現(xiàn)成長(zhǎng)預(yù)期，投資者急賣股票就會(huì)令價(jià)格急跌，泡就隨之爆破。
回顧2000年互聯(lián)網(wǎng)泡沫高峰，當(dāng)時(shí)5家最大的科技公司（微軟、英特爾、朗訊和思科和IBM）的平均遠(yuǎn)期PE（市盈率）是59倍。
而現(xiàn)在2024年最大的五大科技股（亞馬遜、微軟、Meta、英偉達(dá)和Alphabet）的遠(yuǎn)期PE為34倍，雖然他們市值動(dòng)不動(dòng)幾萬(wàn)億，但不僅比2021年底低，還比2000年相差近一半。
并且，現(xiàn)在科技巨頭的每股收益（EPS）增長(zhǎng)率（42%）比互聯(lián)網(wǎng)泡沫時(shí)（30%）更佳，而且我們?nèi)栽贏I時(shí)期的早期階段上，AI可以提高利潤(rùn)率。
摩根大通的報(bào)告說，當(dāng)今的人工智能科技股 2024 年的平均盈利增長(zhǎng)率估計(jì)為 42%，而2000 年互聯(lián)網(wǎng)泡沫科技股的平均增長(zhǎng)率預(yù)期只有30%。
前面說到的知名對(duì)沖基金Coatue還做過一個(gè)測(cè)算：
以互聯(lián)網(wǎng)泡沫時(shí)期增長(zhǎng)最為明顯的思科為例，其五年平均市盈率為37倍，但泡沫時(shí)期高達(dá)132倍。
同樣的計(jì)算方式對(duì)應(yīng)到英偉達(dá)，其在過去五年平均市盈率為40倍，而今天（指幾個(gè)月前的測(cè)算日）到了68倍，遠(yuǎn)未達(dá)到思科泡沫時(shí)期的水準(zhǔn)。
作為新興霸主，即使在半導(dǎo)體行業(yè)內(nèi)，英偉達(dá)的市盈率也不過是中等偏上水平。
此外，泡沫破裂還是因?yàn)榛A(chǔ)業(yè)務(wù)的情況發(fā)生了變化，這不僅僅是價(jià)格的變動(dòng)。
2000年互聯(lián)網(wǎng)股票崩潰時(shí)，幾乎所有的公司的增長(zhǎng)都停滯了。
例如，亞馬遜的收入增長(zhǎng)率從 1999 年的接近 180%降至 2001 年的僅 13%，更多的dot.com公司銷售額降低。
而這次，谷歌公布其第二季度收入增長(zhǎng) 14%，谷歌云（Google Cloud）增長(zhǎng) 29%。微軟收入增長(zhǎng) 15%，其云基礎(chǔ)設(shè)施業(yè)務(wù) Azure 增長(zhǎng) 29%。
這些都是強(qiáng)勁的增長(zhǎng)數(shù)字，科技巨頭們有成熟的商業(yè)模式和可靠的收入來(lái)源，基礎(chǔ)業(yè)務(wù)非常健康，即便股價(jià)下跌、即使他們所有的人工智能計(jì)劃都失敗了，他們基礎(chǔ)業(yè)務(wù)都沒有倒退的可能性，換句話說，他們現(xiàn)有的業(yè)務(wù)的盈利狀況也足夠支持得起他們的股價(jià)。
第二方面之二：美國(guó)AI投資的錢哪里來(lái)？
前面我們提到的泡沫產(chǎn)生的兩個(gè)前提條件之一就是市場(chǎng)要有錢，但當(dāng)下美國(guó)金融市場(chǎng)的流動(dòng)性并不樂觀，這意味著即便AI是泡沫，上限高不了。
為了遏制疫情時(shí)期貨幣寬松所帶來(lái)的40年來(lái)的最高通脹，美聯(lián)儲(chǔ)自2022年3月至2023年7月進(jìn)行了11次加息。即使現(xiàn)在開始進(jìn)入減息通道，利息還是在非常高的高位。
與此同時(shí)，美聯(lián)儲(chǔ)還開始了大規(guī)�？s表，從2022年6月開始，F(xiàn)ed每月減少600億美元的國(guó)債持有量和350億美元的抵押貸款支持證券(MBS)持有量。
一句話，在AI爆發(fā)期間，美聯(lián)儲(chǔ)正在進(jìn)行自1980年代以來(lái)最激進(jìn)的貨幣緊縮政策。
因此當(dāng)下AI產(chǎn)業(yè)所處的位置更像是在基建時(shí)期，需要海量資金和高密度的技術(shù)，也正是這種階段特性決定資金量不足的小VC和小公司很難入場(chǎng)。
從Coatue給出的數(shù)據(jù)看，此輪AI投資雖然熱鬧，但VC們并未出盡全力。私募股權(quán)公司手里還有1萬(wàn)億美元的未投資金，處于歷史最高水平。
所以現(xiàn)在AI的投資主力就是美股的Ma 7（股市七姐妹）, 外加最近很積極的Oracle。
巨頭的投入，與他們所創(chuàng)造的現(xiàn)金流相比，并沒有十分激進(jìn)。
從財(cái)報(bào)來(lái)看，這幾家公司單季度少的有100多億，多的有200多億美元的純利。
微軟在2024財(cái)年Q2實(shí)現(xiàn)了220.4億美元的利潤(rùn)，AlphabetQ2的利潤(rùn)則達(dá)到了236億美元，亞馬遜134億美元。
七巨頭的整體利潤(rùn)都非常健康。而且他們口袋里也有大把花不出去的現(xiàn)金。
蘋果的自由現(xiàn)金流現(xiàn)在已經(jīng)超過1000億美元。
微軟、Alphabet和亞馬遜根據(jù)其收入增長(zhǎng)速度是都有望在近幾年加入“自由現(xiàn)金流1000億美元俱樂部”。
Meta今年自由現(xiàn)金流可能超過300億美元。
英偉達(dá)和特斯拉的自由現(xiàn)金流稍微少一些，但在AI爆發(fā)前，英偉達(dá)每年已經(jīng)能創(chuàng)造幾十億美元的自由現(xiàn)金流，這兩年賺的盆滿缽滿之后應(yīng)該可以達(dá)到百億的水平了。
針對(duì)AI的支出，七巨頭們目前從利潤(rùn)到現(xiàn)金都在可承受范圍之內(nèi)。
如果這是下個(gè)時(shí)代的生死之戰(zhàn)，他們留著這些利潤(rùn)和現(xiàn)金是準(zhǔn)備帶進(jìn)墳?zāi)箚幔?/strong>
正因?yàn)榫揞^們賭得起，所以談不上不理性。
第二方面之三：投資回報(bào)周期多長(zhǎng)？
另外一個(gè)理性的前提是，投資需要有對(duì)應(yīng)的回報(bào)。
巨頭們心甘情愿地參與軍備競(jìng)賽，當(dāng)錢不是問題，需要進(jìn)一步回應(yīng)的就是對(duì)投資回報(bào)率的質(zhì)疑。這也是高盛發(fā)布的報(bào)告和紅杉資本的6000億問題所質(zhì)疑的核心。
AI目前的階段更像是基建。而基建的回報(bào)周期和短期投資不太一樣，基本以五年起計(jì)。就連數(shù)據(jù)中心的回報(bào)周期一般都在4.5年左右。
AI的商業(yè)化普及可能需要5到10年的時(shí)間�；仡櫥ヂ�(lián)網(wǎng)的發(fā)展，最初的商業(yè)模式如廣告和搜索引擎也經(jīng)歷了較長(zhǎng)時(shí)間的培育。因此，我們需要對(duì)AI的商業(yè)化保持耐心和空間。
既然這是個(gè)長(zhǎng)回報(bào)周期的投入，那投給AI的錢什么時(shí)候可以賺回來(lái)呢？
Couteue幫我們算了一筆賬。AI在基礎(chǔ)設(shè)施建設(shè)期，也就是到2030年，預(yù)計(jì)會(huì)花費(fèi)1.2萬(wàn)億美元（和高盛的1萬(wàn)億有點(diǎn)差別）（不含電力設(shè)施），這大概是2500萬(wàn)單位的GPU外加相關(guān)支出。這看起來(lái)很龐大，但其實(shí)僅占全球IT支出的18%。
按照25%的ROI，即預(yù)期收益6000億美元，加上1.2萬(wàn)億，到2030年AI的投入必須轉(zhuǎn)化出1.8萬(wàn)億美元的收入才能實(shí)現(xiàn)收支平衡。
這可以通過兩種方式達(dá)成。
一種是降本。只要AI能降低全球技術(shù)人員總薪資的5%或所有工人工資的3%，就可以達(dá)到1.8萬(wàn)億的收益。（Leo評(píng)：這個(gè)聽起來(lái)有點(diǎn)不可思議，技術(shù)人員的工資是市場(chǎng)供需決定的，不是想降就降的，除非AI導(dǎo)致技術(shù)人員過剩)
另一個(gè)是增收。如果AI能帶來(lái)全球2%的GPD增長(zhǎng)，提升所有上市公司3%的收入，那AI公司只要從中賺取一半的收益，也能到1.8萬(wàn)億。(Leo評(píng)：AI帶來(lái)了收益，AI公司怎么才能分到一半？電子郵件發(fā)明了，哪個(gè)公司賺到了電子郵件帶來(lái)的附加好處的一半？）
那么問題來(lái)了，AI能帶來(lái)降本增效的結(jié)果嗎？投資回報(bào)時(shí)間這個(gè)爭(zhēng)議的焦點(diǎn)本質(zhì)上變成了AI能帶來(lái)多少效益。
高盛在８月報(bào)告《Will the $1 trillion of generative AI investment pay off?》（一萬(wàn)億的AI投資是否會(huì)得到回報(bào)？），高盛資產(chǎn)管理公司基本股票團(tuán)隊(duì)的投資組合經(jīng)理 Brook Dane這樣說：
“當(dāng)前市場(chǎng)上最大的問題是：我們能從投資中獲得回報(bào)嗎？我相當(dāng)確信我們正在看到這種回報(bào)。有幾個(gè)數(shù)據(jù)點(diǎn)讓我感到安心�！�
“首先，我們花了很多時(shí)間與一家超大規(guī)模公司的CFO交流，這個(gè)人非常坦率地談?wù)摿怂麄內(nèi)绾卧诓渴餑PU 的集群中進(jìn)行投資回報(bào)率（ROI）計(jì)算，以及從回報(bào)的角度看，他們發(fā)現(xiàn)這非常有利可圖，雖然沒有給出任何具體數(shù)字�！�
“現(xiàn)在，這家公司已經(jīng)在其基礎(chǔ)設(shè)施上為推薦引擎運(yùn)行了大量的推理工作負(fù)載。正如這些模型所預(yù)測(cè)的，他們看到了用戶在其平臺(tái)上停留時(shí)間增加的結(jié)果，所以對(duì)他們來(lái)說，投資回報(bào)率的計(jì)算可能是最簡(jiǎn)單的，因?yàn)槟憧梢圆渴鹨粋�(gè)集群，你可以使用更復(fù)雜的算法，從而導(dǎo)致更多的用戶停留時(shí)間，這可以帶來(lái)更多的廣告展示，進(jìn)而推動(dòng)收入�！�
”第二件事，這是長(zhǎng)期跟蹤該行業(yè)以及最近與另一家超大規(guī)模公司就其資本支出計(jì)劃進(jìn)行多次討論得出的：我們知道他們?cè)跉v史上一直非常自律，以及他們?nèi)绾慰吹绞杖氲脑隽吭鲩L(zhǎng)，以及看到他們從資本支出中獲得的增量回報(bào)�！�
“這位首席財(cái)務(wù)官?gòu)?qiáng)調(diào)他們有錢，如果能獲得更多的GPU 來(lái)部署，他們會(huì)的。我認(rèn)識(shí)這個(gè)人 20年了，了解他們?nèi)绾翁幚碣Y本預(yù)算，如何花費(fèi)他們的資本。如果他們面前沒有看到真正、切實(shí)、有形的回報(bào)，這個(gè)人是不會(huì)這樣做的，而且他們非常堅(jiān)決，但現(xiàn)在還處于早期�！�
Dane沒有點(diǎn)名，但我猜他說的這家公司是Google，可見巨頭們對(duì)自己的投資能夠獲得回報(bào)是有內(nèi)部數(shù)據(jù)支撐的，但其中也有Bug，因?yàn)檫@位CFO只提了廣告收入，這恐怕不足以收回萬(wàn)億美元的。
微軟首席財(cái)務(wù)官在財(cái)報(bào)會(huì)議上直言，該公司對(duì)AI的巨額投資，至少要15年才有回報(bào)。
高盛則表示，AI行業(yè)的變革潛力可能會(huì)產(chǎn)生深遠(yuǎn)的宏觀影響，但這將是“一個(gè)10年以上的轉(zhuǎn)變”。
無(wú)論如何，有一點(diǎn)是大家的共識(shí)：這是個(gè)長(zhǎng)期投資，五年、十年、二十年的回收周期都是有可能的。
不過，也有不認(rèn)可這個(gè)說法的。
Daniel Golding, CTO of Appleby Strategy Group（一家數(shù)據(jù)中心建設(shè)公司）在領(lǐng)英上發(fā)表文章說：
“問題就出在這里，對(duì)于高盛和該領(lǐng)域的許多私募股權(quán)公司來(lái)說，投資的時(shí)間線與范式轉(zhuǎn)換技術(shù)的現(xiàn)實(shí)嚴(yán)重不匹配。真正具有變革性的人工智能的實(shí)際時(shí)間線是5 到 10年，在此期間會(huì)有大量的投資和大量的技術(shù)進(jìn)步，以及我們社會(huì)和經(jīng)濟(jì)的相應(yīng)變化，但投資者不想等十年�！�
所以，如果投資者不愿意等十年，會(huì)發(fā)生什么很難預(yù)測(cè)，不過，幸好現(xiàn)在的主要投資者都是巨頭，他們還是等得起十年的�！�
第二方面之四：對(duì)AI適用ROI的邏輯嗎？
也有文章提出了一個(gè)非理性的問題：這些AI的投資，用當(dāng)下的ROI去衡量一場(chǎng)基建性質(zhì)的科技進(jìn)步是否合理？或者說，泡沫破裂的后果一定是壞的嗎？
目前的AI的確面臨投入高、應(yīng)用難的問題，但如果我們把目光放遠(yuǎn)，轉(zhuǎn)向那些在歷史上被稱作泡沫的基建時(shí)期，就會(huì)有不一樣的發(fā)現(xiàn)。
在互聯(lián)網(wǎng)泡沫破裂之前，電信公司在華街籌集了1.6萬(wàn)億美元，并發(fā)行了6000億美元債券，建設(shè)的光纖電纜達(dá)到8020萬(wàn)英里，占到美國(guó)歷史上基礎(chǔ)數(shù)字布線總數(shù)的76%，為互聯(lián)網(wǎng)的成熟奠定基礎(chǔ)，這些錢到今天都沒有收回。
如果再往前看，19世紀(jì)40年代英國(guó)鐵路泡沫以及由此建造的鐵路，為英國(guó)的高度工業(yè)革命打下地基，在經(jīng)濟(jì)泡沫時(shí)期批準(zhǔn)的鐵路計(jì)劃里程數(shù)更是占了英國(guó)鐵路系統(tǒng)總里程的90%。
當(dāng)我們談?wù)摶ヂ?lián)網(wǎng)泡沫時(shí)，并非指互聯(lián)網(wǎng)技術(shù)是泡沫，而是特指一種主要形式為電子商務(wù)、被過度興奮的投機(jī)性投資所吹捧的商業(yè)模式。
而人工智能意味著更多，歷史的車輪更不會(huì)因?yàn)榕菽屏讯Ｏ�。人工智能的支持者總是迅速指出，AI是新的互聯(lián)網(wǎng)，一種根本性的新技術(shù)架構(gòu)，如果這是真的，那它就不會(huì)化作泡沫。
細(xì)想一下，或許也可以。
首先，前面說到目前主要的AI投資都是幾個(gè)大云廠的自有資金，沒有多少VC（風(fēng)險(xiǎn)資本），這些錢打了水漂也不會(huì)造成連鎖反應(yīng)。
其次，這些資金雖然屬于股東，但如果不用這些資金投資AI，就不會(huì)給市場(chǎng)帶來(lái)想象的空間，反而會(huì)連累股價(jià)，給股東造成損失。
所以，這些資金要不要追求回報(bào)、要多少回報(bào)、回報(bào)周期是多長(zhǎng)都不是他們要考慮的，他們必須得下注AI，并且必須是孤注一擲的堅(jiān)定。
更何況還有FOMO的動(dòng)機(jī)在作用，那更得義無(wú)反顧地投入AI了。
其他深度見解
在閱讀中，我還看到一些有深度的見解，正反兩邊的立場(chǎng)都有，這里列舉給讀者，不過讀上去有點(diǎn)思維混亂，可以跳過不讀。
因?yàn)槠年P(guān)系我就省去大部分見解的發(fā)表者的身份了。
“高盛的報(bào)告范圍廣泛，但存在缺陷，即假設(shè)人工智能的好處來(lái)自效率而不是價(jià)值創(chuàng)造�！�
“巨頭們投入AI的不僅僅是海量的資金，還有多年來(lái)積攢的技術(shù)、數(shù)據(jù)和雄厚的基礎(chǔ)客戶，這些都是將小投資者和小企業(yè)擠出AI市場(chǎng)的優(yōu)勢(shì)，最終導(dǎo)致資金都來(lái)自巨頭們，最后的基礎(chǔ)設(shè)施的收益也歸巨頭所有�！�
“現(xiàn)在的情況是，我們（某云廠）都必須表明我們?cè)敢飧鶕?jù)需要進(jìn)行投資，因?yàn)槲覀兿氡３诌@種領(lǐng)導(dǎo)地位，但在某個(gè)時(shí)候，投資負(fù)擔(dān)會(huì)變得如此沉重，其中一家……會(huì)說：“也許下個(gè)季度，我們不會(huì)投資這么多”，然后你會(huì)看到其他公司也會(huì)這么做�？偟膩�(lái)說，這種投資水平是不可持續(xù)的�！�
“人工智能革命是第一次我們既知道如何構(gòu)建它，又知道如何將其盈利的革命�！�
“很明顯，過去一兩年我們看到的極高的估值表明存在泡沫；價(jià)格調(diào)整很可能即將到來(lái)，甚至可能已經(jīng)在進(jìn)行中。然而，盡管如此，我相信人工智能的中長(zhǎng)期前景非常強(qiáng)勁。它肯定有可能像 20 世紀(jì)后期互聯(lián)網(wǎng)的出現(xiàn)最終證明的那樣。”
“當(dāng)今的生成式人工智能技術(shù)無(wú)疑是昂貴的。與它相比，人腦在執(zhí)行認(rèn)知任務(wù)時(shí)每單位能量的效率高出 10,000 倍，但該技術(shù)的成本方程將會(huì)改變，成本會(huì)越來(lái)越低，就像過去發(fā)生過的事情一樣。”
“歷史上大多數(shù)泡沫的結(jié)束，要么是因?yàn)橘Y本成本急劇變化，要么是因?yàn)樽罱K需求惡化影響了企業(yè)持續(xù)投資的能力，而不是因?yàn)楣静辉偻顿Y一項(xiàng)投資回報(bào)比預(yù)期更長(zhǎng)的技術(shù)。＂
“AI的商業(yè)化普及可能需要5到10年的時(shí)間�；仡櫥ヂ�(lián)網(wǎng)的發(fā)展，最初的商業(yè)模式如廣告和搜索引擎也經(jīng)歷了較長(zhǎng)時(shí)間的培育。因此，我們需要對(duì)AI的商業(yè)化保持耐心和空間。”
“從基礎(chǔ)設(shè)施的角度來(lái)看，競(jìng)賽在很大程度上已經(jīng)結(jié)束。但在構(gòu)建垂直和特定行業(yè)的大型語(yǔ)言模型和模型，以及許多邊緣使用案例方面，我認(rèn)為這還沒有定論，我認(rèn)為這是很多創(chuàng)新將會(huì)出現(xiàn)的地方。”
“我要補(bǔ)充的是，我不認(rèn)為這個(gè)市場(chǎng)只有少數(shù)幾家大型公司是贏家。本質(zhì)上，除了模型訓(xùn)練部分之外，最重要的是：你擁有哪些獨(dú)特的數(shù)據(jù)，你可以用來(lái)幫助客戶？”
“AI解決的不是連接問題，而是重新組織生產(chǎn)資料和提升生產(chǎn)力。AI能夠在數(shù)字孿生的世界中發(fā)揮更大的作用，替代人的處理能力。它不僅僅是通過連接，而是通過智能判斷和自動(dòng)化操作。例如，空調(diào)和電冰箱連接到互聯(lián)網(wǎng)后，仍需要人為設(shè)定參數(shù)，但有了AI后，這些設(shè)備可以自主判斷并執(zhí)行操作，如在氣溫超過28度時(shí)自動(dòng)開啟空調(diào)。這就是AI在經(jīng)濟(jì)生態(tài)中發(fā)揮的作用，與互聯(lián)網(wǎng)的作用不同。實(shí)際上，許多行業(yè)更需要AI，而不是互聯(lián)網(wǎng)�！�
“有一句老掉牙的笑話：投資中最危險(xiǎn)的是‘this time is different’。每一項(xiàng)重要的技術(shù)進(jìn)步在歷史上都伴隨著某種金融泡沫，自金融市場(chǎng)存在以來(lái)都是如此�！�
“今天的人工智能領(lǐng)導(dǎo)者如微軟、英偉達(dá)、Alphabet 和 Meta 等公司已經(jīng)非常盈利。他們有經(jīng)過驗(yàn)證的商業(yè)模式和可靠的收入來(lái)源，即使他們所有的人工智能計(jì)劃都失敗了，這些收入來(lái)源也很可能不會(huì)枯竭。”
“推理的軟件優(yōu)化速度是極快的。就看看DeepSeek當(dāng)初的工作，以及現(xiàn)在各種蒸餾、小模型的進(jìn)展。某種程度上，這都是被缺卡逼出來(lái)的，軟件工程師會(huì)用各種方法削弱對(duì)硬件的依賴...降本增效嘛。因此，至少在明年之前，推理算力可以說是非常非常富足，就看需求能否被激發(fā)出來(lái)...”
“今天，正在進(jìn)行的AI數(shù)據(jù)中心加速計(jì)算建設(shè)只是第一階段，但這只是構(gòu)建所有AI應(yīng)用程序的支柱，增加了一個(gè)顛覆性的技術(shù)層（LLMs），成本更低，上市更快�！�
＂人工智能越“特定”和“狹窄”，它就越有用。沒有經(jīng)過高度訓(xùn)練、優(yōu)化和針對(duì)您的公司、業(yè)務(wù)和工作進(jìn)行調(diào)整的通用大型語(yǔ)言模型（LLM）根本不會(huì)獲得高價(jià)。所以，雖然我們都認(rèn)為ChatGPT 是天堂，但我們現(xiàn)在發(fā)現(xiàn)高度專業(yè)化的解決方案才是答案�！�
“從GPU的供需來(lái)說，結(jié)構(gòu)性不平衡導(dǎo)致價(jià)格差距較大。目前大模型賽道馬太效應(yīng)非常明顯，小的模型生存困難，要么降低價(jià)格，要么關(guān)門拋售GPU，這導(dǎo)致零星的GPU在市場(chǎng)上出現(xiàn)過剩�！�
＂懷疑論者經(jīng)常指出人工智能股票價(jià)格的快速上漲是即將出現(xiàn)泡沫的跡象。然而，歷史背景和當(dāng)前的市場(chǎng)分析講述了一個(gè)不同的故事。當(dāng)今領(lǐng)先的人工智能公司的估值雖然很高，但不像互聯(lián)網(wǎng)泡沫時(shí)期那樣膨脹。這些公司擁有強(qiáng)大的資產(chǎn)負(fù)債表和明確的盈利途徑，為可持續(xù)增長(zhǎng)提供了基礎(chǔ)。＂
“一個(gè)不容忽視的現(xiàn)實(shí)挑戰(zhàn)：如果科技巨頭無(wú)法在未來(lái)三到五年通過大模型獲得切實(shí)的業(yè)績(jī)?cè)鲩L(zhǎng)、回收在AI基礎(chǔ)設(shè)施上進(jìn)行的龐大投入，那AI行業(yè)的增長(zhǎng)也將后繼無(wú)力�！�
“當(dāng)下AI行業(yè)似乎已經(jīng)不是寅吃卯糧、不是超前投資，而是極度的缺乏產(chǎn)品�！�
前面提到的高盛股票分析師Eric Sheridan說：“我再次承認(rèn)，目前投資資本回報(bào)率 (ROIC) 的可 見性較低，人工智能的變革潛力仍將繼續(xù)受到激烈爭(zhēng)論，直到這一點(diǎn)變得更加清晰。但人工智能懷疑論者忽略了三件關(guān)鍵的事情。第一，對(duì)現(xiàn)有/歷史數(shù)據(jù)進(jìn)行培訓(xùn)，以告知和推動(dòng)未來(lái)的分析結(jié) 果，聽起來(lái)就像上大學(xué)一樣人們?cè)诋厴I(yè)后的幾十年里繼續(xù)學(xué) 習(xí)，然后提高生產(chǎn)力和效率，而機(jī)器絕對(duì)可以做到同樣的事情。第二，今天的機(jī)器可以比人類更高效地完成一系列任務(wù)，并且在 未來(lái)幾十年內(nèi)仍然如此。第三，在智能手機(jī)、Uber 或 Airbnb 出 現(xiàn)之前，人們并不認(rèn)為他們需要它們。但在今天，人們?cè)?jīng)抵制 這樣的技術(shù)進(jìn)步似乎是不可想象的。幾乎可以肯定，這對(duì)于生成 式人工智能技術(shù)來(lái)說也是如此。”
微軟”小冰“之父李笛：“對(duì)話式AI泡沫明顯，數(shù)據(jù)和用量是硬傷�！�
風(fēng)險(xiǎn)投資界著名的投資公司a16z的觀點(diǎn)："AI泡沫不可避免，但未來(lái)的“金子”公司也會(huì)在泡沫時(shí)代中成立。"
比爾蓋茨的觀點(diǎn)：“現(xiàn)在AI市場(chǎng)的狂熱程度遠(yuǎn)超互聯(lián)網(wǎng)泡沫，但AI技術(shù)的潛力和價(jià)值仍然被嚴(yán)重低估。"
金沙江主管合伙人朱嘯虎就認(rèn)為：“大模型是很差的商業(yè)模式，大模型是要每?jī)扇昃鸵腋嗟腻X去升級(jí)，而且變現(xiàn)的周期可能就兩三年。”
華爾街“TMT之王”Coatue代表觀點(diǎn)：“AI不是炒作，黃金時(shí)代還沒有到來(lái)；AI不是估值泡沫，但主要是巨頭的游戲�！�
Anthropic公司CEO Dario Amodei作為人工智能領(lǐng)域的重要人物，預(yù)測(cè)AGI（通用人工智能）可能會(huì)在2026年問世。
軟銀老板孫正義一直看好AI，他認(rèn)為AGI是達(dá)到與人類大腦同等水平的智能，而對(duì)于ASI（超級(jí)人工智能），他有著自己的標(biāo)準(zhǔn)要比人類大腦聰明一萬(wàn)倍。這個(gè)雄心勃勃的目標(biāo)，他預(yù)計(jì)將在2035年實(shí)現(xiàn)，僅僅是十年之后的事情。如果ASI能在未來(lái)10年內(nèi)替代全球GDP的5%，每年就能創(chuàng)造9萬(wàn)億美元的產(chǎn)值，足以在一年內(nèi)收回全部投資。他預(yù)測(cè)，未來(lái)四家頂級(jí)AI公司每家都將獲得約1萬(wàn)億美元的年度利潤(rùn)。
Open AI CEO Sam Alaman上個(gè)月在他們的開發(fā)者大會(huì)上接受采訪為AI做了些辯護(hù)。他說了幾個(gè)觀點(diǎn)， 比如：“在 GPT-3.5 時(shí)代，感覺有 95% 的創(chuàng)業(yè)公司都在押注模型不會(huì)有太大進(jìn)步。而現(xiàn)在倒過來(lái)了，95%的人們已經(jīng)意識(shí)到了這種模型的進(jìn)步速度，也聽到了我們想要實(shí)現(xiàn)的目標(biāo)。所以模型上的缺陷以后不再是一個(gè)問題�！�
Sam Altman也承認(rèn)模型確實(shí)是會(huì)貶值的資產(chǎn)，這一點(diǎn)毋庸置疑，但說它們不值得投入訓(xùn)練成本，這種觀點(diǎn)似乎完全錯(cuò)誤，更不用說，當(dāng)你在訓(xùn)練這些模型時(shí)會(huì)產(chǎn)生一個(gè)正向的復(fù)合效應(yīng)，你會(huì)在訓(xùn)練下一個(gè)模型時(shí)變得更加熟練。從模型實(shí)際能帶來(lái)的收入來(lái)看，我認(rèn)為這些投資是值得的。不過公平地說，這種情況也不適用于所有人。
簡(jiǎn)化總結(jié)一下對(duì)立的觀點(diǎn)
寫到這里，是時(shí)候?qū)⑦@些對(duì)立的觀點(diǎn)進(jìn)行壓縮和簡(jiǎn)化了。
認(rèn)為AI是泡沫的觀點(diǎn)的要點(diǎn)：
--- 股市在歷史新高，都是AI相關(guān)公司帶動(dòng)的，但其AI的收益很少；
--- 投入太多，沒有殺手級(jí)應(yīng)用，回收幾乎是不可能的；
--- 算力貶值極快，投入等于很快就會(huì)打水漂，現(xiàn)在已經(jīng)有局部富余了；
--- AI的使用門檻太低，很快大家都掌握，就沒人能夠賺錢；
--- 大模型這種對(duì)投入的要求是指數(shù)增加的， 這從資金、電力、算力、數(shù)據(jù)四個(gè)維度上看都是不可持續(xù)的；
--- 大模型并不“聰明”，它是概率性的輸出，沒有足夠的準(zhǔn)確性，實(shí)用性很低，也導(dǎo)致需求低；
認(rèn)為AI不是泡沫的觀點(diǎn)的要點(diǎn)：
--- 算力投入是基礎(chǔ)設(shè)施的投入，回報(bào)周期很長(zhǎng)也不要緊；
--- 股市七姐妹的市盈率并不高；
--- 股市七姐妹因?yàn)镕OMO必須要投，并且他們有足夠的錢投；
--- AI三個(gè)要素：算力、算法和數(shù)據(jù)，都可以優(yōu)化，從而大幅度提升大模型的效率；
--- 大模型只是打開了一扇門，后面還有充滿想象力的AI新世界等待著我們，或許新的通用人工智能幾年內(nèi)就能問世；
好了，以上每個(gè)觀點(diǎn)都有其正確性，那到底是不是泡沫，就看以上各個(gè)要素的權(quán)重大小，這點(diǎn)請(qǐng)讀者自行判斷。
作者Leo的觀點(diǎn)
讀了那么多報(bào)告，說一下我個(gè)人觀點(diǎn)，我認(rèn)為AI不是泡沫，或者說，即使是泡沫，也是很小的泡沫。
上面所有因素里面，巨頭們的FOMO和荷包鼓鼓是兩個(gè)最大權(quán)重的，對(duì)其他因素是碾壓性的，所以對(duì)AI的持續(xù)投入明年是必然的。
但是它也是受限的，應(yīng)用、資金、算力、電力和數(shù)據(jù)的不足輪流會(huì)成為卡脖子的因素，導(dǎo)致它不可能一飛沖天似的發(fā)展，這樣就更不是泡沫。
我個(gè)人覺得高盛9月份和紅杉的報(bào)告均有個(gè)致命的錯(cuò)誤假設(shè)：用靜態(tài)的思維在想像AI的發(fā)展。
實(shí)際上，整個(gè)AI也是在發(fā)展中的，用靜態(tài)的思維想未來(lái)，誤判的概率比較大。
比如，訓(xùn)練的數(shù)據(jù)雖然不夠了，但那指的是文本數(shù)據(jù)，而多模態(tài)數(shù)據(jù)（如圖像、視頻和音頻）還有很多，并且人類還在產(chǎn)生新的數(shù)據(jù)文本。
關(guān)于生成式AI的模糊性和不準(zhǔn)確性，人類社會(huì)其實(shí)并不需要處處都是高精度的、準(zhǔn)確的數(shù)據(jù)，比如空調(diào)開多少度，汽車跑多快，蛋白質(zhì)吃幾克�！∥覀儩撘庾R(shí)認(rèn)為我們需要高精度數(shù)據(jù)，那是只不過是因?yàn)槿藗円呀?jīng)習(xí)慣使用高精度準(zhǔn)確數(shù)據(jù)，并且以此為錨，因?yàn)槟：臇|西無(wú)法處理無(wú)法記載，人也無(wú)所適從。
所以生成式AI即便是“非精準(zhǔn)的”，即便是通用AI遲遲不出現(xiàn)，它也能適應(yīng)很多很多人類的需求，毛毛估一下，也有個(gè)七八成的需求不需要高精度的準(zhǔn)確性。
不過，“不是泡沫”的認(rèn)定并不能推斷英偉達(dá)那么高的股價(jià)并不會(huì)掉落。和其他幾個(gè)科技巨頭不同，它是賣鏟子的，等于它要先行一步。AI那么多限制因素，時(shí)時(shí)刻刻會(huì)阻礙著AI的冒進(jìn)，也有可能會(huì)出現(xiàn)需求沒有下降但基建推進(jìn)緩慢的情況，這時(shí)候英偉達(dá)的業(yè)績(jī)表現(xiàn)可能會(huì)低于預(yù)期。
最后，不管怎么樣，人類的機(jī)器智能時(shí)代已經(jīng)開啟。
附錄：參考文章列表（注：有些文章在國(guó)內(nèi)無(wú)法打開）
1.Agencies have their say on Goldman Sachs’s ‘AI is all hype’ claim | The Drum
2.Goldman Sachs On Generative AI: It’s Complicated | ETF Trends
3.Nvidia, ChatGPT and more: Is there an AI bubble nd is it about to pop? | Vox
5.Generative AI Future of Work Talent Transformation | Accenture
6.Beyond the hype: Capturing the potential of AI and gen AI in tech, media, and telecom | McKinsey
7.Gen AI: too much spend, too little benefit? | Goldman Sachs
8.Goldman Sachs calls GenAI overhyped, wildly expensive, warns investor of AI bubble popping soon Firstpost
9.Will the $1 trillion of generative AI investment pay off? | Goldman Sachs
10.Big Tech is spending billions on AI. Some on Wall Street see a bubble. - The Washington Post
11.Has the AI bubble burst? Wall Street wonders if artificial intelligence will ever make money|CNN
16.When Will The Trillions Invested In AI Pay Off? Sooner ThanYou Think
17.Generative AI Isn’t a Tech Bubble That’s Deflating (aiworldtoday.net)
19.Three Big Differences Between the AI and Dot-Com Bubbles - Bloomberg
20.Is the AI Bubble Popping? Don't Be so Sure. | The Motley Fool
22.Goldman Sachs: Wrong on AI and Wrong on the Future
23.Goldman Sachs Is Wrong About AI (Why AI Isn't A Bubble) | The AI Daily Brief (Formerly The AI Breakdown): Artificial Intelligence News and Analysis Podcast (everand.com)
24.Pop Culture|Ed Zitron
25.Will generative AI live up to its hype? -IBM Blog
26.紅杉、高盛警告：AI信心搖搖欲墜，投資泡沫到達(dá)頂點(diǎn)-虎嗅網(wǎng)(huxiu.com)
27.AI Industry May Never Earn Back Its $150 Billion Nvidia Chip Spend （Forbes)
30.The AI 'bubble' has helped the U.S. stock market dominate the world. Whathappens if it bursts? | Morningstar
31.Are We in an AI Bubble? | The Motley Fool
32.Are We in an AI Bubble? | Investing | U.S. News (usnews.com)
34.Is there an AI bubble? Here’s what 226 fund managers say. - MarketWatch
35.The Game Theory of AI CapEx | Sequoia Capital
36.探索AGI系列 | 01. LLM不等于(AGI)通用人工智能望周知 - 知乎 (zhihu.com)
37.Why AI stocks aren’t in a bubble | Goldman Sachs
38.$2 H100s: How the GPU Bubble Burst - by Eugene Cheah (latent.space)
39.Scaling Laws for Precision
