AI大跃进的代价

我爱免费

作者：微信文章


这是一场欢宴。

当音乐愈响、灯光渐暗、酒逐渐浓烈时，你其实已经知道最终将如何收场：第二天痛苦地躺在床上，对抗史诗般的宿醉。已然如此，在叫车之前，再来一杯又何妨呢？

欢迎来到 AI 泡沫。所有的预警信号都已出现，而其后果同样可预测。但当你的投资组合冲向平流层时，为什么不再加一点杠杆，让它更“刺激”呢？你可能认为你的 ETF 足够分散，但在 2025 年标普 500 指数的涨幅中，超过一半来自所谓“七巨头”这些与 AI 高度相关的公司。实际上，你已经在同一个巨大赌盘上加倍押注：新一波生成式 AI 将带来指数级的盈利增长。

不幸的是，技术进步的历史提示我们应更加谨慎。突发创新与金融泡沫总是如雷电般相伴而生。技术突破吸引企业家，而投资者随之而来。它将价值几何？价值增长会多快？当无人知晓时，其估值就会飙升。投机者总害怕错过下一个“大事件”，他们不惜代价一拥而上。

但真正释放价值的路径从来不像最初看起来那样平滑。未来学家 Paul Saffo 曾警告说：“千万不要把’视野的清晰度’误认为’距离的远近’。”从铁路到电灯、录音、汽车、飞机、广播、电视、甚至互联网，通常需要多年乃至数十年，使用场景才能清晰、市场才能发展。消费者和企业必须学习如何调整行为方式，以利用新的技术。青霉素于 1928 年被发现。尽管它显然具有挽救生命的潜力，但直到 1946 年，大规模生产和纯化方法成熟之后，它才以处方形式广泛供应。一项麦肯锡的近期研究发现，80% 的企业称他们的生成式 AI 试点项目目前对利润并无显著贡献，而其他研究则呈现出截然不同的结果。

典型的泡沫式竞争并不是为了打造有用的产品，而是为了吸引投资者的注意。这种竞争的主要方式，是努力与现实场景关联极弱的专业基准测试上击败对手。为了理解这点，不妨想象一下，如果早期汽车企业唯一关心的是谁的产品能更快跑完赛道，这并不会帮助你按时赶到上班地点。同理，一个在数学奥赛上能拿金牌的程序（如 Google 的 Gemini），也不会帮你处理报税之类的繁杂工作。

在遥远的荒漠，这场竞赛正在疯狂上演。显卡巨头 Nvidia 的 CEO 黄仁勋预测，未来几年训练和运行大规模生成式 AI 系统的数据中心，其建设和运营支出每年可能超过 1 万亿美元。

对他而言，这是令人感到幸福的推测。这些资本开支的三分之一到二分之一将用于 GPU。但冷静的分析师并不认为所有这些投资能在合理的时间框架内回本。先进半导体的典型生命周期约三年，之后几乎一文不值。Praetorian Capital 的首席投资官 Harris Kupperman 坦率地说：“根本不存在足够的收入，也永远不可能有足够的收入。”

是什么推动了对 AI 芯片看似无止境的需求？CB Insights 追踪到超过 1300 家估值超过 1 亿美元的 AI 初创公司，其中包括498 家“独角兽”企业（估值超过 10 亿美元的公司）。许多公司正在训练自己的大型基础模型，这些模型消耗巨量资源，推动了对算力的竞价大战。这些模型是未来的操作系统，它们将成为各类实用 AI 应用的底座。但世界究竟需要多少个基础模型？历史显示：顶多两三个。

1930 年，美国有 44 家汽车制造公司。到 1935 年，剩下不足十二家，而通用、福特和克莱斯勒占了 90% 的销量。在互联网泡沫顶峰，浏览器和搜索引擎公司多如牛毛，包括 AltaVista、Lycos、Excite、InfoSeek 和 Ask Jeeves。如今 Google 占据超过 90% 的网页搜索流量，微软的 Bing 以约 4% 居次。今天，两个智能手机操作系统——Google 的 Android 和苹果的 iOS——几乎垄断整个市场。（第三名三星市场份额仅 0.2%。）

有一定年纪的投资者可能记得，当年对未来互联网流量的无限畅想曾推动了网络基础设施的疯狂建设。当这些需求未能按预期到来时，多家市值数十亿美元的公司轰然倒塌。Global Crossing、WorldCom、360networks、Exodus 和NorthPoint 这些名字是否耳熟？它们只是冰山一角，还拖垮了 Lucent、Nortel、Corning、Ciena和 Cisco。而这还只是基础设施公司的“前菜”，后面还有一连串失败的互联网创业公司：Pets.com、Webvan、eToys。

你以为像 OpenAI 和Anthropic 这些估值数千亿美元的 AI 公司不可能失败？不妨问问 AOL、Netscape 和Yahoo! 的创始人们。

到这里，故事只讲到一半。真正尚未上演的是：生成式 AI 的实际价值可以用远低于今天的成本投入。专注于特定应用和行业的专业化系统——如医疗、教育、制造、娱乐、广告、法律、金融服务和软件工程——将能够在你的笔记本电脑甚至手机上运行，无需访问“云端”。苹果显然理解这一点，从其近期发布的面向 AI 应用的 M5 芯片即可见端倪。解释你的 CT 影像的系统不需要顺便生成猫的图片，你的自动驾驶汽车也不需要帮你订飞机票。

美国生成式 AI 公司今日的口号是：规模至上——因此需要巨额资本来购买算力。但 Nvidia 距离看到其商业模式被彻底颠覆，只差一次软件工程方面的突破。

如果需求是发明之母，那么西方事实上为中国赢得 AI 竞赛创造了条件。无法购买宝贵的 Nvidia GPU 芯片，中国公司被迫开发自己的替代品，如华为的 Ascend 系列。虽然这些芯片目前性能不及美国同行，但有一个简单且实用的解决方案：使用更多芯片来训练模型。华为的 CloudMatrix 架构通过连接多达五倍数量的芯片，实现接近顶级 Nvidia 处理器的性能。

中国的 AI 软件工程师也加入进来，专注于在不牺牲性能的情况下提高效率。今年 1 月，一家名不见经传的中国公司（DeepSeek）展示出其产品在基准性能上可与美国主要聊天机器人相匹敌，而训练和运行成本仅为其零头。这并非偶然。此后，百度、阿里巴巴、腾讯、智谱 AI 和字节跳动等多家公司都发布了具有类似经济性的一流的生成式 AI 产品。

中国公司更大的优势，是其电力成本和电力供给。中国的电力成本约为每千瓦时 8 美分，而美国平均为 18 美分。而且中国已经建设了远超当前使用量的发电能力，美国则手忙脚乱地试图追赶。

倒退和复古式的经济政策将使情况雪上加霜。我们可以禁止中国的产品和服务进入美国，但世界其他地区（其 GDP 是美国的三倍）可不会这么做。如果有类似产品以更低的价格可得，你觉得哪国的商品会更成功？中国正准备主导这个新兴市场，就像它已经主导清洁能源技术、电池、汽车、电信设备以及众多其他产业一样。

这不是我经历的第一个泡沫，甚至不是我经历的第一个 AI 泡沫。在 20 世纪 80 年代中期，我曾处一次如今已被遗忘的 AI 热潮的中心。投资者对所谓“专家系统”的兴趣，引发了 AI 初创企业的投资浪潮，其中许多公司上市后迅速崩溃。那波浪潮同样基于一个错误假设：为了“做 AI”，你必须使用一种昂贵的专用计算机，叫“Lisp 机器”。该泡沫的破裂部分源于一个事实：新兴的个人计算机，能够以低得多的成本完成同样的工作。

这一次确实有所不同，因为生成式 AI 是一项重要的技术进步，将改变我们的生活和工作方式。它究竟有什么价值？会创造多少价值？要给出确切答案还为时过早，而仅此一点，就足以让理性的投资者保持谨慎。但至少目前，证据显示其价值主要来自三个方面。

第一，个人生产力。创建 ChatGPT 的 OpenAI，其年化收入约为 200 亿美元。但到目前为止，其中 75% 来自消费者购买月度订阅，而不是企业使用该技术扩展自身产品和服务。任何使用过该技术的人都能清楚地看到，它非常适合写文档、做简报、减少查资料的负担、生成图片、创作诗歌和歌曲等。这些好处的价值如此分散，以至于经济学家难以衡量。Word和Excel对经济的贡献有多少？

第二，专业知识的普及。尽管存在缺陷，生成式 AI 系统几乎能在任何主题上扮演出色的顾问：从诊断健康问题到规划旅行、提供爱情建议，或解释如何修理损坏的烤面包机。即便当前的产品，也已展示出改变医学、教育和许多专业领域的潜力。

第三，一个常被忽视的价值是：生成式 AI 能作为通用接口——在人与机器之间（如软件工程）、机器与机器之间（如工厂机器人）、以及计算机与计算机之间（如“代理式 AI”）。巨大的价值目前被封存在庞大而杂乱的专用程序与数据库体系中；生成式 AI 提供了解锁这一宝库的途径。

但对投资者而言，关键问题并非新技术能够创造多少价值，而是谁会为此买单并支付多少。摩根大通估算，为仅仅实现 10% 的投资回报，当前公布的 AI 投资每年至少需要带来 6500 亿美元的额外收入。要达到这一水平，用户必须在生成式 AI 系统上的支出达到当前在个人电脑软件（如微软产品）支出的三倍以上。

我认为这不可能实现，尤其考虑到未来竞争加剧将进一步压低价格。

更可能的是，AI 带来的收益与收入将不会在规模和时间上支撑当前的投资水平。仅就数据中心建设而言，我们可能正在制造人为的生态灾难：大量闲置的服务器在荒漠中的建筑里生锈，冷却成本过高，向土壤渗出有毒物质，无人负责。

可是，为什么我们需要关心那些腰缠万贯的AI投资者亏不亏钱？因为这不是 AI 泡沫的唯一负面影响。哈佛经济学家 Jason Furman 计算称，若排除硬件与软件投资，美国今年上半年 GDP 的年增长率仅为疲弱的 0.1%。围绕 AI 的狂热为政策制定者提供了掩护，使其采取倒退或自我伤害式的经济政策，这些政策无法改善经济的根基。当如此多的资金被投入到可疑的投资中，用于更高生产率用途的资金必然减少。当泡沫开始解体时，影响将波及那些过于认真看待乐观预测的产业，包括能源公用事业、建筑公司、建材供应商等。

那么，泡沫何时破裂？传统观点说，你永远不会知道；但事实上，并没有那么不确定。按照定义，投资者之所以愿意投入资金，是因为他们相信未来能够获利。在健康运作的经济中，这发生于价值被创造、资产未来价格上涨的时候。但这不是获利的唯一方式。只要能合理预期有人愿意以更高的价格接手，这场游戏就会继续。

互联网泡沫之所以破裂，不是因为投资者意识到回报遥遥无期，而是因为投行无法再把高风险公司推销给被称作“散户”的普通投资者——那些指望为退休储蓄的家庭。

坏消息是，在AI领域，这一过程几乎还未开始。金融行业正在探索的新手法，是如何把这些数据中心基础设施投资包装成债务，放在不透明的所谓“特殊目的载体”（SPV）中，然后卖给缺乏能力判断这些资产本质的人。这些资产（专用建筑和计算机）会迅速贬值。我们可能正走向一次混合 2000 年互联网泡沫与 2008 年住房危机的双重灾难。

在互联网泡沫时期，私人对互联网公司和基础设施的年度投资峰值约为 320 亿美元，公众投资（购买互联网股票）约为 2600 亿美元。崩盘中大部分资金付诸东流，而股市花了大约十二年才完全恢复。今天与AI 相关的私人支出估计是当年的六倍。

简言之，从未有人靠押注计算成本和带宽成本上涨而赚钱，也没有人靠押注人类与企业会在一夜之间大规模采用新技术而成功。无论今天喝多少二锅头，也不会让即将到来的通缩更易承受。

作者Jerry Kaplan 在斯坦福大学教授人工智能的社会与经济影响。他的新书《生成式人工智能：你需要知道的一切》由牛津大学出版社于 2024 年出版。