本文來自騰訊科技 ，作者/李安琪、楊哲。
2024年8月5日，全球股市經(jīng)歷了一場“黑色星期一”。
標(biāo)普500指數(shù)下跌3.1%，納斯達(dá)克指數(shù)跌3.4%。
其中，科技股和芯片股領(lǐng)跌。英偉達(dá)跌6%，蘋果跌4.6%，特斯拉跌4.2%。
“科技七巨頭”盤初總市值蒸發(fā)1.3萬億美元。此后股價(jià)雖有所回升，但全天市值總損失仍略高于6.500億美元。
對(duì)此，復(fù)旦發(fā)展研究院金融研究中心主任孫立堅(jiān)表示，美股下跌是因?yàn)檎驹诹烁咛幉粍俸呐菽呶簧稀?/p>
這個(gè)泡沫中最顯眼的就是AI行業(yè)，因?yàn)樗鼈円呀?jīng)連跌半個(gè)多月了。
7月18日，美股“七巨頭”五日市值累計(jì)蒸發(fā)了1.1萬億美元。
一周后的7月24日，“七巨頭”再次集體下跌，令當(dāng)天美股市場全天蒸發(fā)市值超過7500億美元。這也讓標(biāo)普500與納斯達(dá)克指數(shù)均創(chuàng)下自2022年底以來最大單日跌幅。
股市之外，關(guān)于AI泡沫的警告也接連不斷。
今年三月，阿波羅首席經(jīng)濟(jì)學(xué)家Torsten Sløk就撰文稱，AI泡沫的“糟糕程度”不僅超過了1990年代，還已經(jīng)超過了互聯(lián)網(wǎng)泡沫巔峰時(shí)期的水平。
而紅杉合伙人David Chan更是在去年和今年連續(xù)發(fā)出警告，認(rèn)為AI企業(yè)年?duì)I收總和需達(dá) 6000億美元，才能支付基礎(chǔ)設(shè)施建設(shè)資金。這在當(dāng)下是不可能的。
對(duì)AI泡沫最重磅的憂慮來自高盛在6月末發(fā)布的報(bào)告《生成式AI：花費(fèi)甚多，而收益甚少》，其中采訪的多位專家都表示人們對(duì)AI的期待過高，投入過大，但它已有的收益和潛在的收益都太小。當(dāng)下，AI存在著巨大泡沫風(fēng)險(xiǎn)。
AI究竟是不是正在堆積的泡沫?如果是，那現(xiàn)在泡沫破裂了嗎?它之后又將會(huì)產(chǎn)生怎樣的影響?看完這篇文章，或許你就能找到答案。
1.什么是泡沫？
要想判斷泡沫，我們需要先了解什么是泡沫。
泡沫往往源于新技術(shù)的產(chǎn)生，市場對(duì)技術(shù)的未來發(fā)展過于樂觀，導(dǎo)致過度投資和盲目跟風(fēng)，使其價(jià)值超越實(shí)體經(jīng)濟(jì)可承受的程度，隨后急劇下滑，最后像肥皂泡一樣破滅。
結(jié)合海曼·明斯基的《金融不穩(wěn)定假說》、霍爾迪·加利《貨幣政策與理性資產(chǎn)價(jià)格泡沫》等數(shù)篇研究經(jīng)濟(jì)泡沫的經(jīng)典論文，我們總結(jié)出泡沫產(chǎn)生的核心條件。
主要包括：經(jīng)濟(jì)基本面有利投資、信息差的出現(xiàn)，以及心理和行為因素的膨脹效應(yīng)。簡單來說就是：市場有錢且投資者非理性投資。
第一是市場要有錢，這意味著市場要有充裕的流動(dòng)性。一個(gè)低利率環(huán)境下信貸擴(kuò)張，流動(dòng)性過剩的基本經(jīng)濟(jì)現(xiàn)狀才能引發(fā)泡沫。
比如在2022年，我們就經(jīng)歷了被稱作“萬物泡沫”的時(shí)期。美聯(lián)儲(chǔ)為應(yīng)對(duì)疫情導(dǎo)致的經(jīng)濟(jì)下跌，在2020到2021年實(shí)施了近零利率和量化寬松(QE)。這一舉措吸引了投資者進(jìn)行風(fēng)險(xiǎn)更高的投資，并允許不可持續(xù)的商業(yè)模式在低息貸款的基礎(chǔ)上發(fā)展。幾乎所有股市資產(chǎn)都在高速升值，屢創(chuàng)美國歷史記錄。直到2022年美聯(lián)儲(chǔ)重新上調(diào)利率來抑制通脹，股市應(yīng)聲大跌，一年內(nèi)谷歌跌幅40%，特斯拉、Meta股價(jià)下跌60%。
第二是投資者非理性投資。新技術(shù)使得投資者可以通過早期投資獲得相當(dāng)高的回報(bào)。而某些賽道本身的壟斷性質(zhì)又使得它未來的潛在收益更高。足夠高的獲利空間導(dǎo)致市場盲目樂觀，使投資者低估風(fēng)險(xiǎn)，高估回報(bào)。
比如2000年被刺破的互聯(lián)網(wǎng)泡沫。1995年，大量風(fēng)險(xiǎn)投資涌入電子商務(wù)、電信、軟件服務(wù)等互聯(lián)網(wǎng)相關(guān)領(lǐng)域，投資回報(bào)率遠(yuǎn)超化工、能源、金融等其他行業(yè)。而投機(jī)者注意到股價(jià)的快速增長時(shí)，又預(yù)期其會(huì)進(jìn)一步上升而買入。1999年，美國互聯(lián)網(wǎng)相關(guān)行業(yè)的投資金額達(dá)到287億美元，是1995年的近10倍。
2.AI投資的上限在哪兒？
還記得我們上面提到的泡沫產(chǎn)生的兩個(gè)前提條件嗎，第一個(gè)就是市場要有錢。
但當(dāng)下美國金融市場的流動(dòng)性并不樂觀，這意味著AI泡沫上限高不了。
對(duì)此，華創(chuàng)資本合伙人的熊偉銘指出：“這一波泡沫的程度其實(shí)遠(yuǎn)不如20年前的互聯(lián)網(wǎng)泡沫，甚至不如2017年的加密貨幣泡沫，也不如2021年的NFT泡沫，這些泡沫的特點(diǎn)是估值遠(yuǎn)遠(yuǎn)超過了實(shí)際產(chǎn)品和服務(wù)所能獲得的投資回報(bào)周期。
如果用比例來衡量，我認(rèn)為這一波泡沫的程度可能只有dotcom或NFT泡沫的20%到30%。這波泡沫的程度絕對(duì)比不上之前的幾次。”
近兩年的融資環(huán)境相對(duì)較差，為了遏制疫情時(shí)期貨幣寬松所帶來的40年來的最高通脹，美聯(lián)儲(chǔ)自2022年3月至2023年7月進(jìn)行了11次加息。
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。
一句話總結(jié)就是，在AI爆發(fā)期間，美聯(lián)儲(chǔ)正在進(jìn)行自1980年代以來最激進(jìn)的貨幣緊縮政策。
市場沒錢，即便幾乎所有的VC都陷入FOMO，美股整體風(fēng)投的趨勢依然不增反降。根據(jù)Crunch base的數(shù)據(jù)，今年上半年全球融資總額同比下降5%。
當(dāng)然，這其中的AI初創(chuàng)公司逆風(fēng)挺立，同比增長24%，甚至在今年第二季度拿到240億美元的最大季度投資，但總值依然不過是2021年的70%。
這是因?yàn)?021年萬物泡沫期的寬松帶來了巨量流動(dòng)性，其余波還未消除。市場不如2021年有錢，但也還是挺有錢的。
熊偉銘對(duì)比表示：“最近兩年，AI從資本化角度來看可能已到頂峰。2021年，美國在半年內(nèi)發(fā)了6萬億美元，這是人類歷史上的唯一一次。這種資本催熟效應(yīng)是前所未有的。”
然而VC們手中的錢就捏得比21年緊多了。
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1萬億美元的未投資金，處于歷史最高水平。
這主要有兩個(gè)原因。
一是退出路徑不暢，VC投資很猶豫。在上一輪“萬物泡沫”之后，獨(dú)角獸公司數(shù)量猛增，從2016年的67個(gè)一路漲到2021年的580個(gè)。但他們獲得再融資的比率卻在直線走低。從16年到22年，同期獲得再融資的獨(dú)角獸比例從50%降到了20%以下。
那IPO呢?更是慘不忍睹，從2022年開始基本都只有個(gè)位數(shù)。
“實(shí)際上，2021年美股有970個(gè)IPO，而2022年降至162個(gè)，今年上半年大約只有44個(gè)。這表明全球資本市場的收縮是一個(gè)明顯的趨勢。”
在這一情況下，退出手段就只剩并購一條路。這個(gè)路子太窄了。
另一個(gè)原因是現(xiàn)在AI發(fā)展所處的階段投資門檻較高，限制了很多VC入場。
“早期的互聯(lián)網(wǎng)行業(yè)需要搭建自己的服務(wù)器和基礎(chǔ)設(shè)施，類似于今天的AI領(lǐng)域。運(yùn)行一次大模型的成本從幾萬美元到上億美元不等，處于新的基礎(chǔ)設(shè)施建設(shè)的早期階段。”
我們發(fā)現(xiàn)，進(jìn)入人工智能領(lǐng)域的錢，大部分流向基礎(chǔ)層公司(Foundational layer)，也就是我們所熟知的大模型公司，如OpenAI、Anthropic、Gemini等。
他們再利用這部分資金購買計(jì)算層公司(Computing layer)如英偉達(dá)的芯片來訓(xùn)練自己的大模型。
因此當(dāng)下AI產(chǎn)業(yè)所處的位置更像是在基建時(shí)期。也正是這種階段特性決定資金量不足的小VC很難入場。
“去年和前年，大量AI公司特別是硅谷的公司進(jìn)行早期投資，看似活躍，但80%的投資都集中在早期階段，很多公司在大模型升級(jí)中被淘汰。大公司在NLP領(lǐng)域的優(yōu)勢明顯，因?yàn)槊看螠y試的成本太高，這與20年前的互聯(lián)網(wǎng)發(fā)展類似。當(dāng)時(shí)互聯(lián)網(wǎng)成本高昂，拉光纖、搭機(jī)房，而現(xiàn)在AI的投資成本也很高，從小參數(shù)到大參數(shù)的基礎(chǔ)設(shè)施變化，使得大公司具有天然優(yōu)勢。因此，這一波投資減少，無論在中國還是美國，主要都是大公司在主導(dǎo)。美國也由幾家主要公司主導(dǎo)，創(chuàng)業(yè)公司在這波創(chuàng)新中不是主流，主流仍然是大公司。”
所以，不論是從金融市場的整體表現(xiàn)，還是從VC的參與熱情來看，目前放在AI池子里的熱錢都不算太多。
3.誰在投資AI？
市場上錢少，投資門檻又高，那么這場投資游戲到底是誰在玩?
實(shí)際上，本輪AI投資的核心玩家主要是互聯(lián)網(wǎng)時(shí)代的佼佼者，自帶氪金體質(zhì)，其中最典型的當(dāng)屬“美股七巨頭”了。
根據(jù)Flow partners和Dealroom今年5月底聯(lián)合發(fā)布的報(bào)告顯示，美股七巨頭的綜合市值占標(biāo)普500指數(shù)的32%，經(jīng)濟(jì)利潤更是占據(jù)標(biāo)普500指數(shù)的近一半。
以至于在過去一年里，七巨頭成了AI最大的投資者，僅2023年間就參與了208筆風(fēng)險(xiǎn)項(xiàng)目的投資。
2024年上半年，七巨頭共投資近250億美元，超過英國所有風(fēng)險(xiǎn)投資的總和，這些錢主要流向了人工智能領(lǐng)域。
不論是大模型還是芯片公司，背后均不乏七巨頭的身影，甚至在馬斯克的X.ai從非七巨頭投資者那籌集到60億美金之前，七巨頭占了所有基礎(chǔ)模型投資近70%的投資額。
如此“重倉”AI的巨頭們，左手投資、右手自研，親力親為給資本市場講故事，科技股價(jià)被許諾的技術(shù)神話持續(xù)拉高。
如今，市值總和16萬億的七巨頭，平均市盈率已經(jīng)高達(dá)45倍(標(biāo)普500的均值為28倍)，相應(yīng)的投資寵兒如OpenAI、Anthropic等初創(chuàng)公司的市值也在不斷上漲。
這樣的市場是理性的嗎?這就要看看巨頭們下注的理由了。
4.硅谷巨頭的理性
巨頭們對(duì)于AI的態(tài)度幾乎是孤注一擲的堅(jiān)定。黃仁勛在英偉達(dá)最近一次電話會(huì)說到：
「 讓我舉個(gè)例子來說明時(shí)間真的很寶貴，為什么能立刻建立起來數(shù)據(jù)中心這個(gè)想法如此寶貴，而獲得訓(xùn)練時(shí)間又如此寶貴。原因在于，下一個(gè)達(dá)到重要里程碑階段的公司將宣布一項(xiàng)突破性的人工智能。而之后的第二家公司則會(huì)宣布一些僅僅比它提升了 0.3% 的東西。所以你要問自己的問題是，你是想成為一再交付突破性 AI 的公司，還是成為一個(gè)只提升了 0.3% 性能的公司?……因此，這就是為什么我們現(xiàn)在像瘋了一樣建立 Hopper 超級(jí)芯片系統(tǒng)，因?yàn)橄乱粋€(gè)重要里程碑階段就在眼前?！?/p>
AI是目之所及的時(shí)代性技術(shù)，誰奪得先機(jī)就意味著誰將掌握下一場游戲的規(guī)則。對(duì)于七巨頭來說，無論是否處在泡沫中，作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競賽中生存下來。
而巨頭的投入，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)來看，這幾家公司在上個(gè)季度基本都實(shí)現(xiàn)了超過了100億美元的收入。
微軟在2024財(cái)年Q2實(shí)現(xiàn)了220.4億美元的利潤，在如此大力投資AI投資的情況下，其凈利潤率僅從2023財(cái)年Q3的39.44%降至2024財(cái)年Q2的34.04%。AlphabetQ2的利潤則達(dá)到了236億美元，亞馬遜134億美元。
七巨頭的整體利潤都非常健康。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。
七巨頭們現(xiàn)在加起來預(yù)計(jì)2024年全年在AI方面的投入不過500億美元，從利潤到現(xiàn)金都完全在承受范圍之內(nèi)。
如果這是下個(gè)時(shí)代的生死之戰(zhàn)，他們留著這些利潤和現(xiàn)金是準(zhǔn)備養(yǎng)老嗎?
正因?yàn)榫揞^們賭得起，所以談不上不理性。
5.巨頭們被高估了嗎？
具有充裕現(xiàn)金流的巨頭們在下場投資AI的同時(shí)，自己也是被投資者。
他們身負(fù)投資和自研的雙重重任。這個(gè)時(shí)候，巨頭自身的估值穩(wěn)定性，也就成為了判斷AI泡沫的重要指標(biāo)。畢竟只有穩(wěn)住自身，才有源源不斷的現(xiàn)金流支撐良性循環(huán)。
這是一張利用"Rule of X"來評(píng)估七巨頭的市值相對(duì)于它們的收入增長和利潤率的圖表。
簡單來說，圖中的斜線表示理論上的公平價(jià)值。如果一家公司的點(diǎn)位于斜線之上，意味著它的市值相對(duì)于收入被高估了，如果位于這條線之下，則被低估了。
我們可以看見，處于斜線之下的Amazon(亞馬遜)、Tesla(特斯拉)、Alphabet(谷歌母公司)、Meta(前Facebook)，市值相對(duì)于預(yù)期收入是被低估的狀態(tài)。也就是說，這些公司股價(jià)存在泡沫的可能性較小，因?yàn)樗鼈兊氖兄禌]有顯示出過度膨脹的跡象。
掛在斜線上的微軟和蘋果稍有溢價(jià)，但是他們分列市值第一和第二，一個(gè)作為OpenAI背后最大的投資方，一個(gè)毫不費(fèi)力就能和OpenAI建立深度合作關(guān)系的公司，實(shí)力自然不用多說。
哪怕是被認(rèn)為最有泡沫嫌疑的英偉達(dá)，截至2024年第一季度，過去6個(gè)季度股價(jià)上漲744%，利潤也上漲了330%，可以說是最有基本面支持的泡沫。
對(duì)沖基金COATUE還做過一個(gè)測算。若以互聯(lián)網(wǎng)泡沫時(shí)期增長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。
(圖源COATUE，此版本結(jié)合最新數(shù)據(jù)重繪)
“最近七家大公司市值在一天內(nèi)蒸發(fā)了1萬億美元，這個(gè)規(guī)模雖然巨大，但相較于20年前同等市值的波動(dòng)，其影響要小得多。
20年前，互聯(lián)網(wǎng)泡沫期間，市值的下跌分布在眾多小公司之間，每家公司從100美元跌到2美元，這種跌幅對(duì)市場的沖擊非常大。
而現(xiàn)在，市值的調(diào)整主要集中在少數(shù)大公司上。因此，即使這些公司市值大幅波動(dòng)，對(duì)整體資本市場的影響相對(duì)較小。這也是為什么我認(rèn)為AI市場的回調(diào)不會(huì)像2000年互聯(lián)網(wǎng)泡沫那樣引發(fā)資本市場的巨大震蕩。”
巨頭之所以是巨頭，就是因?yàn)轶w量足夠大，底盤也足夠穩(wěn)。哪怕成為泡沫，也是最有基本面的泡沫。
6.投給AI的錢多久能賺回來？
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)長回報(bào)周期的投入，那投給AI的錢什么時(shí)候可以賺回來呢?
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)1.2萬億美元，這大概是2500萬單位的GPU外加相關(guān)支出。這看起來很龐大，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1.2萬億，到2030年AI的投入必須轉(zhuǎn)化出1.8萬億美元的收入才能實(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1.8萬億的收益。另一個(gè)是增收。如果AI能帶來全球2%的GPD增長，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1.8萬億。
那么問題來了，AI能帶來降本增效的結(jié)果嗎?
麻省理工學(xué)院教授Daron Acemoglu在高盛報(bào)告中指出，生成式人工智能短時(shí)間內(nèi)能夠產(chǎn)生的經(jīng)濟(jì)效益十分有限。即便他并不否認(rèn)人工智能技術(shù)的潛力，卻依然斷言10年內(nèi)人工智能只能影響所有工作任務(wù)的4.6%，帶來的GDP增長甚微，只能到0.9%。
這樣的質(zhì)疑不無道理?；乜醇夹g(shù)史我們會(huì)發(fā)現(xiàn)，一項(xiàng)新技術(shù)從誕生到進(jìn)入市場、滲透尋常人的生活，的確需要很長時(shí)間。
舉個(gè)例子。我們經(jīng)常使用的行李箱，其實(shí)早在1887年就初具雛形，但是直到1972年才出現(xiàn)把輪子裝在行李箱上的專利設(shè)計(jì)，1991年才有了現(xiàn)在當(dāng)下最常見的滾輪拉桿行李箱。
連行李箱這樣簡單的發(fā)明，從設(shè)計(jì)出現(xiàn)到普惠使用都經(jīng)過了100年才找到正確的「打開方式」，更別提原理復(fù)雜、尚處黑箱的人工智能技術(shù)了。
但AI真如Acemoglu所說那樣收效甚微嗎?為了搞清楚這個(gè)問題，我們專門去翻了Acemoglu自己發(fā)表的論文以及他引述的兩項(xiàng)研究。
結(jié)果發(fā)現(xiàn)，Acemoglu的論證很難立住腳。
他的論證引用了兩項(xiàng)研究的數(shù)據(jù)，用未來可能被AI影響的任務(wù)比例(20%)× 實(shí)際會(huì)采用AI的任務(wù)比例(23%) =未來AI影響的工作任務(wù)比例(4.6%)，得出AI效益甚微的結(jié)論。并依此去計(jì)算AI對(duì)GDP的最終影響。
但Acemoglu在論文中所采用的都是他引用研究中對(duì)AI發(fā)展最悲觀的預(yù)測。他一來認(rèn)為未來十年市場都不會(huì)出現(xiàn)有效整合大語言模型的軟件。二來，認(rèn)為AI的使用成本短時(shí)間內(nèi)不會(huì)下降。
對(duì)于第一點(diǎn)，在Acemoglu引用的論文中，作者明確指出如果能夠利用 GPTs，美國所有工人任務(wù)中約15%可以在保持同等質(zhì)量的情況下顯著加快完成速度。但在整合基于LLMs構(gòu)建的軟件和工具時(shí)，這一占比提升至所有任務(wù)的47%至56%。
Acemoglu卻只用15%這個(gè)值去計(jì)算。然而，目前幾乎所有科技巨頭都在試圖將AI融合到自家軟件之中，像微軟的Copilit，Adobe的Firefly都在持續(xù)更新，整合LLMs的軟件并不稀奇。
早在GPT-4o的發(fā)布會(huì)上，OpenAI就透露出開發(fā)一個(gè)由大語言模型主導(dǎo)的系統(tǒng)級(jí)應(yīng)用的想法。這在OpenAI今年的兩次收購行為中再次得到印證，結(jié)合目前Agent的發(fā)展情況，我們有理由期待不久的將來看見LLMOS的亮相。
要真如Acemoglu所說，未來十年市場上都沒有有效整合大語言模型的軟件出現(xiàn)并大規(guī)模應(yīng)用，那說AI是泡沫著實(shí)不冤，但目前來看顯然不符合事實(shí)。
針對(duì)第二點(diǎn)，Acemoglu對(duì)于AI的使用成本和滲透率的判斷也不夠準(zhǔn)確。他引用的論文稱，美國企業(yè)會(huì)選擇不自動(dòng)化大多數(shù)可以AI化的任務(wù)，僅有23%用于視覺任務(wù)的工人工資具備自動(dòng)化吸引力。但引用文章明確表明，如果成本迅速下降，或者通過規(guī)模大于單個(gè)企業(yè)的AI即服務(wù)(AI-as-a-service)平臺(tái)進(jìn)行部署，AI緩慢推廣的現(xiàn)狀就會(huì)加速。
更何況，AI成本下降已經(jīng)是當(dāng)下較為明顯的趨勢。
美國艾倫人工智能研究院創(chuàng)始CEO在接受《每日經(jīng)濟(jì)新聞》專訪時(shí)表示，芯片時(shí)代的摩爾定律在 AI 時(shí)代仍然適用，AI 的訓(xùn)練和推理成本可能每18個(gè)月就下降一半。
以ChatGPT為例，奧特曼在年初接受專訪時(shí)說到：
“GPT-3是我們推出時(shí)間最長、優(yōu)化最久的模型，在它推出的三年多時(shí)間里，我們已經(jīng)將其成本降低了40倍……至于GPT-3.5.相信我們已經(jīng)將其成本降低了近10倍……在我所知道的所有技術(shù)中，我們的成本下降曲線是最陡峭的。”
從實(shí)際市場價(jià)格看，兩年前，GPT 3.5 每千個(gè) Token 就要 0.06 美金。現(xiàn)在， Gemini Flash每百萬 Token 只要 0.05 美金 。僅僅兩年時(shí)間，AI的成本降低100x，能力提升10x。”
另外，麥肯錫5月發(fā)布的研報(bào)表明，2024年全球的AI采用率顯著提升，其中生成式AI的使用率更是比去年提高了整整一倍，這說明越來越多的組織和個(gè)人開始使用AI。
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。
所以，Acemoglu的判斷只能說是不合實(shí)際的悲觀論斷。AI所能帶來的效能提升和成本下降，都是可以預(yù)見的改變。
7.我們還在1995年
當(dāng)然，除了反駁Acemoglu的觀點(diǎn)，我們還有更多證據(jù)去證明AI的價(jià)值。
高盛經(jīng)濟(jì)學(xué)家 Joseph Briggs 認(rèn)為：“盡管生成式人工智能的潛力存在很大的不確定性，但它生成與人類創(chuàng)造的輸出無法區(qū)分的內(nèi)容以及打破人與機(jī)器之間溝通障礙的能力反映了一項(xiàng)重大進(jìn)步，具有潛在的巨大宏觀經(jīng)濟(jì)影響。”
這種影響首先來自于生產(chǎn)效率的大幅提升。
據(jù)麥肯錫估算，GenAI可以將 70% 的重復(fù)性工作自動(dòng)化，每年可以帶來2.6 萬億至 4.4 萬億美元收益，同時(shí)將所有人工智能的影響力提高 15% 至 40%。
這樣看來，相比每年能為經(jīng)濟(jì)貢獻(xiàn)2.6萬億至4.4萬億美元增長的樂觀估算，紅杉提出的每年6000億美元的AI基建成本，還算泡沫嗎?
其次，技術(shù)所引發(fā)的規(guī)模效應(yīng)可能是超越生產(chǎn)力的顛覆性影響。
毫無疑問，互聯(lián)網(wǎng)是過去20年最能創(chuàng)造財(cái)富的行業(yè)。上一波互聯(lián)網(wǎng)技術(shù)浪潮帶來了電子商務(wù)、平臺(tái)經(jīng)濟(jì)、移動(dòng)社交……是將世界連成一個(gè)整體的技術(shù)座駕?？伤话l(fā)明的初衷是用于國防通信，那時(shí)鮮有人會(huì)想到，互聯(lián)網(wǎng)能如此深刻地塑造我們當(dāng)下的經(jīng)濟(jì)行為與生活方式。
盡管目前AI會(huì)帶來何種深遠(yuǎn)影響還難以界定，但是人類總是習(xí)慣于高估自身的判斷，低估技術(shù)的影響力。
“互聯(lián)網(wǎng)解決的是互聯(lián)問題，將原本線下的數(shù)據(jù)搬到線上，實(shí)現(xiàn)了數(shù)字孿生。例如，十幾年前在互聯(lián)網(wǎng)上根本找不到的菜品，如京醬肉絲，現(xiàn)在每個(gè)物品都被賦予了一個(gè)“IP地址”，就像從IPv4到IPv6的轉(zhuǎn)變。每個(gè)人、每個(gè)物品都有一個(gè)獨(dú)特的標(biāo)識(shí)。
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)。”
因此，我們的結(jié)論是：AI有泡沫，但這種泡沫有限，且并不偏離其真正的價(jià)值。現(xiàn)有的泡沫言論都過分悲觀。
“1995年，雅虎等第一波互聯(lián)網(wǎng)應(yīng)用剛剛開始出現(xiàn)，類似于我們現(xiàn)在看到的AI生成圖像和視頻技術(shù)。
當(dāng)時(shí)，互聯(lián)網(wǎng)內(nèi)容的組織和搜索方式讓人們大開眼界，充滿好奇心。那時(shí)連一個(gè)調(diào)制解調(diào)器都是高科技產(chǎn)品，像思科的產(chǎn)品也只有大公司能享有。
從基礎(chǔ)設(shè)施的角度來看，情況相似。那時(shí)，公司需要去電信營業(yè)廳辦理電子郵件服務(wù)，費(fèi)用高昂且需要共享使用。今天的AI技術(shù)同樣也只有大公司能夠負(fù)擔(dān)。”
所以，我們還處在1995年，現(xiàn)在談?wù)撆菽瓡?huì)破也許還為時(shí)尚早。
8.結(jié)語
最后，我們還需要問的是，用當(dāng)下的ROI去衡量一場基建性質(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，電信公司在華爾街籌集了1.6萬億美元，并發(fā)行了6000億美元債券，建設(shè)的光纖電纜達(dá)到8020萬英里，占到美國歷史上基礎(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)。
如果再往前看，19世紀(jì)40年代英國鐵路泡沫以及由此建造的鐵路，為英國的高度工業(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。同樣，南海泡沫并非海運(yùn)貿(mào)易泡沫的破裂，而只是一個(gè)特定的壟斷。
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。
參考資料來源(可上下滑動(dòng)查看):
1.AI Bubble Is Bigger than the 1990s Tech Bubble - https://www.apolloacademy.com/ai-bubble-is-bigger-than-the-1990s-tech-bubble/
2. AI’s $600B Question - https://www.sequoiacap.com/article/ais-600b-question/
3. GEN AI: TOO MUCH SPEND, TOO LITTLE BENEFIT? - https://www.goldmansachs.com/intelligence/pages/gs-research/gen-ai-too-much-spend-too-little-benefit/report.pdf
4. 《金融不穩(wěn)定假說》- 海曼·明斯基
5. 《貨幣政策與理性資產(chǎn)價(jià)格泡沫》- 霍爾迪·加利
6. The Impact of AI on Developer Productivity: Evidence from GitHub Copilot - Sida Peng, Eirini Kalliamvakou, Peter Cihon, Mert Demirer
7. GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models - Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock
8. Apollo's Chief Economist Sounds Alarm On AI Bubble, Warning It's 'Bigger Than The 1990s Tech Bubble' - https://finance.yahoo.com/news/apollos-chief-economist-sounds-alarm-170755863.html
9. M7 Magnificent Seven - dealroom.co, Flow Partners
10. Coatue EMW 2024 - https://drive.google.com/file/d/184tgms_70fL5P0b1l83qSXk8vpFr4kfl/view
11. 本輪美國股市“泡沫”風(fēng)險(xiǎn)研究 - 黃承煜
12. A new future of work: The race to deploy AI and raise skills in Europe and beyond - McKinsey Global Institute
13. You Know How The Al Bubble Ends - https://www.forbes.com/sites/jamesberman/2024/07/11/you-know-how-the-ai-bubble-ends/
14. Why Al stocks aren' t in a bubble - https://www.goldmansachs.com/intelligence/pages/why-ai-stocks-arent-in-a-bubble.html
15. To the Al Bubble Skeptics - https://www.thedeload.com/p/to-the-ai-bubble-skeptics
16. crunchbase.com
