AI热潮背后的隐忧

“你所不知的事物，往往比你已知的事物更为关键。”

"What you do not know is more important than what you do know."

—— 纳西姆·尼古拉斯·塔勒布

当前全球对AI的追捧已登峰造极，这反倒引发了我的警惕。尤其是一些边际上的负面变化，已开始浮现。引发了我几个简单的疑问，于是多少有点冒天下之大不韪写下这个文章以备来日回顾。

1. 大模型是否还在靠输血维持生命？

以OpenAI为例，这家备受瞩目的公司正持续融资以维持运转，营收却始终难抵成本。市场普遍认为其战略失误在于未像Anthropic那样及时收割B端市场。虽然OpenAI与Anthropic的能力仍处于第一梯队，无明显差距（Anthropic在编程上的优势尚不足以筑起护城河），但市场显然更看好Anthropic年化400亿美元的营收预期，并开始线性外推。然而，Anthropic目前每年仍亏损数百亿美元。客观来看，Anthropic已进入“炒作估值、急于上市以续命”的周期。若无法融资或上市，它恐将重蹈OpenAI“融资数年仍看不到尽头”的覆辙。诚然，Anthropic抓住了首批愿意付费的B端用户——这类企业通常“人多、数据多、重复工作多”，模型带来的边际效率提升显著。但问题在于：后续还有多少这样的优质客户？靠“裁员换API”的模式能走多远？给Anthropic带来的收入能否持续线性增长？这些都需打上一个大大的问号。在商业社会中，“能带来增收的技术”与“能降本增效的技术”，估值逻辑截然不同。

2. 是AI基础设施繁荣、Token流量繁荣，还是AI收入繁荣？

我一直不认同“拿铲子（算力）的收入来论证终端需求旺盛”的伪逻辑。AI算力产业链的订单当然是真实的，甚至存储订单已排至2028年，这毋庸置疑。但资金的源头主要来自那些过去处于垄断地位的互联网巨头：它们一边将过去两年的自由现金流烧光，一边持续裁员，以此平滑算力折旧周期，让账面利润尚可，实则现金流已惨不忍睹。同时，它们持续发债融资，逐渐蜕变为拥有庞大算力基础设施的重资产、高负债企业。在算力产业链上，同一笔资本开支在各个环节被反复计算，共同造就了这轮基础设施的虚假繁荣。诚然，我们必须看到Token消耗量呈跃进式上涨，但这仅仅是流量繁荣，绝非AI收入繁荣。

“金钱的获得在某种程度上对头脑起到了和烈酒一样的作用……当任何一门群众疯狂的大门打开时，你很少能指望看到它再次安静地关上，直到许多人的财富被无情吞噬。”

——查尔斯·麦基

3. AGI梦想暂时搁置，无差异商业化近在眼前？

最令我担忧的是预期的转变。直至去年，市场还坚信持续的资本开支是有意义的，期待Scaling Law能引领我们通向AGI（通用人工智能）。但今年年初以来，随着Anthropic叙事取代OpenAI，存储和CPU取代GPU成为焦点，市场几乎默认大模型能力已触顶，短期内难以触及AGI。现在的重心转向了在现有模型能力基础上，通过增加训练参数来缓慢迭代多模态和编程能力，以便在应用侧挖掘商业场景。国内的DeepSeek也在优化算力效率上取得了进展，豆包也开始收费。现有的模型能力虽足以支撑商业化，但必须承认，语言大模型路线的AGI梦想已被暂时搁置。这究竟是资本开支后继乏力的征兆，还是技术发展遭遇瓶颈的现实窘境？

我其实乐见资本烧钱换科技创新，这是人类文明进步的一种方式，但是语言大模型无法通向AGI这件事让我心碎，整个ai叙事中最性感的灵魂已被抽离了。但我仍然抱有一丝希望，误打误撞的scaling law仍能成立，某一个天才少年突然改进了算法之类的事情忽然发生，这和投资无关，是我的私心作祟。也许十年后，二十年后，三十年后，终将看到。

不积跬步，无以至千里；不积小流，无以成江海。骑骥一跃，不能十步；驽马十驾，功在不舍。锲而舍之，朽木不折；锲而不舍，金石可镂。

——《荀子·劝学》

4. 开源闭源之争结束了？算力成本坍塌后的模型超额收益