尽管最近英伟达的营收创下新高,埃隆・马斯克预言明年将迎来人类水平的人工智能,且科技巨头们纷纷购买 AI 芯片,看似人工智能的热潮才刚刚开始,但现实可能并不那么乐观。人工智能的发展速度正在放缓,其应用范围有限,且运营成本高昂,可能导致投资回报不如预期。
首先,AI 的改进速度正在减慢。当前大型语言模型的进步主要依赖于海量数据,但如今已经几乎用尽了互联网的数据源,AI 公司很难找到新的训练数据来源。使用 “合成数据” 也未能在自动驾驶技术中奏效,对大型语言模型的提升同样不乐观。此外,顶级 AI 模型的表现正在趋同,这表明技术突破变得越来越困难。
其次,AI 的高成本问题突出。2023 年,硅谷风投公司红杉资本估算,行业在英伟达芯片上的花费达 500 亿美元,而收入仅为 30 亿美元。尤其是运行 AI 的成本极其高昂,远超训练成本。例如,生成式 AI 需要实时处理请求,资源消耗巨大,这对依赖广告收入的公司如谷歌,利润率造成了严重压力。
最后,AI 的应用推广缓慢。尽管调查显示 75% 的白领工人在工作中使用 AI,但实际付费使用的比例仅有三分之一。OpenAI 的年收入虽达 20 亿美元,但与其近 900 亿美元的估值仍有巨大差距。此外,AI 在提升生产力方面的效果有限,难以替代人类工作,推广使用还面临培训和习惯改变的挑战。
总之,尽管 AI 有潜力长期变革各行各业,但当前的投资热潮可能过于乐观。随着更多证据表明 AI 的发展和应用进展不如预期,生成式 AI 作为一种商品被高估了。投资者和企业或许需要重新评估其战略。