高盛研究主管譴責“AI泡沫”：這種泡沫可能比2000年的互聯(lián)網(wǎng)泡沫更嚴重
納指屢創(chuàng )新高，明星科技股輪番刷新紀錄之際，AI泡沫是否隱藏巨大危機，且何時(shí)會(huì )崩盤(pán)破裂？
高盛全球宏觀(guān)研究部的高級策略師Allison Nathan在最新的《Top of Mind》報告中，提出了一個(gè)很關(guān)鍵的問(wèn)題：在A(yíng)I上的投入是否過(guò)多，而收益卻太少？
盡管高盛的報告沒(méi)有給出明確答案，但分享了少量專(zhuān)家采訪(fǎng)，以及明確提出了悲觀(guān)看法，即科技巨頭計劃在未來(lái)幾年在A(yíng)I資本支出上花費1萬(wàn)億美元，但幾乎沒(méi)有任何實(shí)質(zhì)性的、可見(jiàn)的成果來(lái)證明這些投入是值得的。在《Top of Mind》報告中，作者Allison Nathan對AI技術(shù)的當前趨勢進(jìn)行了闡述：
生成式AI技術(shù)被認為能改變公司、行業(yè)和社會(huì )，所以很多大公司計劃在未來(lái)幾年投入1萬(wàn)億美元在A(yíng)I相關(guān)的東西上，比如數據中心、芯片和電網(wǎng)。但到現在為止，這些錢(qián)除了讓開(kāi)發(fā)人員的工作效率提高了一點(diǎn)，沒(méi)看到其他明顯的成果。甚至連從中獲益最多的英偉達的股價(jià)也下跌了。我們問(wèn)了一些行業(yè)和經(jīng)濟專(zhuān)家，看看這些巨額支出是否會(huì )帶來(lái)AI的效益和回報，并討論了如果帶來(lái)或者不帶來(lái)回報，會(huì )對經(jīng)濟、公司和市場(chǎng)產(chǎn)生什么影響。
更為甚者，高盛的股票研究主管Jim Covello對當前的AI泡沫非常悲觀(guān)，他認為這種泡沫可能甚至比上世紀末的互聯(lián)網(wǎng)泡沫更嚴重。他指出：
開(kāi)發(fā)和運行AI技術(shù)的成本非常高，估計大約為1萬(wàn)億美元。要讓這筆投資值得，AI需要解決非常復雜的問(wèn)題，但AI現在還做不到。像互聯(lián)網(wǎng)這種顛覆性技術(shù)，即使在早期也能用低成本方案取代高成本方案。而AI現在很貴，還不能提供更便宜的替代品。
而且，Covello懷疑AI的成本能否降到足夠低，讓大規模自動(dòng)化變得便宜，因為AI初始成本高，而且關(guān)鍵部件（比如GPU芯片）生產(chǎn)復雜。這種復雜性也可能限制AI領(lǐng)域的競爭。他認為AI不太可能顯著(zhù)提高公司估值，因為AI帶來(lái)的效率提升很可能被競爭對手很快追上，而且AI如何實(shí)際帶來(lái)收入增長(cháng)也不明確。最后，Covello質(zhì)疑AI能否真正復制人類(lèi)最有價(jià)值的能力，因為AI是基于歷史數據訓練的。他認為AI不會(huì )達到人類(lèi)在這些領(lǐng)域的水平。
在高盛作者Nathan采訪(fǎng)的眾多專(zhuān)家中，最引人注目的是麻省理工學(xué)院教授Daron Acemoglu，他對AI也持懷疑態(tài)度。Acemoglu估計，在未來(lái)的十年甚至更長(cháng)時(shí)間里，生成式AI技術(shù)對美國的生產(chǎn)力和經(jīng)濟增長(cháng)的推動(dòng)作用可能會(huì )比很多人預期的少。他認為，只有大約四分之一的任務(wù)能夠通過(guò)AI自動(dòng)化，這意味著(zhù)AI只會(huì )影響不到所有任務(wù)的5%。
盡管技術(shù)隨著(zhù)時(shí)間的推移會(huì )變得更加先進(jìn)，成本也會(huì )降低，但Acemoglu認為，AI模型的進(jìn)步速度不會(huì )像許多人想象的那樣快或令人印象深刻。此外，他質(zhì)疑AI是否會(huì )創(chuàng )造出新的工作任務(wù)和產(chǎn)品。他認為，這些影響并不是“自然規律”，不能期待AI技術(shù)會(huì )自動(dòng)帶來(lái)大量新的工作和產(chǎn)品。
因此，他預測AI在未來(lái)十年內對經(jīng)濟的實(shí)際影響會(huì )很有限，AI只會(huì )使美國生產(chǎn)力增加0.5%，GDP僅增加0.9%。這會(huì )導致投入的數百億美元可能會(huì )被浪費，而且美股“七姐妹”獲得的數萬(wàn)億美元市值可能是歷史上最大的泡沫。
資料顯示，受訪(fǎng)人麻省理工學(xué)院教授Daron Acemoglu有多部著(zhù)作，包括《國家為何失?。簷嗔?、繁榮和貧窮的起源》和最新著(zhù)作《權力與進(jìn)步：我們?yōu)榧夹g(shù)和繁榮而展開(kāi)的千年斗爭》。
下文摘錄了作者Nathan對Acemoglu和Covello采訪(fǎng)的部分內容，媒體稱(chēng)這段內容可能會(huì )幫助您比其他人更早意識到AI泡沫的全部程度，從而避免未來(lái)巨大的投資損失：
Allison Nathan：高盛經(jīng)濟學(xué)家預測未來(lái)10年AI會(huì )使生產(chǎn)力增長(cháng)約9%，GDP將增長(cháng)6.1%，而您預測未來(lái)10年AI只會(huì )使美國生產(chǎn)力將增長(cháng)約0.5%，GDP將增長(cháng)約1%，可能比許多預測者（包括高盛）的預期要小得多，為什么您對AI的潛在經(jīng)濟影響不那么樂(lè )觀(guān)？
Daron Acemoglu：預測差異似乎更多地圍繞著(zhù)AI對經(jīng)濟產(chǎn)生影響的時(shí)間，而不是該技術(shù)的最終前景。生成式AI有可能徹底改變一些領(lǐng)域，但這些變革不會(huì )在未來(lái)10年內發(fā)生。現在的生成式AI主要是通過(guò)自動(dòng)化某些任務(wù)或提高工人的效率來(lái)改善現有流程，而不是創(chuàng )造新的、大規模的變革。短期內，AI能自動(dòng)化的任務(wù)數量有限。很多需要現實(shí)世界互動(dòng)的任務(wù)，像交通、制造、采礦等，AI短期內無(wú)法顯著(zhù)改進(jìn)。AI的主要影響會(huì )在純腦力任務(wù)上，但這些任務(wù)的數量和規模不大。
為了量化這一點(diǎn)，我首先研究了Eloundou等人的綜合研究，他們發(fā)現生成式AI和其他AI技術(shù)可以改變20%以上的生產(chǎn)任務(wù)，但這是長(cháng)期預測。另一項研究估計，未來(lái)10年內只有約23%的任務(wù)能通過(guò)AI經(jīng)濟高效地自動(dòng)化，這意味著(zhù)只有約4.6%的任務(wù)會(huì )受到AI影響。平均勞動(dòng)力成本節省約為27%。未來(lái)10年內，AI對生產(chǎn)力的提升約為0.53%到0.66%，對GDP的增長(cháng)約為0.9%。
Allison Nathan：最近的研究估計使用AI可以節省10%至60%的成本，但您認為只能節省30%左右。為什么呢？
Daron Acemoglu：有三項詳細研究了AI節省成本的效果。其中一項（Peng等人）估計節省高達56%，但它研究的任務(wù)很簡(jiǎn)單，比如用AI幫助程序員寫(xiě)HTML。這種任務(wù)容易用AI完成，但復雜任務(wù)不會(huì )這么容易。因此，我忽略了這項研究，只考慮了其他兩項更現實(shí)的估算。
Allison Nathan：歷史上，技術(shù)發(fā)展往往會(huì )改進(jìn)并降低成本。人工智能技術(shù)會(huì )不會(huì )也有類(lèi)似的趨勢？
Daron Acemoglu：當然有可能。但我不相信單純增加數據和計算能力能快速提升AI的能力。很多人認為更多數據和計算會(huì )讓AI變得更好，但AI能力翻倍具體意味著(zhù)什么？比如在客戶(hù)服務(wù)或復雜文本總結方面，沒(méi)有明確的指標證明AI輸出會(huì )好兩倍。此外，數據的質(zhì)量很重要，目前還不清楚從哪里獲得更多高質(zhì)量的數據。最后，當前AI技術(shù)本身可能有局限性。人類(lèi)認知涉及多種復雜過(guò)程，而當前的AI還遠遠無(wú)法達到類(lèi)似《2001：太空漫游》中的HAL 9000那樣的智能水平。
Allison Nathan：即便您對未來(lái)5到10年AI的影響持保守態(tài)度，是否也有下行風(fēng)險？
Daron Acemoglu：確實(shí)有風(fēng)險。技術(shù)突破總是可能的，但即使有突破也需要時(shí)間見(jiàn)效。如果AI在改進(jìn)復雜任務(wù)方面表現不佳，那么即使是我的保守估計也可能過(guò)高。大公司可能會(huì )迅速采用AI工具，但小公司采用的速度會(huì )更慢。
Allison Nathan：從長(cháng)遠來(lái)看，您認為AI實(shí)現超級智能的可能性有多大？
Daron Acemoglu：我懷疑AI能否在更長(cháng)遠的時(shí)間內實(shí)現超級智能。AI可能在20-30年內徹底改變科學(xué)過(guò)程，但人類(lèi)仍然是主導。真正的超級智能AI能夠在沒(méi)有人類(lèi)干預的情況下完成所有工作，但我認為即使30年后這種情況也不太可能發(fā)生。
Allison Nathan：您的同事David Autor和合著(zhù)者已經(jīng)表明，技術(shù)創(chuàng )新往往會(huì )推動(dòng)新職業(yè)的創(chuàng )造，如今60%的工人從事80年前不存在的職業(yè)。那么，從長(cháng)遠來(lái)看，人工智能技術(shù)的影響是否會(huì )比您預期的更大？
Daron Acemoglu：毫無(wú)疑問(wèn)，技術(shù)創(chuàng )新對我們生活的幾乎每個(gè)方面都產(chǎn)生了重大影響。但這種影響并不是自然法則。它取決于我們發(fā)明的技術(shù)類(lèi)型以及我們如何使用它們。因此，我再次希望我們利用人工智能技術(shù)創(chuàng )造新的任務(wù)、產(chǎn)品、商業(yè)職業(yè)和能力。在我關(guān)于人工智能工具如何徹底改變科學(xué)發(fā)現的例子中，人工智能模型將經(jīng)過(guò)訓練來(lái)幫助科學(xué)家構思和測試新材料，這樣人類(lèi)就可以接受訓練變得更加專(zhuān)業(yè)化，并為人工智能模型提供更好的輸入。這樣的演變最終將為人類(lèi)發(fā)現帶來(lái)更好的可能性。但這絕不是必然的。
Allison Nathan：技術(shù)創(chuàng )新往往會(huì )創(chuàng )造新職業(yè)，如今60%的工人從事80年前不存在的職業(yè)，從長(cháng)遠來(lái)看，人工智能技術(shù)的影響會(huì )不會(huì )比您預期的更大？
Daron Acemoglu：技術(shù)創(chuàng )新對生活的影響是巨大的，但這并不是自動(dòng)發(fā)生的。它取決于我們發(fā)明的技術(shù)類(lèi)型以及我們如何使用它們。如果我們利用AI技術(shù)來(lái)創(chuàng )造新的任務(wù)、產(chǎn)品和職業(yè)，比如AI幫助科學(xué)家進(jìn)行新材料的研究和測試，那么AI的長(cháng)期影響可能會(huì )更大，但這需要有意識的努力。
Allison Nathan：如今在人工智能技術(shù)上投入的大量資金中，有些甚至大部分最終會(huì )被浪費嗎？
Daron Acemoglu：這是一個(gè)有趣的問(wèn)題。基本的經(jīng)濟分析表明，投資熱潮應該出現，因為當今的人工智能技術(shù)主要用于自動(dòng)化，這意味著(zhù)算法和資本正在取代人力，這應該會(huì )引發(fā)投資。這解釋了為什么我對GDP增長(cháng)的估計幾乎是我對生產(chǎn)力增長(cháng)的估計的兩倍。但現實(shí)表明，一些支出最終會(huì )被浪費，因為一些項目會(huì )失敗，一些公司會(huì )對它們能夠實(shí)現的效率提升和成本節約程度或將人工智能融入其組織的能力過(guò)于樂(lè )觀(guān)。另一方面，一些支出將為該技術(shù)的下一個(gè)更有前景的階段播下種子。魔鬼最終在細節中。所以，我對當前投資熱潮中有多少會(huì )被浪費和產(chǎn)生效益沒(méi)有很強的先驗知識。但我預計兩者都會(huì )發(fā)生。
Allison Nathan：如今在人工智能技術(shù)上投入的大量資金中，有些甚至大部分最終會(huì )被浪費嗎？
Daron Acemoglu：由于A(yíng)I用于自動(dòng)化，替代人力，這自然會(huì )引發(fā)大量投資。一些項目會(huì )失敗，某些公司對AI的期望過(guò)高，因此會(huì )浪費資金。盡管如此，有些投資會(huì )為AI的下一個(gè)更有前景的階段鋪路。
Allison Nathan：人工智能技術(shù)的其他成本是否沒(méi)有受到足夠的重視？
Daron Acemoglu：是的。GDP 不是一切。有可能提供良好信息的技術(shù)也可能提供不良信息并被濫用于邪惡目的。目前我并不太擔心深度偽造，但就不良行為者如何濫用生成式 AI 而言，它們只是冰山一角。投資一萬(wàn)億美元進(jìn)行深度偽造將為 GDP 增加一萬(wàn)億美元，但我認為大多數人不會(huì )對此感到高興或從中受益。
Allison Nathan：從我們討論的所有內容來(lái)看，目前人們對人工智能技術(shù)的熱情是否過(guò)度了？
Daron Acemoglu：每一項人類(lèi)發(fā)明都值得慶祝，而生成式人工智能是真正的人類(lèi)發(fā)明。但過(guò)度樂(lè )觀(guān)和炒作可能會(huì )導致過(guò)早使用尚未準備好的技術(shù)。如今，使用人工智能來(lái)推進(jìn)自動(dòng)化的風(fēng)險似乎特別高。過(guò)早過(guò)度自動(dòng)化可能會(huì )給企業(yè)帶來(lái)瓶頸和其他問(wèn)題，因為這些企業(yè)不再具備人力資本所提供的靈活性和故障排除能力。
而且，正如我所提到的，使用如此普遍和強大的技術(shù)——以我們尚未完全理解且完全無(wú)法監管的方式向人類(lèi)提供信息和視覺(jué)或書(shū)面反饋——可能會(huì )很危險。雖然我不認為超級智能和邪惡的人工智能會(huì )構成重大威脅，但我經(jīng)常思考，50年后人們會(huì )如何看待當前的風(fēng)險。2074年，我們的子孫后代指責我們在2024年行動(dòng)太慢，以犧牲增長(cháng)為代價(jià)，這種風(fēng)險似乎遠低于我們最終行動(dòng)過(guò)快并在此過(guò)程中摧毀制度、民主和其他事物的風(fēng)險。因此，我們冒險犯下的錯誤的成本在負面方面更加不對稱(chēng)。這就是為什么重要的是抵制炒作并采取謹慎的態(tài)度，這可能包括更好的監管工具，因為人工智能技術(shù)將繼續發(fā)展。
采訪(fǎng)高盛全球股票研究主管Jim Covello，他認為，要從昂貴的人工智能技術(shù)中獲得足夠的回報，人工智能必須解決非常復雜的問(wèn)題，而目前人工智能還無(wú)法做到這一點(diǎn)，而且可能永遠都做不到。
Allison Nathan：你對當前生成式人工智能的熱情并不像其他人那么高。這是為什么呢？
Jim Covello：我主要擔心的是，開(kāi)發(fā)和運行人工智能技術(shù)的成本高昂，這意味著(zhù)人工智能應用必須解決極其復雜和重要的問(wèn)題，企業(yè)才能獲得適當的投資回報 (ROI)。我們估計，僅在未來(lái)幾年，人工智能基礎設施建設就將花費超過(guò)1萬(wàn)億美元，其中包括數據中心、公用事業(yè)和應用程序方面的支出。所以，關(guān)鍵問(wèn)題是：人工智能將解決什么1萬(wàn)億美元的問(wèn)題？用極其昂貴的技術(shù)取代低薪工作基本上與我密切關(guān)注科技行業(yè)三十年來(lái)所見(jiàn)證的先前技術(shù)轉型截然相反。
許多人試圖將當今的人工智能與互聯(lián)網(wǎng)的早期進(jìn)行比較。但即使在起步階段，互聯(lián)網(wǎng)也是一種低成本的技術(shù)解決方案，使電子商務(wù)能夠取代昂貴的現有解決方案。亞馬遜可以以比Barnes Noble 更低的成本出售書(shū)籍，因為它不必維持昂貴的實(shí)體店。快進(jìn)三十年，Web 2.0仍然提供更便宜的解決方案，這些解決方案正在顛覆更昂貴的解決方案，例如 Uber 取代豪華轎車(chē)服務(wù)。雖然人工智能技術(shù)是否能兌現今天許多人興奮的承諾這一問(wèn)題肯定是有爭議的，但爭議較少的一點(diǎn)是，人工智能技術(shù)非常昂貴，為了證明這些成本是合理的，該技術(shù)必須能夠解決復雜的問(wèn)題，而這并不是它的設計目的。
Allison Nathan：即使如今人工智能技術(shù)價(jià)格昂貴，但隨著(zhù)技術(shù)的發(fā)展，技術(shù)成本不是往往會(huì )大幅下降嗎？
Jim Covello：技術(shù)通常一開(kāi)始很昂貴，然后才變得更便宜，這種觀(guān)點(diǎn)是對歷史的修正。正如我們剛才討論的那樣，電子商務(wù)從第一天開(kāi)始就更便宜，而不是十年后。但即使拋開(kāi)這一誤解，科技界也過(guò)于自滿(mǎn)，認為人工智能成本將隨著(zhù)時(shí)間的推移大幅下降。摩爾定律推動(dòng)了芯片更小、更快、更便宜的發(fā)展，推動(dòng)了技術(shù)創(chuàng )新的歷史，但事實(shí)證明，這一定律是正確的，因為英特爾的競爭對手（如超威半導體公司）迫使英特爾和其他公司降低成本并不斷創(chuàng )新以保持競爭力。
如今，英偉達是唯一一家能夠生產(chǎn)AI所需GPU的公司。一些人認為，半導體行業(yè)或超大規模企業(yè)（谷歌、亞馬遜和微軟）本身將會(huì )出現英偉達的競爭對手，這是有可能的。但與今天的狀況相比，這是一個(gè)巨大的飛躍，因為過(guò)去10年，芯片公司一直試圖推翻英偉達在GPU領(lǐng)域的主導地位，但都以失敗告終。技術(shù)很難復制，以至于沒(méi)有競爭對手能夠做到這一點(diǎn)，這使得公司能夠保持壟斷和定價(jià)權。例如，先進(jìn)半導體材料光刻技術(shù)公司 (ASML) 仍然是世界上唯一一家能夠生產(chǎn)尖端光刻工具的公司，因此，他們的機器成本從二十年前的數千萬(wàn)美元增加到今天的某些情況下的數億美元。英偉達可能不會(huì )遵循這種模式，美元規模也不同，但市場(chǎng)對成本下降的確定性過(guò)于自滿(mǎn)。
成本的起點(diǎn)也很高，即使成本下降，也必須大幅下降才能使人工智能自動(dòng)化任務(wù)變得負擔得起。人們指出，自1990年代末服務(wù)器問(wèn)世以來(lái)，幾年內服務(wù)器成本大幅下降，但1990年代末推動(dòng)互聯(lián)網(wǎng)技術(shù)轉型所需的64000美元Sun Microsystems服務(wù)器數量與今天推動(dòng)人工智能轉型所需的昂貴芯片數量相比微不足道，即使不包括更換電網(wǎng)和支持這一轉型所需的其他成本，這些成本本身就非常昂貴。
Allison Nathan：您只是擔心人工智能技術(shù)的成本，還是對其最終的變革潛力也持懷疑態(tài)度？
Jim Covello：我對兩者都持懷疑態(tài)度。很多人似乎認為人工智能將成為他們一生中最重要的技術(shù)發(fā)明，但我不同意這種觀(guān)點(diǎn)，因為互聯(lián)網(wǎng)、手機和筆記本電腦已經(jīng)從根本上改變了我們的日常生活，使我們能夠做以前不可能做的事情，比如隨時(shí)隨地打電話(huà)、計算和購物。目前，人工智能在提高現有流程（如編碼）效率方面表現出最大的潛力，盡管這些效率改進(jìn)的估計值已經(jīng)下降，而且利用該技術(shù)解決任務(wù)的成本遠高于現有方法。例如，我們發(fā)現人工智能可以比手動(dòng)更新公司模型中的歷史數據更快地更新數據，但成本卻是手動(dòng)更新的六倍。
更廣泛地說(shuō)，人們通常大大高估了當今技術(shù)的能力。根據我們的經(jīng)驗，即使是基本的摘要任務(wù)也常常會(huì )產(chǎn)生難以辨認和毫無(wú)意義的結果。這不僅僅是需要在這里或那里進(jìn)行一些調整的問(wèn)題；盡管價(jià)格昂貴，但這項技術(shù)還遠未達到完成這些基本任務(wù)所需的水平。我很難相信這項技術(shù)能夠實(shí)現大幅增強或取代人機交互所需的認知推理。人類(lèi)通過(guò)識別和理解異常值和細微差別為復雜任務(wù)增加了最大的價(jià)值，而很難想象一個(gè)基于歷史數據訓練的模型能夠做到這一點(diǎn)。
Allison Nathan：但是，您提到的這些技術(shù)的變革潛力難道不是很難在早期預測到嗎？那么，您為什么確信人工智能最終不會(huì )被證明具有同樣甚至更大的變革性呢？
Jim Covello：認為互聯(lián)網(wǎng)和智能手機的變革潛力在早期未被理解的想法是錯誤的。智能手機剛推出時(shí)，我是一名半導體分析師，在21世紀初期，我參加了數百場(chǎng)關(guān)于智能手機及其功能的未來(lái)演講，其中大部分都符合業(yè)界的預期。一個(gè)例子是將GPS集成到智能手機中，雖然當時(shí)還未準備好迎接黃金時(shí)段，但預計將取代當時(shí)租賃汽車(chē)中常見(jiàn)的笨重GPS系統。其他技術(shù)最終能夠做什么的路線(xiàn)圖在它們誕生之初也存在。今天沒(méi)有類(lèi)似的路線(xiàn)圖。人工智能的支持者似乎只是相信用例會(huì )隨著(zhù)技術(shù)的發(fā)展而激增。但在生成式人工智能問(wèn)世18個(gè)月后，還沒(méi)有發(fā)現一個(gè)真正具有變革性（更不用說(shuō)具有成本效益）的應用。
Allison Nathan：即使收益和回報永遠無(wú)法抵消成本，考慮到競爭壓力，企業(yè)除了追求人工智能戰略之外還有其他選擇嗎？
Jim Covello：鑒于該領(lǐng)域的炒作和錯失恐懼癥，大型科技公司別無(wú)選擇，只能參與AI軍備競賽，因此對AI建設的大規模投入將繼續下去。這并非技術(shù)炒作周期首次導致對最終沒(méi)有成功的技術(shù)的投入；虛擬現實(shí)、元宇宙和區塊鏈就是這些技術(shù)投入大量資金但目前在現實(shí)世界中應用很少（如果有的話(huà)）的典型例子。科技行業(yè)以外的公司也面臨著(zhù)巨大的投資者壓力，要求他們實(shí)施 AI 戰略，盡管這些戰略尚未產(chǎn)生成果。一些投資者已經(jīng)接受了這些戰略可能需要時(shí)間才能產(chǎn)生回報，但其他人并不認同這一觀(guān)點(diǎn)。舉個(gè)例子：Salesforce在A(yíng)I方面投入了大量資金，但最近其股價(jià)遭遇了自 2000 年代中期以來(lái)的最大單日跌幅，原因是其第二季度業(yè)績(jì)顯示，盡管投入了這些資金，但收入幾乎沒(méi)有增長(cháng)。
Allison Nathan：您認為人工智能技術(shù)最終能提高非科技公司的收入的可能性有多大？即使沒(méi)有收入增長(cháng)，成本節約是否仍能為多元化擴張鋪平道路？
Jim Covello：我認為人工智能相關(guān)的收入增長(cháng)的可能性很低，因為我認為這項技術(shù)還不夠聰明，也不太可能聰明到讓員工變得更聰明。即使是人工智能最合理的用例之一，即改進(jìn)搜索功能，也更有可能使員工更快地找到信息，而不是讓他們找到更好的信息。如果人工智能的好處仍然主要局限于提高效率，那么這可能不會(huì )導致多重擴張，因為成本節約會(huì )被套利掉。如果一家公司可以使用機器人來(lái)提高效率，那么該公司的競爭對手也可以。因此，一家公司將無(wú)法收取更高的費用或增加利潤。
Allison Nathan：對于短期內的人工智能投資者來(lái)說(shuō)，這一切意味著(zhù)什么，尤其是考慮到最容易受到人工智能基礎設施建設影響的“鎬和鏟子”公司迄今為止已經(jīng)取得了進(jìn)展？
Jim Covello：盡管我持懷疑態(tài)度，但人工智能基礎設施上的大量支出仍將繼續，投資者應該繼續投資于這些支出的受益者，按排名順序排列：英偉達、公用事業(yè)公司和其他即將擴建電網(wǎng)以支持人工智能技術(shù)的公司，以及超大規模企業(yè)，這些企業(yè)本身也在投入大量資金，但也將從人工智能建設中獲得增量收入。這些公司確實(shí)已經(jīng)大幅上漲，但歷史表明，如果最初讓一家公司昂貴的基本面保持不變，僅靠昂貴的估值并不能阻止其股價(jià)進(jìn)一步上漲。我從未見(jiàn)過(guò)一只股票僅僅因為價(jià)格昂貴而下跌——基本面惡化幾乎總是罪魁禍首，只有這樣估值才會(huì )發(fā)揮作用。
Allison Nathan：如果你的懷疑最終被證明是正確的，那么人工智能的基本故事就會(huì )土崩瓦解。那會(huì )是什么樣子呢？
Jim Covello：過(guò)度開(kāi)發(fā)世界沒(méi)有用處或尚未準備好的東西，通常會(huì )導致糟糕的結果。納斯達克指數在互聯(lián)網(wǎng)泡沫高峰和 Uber 成立之間下跌了約70%。今天的人工智能泡沫破裂可能不會(huì )像互聯(lián)網(wǎng)泡沫破裂那樣成問(wèn)題，因為許多今天花錢(qián)的公司比當時(shí)花錢(qián)的公司資本更充足。但如果人工智能技術(shù)的用例和采用率最終低于目前的普遍預期，很難想象這對許多今天在該技術(shù)上花錢(qián)的公司來(lái)說(shuō)不會(huì )是個(gè)問(wèn)題。
盡管如此，過(guò)去三十年來(lái)我學(xué)到的最重要的教訓之一是，泡沫可能需要很長(cháng)時(shí)間才能破滅。這就是為什么我建議繼續投資人工智能基礎設施提供商。如果我的懷疑論被證明是錯誤的，這些公司將繼續受益。但即使我是對的，至少他們已經(jīng)從這個(gè)主題中獲得了可觀(guān)的收入，這可能使他們能夠更好地適應和發(fā)展。
Allison Nathan：那么，投資者應該注意哪些跡象，以判斷泡沫即將破滅？
Jim Covello：投資者對“如果你開(kāi)發(fā)了，他們就會(huì )來(lái)”的口號還能滿(mǎn)足多久，這仍是一個(gè)懸而未決的問(wèn)題。沒(méi)有重大人工智能應用的時(shí)間越長(cháng)，人工智能的故事就會(huì )變得越有挑戰性。我猜，如果重要的用例在未來(lái)12-18個(gè)月內沒(méi)有開(kāi)始變得更加明顯，投資者的熱情可能會(huì )開(kāi)始消退。但更重要的關(guān)注領(lǐng)域是企業(yè)盈利能力。持續的企業(yè)盈利能力將允許持續進(jìn)行負投資回報率項目的實(shí)驗。只要企業(yè)利潤保持強勁，這些實(shí)驗就會(huì )繼續進(jìn)行。因此，我預計企業(yè)不會(huì )縮減對人工智能基礎設施和戰略的支出，直到我們進(jìn)入經(jīng)濟周期的更艱難階段，我們預計短期內不會(huì )出現這種情況。話(huà)雖如此，如果企業(yè)盈利能力開(kāi)始下降，這些實(shí)驗的支出很可能是首批被削減的項目之一。
