AI投资热潮的性质与共识 - 全球人工智能投资热潮被视为一场“理性泡沫”，投资不足的代价远大于投资过度的代价 [1] - 长期看来AI没有泡沫，其发展会超过工业革命和信息革命 [3] - AI被视为一场全方位、全系统的革命，每一场革命难免伴随着不同形态的泡沫 [6] AI泡沫的具体分布领域 - AI泡沫分布不均衡，在具身智能、大模型、视频生成等领域中，大模型的泡沫最低，因为它距离商业应用最近 [3] - 中国的泡沫主要集中在智能制造和基础层，而非大模型本身 [5] - 美国一级市场对大模型应用的估值普遍偏高，基于一个大模型非常简单的应用，初步融资能到300万至500万美元，而中国更多项目落在智能制造、芯片等有实际资产投入的领域，泡沫相对较低 [7] 泡沫产生的原因与表现 - 技术能力与真实需求之间存在脱节，顶级算力如B200在C端应用中很难真正用得上 [5] - 产品落地不足，至今能真正复用、跑通用户的C端AI产品并不多 [5] - 商业模式不清晰带来了巨大不确定性，尤其在算力基础设施层面，投入巨大但回报机制尚未成熟 [5] - 一些应用方往往对AI抱有“10年AGI水平”的不切实际期待，这类超越现实边界的愿景本身就构成泡沫 [6] - 行业内部浮躁的心态同样会制造泡沫，许多产品并没有从真实需求出发 [7] 应对与挤压AI泡沫的策略 - 创业公司必须找到真实价值场景，及时调整方向，因为技术突变会瞬间改变生态，适者生存是底层逻辑 [3][8] - 通过提升资产利用率、调整产品分级、降低芯片成本等方式让行业逐步回归理性 [5] - 通过降低芯片成本和进行“应用场景分层”可以压缩泡沫：关键任务采用高端芯片，重复性任务使用更廉价的方案 [6] - 泡沫应通过开放和开源来解决，通过开源，技术回到平等竞争的平面，使各类AGI原生应用百花齐放，避免因信息不对称导致的泡沫失真 [9] - 应对泡沫应“用AI的方法治理AI”，从小问题出发，扩展到产业链、生态跨界，保持技术和应用不断扩散 [9] 技术发展现状与机遇 - 从算力发展史来看，从1998年深蓝、2016年的两张显卡，到当前GPT级训练需要几十万张H100，算力提升跨度达100亿倍，当前就是人类最接近AI理想的时刻，革命已经发生 [4] - AI的能力在2012年深度学习爆发后“忽然突变”，形成典型的时代跃迁，例如GPT-3的出现彻底改写了外界的技术预期 [6] - 被视为泡沫的方向有时会在需求牵引下快速成熟，例如脑机接口技术路径因真实需求而意外领先 [7]