文章核心观点 - IBM首席执行官阿尔文德·克里希纳对当前科技巨头数万亿美元的AI数据中心投资热潮提出严重质疑，认为基于当前的成本，这些投资“没有办法”获得回报 [2][4] - 其核心论据建立在简单的数学计算上：全球科技公司承诺的约100吉瓦数据中心容量将导致高达8万亿美元的资本支出，而由此产生的利润需求难以满足，且AI硬件（如GPU）折旧速度极快 [4][5] - 克里希纳认为当前技术路径实现通用人工智能（AGI）的可能性极低（0-1%），这与OpenAI、Meta等公司高管的乐观预期形成鲜明对比 [6][8] - 基于上述判断，IBM选择专注于企业市场和应用，并押注量子计算的未来潜力，而非参与面向消费者的AGI军备竞赛 [8][9][10] 科技巨头资本支出计划 - 科技巨头宣布了巨额资本支出计划：Meta未来三年计划投入超过6000亿美元，微软2025年计划投入800亿美元，谷歌计划投入750亿美元，苹果规划未来四年投入5000亿美元 [1] - 这些投资加起来，可能使全球数据中心和AI基础设施的总投资在未来五年内突破5万亿美元 [1] 对投资回报的数学计算与质疑 - 填满一个1吉瓦（gigawatt）的数据中心，按当前价格水平约需800亿美元成本，包括服务器、GPU、存储、网络及冷却系统 [4] - 全球科技公司为追逐AGI承诺的总容量约为100吉瓦，简单相乘意味着8万亿美元的资本投入 [4] - 8万亿美元资本支出需要约8000亿美元的利润来支付利息，尚未考虑设备折旧问题 [4] - AI芯片更新换代速度极快，设备可能需要在五年内更换，因为半导体技术可能进步100倍 [4][5] 与互联网泡沫及成本下降的对比 - 当前AI热潮与2000年互联网泡沫的对比：当时铺设的光纤可使用数十年，而当前GPU等AI硬件生命周期短，需每隔五年进行昂贵更新 [5] - 预测未来五年通过半导体技术进步、新架构和软件优化，计算成本可能降低30倍甚至更多，但关键在于成本下降速度能否让当前投资产生回报 [5] 对通用人工智能（AGI）可能性的评估 - 克里希纳评估当前技术达到AGI的可能性仅为0到1%，这与OpenAI CEO、Meta CEO等产业界领导者的乐观公开表态形成对比 [6][8] - 认为实现AGI需要将“硬知识”与大型语言模型融合，而这需要比当前LLM路径更多的技术 [8] IBM的战略选择与业务实践 - IBM选择不在消费者端AI市场直接竞争，而是专注于企业市场，利用其品牌可信度和数据保护承诺 [8] - 公司使用自研代码辅助工具，让6000人团队在四个月内生产力提高45%，并因此在其他公司裁员时反而进行招聘 [9] - 另一个战略押注是量子计算，预计未来三到五年内将达到实用规模，早期年市场价值可能在4000亿至7000亿美元，目前已有300个研究模式客户，开源软件有65万用户 [9][10] 对技术发展路径的总体看法 - 认为AI技术发展是不断叠加的过程，LLM本质上是统计性的，下一个重大进展可能需要来自学术界在确定性、知识部分的突破 [10] - 理解但不同意其他公司对投资回报的“信念”，强调当前LLM技术虽能释放数万亿美元生产力，但与支撑巨额投资的AGI愿景是两回事 [11]