全球AI投资热潮与现状评估 - 全球资本市场正经历以人工智能为核心的新一轮科技投资热潮 科技投资以罕见强度重塑增长结构 在传统行业承压背景下 科技部门以高强度资本开支扮演了类财政刺激角色 [1] - 当前AI相关投资约占全球GDP的2% 仍处于绝对合理的区间 远低于历史上如19世纪铁路热潮时期的泡沫水平 [1][5] - 市场对流动性收缩的敏感度下降 估值扩张呈现典型泡沫动力学特征 但短期内不需要担心AI有泡沫 泡沫可能会在未来两三年内出现 [1][8] AI技术发展路径与未来潜力 - AI处理成本每年下降90%左右 计算效能每3、4个月翻一番 远超摩尔定律的速度 [4] - AI工具平台WalkingFace上的模型数量已达220万 每过5至6个月就翻倍 [4] - 2024年至2028年将是人类史上最惊心动魄的技术爆发期 AI的进步在2018至2020年间已出现自我改进的雏形 这种能力正在指数级增长 [4] - 仅以当前可见的商业模式来评判AI未来的经济潜力是一个巨大的误判 未来几年局面将截然不同 [1][10] AI行业市场供需与公司风险 - 核心资源供不应求 英伟达和AMD的芯片产能无法满足市场需求 数据中心满负荷运转 这与互联网泡沫时期的光纤产能过剩完全相反 [5] - 微软、谷歌等公司的AI支出接近其强大的自由现金流 资金充足 发债更多出于财务优化而非生存需要 [6] - 唯一风险较高的是像OpenAI这类缺乏多元现金流的公司 [6] - 当前企业盈利强劲增长 同时利率在下降 这是一个非常有利的宏观环境 与2000年互联网泡沫破裂前的情景不同 [6] AI商业模式演进与护城河构建 - 未来AI公司不能只依赖大模型 而是需构建护城河 例如打造垂直行业AI操作系统 建立拥有数据围墙花园的私有云部署或生成式工作流系统 [9] - 个人AI将是关键方向 它存在于个人设备中 通过长期学习用户习惯形成不可替代的助手 [10] - 顶尖企业的团队已意识到这些趋势且在积极布局 [10] AI技术发展的数据与算法路径 - 关于大模型数据耗尽的观点 未来模型将更多依赖由AI自身生成的合成数据 [11] - 合成数据可来自仿真 尤其是通过“自我博弈”产生 例如围棋AI通过上百万次自我对弈学习 每秒完成大量对局 [11][12] - AI能够扫描所有可能路径并进行模拟 生成大量人类终生都无法积累的数据 计算速度比人类快数百万倍 [12] - AI最终会创造比人类更多数据的方式 不必担心数据耗尽 [13] - 未来发展路径可以不只依靠把模型“做大”堆算力 而是让AI系统内部出现更多专业化、分工明确的“小模块/小专家” 这需要更聪明的结构和算法 [11] AI对劳动力市场与经济结构的影响 - AI发展到了中期阶段 职业转变会变得艰难 AI让基础任务效率更高 但KPI和工作量增加 提高薪资变得更加困难 [14][15] - 从长远看 技术从未系统性地造成失业 新的工作机会会在其他行业出现 但这次技术变化发生得非常快 而新的工作岗位需要时间才能出现 [14] - AI和机器人帮助人们让越来越多的东西变得更便宜 甚至免费 [15] - 未来经济可能被技术分成三个“世界”运行 [16] - 第一种是技术“超大规模化”扩张出现的“超级强者”区域 聚集着雄心勃勃、富有创造力、勤奋努力的人 同时拥有大量资本和技术 这些地方会有非常快速的经济增长 成为增长的中心 [16] - 第二种是“慢节奏”经济区域 虽然技术或资本涌入不多 但会享受到基础医疗改善、许多小型项目免费等好处 随着AI和机器人创造越来越多财富 这些增长较慢的地区可能会变得非常宜居 [16] - 第三种是仍然依赖出售廉价劳动力生存的地区 领取极低薪水 而未来无法在价格上击败机器人 这样的地区未来只能依靠极低成本来竞争 [17] - 从中国角度 需要避免依靠廉价劳动力竞争 而是要推动更高端、更复杂的企业模式 拥有超级科技枢纽 [17] 个人在AI时代的竞争力构建 - 生活在当今世界 一定要学会如何使用人工智能 每个人都应该大量使用并努力熟悉其规律 [18] - 传统的大学学位可能不再那么有价值 技术变化太快 现代大学教育的重要性正在下降 [18][19] - 与其“以防万一”去学习 不如采用“及时学习”的方法 即当真正需要解决一个问题时才去学习相关知识 从时间投入产出比来看更有效率 [19][20]