【文/观察者网 王恺雯】"美国会赢得AI，却输掉战争吗？"英国《金融时报》12月13日以此为题刊登文 章，给美国当前的人工智能（AI）热潮泼下一盆冷水。 文章作者、拜登政府时期担任白宫科技与竞争政策特别助理的吴修铭（Tim Wu），对美国全面押注AI 发出警告，指出与中国就这一未来关键技术展开"末日之战"的想法，既是幻觉，也是硅谷的游说套路。 相较之下，中国虽然也在大力推动AI发展，但态度却克制、务实得多，也更注重多元布局。 文章指出，在过去一年时间里，美国主要科技公司在与AI相关的基础设施上投入了超过3500亿美元， 预计到2026年将超过4000亿美元。这一数字远远超过任何其他国家，包括中国，后者在AI方面的总投 资接近1000亿美元。 对于很多西方人来说，拥有足够大胆的公司和足够深厚的资本市场，从而在一场"烧钱竞赛"中占据主导 地位，或许令人感到安心。如果人工智能真如预言所说，是"统治一切的魔戒"，那么看起来西方似乎已 经把未来握在手中。 美国政府本可以对冲风险，但在特朗普执政时期，美国削减了对清洁能源投资的支持，使国家科技战略 看起来像是在一匹马身上下了很大的赌注。 文章认为，美国当下对AI的支出，是 ...

"真正迷恋AI的是美国。"作者写道，并指出，美国的投资动机既商业化，又带着某种神秘色彩，尤其体 现在对通用人工智能（AGI）和"奇点"（singularity）的追求上；人们强烈相信技术会持续呈指数级进 步，却忽视了这种情况在技术史上极为罕见。且越是深入探究，就越会发现，无论在AI的支持者中， 还是在末日论者中，相关观点都显得越来越脱离现实。 与此同时，美国科技行业高度集中，其近乎垄断的结构进一步放大了风险：当巨额资金掌握在极少数公 司手中时，集体盲从的可能性也随之上升。 【文/观察者网 王恺雯】"美国会赢得AI，却输掉战争吗？"英国《金融时报》12月13日以此为题刊登文 章，给美国当前的人工智能（AI）热潮泼下一盆冷水。 文章作者、拜登政府时期担任白宫科技与竞争政策特别助理的吴修铭（Tim Wu），对美国全面押注AI 发出警告，指出与中国就这一未来关键技术展开"末日之战"的想法，既是幻觉，也是硅谷的游说套路。 相较之下，中国虽然也在大力推动AI发展，但态度却克制、务实得多，也更注重多元布局。 文章指出，在过去一年时间里，美国主要科技公司在与AI相关的基础设施上投入了超过3500亿美元， 预计到2026年将超 ...

公司投资哲学与核心策略 - 公司投资哲学的核心是“耐心资本”，以10年为单位进行思考，而非几个季度[3] - 公司视自己为长期代表客户的企业所有者，耐心的资本体现在两方面：遇到挫折时要有耐心，因为超级明星公司的发展进程很少是直线；事情进展顺利时更要有耐心，避免在股价翻倍后就抛售股票从而破坏超级回报价值[5] - 公司“耐心”主要体现在长期全球成长策略上，对绝大部分标的持股5～10年甚至更长[6] - 公司认为试图做到准确和安全是投资的敌人，长期主义投资不是毫无根据地用时间等待复利发生，而是找出确定性的行业长期发展趋势[7] - 公司做法是将研究重心放在建立长期研究系统计划上，构建包括科学家、学者和企业家在内的信息来源渠道，科学家和学者思考的是10～20年甚至更长时间的变化[7] - 公司拒绝对短期收益、现金流或股价进行预测，认为确定性是低级诱惑，力求正确反而会干扰正确决策[12] - 公司的耐心也是一种延迟满足，为了长期回报而不受短期市场干扰和诱惑[13] 公司投资实践与案例 - 公司被誉为“全球超级成长股捕手”，精准押注特斯拉、英伟达、谷歌、亚马逊、奈飞、阿里巴巴、字节跳动、腾讯、美团、宁德时代等知名科技行业巨头[1] - 公司长期全球成长策略旗舰产品不仅跑赢了标准普尔500指数，而且优于巴菲特掌管的伯克希尔-哈撒韦[1] - 公司于2004年投资亚马逊，经历过互联网泡沫的亚马逊股价跌幅一度超过90%，企业持续亏损[6] - 公司首次投资特斯拉是在2013年，当时特斯拉在欧洲市场投放量产车Model S时，很少有人相信新能源汽车可以成为主导，且产能问题严重制约了交付能力[6] - 公司投资重仓的技术变革行业中，有几个底层规律，包括摩尔定律（信息技术）、弗拉特利定律（医疗）和莱特定律（新能源领域），这些定律的共同特点是时间拉长到10年或更长，行业能以可预见的速度增长[8][9] - 摩尔定律指集成电路上可容纳的晶体管数量每18～24个月会翻一番，性能也将提升一倍[9] - 弗拉特利定律指人类基因组测序进展会更快，成本会更低，首次测序耗时约15年、耗资超30亿美元，现在最快一天内就可以完成，花费只需几百美元[9] - 莱特定律指当飞机产量翻倍时成本会以特定速度下降，这一定律在电动汽车领域也得到了验证[10] 行业环境与公司机制 - 全球主要证券市场股票平均持有期都不到半年，亚洲资本市场的期限甚至更短，这反而为耐心资本提供了机会[5] - 资本市场信息泛滥，人类有从众心理，过于看重短期信息，卖方报告、媒体或其他信息中介都有自身的商业动机[11] - 公司旗下国际集中成长基金的团队每月正式会议不超过一次，决策机制上专注于公司长期发展，而不是对即时信息流和季度业绩做出反应[11] - 公司取消了季度业绩评估，以5～10年的期限进行业绩评价，从机制上鼓励长期投资[13] - 公司总部有薪酬递延制度，员工可将部分薪水投资到公司基金，激励机制也和耐心资本保持一致[13] - 一项学术研究表明，大多数人对亏损的厌恶程度至少是对同等收益的愉悦程度的两倍，基金经理要获得超额回报必须愿意接受损失并对胜率大的标的进行单笔大额投资[7]

F1数据分析专家跨界应用AI - 曼联从F1梅赛德斯车队挖来拥有11年经验的数据分析专家迈克·桑索尼担任数据总监 将重点推动AI与足球数据的结合 包括球员招募 战术分析等决策支持 [1] - 桑索尼的跨界跳槽引发AI行业关注 显示AI技术应用场景的广泛延展性 尤其在GPT-5多模态大模型趋势下 商用化想象空间被进一步打开 [1] AI商业化突破领域 - AI编程领域形成明确变现路径 Anthropic因占据代码编写技术优势 估值一个月内飙升十倍 主要受益于企业级客户的高付费意愿 [2] - 谷歌在多模态场景生成技术超越OpenAI Sora 未来可能切入游戏或电影行业 米哈游创始人认为AI图像生成技术已对传统游戏美术设计形成替代 [2] - 医疗健康成为可盈利场景 OpenAI凭借低幻觉特性 在医学会议记录 病历结构化 数据质控等环节实现应用落地 [2] 大模型商业化加速 - 自GPT-4发布两年内 大模型商业化已找到多个突破口 技术爆发呈现"加速回报定律"特征 各领域需求增长快于预期 [4]

人工智能发展速度与预测 - 特斯拉CEO埃隆·马斯克预测AI智能水平将在不到两年内超越人类个体智慧，五年内超过全人类智能总和，若AI能力每年提升十倍，四年后智能将达当前十万倍水平[2] - 当前AI已超越多数人类但未超越顶尖个体或专业团队，发展遵循"加速回报定律"，算力、算法与数据形成正向循环推动AI从专用向通用智能跃迁[2] - GPT系列从GPT-3到GPT-4参数规模增长10倍但综合性能提升超百倍，下一代模型可能通过多模态融合和自主进化机制实现质变[2] 全球人工智能行业格局 - 人工智能行业通过大模型突破实现语言、视觉与推理通用能力，算力、算法与数据驱动自动驾驶、AI制药、智能制造等万亿级场景[3] - 中美欧竞逐技术标准与生态主导权，全球80%以上AI专利和90%独角兽企业集中在美国和中国[3] - 美国凭借Google、OpenAI等在基础研究、硬件生态和开源社区领先，中国以"应用驱动创新"模式在计算机视觉、语音识别等领域形成竞争力[3] 领先企业人工智能布局 - Google开发TPU芯片支持深度学习运算，Meta组建芯片团队减少对外依赖，亚马逊为ALEXA硬件开发专用芯片[5] - 微软为HOLOLENS研发芯片并开展第三方授权，苹果发布A16 BIONIC芯片，百度发布昆仑芯片并收购芯片初创公司[5] - IBM拥有类脑芯片TRUENORTH和深度学习芯片LAKECREST，英特尔推出LOIHI等具有自我学习能力的AI芯片产品[5] 中国人工智能发展现状 - 中国已建立涵盖理论方法和软硬件的AI研发体系，截至2024年Q1累计发布478个大模型，数量仅次于美国[5] - 2024年9月中国人工智能核心产业规模接近6000亿元人民币，大模型技术被视为推动经济高质量发展的重要驱动力[6] - 专家建议通过"AI+实体产业"形成新质生产力，加大基础研究投入促进良性循环，空间智能视觉可推动机器人产业智能跃迁[6]

AI技术发展历程 - 2007-2009年谷歌通过无监督学习实现AI自主识别"猫"概念 标志着AI从记忆转向理解能力的突破 [3][4][5][6] - 2016年成为AI技术关键转折点 强化学习理论突破推动AlphaGo自我训练21天击败人类棋手 [13] - 2023年ChatGPT的"网景时刻"使AI进入大众认知 类比1994年网景浏览器普及互联网 [10] AI技术演进规律 - 加速回报定律显示AI智商每5.9个月翻倍 从100点起步18个月可达1600点 [3][48] - 无监督学习范式突破使AI具备自主探索能力 不再依赖标注数据 [12] - 合成训练数据成为新趋势 AI通过自我对抗产生海量训练样本 [14] AI行业应用前景 - 金融交易领域将全面机器化 人类无法在速度和模式识别上竞争 [67] - 客服行业将分化 基础问题由AI解决 情感连接需求推动高端人工服务溢价 [49] - 60-70%现有工作岗位面临消失 体力劳动将被3000美元成本机器人取代 [69] AI经济影响 - 能源免费将重构全球贸易体系 纳米技术实现分子级制造消除地域限制 [74][77] - 消费占比64%的美国经济面临转型 全民基本收入可能成为新分配机制 [70][72] - 财富差距加剧 可能出现10亿美元级奢侈品与基本收入并存的畸形市场 [84] AI技术伦理 - 当前90%AI伦理框架源自硅谷 存在数字殖民主义风险 [23] - 价值对齐工程可能导致认知失真 如强制修改语言模型的性别表述 [22] - 智能跃迁可能引发决策权让渡困境 军事司法等领域权力转移不可逆 [42] AI与人类关系 - 人机协同将实现智商即时提升 形成"智能插座"式认知增强 [46][48] - 人类需掌握三大核心技能：AI驾驭能力、批判思维和人际连接 [3][49] - 生物脑细胞计算芯片研发中 未来可能实现生物与硅基智能融合 [55][57]