AI 真相被揭开:AI 的最大泡沫,居然在这里
作者：微信文章这两天看了 David Ondrej 关于 AI 行业的深度观察视频，David花了 28 个月时间 全力研究AI这个领域，最后得出了 5 个结论。读完之后，我发现这些观点和主流媒体说的完全不一样。
说实话，我之前也被各种 AI 新闻轰炸得有点麻木了：什么AI 要统治世界、AI 会让所有人失业、AI 泡沫马上破裂，听多了就分不清哪句是真的了。
但这篇文章让我重新思考了 AI 到底在往哪里走。
01
AI 泡沫不在股市，在 VC 圈
我们天天讨论「AI 是不是泡沫」，其实问错了地方。作者提到一个判断法则：“如果所有人都认为是泡沫，那就不是泡沫。”真正的泡沫，是投资者毫无畏惧、坚信永远涨的时候。
我之前总觉得 AI 和加密货币一样是炒作，但仔细想想，我每天用 AI 写邮件、查资料、整理笔记，但从来没用加密货币买过一次东西。
但作者指出了一个隐藏的泡沫——VC 圈的“无限金钱 bug”。什么意思呢？比如英伟达投给 OpenAI 100 亿美元，OpenAI 转手把这笔钱的大部分用来买英伟达的 GPU。钱又流回了投资者口袋。这就是一个资金循环游戏。
这不就是左手倒右手吗？表面上 OpenAI 拿到了 100 亿投资，实际上这钱根本没离开英伟达的生态。
问题是，这些 AI 公司现在都在严重亏损。VC 怎么说服自己继续投？他们换了个思路：不把 Anthropic 看成一个整体，而是把每个模型（比如 Claude 4）看成独立的业务单元。他们认为，虽然训练 Claude 4 花了几十亿，但它在生命周期内能赚回来。
我既佩服又担心。佩服这种“心智模型”真的很聪明，担心的是：如果其中一个模型没赚回成本怎么办？整个逻辑链就崩了。
这让我想到一个更深层的问题：我们现在看到的 AI 繁荣，到底有多少是真实需求，多少是资本游戏？我暂时没有答案。
02
互联网数据吃完了，但强化学习才刚开始
我一直有个疑问：AI 模型已经吃掉了整个互联网的文本数据，那它还能怎么进步？是不是很快就到头了？
作者给出的答案是：强化学习（Reinforcement Learning）。强化学习的核心思路是：在模拟环境中训练 AI 做各种操作。比如创建一个模拟的亚马逊网站，让 AI 学会浏览、加购、支付。这个过程产生的数据，是静态互联网根本不存在的。
这让我豁然开朗。我之前以为 AI 的“学习”就是背书，但其实它可以通过“练习”来学习。就像人类一样，不是靠背书学会骑自行车的，而是靠摔了无数次。
这解释了为什么 AI 在数学和编程领域突破这么大：因为这两个领域的结果可以被验证（逻辑对不对，代码能不能跑），模型可以在海量合成数据上反复训练。
作者还提到一句震撼的话：“只要你能为某个目标创建一个可衡量的基准，这个目标就可以被 AI 饱和。”这意味着任何可以量化的任务，AI 都能学会。
但那些不能量化的呢？比如「打动人心的文章」、「设计一个美的 logo」，这些主观任务没有统一标准。
于是我意识到：AI 的边界，不在技术，而在「什么是可以被明确定义的」。那些模糊的、主观的、依赖人类直觉的领域，可能是 AI 最难攻克的。
03
最值钱的数据，其实不在网上
现在的大语言模型，知识全部来自互联网。但人类的学习，包含大量来自 物理世界 的数据，而这些从未被上传到网络。
作者举了两个例子：
- 孩子学习物理：通过看、摸、动、听获得感官信号
- 新员工融入公司：不看手册，也能直觉理解社交层级
我侄子两岁时第一次看杯子掉地上，瞪大眼睛，看、听、触摸，理解了「东西会掉」、「会碎」。这种学习，ChatGPT 永远做不到。它知道重力加速度是 9.8m/s²，却永远不会「看到」杯子掉落。
于是作者得出结论：真实世界的物理数据，是 AI 的下一个金矿。我这才明白马斯克的布局：
- X.com 提供实时文本数据
- 特斯拉收集驾驶视频与传感数据
- Optimus 机器人获取三维交互数据
难怪 OpenAI 要与 Figure AI 合作，他们需要补齐物理数据短板。未来的 AI 巨头，可能都是同时掌握线上数据与线下硬件的公司。
04
未来不属于巨无霸模型
我一直以为 AI 是“越大越好”，参数越多越聪明，但作者指出两个趋势正在发生：开源模型正在追上甚至超越闭源模型。更小、更专业的模型比庞大的通用模型更实用
例如开源的 GLM 4.6，编程能力超过很多顶级闭源模型。而像 Claude 3.5 Haiku 这样的小模型有明显优势：
- 成本低，能部署更多场景
- 速度快，有助于保持「心流」
我自己体验也印证了这一点。GPT-4 写代码时常常卡顿，而 Haiku 快多了，让我能一直保持专注。
作者还提到战略转变：公司不再把资源都砸在训练超大模型上，而是 训练中等规模模型 + 把算力用在推理阶段（Test-Time Compute）。这意味着模型可以在响应用户时“花更多时间思考”，从而完成更复杂的任务。
05
AI 会同时制造失业和超级程序员
作者预测 AI 会引发 大规模社会动荡。因为商业利益在于 15 万亿美元的劳动力市场，而不是 3000 亿美元的软件市场。资本显然会选择前者，用 AI 替代人类劳动。
我想起自己打客服电话的经历：现在多数客服已经是 AI，只剩少数复杂问题才转人工。未来连复杂问题也能处理，那些客服怎么办？
但另一面是，学习编程会再次变得性感。AI 会带来显著的「智者愈智」效应：
- 非技术人员用 AI 使其生产力提升 2–3 倍
- 精英程序员用 AI 使其生产力放大 100 倍
这差距太大了。意味着技术精英和普通人之间的生产力鸿沟将前所未有地拉大。
我既焦虑又兴奋。焦虑的是：不会用 AI，就可能被淘汰；兴奋的是：学会用 AI，就能掌握新的机器。就像工业革命时期，学会操作机器的人赚得更多。现在的 AI，可能就是新的机器。
但最后一个问题让我久久无法释怀：如果 AI 让一小部分人成为超级程序员，而大多数人被取代，这个社会会变成什么样？
我没有答案。但我知道，这个问题，人类迟早要面对。
页:
[1]