1）科技巨子操持在未来几年在AI成本支出上花费1万亿美元，但险些没有任何本色性的、可见的成果来证明这些投入是值得的。

2）AI在未来十年内对经济的实际影响会很有限，AI只会使美国生产力增加0.5%，GDP仅增加0.9%，这会导致投入的数百亿美元可能会被摧残浪费蹂躏，而美股“七姐妹”得到的数万亿美元市值可能是历史上最大的泡沫。

3）人工智能干系的收入增长的可能性很低，由于我认为这项技能还不足聪明，也不太可能聪明到让员工变得更聪明。

过度开拓天下没有用处或尚未准备好的东西，常日会导致糟糕的结果。

4）本日的人工智能泡沫分裂可能不会像互联网泡沫分裂那样成问题，由于许多本日费钱的公司比当时费钱的公司成本更充足。
但如果人工智能技能的用例和采取率终极低于目前的普遍预期，很难想象这对许多本日在该技能上费钱的公司来说不会是个问题。

5）过去三十年来我学到的最主要的教训之一是，泡沫可能须要很永劫光才能破灭。
这便是为什么我建议连续投资人工智能根本举动步伐供应商。

6）如果主要的用例在未来12-18个月内没有开始变得更加明显，投资者的激情亲切可能会开始消退。
但更主要的关注领域是企业盈利能力。
估量企业不会缩减对人工智能根本举动步伐和计策的支出，直到我们进入经济周期的更困难阶段，估量短期内不会涌现这种情形。

纳指屡创新高，明星科技股轮番刷新记录之际，AI泡沫是否隐蔽巨大危急，且何时会崩盘分裂？高盛环球宏不雅观研究部的高等策略师Allison Nathan在最新的《Top of Mind》报告中，提出了一个很关键的问题：在AI上的投入是否过多，而收益却太少？只管高盛的报告没有给出明确答案，但分享了少量专家采访，以及明确提出了悲观意见，即科技巨子操持在未来几年在AI成本支出上花费1万亿美元，但险些没有任何本色性的、可见的成果来证明这些投入是值得的。
在《Top of Mind》报告中，作者Allison Nathan对AI技能确当前趋势进行了阐述：

天生式AI技能被认为能改变公司、行业和社会，以是很多大公司操持在未来几年投入1万亿美元在AI干系的东西上，比如数据中央、芯片和电网。
但到现在为止，这些钱除了让开发职员的事情效率提高了一点，没看到其他明显的成果。
乃至连从中获益最多的英伟达的股价也下跌了。
我们问了一些行业和经济专家，看看这些巨额支出是否会带来AI的效益和回报，并谈论了如果带来或者不带来回报，会对经济、公司和市场产生什么影响。

高盛的股票研究主管Jim Covello指出：

开拓和运行AI技能的本钱非常高，估计大约为1万亿美元。
要让这笔投资值得，AI须要办理非常繁芜的问题，但AI现在还做不到。
像互联网这种颠覆性技能，纵然在早期也能用低本钱方案取代高本钱方案。
而AI现在很贵，还不能供应更便宜的替代品。

而且，Covello疑惑AI的本钱能否降到足够低，让大规模自动化变得便宜，由于AI初始本钱高，而且关键部件（比如GPU芯片）生产繁芜。
这种繁芜性也可能限定AI领域的竞争。
他认为AI不太可能显著提高公司估值，由于AI带来的效率提升很可能被竞争对手很快追上，而且AI如何实际带来收入增长也不明确。
末了，Covello质疑AI能否真正复制人类最有代价的能力，由于AI是基于历史数据演习的。
他认为AI不会达到人类在这些领域的水平。

在高盛作者Nathan采访的浩瀚专家中，最引人瞩目的是麻省理工学院教授Daron Acemoglu，他对AI也持疑惑态度。
Acemoglu估计，在未来的十年乃至更永劫光里，天生式AI技能对美国的生产力和经济增长的推动浸染可能会比很多人预期的少。
他认为，只有大约四分之一的任务能够通过AI自动化，这意味着AI只会影响不到所有任务的5%。

只管技能随着韶光的推移会变得更加前辈，本钱也会降落，但Acemoglu认为，AI模型的进步速率不会像许多人想象的那样快或令人印象深刻。
此外，他质疑AI是否会创造出新的事情任务和产品。
他认为，这些影响并不是“自然规律”，不能期待AI技能会自动带来大量新的事情和产品。
因此，他预测AI在未来十年内对经济的实际影响会很有限，AI只会使美国生产力增加0.5%，GDP仅增加0.9%。
这会导致投入的数百亿美元可能会被摧残浪费蹂躏，而且美股“七姐妹”得到的数万亿美元市值可能是历史上最大的泡沫。
资料显示，受访人麻省理工学院教授Daron Acemoglu有多部著作，包括《国家为何失落败：权力、繁荣和贫穷的起源》和最新著作《权力与进步：我们为技能和繁荣而展开的千年斗争》。
下文摘录了作者Nathan对Acemoglu和Covello采访的部分内容，这段内容可能会帮助您比其他人更早意识到AI泡沫的全部程度，从而避免未来巨大的投资丢失：

Allison Nathan：高盛经济学家预测未来10年AI会使生产力增长约9%，GDP将增长6.1%，而您预测未来10年AI只会使美国生产力将增长约0.5%，GDP将增长约1%，可能比许多预测者（包括高盛）的预期要小得多，为什么您对AI的潜在经济影响不那么乐不雅观？

Daron Acemoglu：预测差异彷佛更多地环绕着AI对经济产生影响的韶光，而不是该技能的终极前景。
天生式AI有可能彻底改变一些领域，但这些变革不会在未来10年内发生。
现在的天生式AI紧张是通过自动化某些任务或提高工人的效率来改进现有流程，而不是创造新的、大规模的变革。

短期内，AI能自动化的任务数量有限。
很多须要现实天下互动的任务，像交通、制造、采矿等，AI短期内无法显著改进。
AI的紧张影响会在纯脑力任务上，但这些任务的数量和规模不大。

为了量化这一点，我首先研究了Eloundou等人的综合研究，他们创造天生式AI和其他AI技能可以改变20%以上的生产任务，但这是长期预测。
另一项研究估计，未来10年内只有约23%的任务能通过AI经济高效田主动化，这意味着只有约4.6%的任务会受到AI影响。
均匀劳动力本钱节省约为27%。
未来10年内，AI对生产力的提升约为0.53%到0.66%，对GDP的增长约为0.9%。

Allison Nathan：最近的研究估计利用AI可以节省10%至60%的本钱，但您认为只能节省30%旁边。
为什么呢？

Daron Acemoglu：有三项详细研究了AI节省本钱的效果。
个中一项（Peng等人）估计节省高达56%，但它研究的任务很大略，比如用AI帮助程序员写HTML。
这种任务随意马虎用AI完成，但繁芜任务不会这么随意马虎。
因此，我忽略了这项研究，只考虑了其他两项更现实的估算。

Allison Nathan：历史上，技能发展每每会改进并降落本钱。
人工智能技能会不会也有类似的趋势？

Daron Acemoglu：当然有可能。
但我不相信纯挚增加数据和打算能力能快速提升AI的能力。
很多人认为更多数据和打算会让AI变得更好，但AI能力翻倍详细意味着什么？比如在客户做事或繁芜文本总结方面，没有明确的指标证明AI输出会好两倍。
此外，数据的质量很主要，目前还不清楚从哪里得到更多高质量的数据。
末了，当前AI技能本身可能有局限性。
人类认知涉及多种繁芜过程，而当前的AI还远远无法达到类似《2001：太空漫游》中的HAL 9000那样的智能水平。

Allison Nathan：即便您对未来5到10年AI的影响持守旧态度，是否也有下行风险？

Daron Acemoglu：确实有风险。
技能打破总是可能的，但纵然有打破也须要韶光见效。
如果AI在改进繁芜任务方面表现不佳，那么纵然是我的守旧估计也可能过高。
大公司可能会迅速采取AI工具，但小公司采取的速率会更慢。

Allison Nathan：从长远来看，您认为AI实现超级智能的可能性有多大？

Daron Acemoglu：我疑惑AI能否在更长远的韶光内实现超级智能。
AI可能在20-30年内彻底改变科学过程，但人类仍旧是主导。
真正的超级智能AI能够在没有人类干预的情形下完成所有事情，但我认为纵然30年后这种情形也不太可能发生。

Allison Nathan：技能创新每每会创造新职业，如今60%的工人从事80年前不存在的职业，从长远来看，人工智能技能的影响会不会比您预期的更大？

Daron Acemoglu：技能创新对生活的影响是巨大的，但这并不是自动发生的。
它取决于我们发明的技能类型以及我们如何利用它们。
如果我们利用AI技能来创造新的任务、产品和职业，比如AI帮助科学家进行新材料的研究和测试，那么AI的长期影响可能会更大，但这须要故意识的努力。

Allison Nathan：如今在人工智能技能上投入的大量资金中，有些乃至大部分终极会被摧残浪费蹂躏吗？

Daron Acemoglu：这是一个有趣的问题。
基本的经济剖析表明，投资热潮该当涌现，由于当今的人工智能技能紧张用于自动化，这意味着算法和成本正在取代人力，这该当会引发投资。
这阐明了为什么我对GDP增长的估计险些是我对生产力增长的估计的两倍。
但现实表明，一些项目会失落败，某些公司对AI的期望过高，因此会摧残浪费蹂躏资金。
只管如此，有些投资会为AI的下一个更有前景的阶段铺路。

以是，我对当前投资热潮中有多少会被摧残浪费蹂躏和产生效益没有很强的先验知识。
但我估量两者都会发生。

Allison Nathan：人工智能技能的其他本钱是否没有受到足够的重视？

Daron Acemoglu：是的。
GDP 不是统统。
有可能供应良好信息的技能也可能供应不良信息并被滥用于邪恶目的。
目前我并不太担心深度假造，但就不良行为者如何滥用天生式 AI 而言，它们只是冰山一角。
投资一万亿美元进行深度假造将为 GDP 增加一万亿美元，但我认为大多数人不会对此感到高兴或从中受益。

Allison Nathan：从我们谈论的所有内容来看，目前人们对人工智能技能的激情亲切是否过度了？

Daron Acemoglu：每一项人类发明都值得庆祝，而天生式人工智能是真正的人类发明。
但过度乐不雅观和炒作可能会导致过早利用尚未准备好的技能。
如今，利用人工智能来推进自动化的风险彷佛特殊高。
过早过度自动化可能会给企业带来瓶颈和其他问题，由于这些企业不再具备人力成本所供应的灵巧性和故障打消能力。

而且，正如我所提到的，利用如此普遍和强大的技能——以我们尚未完备理解且完备无法监管的办法向人类供应信息和视觉或书面反馈——可能会很危险。
虽然我不认为超级智能和邪恶的人工智能会构成重大威胁，但我常常思考，50年后人们会如何看待当前的风险。
2074年，我们的子孙后代责怪我们在2024年行动太慢，以捐躯增长为代价，这种风险彷佛远低于我们终极行动过快并在此过程中摧毁制度、民主和其他事物的风险。
因此，我们冒险犯下的缺点的本钱在负面方面更加不对称。
这便是为什么主要的是抵制炒作并采纳谨慎的态度，这可能包括更好的监视对象，由于人工智能技能将连续发展。

采访高盛环球股票研究主管Jim Covello，他认为，要从昂贵的人工智能技能中得到足够的回报，人工智能必须办理非常繁芜的问题，而目前人工智能还无法做到这一点，而且可能永久都做不到。

亚马逊可以以比Barnes & Noble 更低的本钱***书本，由于它不必坚持昂贵的实体店。
快进三十年，Web 2.0仍旧供应更便宜的办理方案，这些办理方案正在颠覆更昂贵的办理方案，例如 Uber 取代豪华轿车做事。

虽然人工智能技能是否能兑现本日许多人愉快的承诺这一问题肯定是有争议的，但争议较少的一点是，人工智能技能非常昂贵，为了证明这些本钱是合理的，该技能必须能够办理繁芜的问题，而这并不是它的设计目的。

Allison Nathan：纵然如今人工智能技能价格昂贵，但随着技能的发展，技能本钱不是每每会大幅低落吗？

Jim Covello：技能常日一开始很昂贵，然后才变得更便宜，这种不雅观点是对历史的改动。
正如我们刚才谈论的那样，电子商务从第一天开始就更便宜，而不是十年后。
但纵然抛开这一误解，科技界也过于自满，认为人工智能本钱将随着韶光的推移大幅低落。

摩尔定律推动了芯片更小、更快、更便宜的发展，推动了技能创新的历史，但事实证明，这一定律是精确的，由于英特尔的竞争对手（如超威半导体公司）迫使英特尔和其他公司降落本钱并不断创新以保持竞争力。

如今，英伟达是唯一一家能够生产AI所需GPU的公司。
一些人认为，半导体行业或超大规模企业（谷歌、亚马逊和微软）本身将会涌现英伟达的竞争对手，这是有可能的。

但与本日的状况比较，这是一个巨大的飞跃，由于过去10年，芯片公司一贯试图推翻英伟达在GPU领域的主导地位，但都以失落败告终。
技能很难复制，以至于没有竞争对手能够做到这一点，这使得公司能够保持垄断和定价权。

例如，前辈半导体材料光刻技能公司 (ASML) 仍旧是天下上唯一一家能够生产尖端光刻工具的公司，因此，他们的机器本钱从二十年前的数千万美元增加到本日的某些情形下的数亿美元。
英伟达可能不会遵照这种模式，美元规模也不同，但市场对本钱低落的确定性过于自满。
本钱的出发点也很高，纵然本钱低落，也必须大幅低落才能使人工智能自动化任务变得包袱得起。

人们指出，自1990年代末做事器问世以来，几年内做事器本钱大幅低落，但1990年代末推动互联网技能转型所需的64000美元Sun Microsystems做事器数量与本日推动人工智能转型所需的昂贵芯片数量比较微不足道，纵然不包括改换电网和支持这一转型所需的其他本钱，这些本钱本身就非常昂贵。

Allison Nathan：您只是担心人工智能技能的本钱，还是对其终极的变革潜力也持疑惑态度？

Jim Covello：我对两者都持疑惑态度。
很多人彷佛认为人工智能将成为他们生平中最主要的技能发明，但我不同意这种不雅观点，由于互联网、手机和条记本电脑已经从根本上改变了我们的日常生活，使我们能够做以前不可能做的事情，比如随时随地打电话、打算和购物。

Jim Covello：认为互联网和智好手机的变革潜力在早期未被理解的想法是缺点的。
智好手机刚推出时，我是一名半导体剖析师，在21世纪初期，我参加了数百场关于智好手机及其功能的未来演讲，个中大部分都符合业界的预期。

一个例子是将GPS集成到智好手机中，虽然当时还未准备好欢迎黄金时段，但估量将取代当时租赁汽车中常见的笨重GPS系统。
其他技能终极能够做什么的路线图在它们出身之初也存在。

本日没有类似的路线图。
人工智能的支持者彷佛只是相信用例会随着技能的发展而激增。
但在天生式人工智能问世18个月后，还没有创造一个真正具有变革性（更不用说具有本钱效益）的运用。

Allison Nathan：纵然收益和回报永久无法抵消本钱，考虑到竞争压力，企业除了追求人工智能计策之外还有其他选择吗？

Jim Covello：鉴于该领域的炒作和错失落恐怖症，大型科技公司别无选择，只能参与AI武备竞赛，因此对AI培植的大规模投入将连续下去。

这并非技能炒作周期首次导致对终极没有成功的技能的投入。
虚拟现实、元宇宙和区块链便是这些技能投入大量资金但目前在现实天下中运用很少（如果有的话）的范例例子。
科技行业以外的公司也面临着巨大的投资者压力，哀求他们履行 AI 计策，只管这些计策尚未产生成果。
一些投资者已经接管了这些计策可能须要韶光才能产生回报，但其他人并不认同这一不雅观点。
举个例子：Salesforce在AI方面投入了大量资金，但最近其股价遭遇了自 2000 年代中期以来的最大单日跌幅，缘故原由是其第二季度古迹显示，只管投入了这些资金，但收入险些没有增长。

Allison Nathan：您认为人工智能技能终极能提高非科技公司的收入的可能性有多大？纵然没有收入增长，本钱节约是否仍能为多元化扩展铺平道路？

Jim Covello：我认为人工智能干系的收入增长的可能性很低，由于我认为这项技能还不足聪明，也不太可能聪明到让员工变得更聪明。

这些企业本身也在投入大量资金，但也将从人工智能培植中得到增量收入。
这些公司确实已经大幅上涨，但历史表明，如果最初让一家公司昂贵的基本面保持不变，仅靠昂贵的估值并不能阻挡其股价进一步上涨。
我从未见过一只股票仅仅由于价格昂贵而下跌——基本面恶化险些总是罪魁罪魁，只有这样估值才会发挥浸染。

Allison Nathan：如果你的疑惑终极被证明是精确的，那么人工智能的基本故事就会土崩瓦解。
那会是什么样子呢？

Jim Covello：过度开拓天下没有用处或尚未准备好的东西，常日会导致糟糕的结果。

纳斯达克指数在互联网泡沫高峰和 Uber 成立之间下跌了约70%。
本日的人工智能泡沫分裂可能不会像互联网泡沫分裂那样成问题，由于许多本日费钱的公司比当时费钱的公司成本更充足。

但如果人工智能技能的用例和采取率终极低于目前的普遍预期，很难想象这对许多本日在该技能上费钱的公司来说不会是个问题。

只管如此，过去三十年来我学到的最主要的教训之一是，泡沫可能须要很永劫光才能破灭。
这便是为什么我建议连续投资人工智能根本举动步伐供应商。

如果我的疑惑论被证明是缺点的，这些公司将连续受益。
但纵然我是对的，至少他们已经从这个主题中得到了可不雅观的收入，这可能使他们能够更好地适应和发展。

Allison Nathan：那么，投资者该当把稳哪些迹象，以判断泡沫即将破灭？

Jim Covello：投资者对“如果你开拓了，他们就会来”的口号还能知足多久，这仍是一个悬而未决的问题。
没有重大人工智能运用的韶光越长，人工智能的故事就会变得越有寻衅性。

我猜，如果主要的用例在未来12-18个月内没有开始变得更加明显，投资者的激情亲切可能会开始消退。
但更主要的关注领域是企业盈利能力。
持续的企业盈利能力将许可持续进行负投资回报率项目的实验。
只要企业利润保持强劲，这些实验就会连续进行。

因此，我估量企业不会缩减对人工智能根本举动步伐和计策的支出，直到我们进入经济周期的更困难阶段，我们估量短期内不会涌现这种情形。
话虽如此，如果企业盈利能力开始低落，这些实验的支出很可能是首批被减少的项目之一。

⭐星标华尔街见闻，好内容不错过⭐

\公众>

本文不构成个人投资建议，不代表平台不雅观点，市场有风险，投资需谨慎，请独立判断和决策。