新闻 
$1.4万亿豪赌?专家警告:AI泡沫一旦破裂 先倒的或是
$1.4万亿豪赌?专家警告:AI泡沫一旦破裂 先倒的或是$1.4万亿豪赌?专家警告:AI泡沫一旦破裂 先倒的或是
本文刊发在Project Syndicate，作者卡尔·贝内迪克特·弗雷 是牛津互联网研究所人工智能与工作副教授，也是牛津马丁学院未来工作项目主任。他指出，当今对人工智能及其相关基础设施的巨额投资，或许最终将如同上世纪90年代末互联网投资热潮般获得回报。但目前来看，AI所带来的收益更为温和，宏观层面的负面影响却比当年的互联网泡沫更为显着。
该图片由AMIRUN BEGUM在Pixabay上发布
当OpenAI近日宣布将投入1.4万亿美元用于未来的计算能力建设，这只是2025年市场“非理性繁荣”的最新表现。
据估算，今年上半年美国GDP增长几乎完全由数据中心拉动，引发了新一轮对“泡沫何时破裂、又会留下什么”的广泛讨论。虽然1990年代末互联网泡沫破裂时华尔街遭遇重创，但美国却保留了最重要的成果：基础设施。
当年铺设的光纤至今仍在使用，生产力提升，而时任总统克林顿提出建设“通向21世纪之桥”的竞选承诺，也成为少数真正兑现的政见之一。
如今对AI的投资或许也能获得类似回报。但至少目前，收益看起来更加有限，而宏观代价却更高。
回顾1990年代，互联网的红利在泡沫尚未破裂时就已显现：1995年至2004年，美国劳动生产率年均增长约2.8%，几乎是前20年平均增速的两倍，直到2000年代中期才开始减弱。即便当年Pets.com还在烧钱打超级碗广告，全国的经济账面上已经能看到实质收益。
这一次，美国的劳动生产率在经历二十年低迷后有所回升，去年约为2.7%。但是否归功于AI仍言之尚早。事实上，AI的采用率正在下降，美国人口普查局的最新调查显示，大型企业的使用率出现下滑。
如果这波生产率回升主要来自AI，那随着采用减少，提振效应也可能很快消失。这再次提醒我们，技术浪潮往往转瞬即逝。尽管1990年代的信息技术繁荣在当时就已广为人知，最终也只持续了不到十年。
人们倾向于认为，大语言模型可以加快创新与科研进程，比如揭示学术研究中的隐性联系、自动编写代码、拟定实验方案等。历史上的新工具——从虎克的显微镜到伽利略的望远镜，的确曾引发突破。但这一次，我们早已拥有了终极研究工具，联网的个人电脑。
即便可以即时获取全球知识与顶级人才资源，科研生产率和重大突破的数量仍在下降。如今，为了延续摩尔定律（计算性能每两年翻一番），所需研究人员的数量，已是1970年代初的数十倍。
而且目前的资本开支热潮，是否能留下可持续的数字基础设施，也尚未可知。
19世纪铁路投资和互联网时代的光纤铺设，都是长期资产，可随着技术升级持续利用。很多当年铺设的光缆至今仍在传输数据。一轮资本支出，支撑了多代技术和商业模式的更迭。
相比之下，AI更像是在“跑步机”上奔跑。芯片和存储设备在数年内就会老化或淘汰。如今每个用于训练大语言模型的服务器机架，需消耗约120千瓦电力，而十年前仅为5到10千瓦。尽管每一代GPU的单位能耗成本在下降，但这也意味着超大型数据中心更新设备的速度更快，旧硬件迅速贬值。光纤可以更新终端设备后继续使用，而AI技术堆栈贬值极快，需要持续重投。
如果当前宏观经济形势类似1999年，这种“跑步机”式的投资尚可承受。但现实并非如此。尽管克林顿时代的实际利率更高，但当时的预算盈余与债务占GDP比下降，使得资本市场压力较小，政府利息支出也相对较低，不容易“挤出”私人投资。
如今情况正好相反。美国政府持续的财政赤字接近GDP的6%（约1.8万亿美元），净利息支出接近1万亿美元，严重压缩了财政空间。
[加西网正招聘多名全职sales 待遇优]
无评论不新闻，发表一下您的意见吧
该图片由AMIRUN BEGUM在Pixabay上发布
当OpenAI近日宣布将投入1.4万亿美元用于未来的计算能力建设，这只是2025年市场“非理性繁荣”的最新表现。
据估算，今年上半年美国GDP增长几乎完全由数据中心拉动，引发了新一轮对“泡沫何时破裂、又会留下什么”的广泛讨论。虽然1990年代末互联网泡沫破裂时华尔街遭遇重创，但美国却保留了最重要的成果：基础设施。
当年铺设的光纤至今仍在使用，生产力提升，而时任总统克林顿提出建设“通向21世纪之桥”的竞选承诺，也成为少数真正兑现的政见之一。
如今对AI的投资或许也能获得类似回报。但至少目前，收益看起来更加有限，而宏观代价却更高。
回顾1990年代，互联网的红利在泡沫尚未破裂时就已显现：1995年至2004年，美国劳动生产率年均增长约2.8%，几乎是前20年平均增速的两倍，直到2000年代中期才开始减弱。即便当年Pets.com还在烧钱打超级碗广告，全国的经济账面上已经能看到实质收益。
这一次，美国的劳动生产率在经历二十年低迷后有所回升，去年约为2.7%。但是否归功于AI仍言之尚早。事实上，AI的采用率正在下降，美国人口普查局的最新调查显示，大型企业的使用率出现下滑。
如果这波生产率回升主要来自AI，那随着采用减少，提振效应也可能很快消失。这再次提醒我们，技术浪潮往往转瞬即逝。尽管1990年代的信息技术繁荣在当时就已广为人知，最终也只持续了不到十年。
人们倾向于认为，大语言模型可以加快创新与科研进程，比如揭示学术研究中的隐性联系、自动编写代码、拟定实验方案等。历史上的新工具——从虎克的显微镜到伽利略的望远镜，的确曾引发突破。但这一次，我们早已拥有了终极研究工具，联网的个人电脑。
即便可以即时获取全球知识与顶级人才资源，科研生产率和重大突破的数量仍在下降。如今，为了延续摩尔定律（计算性能每两年翻一番），所需研究人员的数量，已是1970年代初的数十倍。
而且目前的资本开支热潮，是否能留下可持续的数字基础设施，也尚未可知。
19世纪铁路投资和互联网时代的光纤铺设，都是长期资产，可随着技术升级持续利用。很多当年铺设的光缆至今仍在传输数据。一轮资本支出，支撑了多代技术和商业模式的更迭。
相比之下，AI更像是在“跑步机”上奔跑。芯片和存储设备在数年内就会老化或淘汰。如今每个用于训练大语言模型的服务器机架，需消耗约120千瓦电力，而十年前仅为5到10千瓦。尽管每一代GPU的单位能耗成本在下降，但这也意味着超大型数据中心更新设备的速度更快，旧硬件迅速贬值。光纤可以更新终端设备后继续使用，而AI技术堆栈贬值极快，需要持续重投。
如果当前宏观经济形势类似1999年，这种“跑步机”式的投资尚可承受。但现实并非如此。尽管克林顿时代的实际利率更高，但当时的预算盈余与债务占GDP比下降，使得资本市场压力较小，政府利息支出也相对较低，不容易“挤出”私人投资。
如今情况正好相反。美国政府持续的财政赤字接近GDP的6%（约1.8万亿美元），净利息支出接近1万亿美元，严重压缩了财政空间。
[加西网正招聘多名全职sales 待遇优]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: