AI 没有投资回报率AI Doesn't Have ROI

如果你喜欢这篇文章，不妨订阅我的付费简报。价格为每年 70 美元或每月 7 美元，订阅后你将每周收到一期通常在 5000 到 18000 字之间的简报，其中包括对 NVIDIA、Anthropic 和 OpenAI 财务状况以及整个 AI 泡沫的宏大而详细的分析。我撰写的《SaaSpocalypse、私募信贷与私募股权吐槽指南》（Hater's Guides To the SaaSpocalypse, Private Credit and Private Equity）是理解我们当前金融体系的重要读物，而我关于 OpenAI 如何干掉 Oracle 的指南与我的《Oracle 吐槽指南》（Hater's Guide To Oracle）搭配阅读效果更佳。

在过去的三周里，我发布了一篇分为三部分的详尽指南，探讨了 AI 泡沫可能如何破裂、潜在的触发事件以及随之而来的后果。

订阅付费版本不仅物超所值，也让我能够每周持续创作这些篇幅宏大、调研深入的免费文章。

就在过去一周，情况发生了一些变化。

Uber 首席运营官 Andrew Macdonald 表示，由于很难将 AI 投入与实用的消费者功能“直接联系起来”，因此在 AI 上花钱变得越来越“难以证明其合理性”（在此之前，该公司的 CTO 曾表示 Uber 在四个月内耗尽了全年的 token 预算）。此后不久，Axios 的记者 Madison Mills 报道称，有一家公司因未设置支出限额，在短短一个月内意外在 Anthropic 的模型上烧掉了 5 亿美元。几天后，Mills 又报道称，其他公司目前也在寻找削减 AI 开支的方法。

这是因为，正如我之前所说，由于 LLM 固有的且极易产生幻觉的本质，加上不断膨胀的各种配套工具和“智能体”（叹气）接口，根本没有人能真正衡量 AI 的 ROI，甚至无法建立一套标准来衡量单项任务的成本。每一个不同的提示词、项目和交互都可能出错，且出错的方式难以预测或防备；你只能时刻保持警惕，确保这种所谓的“智能”不会干出灾难性的蠢事，因为 LLM 在预训练和后训练之外，根本不具备思想、意识或学习能力。

如果你无法衡量一个东西有多好、可能会花多少钱，或者投资回报率可能是多少，那人们完全有理由质问：你一开始到底为什么要为它花钱？

人们（理所当然地！）一直在对 ROI 问题喋喋不休，但我认为“无法真正衡量成本”这一点其实是个更大的麻烦。

昨天，微软的 GitHub Copilot 将所有客户从高级请求计费模式转为基于 token 的计费模式（正如我比外界早一周报道的那样），因为在此之前，用户只需每月 39 美元的订阅费，就能肆意挥霍价值数千美元的 token。

客户们对此怒不可遏。有人仅用了一个提示词就耗尽了 50% 的月度额度；有人在短短几小时内烧掉了 60%；有人用一个提示词就用掉了 31%；有人估计自己只需连续使用五个小时就会耗尽整月额度；有人在八个提示词里烧掉了近一半的额度；有人在两个提示词中用掉了约 14% 的额度；还有人大倒苦水，说 GitHub Copilot 在短短几小时内烧掉其 33% 的月度余额后，一夜之间就从他最爱的订阅服务变成了最让他心力交瘁的负担。

而且，需要明确的是，这还是发生在赠送每月 11 美元或 21 美元免费额度的促销期内：

这些用户——几乎和所有享受补贴的 AI 订阅用户一样——从来都不知道自己的操作到底花了多少钱，因为微软故意隐藏了提示词的实际成本，并允许用户挥霍无度，以此来推动 GitHub Copilot 的增长。

这个问题是全行业普遍存在的。

每一个 AI 订阅服务的每一位用户都在享受 token 补贴，而 AI 的真实成本被刻意掩盖了。因此，每一篇关于 Claude Code 或是整个 AI 领域那些华而不实、充满泡沫的炒作文章，都像是一种“美好幻觉”（kalopsia）——让人误以为事物比其本来面目更加美好。

科普时间！虽然你们中的许多人可能已经知道这些，但为了刚关注我的新朋友，让我来拆解一下普通的 AI 订阅是如何运作的。你支付包月订阅费来使用诸如 Anthropic 或 OpenAI 的服务，然后在每日和每周的“速率限制”（rate limits）内随心所欲地使用。这些公司从来没有真正解释过这个速率限制到底是多少，而是给用户提供一个模糊的百分比进度条，让他们自己去摸索。当你使用 AI 模型时，你通过输入 token（一个 token 大约相当于 3/4 个单词）向其输入信息，并通过输出 token 接收输出结果，而公司则按每百万个 token 进行计费。虽然模型可以“缓存”信息以避免再次读写，但每一次交互都是要花钱的，无论其成功与否或效果如何。这就是为什么每一家 AI 初创公司本质上都在亏钱——他们实际上是把风险投资的每一分钱都直接交给了 Anthropic 和 OpenAI，来为他们那无利可图的服务买单。AI 实验室或许能够运行自己的基础设施并节省一些成本，但我们没有任何证据表明这能让任何事情变得“有利可图”。例如，对于你支付的每一美元订阅费，Anthropic 允许你消耗价值 8 到 13.5 美元的 token；虽然 AI 推崇者会说 Anthropic“在推理上实现了盈利”，但除了 CEO Dario Amodei 提出的理论假设之外，没有任何人能拿出真凭实据。

这样想吧：如果你使用的是有速率限制但没有实际费用显示的 AI 订阅，那么模型犯的任何错误——比如陷入死循环或者只是做错了事——都可以被归咎于早期技术的不成熟，因为你整个月的“成本”也就 20 美元、100 美元或 200 美元。Anthropic、OpenAI 以及所有其他 AI 公司都故意掩盖了这些成本，因为他们知道，一旦用户不得不为 AI 模型搞砸的事情自掏腰包，他们绝对会叫得像被蜜蜂活活蜇死一样惨。

尽管承诺与此相反，但 AI 正变得越来越昂贵

这个问题在最近几个月浮出水面，因为 Anthropic 和 OpenAI 都在 2026 年第一季度悄悄地将他们所有的企业客户转移到了基于 token 的计费模式上，而且由于这些企业客户是由那些与实际工作脱节的“商业白痴”管理的，CEO 们鼓励（或积极激励）他们的员工尽可能多地使用 AI，在某些情况下，甚至将员工的 AI 使用情况变成了可能让他们丢掉饭碗的 KPI。

正是这些员工——由于习惯了使用隐藏真实成本的 AI 订阅产品——被培养成了像是在免费使用一样，同时还要被那些毫无用处的中层管理者大声呼喝，要求“务必大规模应用 AI”，而他们却从来、根本不知道完成一项特定的工作到底需要耗费多少成本。

这注定是一场灾难。绝大多数 AI 用户完全脱离了 AI token 的真实成本，甚至被刻意训练去忽视它，这意味着他们自然而然地以一种极不划算的方式使用这些服务。你读过的每一篇充满泡沫的炒作文章，都是由那些被骗得无视 AI 真实成本的人写的，这一切都是为了推广一项本质上不可靠、前后矛盾且极其昂贵，并且似乎永远也不会变便宜的技术。

补充说明：即使模型的“智能成本”（每百万 token 的成本）在下降，模型在执行相同任务时消耗的 token 却要多得多，最终反而推高了推理成本。换个说法，想象一下如果汽油变便宜了，但你和目的地之间的距离却在不断拉长。

OpenAI、Anthropic 等 AI 公司一直在刻意合谋，向全世界隐瞒 AI 的真实成本，这一招一直非常奏效，直到他们决定尝试按真实成本收费。在转向基于 token 计费不到一个季度的时间里，各大企业彻底慌了神：沃尔玛在其内部的“Code Puppy”AI 编程工具上设置了 token 限制，其发言人表示“希望员工以创造价值的方式应用 AI”，而这仅仅发生在亚马逊高级副总裁 Dave Treadwell 告诉员工“不要为了用 AI 而用 AI”的几天之后。

过去几年的 AI 炒作都是建立在谎言之上的。每家公司都在合谋让你相信 AI 是负担得起且可持续的，盈利是可能的，幻觉是可修复的，而你如今面临的任何问题都只是因为还处于“早期阶段”。事实上，AI 行业已经吸纳了超过一万亿美元的资金、几乎所有的科技人才、大部分的初创企业融资、绝大多数的媒体报道，以及数百万人的艺术创作与劳动成果，并且被给予了一次又一次的机会去解决那些显而易见且极其严重的问题。

每当有质疑者敢于站出来说这一切根本说不通时，他们就会被人反驳说这就像当年的 Uber（其实根本不一样），或者说 Amazon Web Services 当初也烧了很多钱（它在 14 年间总共投入了 520 亿美元，并在第 9 年实现了正向现金流），还会说“成本总会降下来的”，只要你耐心等待一段遥遥无期的时间，一切都会奇迹般地好起来。

四年过去了，一万亿美元砸了进去，AI 变得更加昂贵，其背后的公司更加烧钱，其产品依然不可靠，而它的拥趸们比以往任何时候都更拼命地想让你无视现实，目的不过是让少数几个超级富豪蠢货掌权。OpenAI 和 Anthropic 的产品旨在迎合和纵容那些失败者，同时生成形似工作的产出，这些产出刚好足以打动那些毫无头脑的高管、蠢货以及根本不干实事的中层管理监工。而这套把戏能奏效这么久，原因就在于这两家公司故意在真实成本究竟有多高的问题上误导了所有人。

我必须重复一遍：如今的 AI 比三年前更昂贵，而且并没有变便宜。Sam Altman 所谓“智能将便宜到无需计费”的言论就是彻头彻尾的谎言。NVIDIA 的 Blackwell GPU 没能让它变便宜，其 Vera Rubin GPU 也做不到。Google 的 TPU 做不到，Amazon 的 Trainium 或 Inferentia 芯片做不到，Vera Rubin CPU 做不到，OpenAI 的自研芯片做不到，而且，DeepSeek 也一样做不到。

人们过去选择——并且现在依然选择——相信 AI 会变得更便宜，因为他们认为过去事物随着时间推移都变便宜了。这在某种程度上是对的，但两者实际上没有任何相似之处，因为运行和训练 AI 模型的成本不仅来自硬件的前期购置成本，还来自硬件的使用成本。大型语言模型（Large Language Models）依赖高耗能的并行处理，因此需要昂贵的 GPU；而更大、更复杂的模型反过来又需要更多的 GPU 来进行训练和运行推理。

而且历经三代产品之后，NVIDIA 的 GPU 似乎根本没有降低成本，这强烈表明生成式 AI 的内在商业模式存在根本性缺陷。

人们喜欢将 AI 与互联网泡沫相提并论（AI 的情况要糟糕得多），因为将糟糕的行为合理化，要比接受我们正面临有史以来最大的资本错配容易得多。

互联网泡沫实际上是两个泡沫——一个是围绕电子商务和互联网初创企业的泡沫，另一个是围绕电信基础设施的泡沫。

根据 Justin Kollar 的说法，电信泡沫的膨胀源于对需求的根本性误解：

这种横跨大陆的网络重构之所以显得名正言顺，还要归功于另一个极具影响力的神话——即互联网流量每 90 天就会翻一番。这种说法通过分析师报告、财报电话会议和投资者路演传播开来，就像一种传染性极强的模因。如果这是真的，那就意味着需求呈指数级增长，远远超过了任何可能的供应量，每一条新铺设的光纤很快就能带来数倍的回报。但这些数学计算纯属虚构。像 AT&T 的 Andrew Odlyzko 这样的网络研究人员在查看实际流量数据时发现，美国骨干网流量大约每年翻一番——这无疑是快速增长，但远远达不到所谓的 90 天周期。与此同时，光纤技术的进步使得单根光纤的传输能力呈指数级增强。密集波分复用（Dense wavelength-division multiplexing）技术允许数十个信号以不同波长的光在同一根线路上同时传输，就像是以不同颜色进行的多种对话。

结果，建设的基础设施远远超出了当时的实际需求，因为大多数人还没有上网，而且那些已经上网的人网速也非常慢。用我的话说：

大家总喜欢拿“当时人们也曾质疑过互联网”来类比，但人们真该好好回顾一下那段该死的历史。2000年，只有52%的美国成年人在使用互联网，到了2003年，这个数字也仅仅增长到61%。根据世界银行的数据，2005年全球只有16%的人在使用互联网，而到了2024年，这一数字增长到了71%。然而，真正的差异在于高速互联网的接入。当年通过 56k modem 拨号上网时，要么按分钟计费，要么网速慢得令人发指。我们现在已经习惯了极高的网速，以至于 Web 应用和本地电脑应用体验几乎无异；但在2000、2001或2002年，美国的平均网速充其量只有 400 Kilobits/s（约每秒 50 kilobytes），而如今美国的平均网速已超过 200 Megabits/s（约每秒 25 megabytes）。通俗点说，当年加载网页是需要时间的，如果你没有亲身经历过，那种慢简直超乎想象。我们在网页设计、无障碍访问方面也取得了长足进步，移动浏览随之诞生，移动端和桌面端的互联网接入也全面普及。在21世纪初，电子商务才刚刚起步，而互联网泡沫令人啼笑皆非的讽刺之处在于，铺设那数百万英里的光纤实际上确实大有用处。

AI 与互联网泡沫之间有一个关键区别：当人们真正启用那些闲置光纤（dark fiber）时，底层的互联网服务确实比拨号上网更快、更好、更便宜。像 TheGlobe、WebVan 和 Pets Dot Com 这些企业之所以亏损惊人，并不是因为用户访问这些服务的成本太高，而是因为它们的商业模式本身就不切实际且不可持续。

这些商业模式最终的成功形态——Facebook、Instacart 和 Chewy——并不需要在商品配送或互联网接入方式上取得什么基础性的科学突破。当年那些企业的失败，纯粹是经营不善造成的，它们要么扩张过快，要么为了获取单个客户就要花掉 400 美元，从而导致了巨额亏损。

Dell 和 CoreWeave 刚刚启动了首批 Vera Rubin GPU，你会发现没人提“盈利”或“可持续”这两个词，因为 NVIDIA 的兴趣根本不在于提升效率，而在于把东西卖得更贵。

根据 CEO Jensen Huang 的说法，目前 AI 数据中心的成本大约为每吉瓦 500 亿美元，而未来这一成本将上升到 800 亿至 1000 亿美元。你觉得这听起来像是变便宜了吗？即使这些数据中心理论上能提供更强的“算力”，这种“算力”对在上面运行计算任务的客户到底有什么实质好处？成本更低了吗？效率更高了吗？我们怎么会连这些问题的答案都没有？

综上所述，互联网泡沫的出现源于非理性的繁荣和对增长的贪婪，而泡沫破裂后最终留下的财富，并非来自什么科学突破，而是因为那些已经建成的实用基础设施可以经过改造加以利用，从而降低成本、提高效率。

但对于 AI 数据中心、AI 初创企业或与 AI 泡沫相关的任何其他事物来说，情况并非如此。

每隔几天就会有人发这样的帖子，宣称在泡沫破裂后“互联网并没有消失”、“铁路也并没有消失”，但我认为这种说法从根本上误解了 AI 到底是什么。

满载 AI GPU 的 AI 数据中心除了用于 AI 之外几乎毫无用处。虽然市面上存在基于 GPU 的分析工具、建模和科学应用程序，但 GPU 的本质特性——擅长对大型数据集进行并行的同类运算，却不擅长处理众多细碎的独立任务——使得它们对现代计算的大部分需求来说并不实用。

整个“互联网泡沫救赎”的叙事逻辑源于它“留下了有用的基础设施”，这指的是“让数亿人能够使用互联网的线缆”。尽管后续还需要进行一些额外的建设和资本支出，但最终的结果是这些实用的光纤以更低的成本为人们提供了更快的网络连接。

AI 领域并不存在这样的故事。

AI 数据中心耗资惊人，需要数十亿美元的前期资金，且运营成本极高，以至于它们在投入使用的前五六年里充其量只能亏损运营，甚至可能永远无法收回初始成本。一机柜的 Vera Rubin 或 Blackwell GPU 在未来五年的运行成本将与今天一样高，而完成一个未完工数据中心的建设、将其接入电网或获取表后（即：自备发电机）电力的成本也同样高昂。

互联网泡沫破裂后，倒闭的初创企业向市场倾销了廉价的服务器和办公设备，这让那些充满干劲的创始人得以拼凑出自己的服务。一台 Sun Microsystems Ultra Enterprise 3000 售价为 4.3 万美元（折合现今约 8.9 万美元），功耗在 1200W 到 1500W 之间，但它足以运行一整家公司的 IT 基础设施。而单张 B200 Blackwell GPU 的功耗就高达 1200W，并且在处理更复杂的 AI 代码任务时，单用户的输出可能需要消耗 4 到 12 块这样的 GPU。简而言之，仅仅拥有几张这样的 GPU 并做不了什么，而且你能做的事情既不盈利、不可扩展，也没有什么价值。

同样地，闲置光纤只需配备合适的收发器和网络设备就能被激活，从而提供互联网接入服务。而 AI 数据中心实际上就是配备了专用散热的巨大封闭设施，专为极其有限的几种特定芯片而建。要将它们改作他用，就必须对数据中心进行彻底的内部拆除改造，这意味着绝大部分的资本支出都打了水漂。

即使你能够从一家倒闭的“新型云”公司那里买到一百块 Blackwell GPU，作为普通人，你也拿它们做不了什么。事实上，真的没人能用得上，因为你仍然需要物理数据中心和定制的散热系统。这意味着，即使这些芯片是免费的，相关的建设资本支出，或者至少是物理机房的托管空间，依然会花费一大笔钱。

互联网和铁路之所以没有被淘汰，是因为它们真正重要的成本仅仅是前期投入。

即使有人能够低价接手一个装满最新一代 GPU 的 AI 数据中心，其基本的运营成本也极其可怕。要让它们勉强接近盈利的唯一方法，就是让所有的 GPU 持续处于使用状态。让它们闲置是有成本的——包括电力和人员开销——除非你的计划就是让它们关机停放在数据中心里，直到找到下一个买家，否则你就必须为你的 AI 服务想出一种真正能盈利的商业模式……而迄今为止，似乎还没有人做到这一点，即使他们拥有无限的资本和整个科技行业的全力关注。

接着是训练的问题，这完全由运营支出（opex）构成。如果你想训练一个新模型，你可能需要数千甚至数万个 H100 或 H200 GPU，而且无论你是否能创造出有用的东西，它们都会消耗同样高昂的电力。一次失败或毫无用处的训练可能会耗费数千万甚至数亿美元，而这将需要根本不存在的资金支持。

虽然正如我在上周的高级简报中所讨论的，LLM 在未来理论上可能会以真实成本运行（即：大多数人根本负担不起），但这需要需求来支撑，而且正如我上文所述，对 AI 服务的需求是建立在补贴订阅之上的一种幻影，而那些支付实际成本的公司早就在叫苦不迭了。

一旦泡沫破裂，任何对 AI 的热情——进而延伸到在 AI 上花钱的热情——都会荡然无存。AI 初创公司将得不到资金。AI token 预算将无法获得批准。AI 数据中心将无法筹集债务。

这个泡沫的每一个环节都依赖于炒作的势头来巩固整条链条。必须围绕“AI 工厂”这一模糊概念进行炒作，才能通过举债购买 NVIDIA GPU 并建设数据中心；必须围绕 AI 软件进行炒作，才能说服企业继续购买 OpenAI 和 Anthropic 的服务；必须围绕 AI 服务的理论需求和成果进行炒作，才能为 AI 初创公司提供资金；并且必须让媒体永远保持炒作，才能让所有人都对 AI 破坏性的高昂成本视而不见。

如果没有成堆的谎言、错误信息以及被收买的科技和商业媒体，这种炒作是不可持续的。AI 的价值因其讨论方式的含糊不清而被无限夸大了。例如，大型媒体会很乐意写道“AI 能够构建软件”，但这句话暗示你只需向 Claude 输入“给我构建一个 Slack 2”，它就能吐出一个功能齐全、可投入生产的软件，而不是一堆勉强能用的垃圾代码，这些代码充其量只能骗过商业白痴或懒惰的记者，除此之外毫无用处。

这种含糊其辞在整个社会形成了一种吸引共识的引力，让你觉得必须立刻拥抱 AI，因为它就像新生的互联网，甚至比互联网规模更大，如果你说不是这样，你就会感到非常尴尬。

制造这种压力是必要的，因为如果没有全社会对那些不采用这些工具的人群起而攻之，AI 可能就不得不真正依靠其自身价值来立足了。在市场和大部分经济领域被人为制造的共识背书下，AI 公司竟然还要补贴他们的产品，这一事实恰恰表明他们的价值是多么脆弱。

无论是在硬件还是软件层面上，推高 AI 泡沫的唯一方法就是就 AI 模型的成本和功效误导公众和投资者。

既然各组织现在不得不为 AI 支付实际成本，他们突然开始关心起回报了，而且每个人都变得有些歇斯底里。

围绕投资回报率（ROI）的歇斯底里已经开始了

没人能衡量 AI 的投资回报率，因为它根本没有回报

上周晚些时候，SemiAnalysis 发表了我读过的最疯狂的文章之一——《AI 黑暗产出：无形产出的有形成本》——文中声称“AI 的产出在被衡量之前就已经是真实的了”，而且，嗯，还有这他妈到底是个什么鬼：

我们正面临一场规模堪比工业革命的事件风险，在此期间，尽管企业在 AI 服务上投入了越来越庞大的资金，但大部分新增产出却是隐形的。

SemiAnalysis 是一家半导体分析公司，显然有维持 AI 泡沫膨胀的动机。如果他们写出的文章核心观点竟是“AI 是有投资回报的，只是你看不到而已”，那只能说明情况已经到了穷途末路的地步。以下是他们对“暗产出”（Dark Output）的定义：

暗产出是指由 AI 创造、确实存在但在 GDP、物价、劳动力统计或行业账目中不可见或被严重扭曲的经济价值。我们将其分为两大类：1. 替代性暗产出（Substitution dark output），即以前由人类完成、现在由 AI 接手的工作。在我们的“暗产出监测器”中，我们识别出当前一代 AI 大约可以大幅辅助或完全自动化的任务规模约为 1.5 万亿美元。2. 新增暗产出（New dark output），即由 AI 完成的、以前人类从未做过的新工作（可能是因为在 AI 降低成本之前，做这些工作的代价过于高昂）。从长远来看，这部分的规模可能会远超替代性产出。

他们用一个理论假设的例子来解释这种“替代性暗产出”：“……一份简单的法律文件，在理论上的 GDP 中，无论是由律师起草还是由 AI 起草，对用户而言经通胀调整后的价值应该是相同的”，这简直是一派胡言。

当你向律师付费时，你买的不是让他们“创造一份产出”，而是购买他们的经验、时间，以及寻找并援引判例以达成特定结果的能力——例如在立案备案、规避诉讼或积极参与诉讼的过程中。仅仅因为 AI 能胡乱拼凑出一份看起来像人类产出的东西——而且很可能还充斥着幻觉——并不意味着这种产出包含了任何“经验”。模型不会思考，也没有经验；即使有律师在为它们编写提示词，也不意味着律师的判断力或品味能体现在最终的产出中。

此外还有这样的论调：

当 AI 接管这些任务时，交易凭证会随之消失，因为成本被转化为 token 消耗掉了。当政府官员就服务成本对律师进行调查时，他们可能会发现平均价格反而上涨了，因为最简单的文件现在是由 AI 而不是律师完成的。从 GDP 的角度来看，这笔交易实际上已经消失了，只剩下几块钱的 token 费用留存在毫不相干的经济部门中。

这玩意儿我们已经搞了整整四年，却还在用假设性场景说事。难道现在“最简单的文件真的由 AI 而不是律师完成了”吗？你找律师写文件，并不是因为只有他们才会写字——你是为了利用律师事务所的经验来规避风险，这种经验既体现在起草文件的初级律师身上，也体现在负责把关的高级合伙人身上。

正是这种站不住脚的半吊子逻辑，在一开始吹大了 AI 的泡沫。那些本该绝顶聪明的人，却接连暴露出他们对各个层面实际工作运转方式的全然无知；而且在当前这种情况下——理论上我们完全有可能找到一位正在使用 AI 的律师并与他交流——他们所谓的“暗产出”甚至包含了“为完成这篇文章所做的调查研究”。

你可能想知道，那种“因为 AI 成本低廉而催生的、以前人类不曾做过的新工作”到底是什么？答案就是“文献综述”和“总结过去半年的邮件”，我真希望我是在开玩笑。不过别担心，“……有坊间迹象表明，目前很大一部分 token 开销用于以前无需付费的新工作，而不是在替代现有工作。”

如果 AI 真有 ROI，那么 AI 导致的失业将让人无法忽视

你是否注意到，每一篇关于 AI 导致失业的报道，读起来都像是谜语人写的？

例如，去年大量媒体报道称“牛津经济研究院证明了初级员工正被 AI 取代”，但该研究的实际情况是，它只写了“……有迹象表明初级职位正以更高的比例被人工智能取代”，除了 2022 年之后某些 AI 可能涉足的领域出现了就业率下降之外，根本没有任何实际数据支撑。

同样，CNBC 那个毫无脑子的标题声称，一项 MIT 的研究发现 AI“已经可以取代 11.7% 的美国劳动力”，这也完全基于一个劳动力模拟工具，而不是对 AI 在现实世界中究竟能干点什么破事及其所作所为进行任何真正的经济分析。

这是因为所谓的 AI 导致失业根本他妈的是个谎言。每一家以“AI 的强大”为由裁员的公司，这么做其实是因为惹恼了股东，而且他们知道这样能上头条。

如果这事真的发生了，街上早就他妈的暴动了！失业率会飙升！到处都会火光冲天！

所有人都想让你不要去思考的一个问题是：如果 AI 真的像宣传的那样神乎其神，必然会出现显而易见、让人无法忽视的经济迹象：

要让上述所有情况成为现实，AI 就必须做到完美无瑕、没有幻觉，并且变成一个完全不同的产品，具备自主智能并能产生独特的见解。

我们之所以无法衡量“AI导致的失业”，是因为AI根本做不了人类的工作。它可以用来替代某些特定的合同制岗位，提供一些根本无法规模化扩展的极其糟糕的劣质替代品，但它并不能取代真正的工作，因为它无法胜任人类的工作。它不会与同事沟通，无法积累经验，没有直觉、文化、品味或任何其他特质，它拥有的仅仅是那些被强行塞进去的训练数据，或是经过无休止的后期训练得到的东西。

尽管如此，AI导致失业的威胁论却足以让Sam Altman和Dario Amodei借此谎言筹集了数千亿美元。既然这两人现在都已收回他们关于失业的恐吓性宣传，那么那些未经核实就盲信他们的蠢货和白痴，统统都应该被踢出他们所在的行业。这简直他妈的太丢人了！你们都应该为自己感到羞耻！

如果AI真的有ROI（投资回报率），我们根本不需要在这里讨论它的“潜力”，也不必非要向人们保证它是“真实有效”的。

正如我上文所说，如果AI的ROI真的存在，它应该非常容易衡量。

如果AI真的能神奇地构建和维护软件，那么小公司也能以 hyperscaler（超大规模企业）的规模进行构建和部署；从理论上讲，hyperscaler 们会极其疯狂地扩大其利润率，从而开创一个软件收入的全新黄金时代……又或者，它们会彻底变成纯粹的基础设施提供商，因为其他任何人都能在软件层面与其竞争。

但从更浅显的层面来看，这也应该是极其显而易见的。

世界上几乎任何地方的人都可以访问 ChatGPT、Claude 或 Gemini。AI在理论上最大的“能力”就在于它能“直接把活干了”，而 LLM 的大规模普及意味着，总有人已经“干成”了一些“实事”，能让我们轻而易举地指出来。中西部随便哪个普通人都能源源不断地开发出有利可图、功能完善且特性丰富的软件。那些没有请律师的原告也能在所谓的“数据中心天才国度”的惊人指导下赢下诉讼。

四年过去了，我们应该能看到一家依托AI的巨头公司在各个行业碾压所有竞争对手；又或者，（强大的）AI在各个行业变得如此普及，以至于实际上将服务成本降至几乎为零。

我们应该能举出这样的例子：某些公司采用了AI之后，业绩他妈的直接一飞冲天。我们应该能指出那些原本一无是处的同事，现在正在做出令人惊叹且有意义的工作成果。

我们会看到广泛的经济剧变，“大公司”这一概念将失去意义，因为那些理论上的“数据中心天才”会自动化所有的工作。

我们也不会看到那么多坚称AI超级强大的文章，更不会看到那么多“商业白痴”宣称AI是“真实有效”的言论。我们根本就不需要去讨论AI能做什么。我们也不需要看着 Anthropic 撒谎说 Mythos 强大到不敢发布，结果几个月后却又把它放出来了。

我们根本就不需要去谈论他妈的什么“潜力”，因为我们可以直接指着那些正在发生的事实说事，因为它会显而易见！

每当有人试图衡量AI的ROI时，他们最终都不得不承认它根本不存在

上周，贝恩公司（Bain & Co.）发布了一项针对951名企业高管的调查（这些企业的收入均超过1亿美元）。毫不意外的是，这些数据并没有明确解释AI的ROI到底体现在哪里：

In an April survey of 951 respondents from companies with more than $100 million in revenue, Bain found that 37% said they experienced cost reductions of between 10% and 20%, but a larger 40% saw improvements of 10% or less. Only 4% of global respondents achieved AI-related savings of more than 30%, the survey, shared exclusively with Bloomberg, found.

10% of…what? What’s the cost you saved on? 10% of $10 million is a lot for a company with $100 million in revenue, but 10% of $1000 isn’t, much like 20% or 30% isn’t either! Yet there are two punchlines to come:

Here’s the part that Bain found the most troubling: 44% of large companies that are funding their next wave of AI spending are basing those investments on the last round of savings — savings that haven’t yet materialized for some of them.

This also assumes that those savings are enough to warrant future spending, which…this data does not actually prove.

Thankfully, Bain did manage to publish one of the single-funniest quotes of the AI bubble:

“The technology worked. The value didn’t arrive,” Bain concluded in the report. “Self-funding the next wave from past returns sounds like discipline. In reality, it is a circular bet with a structural leak,” the firm cautioned.

Put another way, the technology “worked (?),” but did not provide value in doing so. Sounds like it didn’t fuckin’ work to me!

Bain had one other crucial bit of advice:

“Companies that don’t validate their reinvestment math against what automation actually returned, rather than what it was supposed to return,” the report concluded, “are compounding risk rather than managing it.”

Just so we’re clear, Bain & Co, a management consultancy with billions in annual revenue, is advising its clients that they should make sure that they’re getting some sort of return on their investment? And that reinvesting in something that doesn’t have a return on investment would be bad?

If AI was real, these fucknuts would be replaced first! They’d replace everybody who wrote this report! You don’t need somebody to tell you this, and if you do you’re a fucking moron!

If We Can’t Measure AI’s ROI, It Does Not Have One

Thankfully, the AI industry is saved, as Sam Altman had the following to say about AI’s remarkable costs:

FABER: And you think the compute, you know, the last week I was hearing about compute, for example, companies starting to wonder, well, what are we spending it on? Our bills are going through the roof, and it’s not clear to us exactly what – you know, in other words, I know a lot of my spend is going well, but I don’t know which part of it.ALTMAN: So I think this is the most fair contribution – criticism right now of AI, which is, you hear companies saying, I am spending a ton of money on AI. And I know some great stuff is happening, but I know there’s a ton of waste, and you know, when – how long do I have to wait for it to really show up in revenue, and how long do I have to wait to really get the costs under control? And I assume that the industry will figure that out pretty quickly, but I think that is a fair, a fair issue.

Motherfucker you are the industry! You are the one that has to work this out! OpenAI is the AI industry! You are OpenAI’s CEO! You lazy, ignorant, dog-brained loser!

This was an opportunity for “journalist” David Faber to push back, and here’s how that went:

FABER：你会的。ALTMAN：是的。FABER：很快就会——ALTMAN：我敢打赌，再过一两年，企业在支出与成效之间的关系就会理顺得多。FABER：最后问一下，Sam，我们将来会在太空中看到类似的东西吗？

AI泡沫就是这么吹起来的！就是这么发生的！每次记者问了一个有意义的问题，然后立刻转移到一个让受访者感觉良好的、完全虚构的话题上时，这种情况就发生了！David Faber，辞职吧，把你的工作让给那些对自己的工作还有哪怕一丁点勇气和自豪感的人！简直难以置信！

Sam Altman身价数十亿美元，据说OpenAI的估值也高达8520亿美元，而他能给我们的最好回答却是“嘿嘿，总会有其他人去解决的”，因为Sam Altman是个失败者，他迎合了其他失败者，这些失败者被另一些失败者赋予权力，把失败的技术卖给其他失败者。而他之所以能做成这一切，唯一的原因就是那些本该明辨是非的人正无所事事地闲坐着，问他在太空中会不会建数据中心。

如果AI真的有投资回报率（ROI），我们就不会在这里争论它到底有没有ROI了。我们也不会去讨论它的潜力，或者讨论它在理论上、在不同的情况下、在未来、以一种没人能说清楚的方式变得超级强大，去完成所有它今天做不到的事情。

LLM用户是一场骗局的受害者

如果AI真有ROI，我们就能明确指出无可辩驳的经济影响实例。AI的狂热支持者们大可尽情自嗨，去炒作Spotify的CEO如何声称其最优秀的工程师现在根本不写代码了。但这说明了什么？Spotify推出更好的功能了吗？这些功能的上线速度变快了吗？软件变得更安全或更稳定了吗？Spotify的设计看起来依然像是一坨狗屎！大多数软件都变得更糟了！到处都在出故障，而且很多时候正是因为使用了AI编程工具！

事实上，我更愿意相信AI产生了负面的经济影响：它全面增加了运营支出，并且通过自动化部分编程，让一些软件工程师患上了“提示词脑震荡”——它让工程师变得懒惰且不擅长编写软件，因为它加快了写代码的过程，生成的代码量巨大，导致根本无法逐一审查（参见Mo Bitar的视频）。LLM有时似乎能够编写一些代码，而且速度极快，它迎合了那些并不真正关心编写软件的工程师，让他们产生了一种错觉，仿佛代码是自己写的一样。

虽然它可能让某些事情在理论上进展得更快，但AI生成代码的总体经济影响似乎是更差的代码、更差的软件，以及来自Anthropic和Cursor的数百万美元巨额账单。我承认，有些软件工程师似乎喜欢这些工具，而且许多软件工程师似乎也在使用它们，但我至今没有见过任何一个痴迷于发帖炫耀自己token消耗量的人创造出什么引人注目或有价值的东西，而且这些人似乎也无法指出他们使用的所有这些AI带来了什么实际的ROI。

我知道我这是一竿子打翻一船人，那让我换个更宽泛的说法：我认为，任何在任何事情上依赖LLM的人，都是待宰的肥羊。

我才懒得管你是不是用它们来生成脚本，或者处理工作中一些简单的边缘任务，又或者是用来转录、听写，甚至是当成搜索引擎（即便如此，你最好也去核实每一个信息源！）。但是，当你依赖这些东西并以此运行你的整个工作流程时，我立刻就会怀疑你到底还能不能做成什么事，或者至少会想，当别人稍微迎合你一下时，你到底有多容易上当受骗。

为什么？因为我所见过的每一个人在用的“AI配置”，都包含一套像鲁布·戈德堡机械般荒谬且复杂的确定性脚本，试图以此来驯服LLM那注定会产生幻觉的本性。这往往导致你为了让LLM正常运作而付出的精力，比LLM出现之前还要多，而你之所以还对此沾沾自喜，仅仅是因为这让你觉得自己很特别。

题外话：如果你对LLM的态度很正常，那我对你没有任何意见——但这门技术的某些特质，会让人对怀疑论者表现出非理性的攻击性，甚至到了作践自己的地步。这只是一个产品，如果你觉得有必要去为一个产品辩护，那你就是骗局的受害者。

当然，也有例外。我曾与一些人交流过，他们毫不夸张地客观描述了LLM，讲述了非常具体的实际成果，确实节省了可观的时间。有些人使用LLM来编写Python脚本以搜索和整理数据，对此我的回应是：“让你折服的是Python，而不是LLM。”

如果这个时代最终留给我们的，仅仅是一些人不用学Python就能写Python脚本的能力，那这依然是对资本极其骇人听闻的浪费。

记住：你所使用的是超过一万亿美元投资的最终产物。它之所以能存在，仅仅是靠操纵大众共识，刻意误导人们对LLM当前和未来能力的认知。他们绝不是靠推销目前市场上的任何产品才筹集到数千亿美元资金的，那是因为当前的产品根本算不上什么好产品。

你们全都是骗局的受害者。无论你那套由各种API调用和“如果A就B”的自动化流程拼凑而成的“早餐机”到底能不能正常运行、运行得有多“好”，你实质上都是花冤枉钱买下了一个号称是“人工智能”、实则蠢不可及的假货。当你们中的一些人被逼着去证明AI的投资回报率（ROI）时，你们立刻就会搬出关于Uber、互联网泡沫，或者其他那些由此刻正在骗你的人喂给你的陈词滥调来搪塞。

我已经尽量带着最大的同理心来说这番话了：如果你是一个狂热的AI拥护者，你为什么要如此激烈地替它辩护？我的哪句批评刺痛了你？是因为我扫了你的兴？是因为我没有毫不犹豫地接受并鹦鹉学舌般地附和那个理论假设——即你整天在用的东西已经或即将拥有意识？还是因为我对此无动于衷？

我认为更可能的原因是，人们之所以愤怒，是因为我问了一些本该有满意答案（但实际上并没有）的简单问题。我对LLM做过的任何事也都完全不感冒，因为我对软件或硬件的基本要求是它们必须能如宣传般正常运行，而这场AI骗局的核心根基，恰恰就是LLM完全是在靠其理论上的能力来大肆推销的。

没人能向你展示 AI 的投资回报率（ROI），原因就在于 AI 根本没有投资回报率。大型语言模型（LLM）确实能加快处理某些事务，但随着任务复杂度的增加，其加速带来的价值和准确性会越来越低。而对 AI 数据中心投入更多资金，似乎除了增加 LLM 能够尝试的任务数量外，起不到任何其他作用。

尽管有些人确实从生成式 AI 中获得了一些成果，但这些成果似乎从来都不是什么切实可见或令人瞩目的成就。每一个“成功”的 AI 故事，要么是因为对 LLM 显而易见的问题视而不见，要么是以高昂的代价去弥补这些缺陷，最终得到的却是一个代价极其昂贵且平庸无奇的结果。

LLM 被包装成“AI”来推销——一种以自动化闻名的技术——然而却根本无法信任它们能独立运行任何事物。

相反，它们操纵用户去掩盖自身的错误，为它们的失败寻找借口，包容它们那点微不足道的产出，甚至把那些本该由 LLM 自动完成的实际劳动成果归功于模型。

它们之所以能做到这一点，是因为其投资者和高管们利用赤裸裸的谎言和半真半假的陈述，精准拿捏社会的软肋来欺骗媒体和市场。而影响媒体和市场的那些人，既不懂技术，也不懂历史；还有那些“商业白痴”，他们靠着长袖善舞和卑劣手段爬上了职业生涯的顶峰，却只关心如何攫取他人成就带来的关注与阿谀奉承。

LLM 哄骗那些盲从和自恋的人，让他们相信是模型在干活，而实际上人类却必须不断地去迎合模型的低效和无能，其消耗的能源和资源甚至超过了人类有史以来发明的任何一项技术。

然而，耗费了如此多的金钱、关注、资源、土地、电力，给予了如此多的宽容、借口，以及对该死平庸之作的无休止掌声，却依然没人能真正指出 AI 的投资回报率在哪里。因为除了吐出窃取来的内容，以及让那些亿万富翁蠢货中饱私囊并讨好他们之外，投资回报率根本就不存在。即便其成本降到百分之一，我也会嗤之以鼻，因为我所看到的一切都平庸透顶。

我知道有人会说我贬低了 LLM 的能力，抱歉——我只是对此无动于衷。你们砸了上万亿美元，只是为了让偶尔编写某些代码变得稍微容易一点，却并没有带来任何实质性的成果；生成了根本没人看的研究报告、垃圾的 PPT 和 Excel 表格，以及看起来像素材库图片的艺术画作——因为它们本来就是用这些素材训练出来的。

这种破玩意儿必须每次都能毫无差错地运行，做到绝对完美且完全自主。

你花钱买的是工具，买的是软件，你是消费者。你的职责不是向别人解释这东西有多令人兴奋，你也没有义务为它的错误遮遮掩掩。如果你真心喜欢这玩意儿，你应该有足够的底气，而不是非得去拼命维护它，甚至去贬低那些持不同意见的人。

我竟然不得不写下上面这句话，这就证明了 AI 行业存在着极其严重的问题，也说明 LLM 绝不仅仅是一个软件那么简单。

如果你喜欢这篇文章，欢迎订阅我的付费 Newsletter。价格为每年 70 美元或每月 7 美元，订阅后你将每周收到一期通常长达 1 万到 1.8 万字的通讯，其中包括对 AI 泡沫中重大事件和核心公司的海量详尽分析。