高级会员：AI 泡沫仇恨者指南 3.0Premium: The Hater's Guide To The AI Bubble 3.0

去年我写了自己最喜欢的文章之一——《AI 泡沫黑子指南》（The Hater’s Guide To The AI Bubble），并在几个月后推出了《AI 泡沫黑子指南第二卷》。遗憾的是，我意识到用“卷”来组织这类内容是个糟糕的主意，因为每一卷其实更像是一次更新，这就是为什么今天的通讯（newsletter）将改用版本号系统。

AI 泡沫是一场心理战、一出闹剧、一场金融危机，也是那些掌控着我们绝大部分经济的“商业白痴”们彻底卸下伪装的时刻。这是历史上最大规模的对无知的收割，它通过提供看似足够的信息或证据，来为超过万亿美元的投资提供合理性，并为一种从人们的讨论热度来看实际上根本不存在的科技制造虚假共识，从而不断蚕食社会的认知弱点。

它还暴露出究竟有多少富豪和权贵是那么的轻信，或者可悲地无知，又或者兼而有之。

需要明确的是，LLM 是真实存在的，也确实能做一些事情，但它们绝对做不到 Dario Amodei 所说的那种“AI 将淘汰 50% 白领工作”的程度。

我们陷入这场毫无乐趣的泥潭已有四年，人们却仍在谈论 AI 的“潜力”、它“将要”做什么，并声称我们仍处于这项技术的初期阶段；而事实上，这项技术在很大程度上依然在重复它最初的老一套，那些微小的改进也根本达不到推手们所吹嘘的那种空洞的高度。

市场竟然被那些彻头彻尾的骗子和虚伪的对冲基金恶鬼们粗制滥造的虚构故事所左右，这是因为那些售卖 AI 服务的人已经让市场和媒体的思维完全脱离了现实。原因在于，像 Amodei 和 Altman 这样的江湖骗子总是在谈论 AI 将来会做什么、可能做什么、或者在理论上能做什么，而不是它现在到底能做什么。因为如果非要谈论现状，他们就不得不承认：这东西在不断亏钱，并且根本没有可衡量的投资回报率（ROI）。

正如我本周在彭博社（Bloomberg）上所说，市场和媒体把数据中心的资本支出与繁荣的 AI 行业混为一谈了。实际上，超过 89% 的 AI 总收入和超过 90% 的总算力需求仅来自两家公司——OpenAI 和 Anthropic——且主要建立在亏本补贴的 AI 订阅，以及那些由蠢货管理的机构里毫无节制的 token 消耗之上。现在这种消耗将会逐渐消失，因为高管们越来越难为其找到合理的理由：不仅没有投资回报率（ROI），部分原因是 AI 表现得太不稳定、太不可靠，另一部分原因是你根本无法准确预估一项任务究竟会耗费多少成本。

如今，企业已经开始限制他们的 AI 支出上限，在多家公司短短几个月内就耗尽了年度 token 预算之后，还会有更多企业跟进。考虑到 Anthropic 和 OpenAI 直到今年第一季度才真正推动企业采用基于 token 的计费模式——即支付 AI 的实际成本——关于“AI ROI”的讨论竟然还能如此甚嚣尘上，着实令人咋舌。

记住：整个 AI 行业的实际总收入——包括 OpenAI、Google、Microsoft、Amazon 和 Anthropic——在 2026 年也仅仅是勉强达到 1000 亿美元。这包含了所有的算力支出，包含了某个客户不小心在 Anthropic 的 API 上花掉的整整 5 亿美元，也包含了 NVIDIA 与 CoreWeave 之间兜底协议的每一分钱。更重要的是，除了那些售卖数据中心内部组件的厂商之外，绝对没有人在赚钱。

OpenAI 和 Anthropic 每年亏损数十亿美元，且这种状况看不到尽头。不过 Anthropic 确实成功忽悠了媒体，靠着 Elon Musk 提供的两个月折扣算力，它竟然实现了一个“盈利”的季度。目前 Anthropic 已经申请上市，据说 OpenAI 也紧随其后。但这两家公司都不适合面向公众投资者。

它们的产品表现不一、不可靠，且似乎只是以一种摇摆不定的方式变“好”，而这种改善只能通过那些越来越没用的基准测试来衡量——它们还是专门针对这些测试进行训练的。尽管许多人（以及像 Spotify 这样的一些公司）声称 AI 编写了“大部分”代码，但似乎没人能解释清楚这到底是什么意思。它既没省钱，也没省时间，更没能让公司发布出更好或功能更丰富的产品，唯一能体现其实际影响的例子，就是它导致 AWS 宕机了好几次，还删掉了一家公司数据库。

除了编写代码以及各家公司强行将其塞入的各种应用场景之外，AI 还存在于哪里，目前尚不清楚。

我花了好几年时间试图盘点除编程之外的其他用例，但我发现的大多数情况，都只是一些诸如 Goldman Sachs 可能“很快”会在某个时候推出智能体来做点什么之类的模糊描述；还有就是关于 Novo Nordisk 的奇葩故事，他们声称正在“整合 ChatGPT 的模型来分析复杂数据集”，尽管他们又声称自己已经做这件事很多年了。

这是因为，无论你给生成式 AI 加上多少层外壳、护栏或确定性流程，它始终受制于数学上必然产生的幻觉。这些模型是基于概率的，它们只是在猜测理想的输出可能是什么样子，这意味着它们产生的每一点信息都值得怀疑，它们做出的每一个决定都是毫无头脑、不加思索且武断的。它们并不“知道”事物，也没有“思想”，无论接入多少 API 都无法解决这个问题。

结果就是，没人能真正说清楚大家都在用 AI 做什么。写代码？生成图像？把它当成一个糟糕的搜索引擎？还是把它当作伴侣？你其实无法真正指望它去做任何事。当模型对你确信的事实产生幻觉并给出错误答案时，这是一个可以修复的问题——但当它对你的代码库产生幻觉并做出错误决定时，那就会把一切搞砸到几乎无法挽回的地步。

这就是 AI 的根本问题。你可以试图用数十亿美元的投资和所谓的缓解幻觉的方法来包装它，但它仍然会犯——而且将继续犯——那些它自己根本意识不到是错误的错误。

好吧，退一步讲，另一个问题在于，生成式 AI 根本就不是为了做大多数工作而生的。它可以生成内容和总结内容，复杂程度各不相同，但生成的内容越复杂，产生幻觉的可能性就越大。降低幻觉的唯一方法是预训练（在初始阶段将数据塞入模型）和后训练（训练它理解什么是“好”的），但这两种方法都没有真正解决问题。它笨拙、不准确、不可靠、昂贵且臃肿。

AI 无法胜任绝大多数工作，而人们之所以认为它能行，唯一的原因就是绝大多数 CEO 根本不接触那些为他们创造财富的实际工作。因为 AI 能够模仿出看似在工作的表象，他们就选择相信它无所不能。它能粗制滥造出一个印着公司名字、勉强能用的半成品，或者一份看似合法的法律或财务文件，只要有了这些，就足以让那些高薪低智的蠢货认为它有能力取代所有人。

如果我错了，它现在应该已经在真正取代人类了。你应该能拿出数据和证据来证明这一点。你会看到单人软件公司赚取数十亿美元；超大规模云服务商会被那些复制并改进其软件的人搞垮；会计、律师、作家以及所有其他知识型职业都会彻底消亡——不是面临那种主要为了提高利润而不断裁员的威胁，而是彻底消亡、无法维持，在所谓的“AI 的力量”面前根本没法干下去。

在现实中，AI 唯一令人震惊的只有它的平庸，以及它证明大多数权威人物和高管有多么无知时的那种猛烈程度。每个老板都要求你使用它，每个应用程序都在冲你尖叫让你试试它的集成功能，每篇新闻报道都告诉你它马上就会取代你，但归根结底，除了在不同复杂程度上进行生成和总结之外，它似乎做不了多少实事。

媒体彻底未能对一个专为利用这股热潮牟利而生的行业进行监督，正如我本周早些时候所说：

如果没有成堆的谎言、虚假信息，以及被收买的科技和商业媒体，这种炒作是不可持续的。AI 的价值之所以被吹捧得如此之高，是因为人们在讨论它时使用的语言十分模糊。例如，主流媒体会乐此不疲地写道“AI 能够构建软件”，但这句话暗示的是，你只需向 Claude 输入“给我构建一个 Slack 2”，它就能直接拉出一个功能完备、随时可上线的软件；而实际上，它产出的只是一坨勉强能用的代码垃圾，这些垃圾刚好足以骗过商业白痴或懒惰的记者，除此之外毫无用处。

所谓的共识是被制造出来的，市场充斥着狂飙的半导体股票，因为人们不断把信贷的宽松误认为是市场对 AI 算力的真实需求。私人信贷和更广泛市场里的“天才”们看到了超大规模企业在数据中心上的巨额支出以及 OpenAI 的崛起，心想“爷爷我全押了”，这导致 2025 年美国数据中心债务融资高达 1785 亿美元，而仅在 2026 年 4 月，数据中心建设的投入就高达 500 亿美元。

然而事实证明，数据中心的建设需要 18 到 36 个月不等的时间。Microsoft 在 2023 年破土动工的数据中心，迄今为止完工的数量为零；据《Wall Street Journal》报道，JP Morgan 一个月前曾表示，计划于 2027 年完工的产能中，有 60% 甚至还没开始建设，还有 7% 处于延期状态。

尽管据说有超过 100GW 的数据中心容量正在规划中，但除了 Anthropic 和 OpenAI 之外，AI 算力需求实际上并不存在，而这两家公司的生存完全依赖于源源不断的风险投资和债务。在过去六个月里，它们总共筹集了超过 2000 亿美元，但它们的收入来源本质上依赖于：要么是不盈利的 AI 初创公司在补贴它们的订阅费用，要么是它们自己不盈利的补贴性订阅，或者是那些允许员工随意挥霍额度的公司所产生的实验性 token 支出——而这种挥霍已经快要结束了。

站在风口浪尖的是股市市值最高的公司 NVIDIA。它销售的 GPU 极其昂贵，以至于曾经现金充裕的超大规模云服务商（hyperscalers）现在不得不背负堆积如山的债务，或者像 Google 和 Oracle 那样，向市场抛售数百亿美元的新股。NVIDIA 的持续增长依赖于不断缩小的客户群，根据其最近一份财报，上一季度 54% 的收入和 64% 的应收账款仅来自三个客户。

需求不知为何呈现出极其矛盾的局面：数据中心组件的需求异常高涨，但 AI 算力的需求却又如此低迷，以至于 NVIDIA 不得不同意在未来六年内斥资 300 亿美元去租赁 GPU 算力。

这是因为推动 AI 基础设施建设的人根本懒得去核实这种需求是否真实存在，就像那些采用 AI 的人根本懒得去做任何真正的工作一样，也正如 AI 的推销总是基于它实际上根本做不到的事情。

自作聪明的庸人和不求甚解之辈会说这就像互联网泡沫（其实不是，而且这不会留下任何有用的基础设施），或者 Uber（不是），又或者 Amazon Web Services（也不是），因为他们想为这种浪费寻找借口。实际上，经营科技行业的人都是些无精打采的“商业白痴”，他们只会在这个问题上疯狂砸钱，而不愿面对他们押注了一项死胡同技术的事实，因为他们早就想不出任何超高速增长的新点子了。

今天的文章试图带来一点乐趣——对 AI 泡沫的主要参与者和事件进行一次喧闹而充满攻击性的盘点，既让了解内情的人重温旧事，也为不知情的人提供一份指南。

欢迎来到《AI 泡沫黑粉指南 3.0》（Hater’s Guide To The AI Bubble 3.0）。

本期《Where’s Your Ed At Premium》内容提要：