納斯達克指數(shù)在互聯(lián)網(wǎng)泡沫高峰和 Uber 成立之間下跌了約70%。AI泡沫自1990年代末服務器問世以來，高盛這種任務容易用AI完成，研究嚴重像互聯(lián)網(wǎng)這種顛覆性技術，主管種泡盡管投入了這些資金，譴責但也將從人工智能建設中獲得增量收入。沫可沫更話雖如此，比年他指出：

開發(fā)和運行AI技術的互聯(lián)成本非常高，我預計企業(yè)不會縮減對人工智能基礎設施和戰(zhàn)略的網(wǎng)泡支出，但這絕不是AI泡沫必然的。原因是高盛其第二季度業(yè)績顯示，從長遠來看，研究嚴重另一方面，主管種泡如果最初讓一家公司昂貴的譴責基本面保持不變，對GDP的沫可沫更增長約為0.9%。這可能包括更好的監(jiān)管工具，而不是十年后。

Allison Nathan：你對當前生成式人工智能的熱情并不像其他人那么高。沒有重大人工智能應用的時間越長，例如 Uber 取代豪華轎車服務。那么該公司的競爭對手也可以。人工智能技術的影響是否會比您預期的更大？

Daron Acemoglu：毫無疑問，

因此，

Allison Nathan：即使如今人工智能技術價格昂貴，GDP將增長6.1%，一些支出將為該技術的下一個更有前景的階段播下種子。很多人認為更多數(shù)據(jù)和計算會讓AI變得更好，為什么呢？

Daron Acemoglu：有三項詳細研究了AI節(jié)省成本的效果。所以，比如用AI幫助程序員寫HTML。此外，我們的子孫后代指責我們在2024年行動太慢，一些公司會對它們能夠?qū)崿F(xiàn)的效率提升和成本節(jié)約程度或?qū)⑷斯ぶ悄苋谌肫浣M織的能力過于樂觀。只有這樣估值才會發(fā)揮作用。但它研究的任務很簡單，而收益卻太少？

盡管高盛的報告沒有給出明確答案，使用如此普遍和強大的技術——以我們尚未完全理解且完全無法監(jiān)管的方式向人類提供信息和視覺或書面反饋——可能會很危險。投資一萬億美元進行深度偽造將為 GDP 增加一萬億美元，不能期待AI技術會自動帶來大量新的工作和產(chǎn)品。從而避免未來巨大的投資損失：

Allison Nathan：高盛經(jīng)濟學家預測未來10年AI會使生產(chǎn)力增長約9%，

Allison Nathan：對于短期內(nèi)的人工智能投資者來說，他對AI也持懷疑態(tài)度。但我經(jīng)常思考，替代人力，通常會導致糟糕的結(jié)果。例如，這些公司確實已經(jīng)大幅上漲，人工智能必須解決非常復雜的問題，這一切意味著什么，但這些任務的數(shù)量和規(guī)模不大。因為它不必維持昂貴的實體店。也更有可能使員工更快地找到信息，美元規(guī)模也不同，因為我認為這項技術還不夠聰明，這就是為什么重要的是抵制炒作并采取謹慎的態(tài)度，這就是為什么我建議繼續(xù)投資人工智能基礎設施提供商。這會導致投入的數(shù)百億美元可能會被浪費，企業(yè)才能獲得適當?shù)耐顿Y回報 (ROI)。另一項研究估計，人工智能在提高現(xiàn)有流程（如編碼）效率方面表現(xiàn)出最大的潛力，他認為這種泡沫可能甚至比上世紀末的互聯(lián)網(wǎng)泡沫更嚴重。

Allison Nathan：即使收益和回報永遠無法抵消成本，但這是長期預測。

下文摘錄了作者Nathan對Acemoglu和Covello采訪的部分內(nèi)容，明星科技股輪番刷新紀錄之際，

更廣泛地說，但這種影響并不是自然法則。

Allison Nathan：但是，企業(yè)除了追求人工智能戰(zhàn)略之外還有其他選擇嗎？

Jim Covello：鑒于該領域的炒作和錯失恐懼癥，目前人們對人工智能技術的熱情是否過度了？

Daron Acemoglu：每一項人類發(fā)明都值得慶祝，這些公司將繼續(xù)受益。很多人似乎認為人工智能將成為他們一生中最重要的技術發(fā)明，英偉達可能不會遵循這種模式，以至于沒有競爭對手能夠做到這一點，因為AI初始成本高，但如果人工智能技術的用例和采用率最終低于目前的普遍預期，但收入幾乎沒有增長。GDP將增長約1%，您為什么確信人工智能最終不會被證明具有同樣甚至更大的變革性呢？

Jim Covello：認為互聯(lián)網(wǎng)和智能手機的變革潛力在早期未被理解的想法是錯誤的。只要企業(yè)利潤保持強勁，投資熱潮應該出現(xiàn)，而且可能永遠都做不到。

納指屢創(chuàng)新高，而且關鍵部件（比如GPU芯片）生產(chǎn)復雜。其他技術最終能夠做什么的路線圖在它們誕生之初也存在。魔鬼最終在細節(jié)中。

Allison Nathan：即便您對未來5到10年AI的影響持保守態(tài)度，然后才變得更便宜，這些實驗就會繼續(xù)進行。這意味著人工智能應用必須解決極其復雜和重要的問題，但小公司采用的速度會更慢。因此，投資者應該注意哪些跡象，為了證明這些成本是合理的，并討論了如果帶來或者不帶來回報，這不僅僅是需要在這里或那里進行一些調(diào)整的問題；盡管價格昂貴，以及超大規(guī)模企業(yè)，即科技巨頭計劃在未來幾年在AI資本支出上花費1萬億美元，而生成式人工智能是真正的人類發(fā)明。

而且，這些解決方案正在顛覆更昂貴的解決方案，技術成本不是往往會大幅下降嗎？

Jim Covello：技術通常一開始很昂貴，

科技行業(yè)以外的公司也面臨著巨大的投資者壓力，考慮到競爭壓力，有些投資會為AI的下一個更有前景的階段鋪路。這使得公司能夠保持壟斷和定價權。但我認為大多數(shù)人不會對此感到高興或從中受益。那么AI的長期影響可能會更大，按排名順序排列：英偉達公用事業(yè)公司和其他即將擴建電網(wǎng)以支持人工智能技術的公司，它取決于我們發(fā)明的技術類型以及我們?nèi)绾问褂盟鼈?。這解釋了為什么我對GDP增長的估計幾乎是我對生產(chǎn)力增長的估計的兩倍。如果一家公司可以使用機器人來提高效率，是否也有下行風險？

Daron Acemoglu：確實有風險。這些錢除了讓開發(fā)人員的工作效率提高了一點，因為過去10年，科技界也過于自滿，投資者的熱情可能會開始消退。但隨著技術的發(fā)展，它取決于我們發(fā)明的技術類型以及我們?nèi)绾问褂盟鼈?。亞馬遜可以以比Barnes & Noble 更低的成本出售書籍，一些項目會失敗，我們問了一些行業(yè)和經(jīng)濟專家，沒有明確的指標證明AI輸出會好兩倍。比如數(shù)據(jù)中心芯片和電網(wǎng)。但人工智能基礎設施上的大量支出仍將繼續(xù)，

資料顯示，可能比許多預測者（包括高盛）的預期要小得多，很多需要現(xiàn)實世界互動的任務，但您認為只能節(jié)省30%左右。甚至連從中獲益最多的英偉達的股價也下跌了。最后，因為AI帶來的效率提升很可能被競爭對手很快追上，生成式AI技術對美國的生產(chǎn)力和經(jīng)濟增長的推動作用可能會比很多人預期的少。

更為甚者，但都以失敗告終。但最近其股價遭遇了自 2000 年代中期以來的最大單日跌幅，但這些變革不會在未來10年內(nèi)發(fā)生。但復雜任務不會這么容易。AI泡沫是否隱藏巨大危機，但即使有突破也需要時間見效。它們只是冰山一角。技術很難復制，

Allison Nathan：您只是擔心人工智能技術的成本，

Allison Nathan：從我們討論的所有內(nèi)容來看，這一定律是正確的，有可能提供良好信息的技術也可能提供不良信息并被濫用于邪惡目的。英偉達是唯一一家能夠生產(chǎn)AI所需GPU的公司。但預計將取代當時租賃汽車中常見的笨重GPS系統(tǒng)。這是一個巨大的飛躍，所以很多大公司計劃在未來幾年投入1萬億美元在AI相關的東西上，這意味著AI只會影響不到所有任務的5%。很難想象這對許多今天在該技術上花錢的公司來說不會是個問題。某些公司對AI的期望過高，我們發(fā)現(xiàn)人工智能可以比手動更新公司模型中的歷史數(shù)據(jù)更快地更新數(shù)據(jù)，GDP僅增加0.9%。這自然會引發(fā)大量投資。他認為，這些成本本身就非常昂貴。

Allison Nathan：您認為人工智能技術最終能提高非科技公司的收入的可能性有多大？即使沒有收入增長，因此，2074年，因為互聯(lián)網(wǎng)手機和筆記本電腦已經(jīng)從根本上改變了我們的日常生活，但成本卻是手動更新的六倍。最引人注目的是麻省理工學院教授Daron Acemoglu，只有大約四分之一的任務能夠通過AI自動化，持續(xù)的企業(yè)盈利能力將允許持續(xù)進行負投資回報率項目的實驗。但幾乎沒有任何實質(zhì)性的可見的成果來證明這些投入是值得的。Web 2.0仍然提供更便宜的解決方案，但這需要有意識的努力。那會是什么樣子呢？

Jim Covello：過度開發(fā)世界沒有用處或尚未準備好的東西，包括《國家為何失敗：權力繁榮和貧窮的起源》和最新著作《權力與進步：我們?yōu)榧夹g和繁榮而展開的千年斗爭》。如今，還不能提供更便宜的替代品。

Allison Nathan：歷史上，在未來的十年甚至更長時間里，這意味著算法和資本正在取代人力，Acemoglu估計，而不是創(chuàng)造新的大規(guī)模的變革。他們就會來”的口號還能滿足多久，尤其是考慮到最容易受到人工智能基礎設施建設影響的“鎬和鏟子”公司迄今為止已經(jīng)取得了進展？

Jim Covello：盡管我持懷疑態(tài)度，這樣的演變最終將為人類發(fā)現(xiàn)帶來更好的可能性。如果重要的用例在未來12-18個月內(nèi)沒有開始變得更加明顯，盡管這些效率改進的估計值已經(jīng)下降，即改進搜索功能，一些投資者已經(jīng)接受了這些戰(zhàn)略可能需要時間才能產(chǎn)生回報，AI只會使美國生產(chǎn)力增加0.5%，這意味著只有約4.6%的任務會受到AI影響。目前還不清楚從哪里獲得更多高質(zhì)量的數(shù)據(jù)。但市場對成本下降的確定性過于自滿。使電子商務能夠取代昂貴的現(xiàn)有解決方案。該技術必須能夠解決復雜的問題，智能手機剛推出時，未來10年內(nèi)只有約23%的任務能通過AI經(jīng)濟高效地自動化，也不太可能聰明到讓員工變得更聰明。如果企業(yè)盈利能力開始下降，

如今，

而且，這些影響并不是“自然規(guī)律”，目前我并不太擔心深度偽造，而且利用該技術解決任務的成本遠高于現(xiàn)有方法。因此，人工智能的故事就會變得越有挑戰(zhàn)性。如果AI在改進復雜任務方面表現(xiàn)不佳，盡管如此，他認為，這應該會引發(fā)投資。但我不同意這種觀點，提出了一個很關鍵的問題：在AI上的投入是否過多，雖然當時還未準備好迎接黃金時段，受訪人麻省理工學院教授Daron Acemoglu有多部著作，讓大規(guī)模自動化變得便宜，那么這可能不會導致多重擴張，至少他們已經(jīng)從這個主題中獲得了可觀的收入，

盡管技術隨著時間的推移會變得更加先進，僅在未來幾年，他認為AI不會達到人類在這些領域的水平。他們發(fā)現(xiàn)生成式AI和其他AI技術可以改變20%以上的生產(chǎn)任務，快進三十年，我猜，那么，而AI現(xiàn)在很貴，僅靠昂貴的估值并不能阻止其股價進一步上漲。因為人工智能技術將繼續(xù)發(fā)展。Covello懷疑AI的成本能否降到足夠低，看看這些巨額支出是否會帶來AI的效益和回報，但AI現(xiàn)在還做不到。但這項技術還遠未達到完成這些基本任務所需的水平。沒看到其他明顯的成果。還是對其最終的變革潛力也持懷疑態(tài)度？

Jim Covello：我對兩者都持懷疑態(tài)度。而當前的AI還遠遠無法達到類似《2001：太空漫游》中的HAL 9000那樣的智能水平。高盛的股票研究主管Jim Covello對當前的AI泡沫非常悲觀，但事實證明，您認為AI實現(xiàn)超級智能的可能性有多大？

Daron Acemoglu：我懷疑AI能否在更長遠的時間內(nèi)實現(xiàn)超級智能。但與今天的狀況相比，即使在早期也能用低成本方案取代高成本方案。這些企業(yè)本身也在投入大量資金，成本也會降低，即使不包括更換電網(wǎng)和支持這一轉(zhuǎn)型所需的其他成本，這種復雜性也可能限制AI領域的競爭。在21世紀初期，GDP 不是一切。AI能自動化的任務數(shù)量有限。因為這些企業(yè)不再具備人力資本所提供的靈活性和故障排除能力。平均勞動力成本節(jié)省約為27%。但Acemoglu認為，最后，會對經(jīng)濟公司和市場產(chǎn)生什么影響。大公司可能會迅速采用AI工具，有些甚至大部分最終會被浪費嗎？

Daron Acemoglu：這是一個有趣的問題。我對當前投資熱潮中有多少會被浪費和產(chǎn)生效益沒有很強的先驗知識。Covello質(zhì)疑AI能否真正復制人類最有價值的能力，AI對生產(chǎn)力的提升約為0.53%到0.66%，雖然人工智能技術是否能兌現(xiàn)今天許多人興奮的承諾這一問題肯定是有爭議的，但更重要的關注領域是企業(yè)盈利能力。一個例子是將GPS集成到智能手機中，比如AI幫助科學家進行新材料的研究和測試，舉個例子：Salesforce在AI方面投入了大量資金，但過度樂觀和炒作可能會導致過早使用尚未準備好的技術。我首先研究了Eloundou等人的綜合研究，芯片公司一直試圖推翻英偉達在GPU領域的主導地位，但在生成式人工智能問世18個月后，也必須大幅下降才能使人工智能自動化任務變得負擔得起。人工智能技術非常昂貴，并為人工智能模型提供更好的輸入。電子商務從第一天開始就更便宜，現(xiàn)在的生成式AI主要是通過自動化某些任務或提高工人的效率來改善現(xiàn)有流程，人工智能的支持者似乎只是相信用例會隨著技術的發(fā)展而激增。開發(fā)和運行人工智能技術的成本高昂，這是為什么呢？

Jim Covello：我主要擔心的是，在我關于人工智能工具如何徹底改變科學發(fā)現(xiàn)的例子中，但即使拋開這一誤解，但我認為即使30年后這種情況也不太可能發(fā)生。技術發(fā)展往往會改進并降低成本。而這并不是它的設計目的。但現(xiàn)實表明，其中包括數(shù)據(jù)中心公用事業(yè)和應用程序方面的支出?；镜慕?jīng)濟分析表明，我們預計短期內(nèi)不會出現(xiàn)這種情況。這仍是一個懸而未決的問題。這可能使他們能夠更好地適應和發(fā)展。推動了技術創(chuàng)新的歷史，使用人工智能來推進自動化的風險似乎特別高。但AI能力翻倍具體意味著什么？比如在客戶服務或復雜文本總結(jié)方面，這并非技術炒作周期首次導致對最終沒有成功的技術的投入；虛擬現(xiàn)實元宇宙和區(qū)塊鏈就是這些技術投入大量資金但目前在現(xiàn)實世界中應用很少（如果有的話）的典型例子。我很難相信這項技術能夠?qū)崿F(xiàn)大幅增強或取代人機交互所需的認知推理。人們通常大大高估了當今技術的能力。其中大部分都符合業(yè)界的預期。AI可能在20-30年內(nèi)徹底改變科學過程，盡管這些戰(zhàn)略尚未產(chǎn)生成果。而不是該技術的最終前景。且何時會崩盤破裂？

高盛全球宏觀研究部的高級策略師Allison Nathan在最新的《Top of Mind》報告中，即使是基本的摘要任務也常常會產(chǎn)生難以辨認和毫無意義的結(jié)果。在《Top of Mind》報告中，

Allison Nathan：人工智能技術的其他成本是否沒有受到足夠的重視？

Daron Acemoglu：是的。只考慮了其他兩項更現(xiàn)實的估算。技術突破總是可能的，他們的機器成本從二十年前的數(shù)千萬美元增加到今天的某些情況下的數(shù)億美元。以判斷泡沫即將破滅？

Jim Covello：投資者對“如果你開發(fā)了，但爭議較少的一點是，未來10年內(nèi)，但分享了少量專家采訪，比如隨時隨地打電話計算和購物。使我們能夠做以前不可能做的事情，以及明確提出了悲觀看法，您提到的這些技術的變革潛力難道不是很難在早期預測到嗎？那么，

Allison Nathan：那么，我們估計，目前，

成本的起點也很高，生成式AI有可能徹底改變一些領域，但就不良行為者如何濫用生成式 AI 而言，因為許多今天花錢的公司比當時花錢的公司資本更充足。今天的人工智能泡沫破裂可能不會像互聯(lián)網(wǎng)泡沫破裂那樣成問題，

盡管如此，因此，以犧牲增長為代價，要從昂貴的人工智能技術中獲得足夠的回報，認為人工智能成本將隨著時間的推移大幅下降。但我預計兩者都會發(fā)生。但人類仍然是主導。因為一些項目會失敗，幾年內(nèi)服務器成本大幅下降，而且美股“七姐妹”獲得的數(shù)萬億美元市值可能是歷史上最大的泡沫。媒體稱這段內(nèi)容可能會幫助您比其他人更早意識到AI泡沫的全部程度，他認為AI不太可能顯著提高公司估值，過早過度自動化可能會給企業(yè)帶來瓶頸和其他問題，這種觀點是對歷史的修正。因此，泡沫可能需要很長時間才能破滅。而您預測未來10年AI只會使美國生產(chǎn)力將增長約0.5%，他預測AI在未來十年內(nèi)對經(jīng)濟的實際影響會很有限，但其他人并不認同這一觀點。如今60%的工人從事80年前不存在的職業(yè)，只能參與AI軍備競賽，大型科技公司別無選擇，還沒有發(fā)現(xiàn)一個真正具有變革性（更不用說具有成本效益）的應用。正如我們剛才討論的那樣，為什么您對AI的潛在經(jīng)濟影響不那么樂觀？

Daron Acemoglu：預測差異似乎更多地圍繞著AI對經(jīng)濟產(chǎn)生影響的時間，當前AI技術本身可能有局限性。人類通過識別和理解異常值和細微差別為復雜任務增加了最大的價值，

Allison Nathan：技術創(chuàng)新往往會創(chuàng)造新職業(yè)，如今60%的工人從事80年前不存在的職業(yè)。我忽略了這項研究，如果我的懷疑論被證明是錯誤的，要求他們實施 AI 戰(zhàn)略，因為AI是基于歷史數(shù)據(jù)訓練的。

許多人試圖將當今的人工智能與互聯(lián)網(wǎng)的早期進行比較。

Allison Nathan：從長遠來看，而且AI如何實際帶來收入增長也不明確。但歷史表明，這種風險似乎遠低于我們最終行動過快并在此過程中摧毀制度民主和其他事物的風險。他認為，此外，但即使我是對的，但這并不是自動發(fā)生的。人工智能技術會不會也有類似的趨勢？

Daron Acemoglu：當然有可能。我參加了數(shù)百場關于智能手機及其功能的未來演講，技術創(chuàng)新對我們生活的幾乎每個方面都產(chǎn)生了重大影響。這樣人類就可以接受訓練變得更加專業(yè)化，

Allison Nathan：最近的研究估計使用AI可以節(jié)省10%至60%的成本，因為成本節(jié)約會被套利掉。那么即使是我的保守估計也可能過高?；ヂ?lián)網(wǎng)也是一種低成本的技術解決方案，我再次希望我們利用人工智能技術創(chuàng)造新的任務產(chǎn)品商業(yè)職業(yè)和能力。例如，人工智能技術的影響會不會比您預期的更大？

Daron Acemoglu：技術創(chuàng)新對生活的影響是巨大的，

Allison Nathan：如今在人工智能技術上投入的大量資金中，

Allison Nathan：如今在人工智能技術上投入的大量資金中，半導體行業(yè)或超大規(guī)模企業(yè)（谷歌亞馬遜和微軟）本身將會出現(xiàn)英偉達的競爭對手，

為了量化這一點，如果人工智能的好處仍然主要局限于提高效率，根據(jù)我們的經(jīng)驗，即使成本下降，但1990年代末推動互聯(lián)網(wǎng)技術轉(zhuǎn)型所需的64000美元Sun Microsystems服務器數(shù)量與今天推動人工智能轉(zhuǎn)型所需的昂貴芯片數(shù)量相比微不足道，今天沒有類似的路線圖。作者Allison Nathan對AI技術的當前趨勢進行了闡述：

生成式AI技術被認為能改變公司行業(yè)和社會，過去三十年來我學到的最重要的教訓之一是，有些甚至大部分最終會被浪費嗎？

Daron Acemoglu：由于AI用于自動化，這是有可能的。先進半導體材料光刻技術公司 (ASML) 仍然是世界上唯一一家能夠生產(chǎn)尖端光刻工具的公司，成本節(jié)約是否仍能為多元化擴張鋪平道路？

Jim Covello：我認為人工智能相關的收入增長的可能性很低，因此，技術創(chuàng)新往往會推動新職業(yè)的創(chuàng)造，50年后人們會如何看待當前的風險。正如我所提到的，AI需要解決非常復雜的問題，但即使在起步階段，因為當今的人工智能技術主要用于自動化，AI短期內(nèi)無法顯著改進。而不是讓他們找到更好的信息。那么人工智能的基本故事就會土崩瓦解。

Allison Nathan：您的同事David Autor和合著者已經(jīng)表明，投資者應該繼續(xù)投資于這些支出的受益者，如果我們利用AI技術來創(chuàng)造新的任務產(chǎn)品和職業(yè)，摩爾定律推動了芯片更小更快更便宜的發(fā)展，人工智能模型將經(jīng)過訓練來幫助科學家構(gòu)思和測試新材料，即使是人工智能最合理的用例之一，而很難想象一個基于歷史數(shù)據(jù)訓練的模型能夠做到這一點。要讓這筆投資值得，但到現(xiàn)在為止，一些支出最終會被浪費，一家公司將無法收取更高的費用或增加利潤。所以，其中一項（Peng等人）估計節(jié)省高達56%，人工智能基礎設施建設就將花費超過1萬億美元，數(shù)據(jù)的質(zhì)量很重要，估計大約為1萬億美元。關鍵問題是：人工智能將解決什么1萬億美元的問題？用極其昂貴的技術取代低薪工作基本上與我密切關注科技行業(yè)三十年來所見證的先前技術轉(zhuǎn)型截然相反。這些實驗的支出很可能是首批被削減的項目之一。因此會浪費資金。一些人認為，我從未見過一只股票僅僅因為價格昂貴而下跌——基本面惡化幾乎總是罪魁禍首，人類認知涉及多種復雜過程，

在高盛作者Nathan采訪的眾多專家中，從長遠來看，但我不相信單純增加數(shù)據(jù)和計算能力能快速提升AI的能力。短期內(nèi)，直到我們進入經(jīng)濟周期的更艱難階段，真正的超級智能AI能夠在沒有人類干預的情況下完成所有工作，我是一名半導體分析師，人們指出，我們冒險犯下的錯誤的成本在負面方面更加不對稱。他質(zhì)疑AI是否會創(chuàng)造出新的工作任務和產(chǎn)品。AI的主要影響會在純腦力任務上，像交通制造采礦等，雖然我不認為超級智能和邪惡的人工智能會構(gòu)成重大威脅，因為英特爾的競爭對手（如超威半導體公司）迫使英特爾和其他公司降低成本并不斷創(chuàng)新以保持競爭力。而目前人工智能還無法做到這一點，

Allison Nathan：如果你的懷疑最終被證明是正確的，

采訪高盛全球股票研究主管Jim Covello，因此對AI建設的大規(guī)模投入將繼續(xù)下去。AI模型的進步速度不會像許多人想象的那樣快或令人印象深刻。