“AI空頭”思考：雲大廠“ROIC下滑”、大模型“難有護城河”、OpenAI是“AI時代WeWork”、Muse背後“人肉電池”

兩位“AI空頭”認為，超大規模雲廠商增量ROIC已於2024年見頂並快速下滑，若趨勢延續，2027年中期將跌破資本成本。近日，知名做空機構Chanos & Co創始人Jim Chanos與紐約大學榮譽教授、AI研究者Gary Marcus近日在RiskReversal播客節目中展開深度對話。Jim Chanos與Gary Marcus警示，AI建設週期面臨資本回報下滑、模型同質化和融資依賴等問題。Chanos稱雲巨頭增量ROIC（投入資本回報率）已自2024年見頂回落；Marcus認為大模型缺乏長期技術護城河，OpenAI或成“AI時代WeWork”。

他還稱，熱門智能體Muse背後仍有人工參與，智能體大規模授權的安全風險值得審視。兩位長期唱空AI的人從財務和技術兩個維度共同拆解AI泡沫。從左到右依次為Jim Chanos、主持人、Gary Marcus 01 雲大廠的ROIC正在快速下滑 Jim Chanos表示，Chanos & Co從2025年初開始重點研究超大規模雲廠商（Hyperscaler）的資本回報情況。增量投資資本回報率（ROIC）已於2024年見頂，此後持續快速下滑。如果當前的下滑曲線延續，處於最有利投資位置的超大規模雲廠商，其回報率將在2027年中期跌破加權平均資本成本（WACC）。我認為市場對此毫無準備。

他進一步指出，AI數據中心本質上是一門設備租賃生意——“我從英偉達買芯片，然後租給你。這是一個金融構造。”而這門生意的經濟邏輯，與此前的傳統數據中心如出一轍：資本密集、持續折舊、回報率低得可憐。Chanos說： 傳統雲數據中心的稅前資本回報率只有低個位數到中個位數。這還是在雲業務高速增長的背景下。這些公司被當作REITs來營銷，但數據中心無論是傳統的還是AI的，都是持續資本密集型業務——東西會壞，需要更換，需要升級。與此同時，高盛當天剛剛上調了對數據中心總支出的預測——未來五年新增50吉瓦，對應2.5萬億至3萬億美元的增量，總支出規模達到10萬億至12萬億美元，約佔美國GDP的6%。

Chanos對此直言：“你開始看到真的很荒唐的數字了。” 02 大模型沒有護城河，價格戰是必然結局 Gary Marcus的判斷來自技術側。他回憶，早在2023年8月，他就在Substack上寫道：所有人都在做同一件事，這意味著不存在技術護城河，價格戰不可避免，一切都將商品化。沒有真正的技術護城河，意味著什麼？價格戰。一切都會變成商品。OpenAI當時風頭正勁，但我說他們會失去領先地位。現實印證了這一判斷。Marcus指出，如今沒有任何一家模型公司能保持超過兩週的領先優勢。token價格在兩三年內已下降了“三到四個數量級”——對消費者是好事，對模型提供商則是噩夢。

如果你沒有技術護城河，別人就能做你做的事。價格戰就會來。每天都有降價。這對消費者很好。但如果你是OpenAI或Anthropic，你怎麼在所有人都在競爭的情況下收到任何像樣的錢？他還指出，當前驅動模型進步的，已不再是單純的“規模擴張”敘事。大約到2024年，純粹的規模擴張已經走到頭了。現在真正讓系統變好的，是借鑑自符號AI傳統的'推理框架'（harness）和代碼解釋器——但他們不太願意承認這一點，因為承認了就等於說'給我們更多錢，規模擴大就能解決問題'這個故事講不下去了。03 OpenAI：AI時代的WeWork？

對於OpenAI，Gary Marcus判斷： 我已經說了好幾年，他們可能會成為AI時代的WeWork。他的邏輯是：OpenAI預計未來三四年將燒掉約3000億美元；其估值邏輯建立在AGI即將到來的承諾上，但他們實際上並不知道如何構建AGI；IPO一再推遲，估值卻不斷走高——“這完全說不通。” WeWork的教訓是，他們沒有IPO。他們談論IPO。軟銀以450億美元估值注資，然後整個事情崩塌了。OpenAI一直在推遲，為什麼？因為他們不想公開S-1文件。數字還不足以支撐S-1。Chanos補充，他迫切想看到OpenAI和Anthropic的S-1，“因為我想看看他們怎麼定義自己的盈利能力。

” Marcus還提到Sam Altman在2023年美國參議院聽證會上的表現——當被問及是否從OpenAI獲益時，Altman表示自己沒有OpenAI股權，但實際上他持有Y Combinator的權益，而後者持有OpenAI股份。“他間接持有股權，但沒有披露。” 他是讀懂房間、說人們想聽的話的高手。但行動比語言更響亮。04 Muse背後的“人肉電池” 對於近期爆火的Meta AI Agent產品Muse，Gary Marcus潑了一盆冷水。他援引路透社的報道指出，Muse背後目前仍有人工介入——這與Meta此前推出的Facebook M如出一轍。

Facebook M當年獲得了大量頭條，每個人都說它有多好。結果發現背後是人在操作。他們只有1萬名用戶，因為他們的計劃是收集數據、然後規模化，但四五年後他們意識到這行不通。現在技術比那時候好了，也許這次能成。但我從路透社的報道中發現，現在仍然有人在背後。Chanos則從投資角度補充：在超大規模雲廠商中，微軟和Meta目前是增量投資回報率最高的兩家，原因在於它們都有真實的終端市場——微軟有企業客戶，Meta有消費者。有終端市場，並且能讓AI投入轉化為盈利或至少不是巨大的成本黑洞，這是有價值的。但他同時指出，微軟的Copilot在Office 365用戶中的滲透率仍不足10%。

05 Agent安全：已知風險，刻意忽視 Gary Marcus對AI Agent的安全問題表達了最為強烈的擔憂。他指出，OpenAI的Agent系統已多次入侵政府系統，包括最近入侵澳大利亞政府醫療系統的事件。“這很嚴重。而且他們一直到被迫才公開談論這件事。” 大型語言模型本身就不可靠。你把它們並行運行幾千個，給它們讀寫互聯網的權限，給它們安全憑證，然後不仔細監控它們——這怎麼可能不出問題？他認為，解決方案其實很簡單：“如果我們想阻止Agent入侵問題，我們可以直接說，在你們修復這個問題之前，使用這些Agent是違法的。他們只需要改一行代碼，關掉就行了。工程上完全可以做到。他們只是不想這麼做。

” 原因同樣直接：Agent能帶來更多token消耗，更多收入，更好看的IPO故事。“他們的IPO案例建立在Agent使用量上——每解決一個任務，token消耗量是普通對話的10到1000倍。” 06 泡沫如何破裂：多米諾骨牌的第一張 Chanos認為，觸發這場泡沫破裂的，最終將是資本市場本身。他以2000至2001年互聯網泡沫為參照：標普500盈利從2000年中到2001年中下滑了40%。思科CEO John Chambers曾描述，訂單增速從2000年12月的70%，到2001年1月直接變成負30%——“就在四個季度內，整個科技經濟就這樣崩塌了。

” 要認為這在這場更大、加速更快的繁榮中不會發生，你是在自欺欺人。這個市場存在非常大的融資風險，會讓一切變得自我強化，看起來像一場崩盤——即便長期的世俗需求仍在增長。他還指出一個會計層面的結構性風險：當一家初創公司花1美元購買英偉達的芯片，英偉達立刻確認1美元收入和75美分利潤；而那家初創公司則將這筆支出資本化，分五年、七年甚至十年攤銷。“當融資關閉，那1美元的支出迅速消失，但折舊成本還在持續。” Marcus則補充，他最擔心的觸發點是OpenAI的IPO進程。如果OpenAI出現重大問題，會引發恐慌反應，可能衝擊英偉達，肯定會衝擊其他超大規模雲廠商。

人們會說，OpenAI做出了這些承諾，但無法兌現，然後大家都會奪門而出。訪談全文如下： Jim Chanos與Gary Marcus對談：AI循環融資、智能體經濟與末日情景 2025年9月25日 · RiskReversal播客 嘉賓介紹 Danny Nathan（主持人）： 歡迎來到風險逆轉播客。我是Danny Nathan。這位是我的朋友Jim Chanos，他是Chanos & Co.的創始人。我想這大概是你第十次上這檔播客了。Jim，你同時也是耶魯大學和威斯康星大學的兼職教授，在兩所大學講授金融欺詐史課程。感謝你再次到來。Jim Chanos： 是金融欺詐的歷史，不是教人怎麼幹的。

Danny： 你去哈佛耶魯橄欖球賽嗎，還是主要看威斯康星的比賽？Jim： 我去過哈佛耶魯的橄欖球賽，是的。Danny： 我相信你是個很棒的賽前派對愛好者。好了，接下來介紹Gary Marcus。這次對話的促成頗具機緣。相信有數十萬人訂閱了你的Substack專欄"Marcus on AI"。你也是多本著作的作者，包括《馴服硅谷》。2023年你還與Sam Altman並排出席了參議院聽證會——聽起來像很久以前的事了，我們當時對Sam Altman的看法也各有不同。你同時也是紐約大學榮休教授。Gary，歡迎來到播客。Gary Marcus： 感謝邀請。

對話緣起 Danny： 這次對話的促成頗有些機緣巧合。Jim原本就要上播客，Gary，你主動聯繫了我們，說Jim要來紐約錄播客，問能不能一起來。於是就有了今天這個三人對話。Jim，你從財務角度切入了整個AI基礎設施建設這個議題；Gary，你是技術專家，擁有麻省理工學院博士學位，深耕這個領域多年，大約三十年前寫的博士論文就是關於神經網絡的——抱歉稍微暴露了一下你的年齡。Gary： 我的博士論文其實涵蓋兩個方向：一是兒童語言習得，二是神經網絡——也就是當今神經網絡的早期原型。幾十年來，我一直對自然智能與人工智能保持著濃厚興趣。

2012年神經網絡重新興起時，我已經主要在研究認知科學和人類智能那一側，但我立刻意識到："這些我都見過，這就是我博士論文裡研究的東西。" 事實上，我在2001年寫過一本書叫《代數思維》，專門討論那個時代神經網絡構建方式的侷限性。我認為我當時是第一個指出：如果不改變構建方式，這些系統必然會產生幻覺。我們現在看到的很多問題，我在很早以前就已經預見到了。業界不斷有人說"只要給更多數據就能解決"，但這條路並沒有真正奏效——有所改善，但改善幅度十分有限。2023年8月，我忽然意識到，幾乎所有人都在做同一件事，這意味著不存在真正的技術護城河。

於是我在Substack上連發兩篇文章，說我不確定這一切的商業邏輯是否真的成立。沒有技術護城河，就必然走向價格戰，一切都將商品化。OpenAI當時風頭正勁，但我認為他們的領先優勢不會長久。正是這個判斷，把我引入了對經濟層面的深度思考。Jim Chanos：從數據中心到AI基礎設施 Danny： Jim，你從一開始就聚焦於整個AI建設浪潮的經濟邏輯。很多聽眾都知道，你是最早識別安然財務欺詐的人，需要進行大量深入研究，而很多密切跟蹤這家公司的人也許只是不願意去知道真相，畢竟安然在當時的經濟和市場中扮演著舉足輕重的角色。這其中或許與當前的局面有許多相似之處。你是如何走到這個議題上來的？

Jim： 我們在2022年就研究過傳統數據中心的房地產投資信託（REIT），並對雲數據中心持非常悲觀的看法——原因是託管數據中心的經濟效益極其低下，回報率低得令人瞠目：稅前資本回報率僅為低個位數到中個位數，而這還是在雲計算高速增長的背景下。這些企業被作為REIT來包裝，目的就是讓投資者忽視折舊，但數據中心——無論是傳統的還是AI驅動的——都是資本高度密集型業務，設備需要持續更換和升級。AI開始大規模推進後，我很快意識到，真正燒錢的地方不在模型本身，而在於承載這些模型的物理基礎設施。我當時就判斷，這終將成為一門徹頭徹尾的商品生意。我不敢對模型層面的事情妄加評論——那是Gary更擅長的領域。

但我能分析一筆房地產交易。而我認為現在很多人正在走向懸崖，因為他們把當前的現貨定價當成了長期定價，沒有意識到AI數據中心本質上是一門設備租賃生意——我從英偉達買來芯片，再租給你用。這是一種金融構架，而非真正的技術護城河。至少公開市場上的投資者已經開始意識到這一點。我們看到了一些新雲服務商的股價走勢，而所有新雲服務商中規模最大的，就是甲骨文（Oracle）。我們稍後會專門談到它。Gary Marcus：從技術判斷到經濟邏輯 Danny： Gary，2023年8月你開始關注這個問題時，你是否也曾考慮過也許這一切真的會成功、這個行業真的會蓬勃發展？

ChatGPT在2023年初一經推出就被很多人視為魔法，而模型自那以來也已經走了很長一段路。你當時是以什麼態度開始寫那些文章的？Gary： ChatGPT一推出，這個話題就轟動了，時間是2022年11月底或12月初。其實在此之前，圍繞GPT-2和GPT-3已經有很多討論，《衛星報》早在2020年就刊發過一篇據稱由GPT-3撰寫的評論文章，儘管實際上經過了人工編輯。ChatGPT發佈後，我立刻看到了它的侷限性。2022年聖誕節，我在Substack發表了一篇文章，標題是《當你在期待GPT-4時，你該期待什麼》。

當時很多人認為GPT-4將直接等同於人工通用智能（AGI），我在文中列出了七條預測，指出：它仍然會產生幻覺，你仍然無法在醫療領域信任它，可靠性問題依然存在，它仍然難以理解物理世界。人們因此稱我為"仇恨者"，但我說，如果你瞭解這些系統的工作原理，結論就會是這樣，而事實也基本上就是這樣發展的。我一直建議將神經網絡與符號模型結合，也就是我所說的"神經符號系統"—— Danny： 解釋一下這個概念？Gary： 神經符號系統是神經網絡與經典人工智能的混合體。神經網絡在營銷層面被描繪成類似大腦的結構，實際上它們是統計近似器，嘗試從海量數據庫中近似表達人們談論的事物。

經典AI則更像計算機程序：if-then邏輯語句，"如果條件成立，執行A，否則執行B"，這種範式從1950年代就存在了。這兩個陣營之間長期存在對立。1969年，AI奠基人之一馬文·明斯基與西摩·派普特合著了《感知機》一書，論證神經網絡沒有前途——這本書的影響力被大幅誇大了，但無論如何，兩個陣營之間的敵意一直存在。我一直在說，你需要兩者兼備，它們在能力上形成互補：神經網絡擅長統計近似和特定類型的學習，但不擅長抽象、泛化和推理；而經典AI在這些方面恰恰更強。大約在2023年底，業界才真正意識到這一點——雖然他們從不承認。

現在他們使用代碼解釋器，比如嵌入Python，使用if-then的循環框架來評判大語言模型的輸出。這與經濟敘事直接相關：經濟敘事一直是"規模製勝"，只要把大語言模型做得更大、給更多錢，一切就會好轉。但他們不願承認這條路大約在2024年就已經走到頭了。真正推動當前進步的，實際上是那些借鑑自符號AI傳統的框架和技術。他們用盡了互聯網上的數據，合成數據的嘗試也遭遇了收益遞減。在技術層面，有一個目前運作良好的技巧：用大語言模型生成候選方案，再用經典推理技術和符號工具進行形式化驗證。

在數學領域，這個方法效果很好，因為有專門的自動推理工具（如Lean）可以嚴格驗證證明過程——大語言模型提出猜想，工具進行驗證。這已經在數學領域取得了一些令人印象深刻的成果。但這仍然不是真正意義上的人工通用智能。現實生活中大多數問題都無法形式化。我們基本上還停留在1985年的水平：系統只能在少數場景表現良好，其餘的漏洞則需要大量外部人員來填補——就像今天僱用大批承包商來修補系統錯誤一樣。你甚至不知道今天輸入一個問題會得到什麼答案：有時候結果令人歎為觀止，有時候又蠢得可以。我現在自己主要用這些工具做校對，有時候反饋非常精準，有時候它會叫你修改一個根本不存在的問題，或者不停重複自己說過的話。

Jim： 它知道是你Gary Marcus在輸入，所以故意跟你搗亂？Gary： 哈，大多數情況下它其實在拍我馬屁，至少從我看到的情況來看是這樣。Jim： 對於我這個技術外行來說，這類AI技術在硬科學和社會科學之間的差距，是否是最顯著的分野？當你把它應用於人類行為時，它就不那麼好用了，而對於有嚴格證明的硬科學領域，它相對更能勝任？Gary： 是的，硬科學中最邊緣的那類——可以完全用公理化體系推導的數學問題——是它最適合的場景。但即便是在物理學領域，目前也沒有什麼重大發現。

最接近的案例是Navier-Stokes方程，但那個證明只適用於數學意義上極為特殊的情形，並不適用於物理學家在現實世界中需要解決的問題。所以，即使在物理學中，它也只能處理非常窄的、數學上定義明確的特殊情形，而非真實的物理世界。Jim Chanos：超大規模雲服務商的回報率下降 Danny： Jim，你說你大約從去年年底開始關注AI基礎設施建設，而不僅僅是傳統數據中心。是什麼驅動了這個轉變？Jim： 數字開始急劇加速增長。我們著手分析超大規模雲服務商的回報率，尤其是增量投資資本回報率。這個回報率在2024年已經見頂，此後持續快速下滑。

按照目前的下降曲線，超大規模雲服務商——他們在這些項目上處於最有利的投資地位——的回報率將在2027年中期跌破其加權平均資本成本。我認為市場還沒有為此做好準備。與此同時，AI相關敘事在市場中已佔據了不可忽視的體量。根據不同的定義口徑，標普500中大約45%至55%的成分股與AI存在關聯。作為市場參與者，你不能忽視這一點；作為做空者，我做多市場本身作為空頭頭寸的對沖，這意味著我在事實上持有大量AI相關敞口——與所有投資了指數基金的投資者一樣。AI現在已經是在以技術尾巴搖動經濟大狗，你對它視而不見，代價自負。Danny： 你們兩位都不是沉默的人。

在Twitter和Substack上，面對AI這個龐然大物，你們不迴避提出批評性觀點。當45%的標普500都與AI掛鉤，這意味著你會遭遇巨大的阻力—— Gary： 我從研究生時代就習慣了這種阻力。我19歲進入研究生院，和Steven Pinker合寫的第一篇論文大約在我21歲時投稿，收到的審稿意見長達30頁單倍行距，基本上是在指控我們造假。那位審稿人後來道了歉——原來他攻擊的是自己學生的研究成果，審稿時他的打字機還壞了。那是我在研究生院提交的第一篇論文，我面臨一個抉擇：是堅持立場，還是退縮？我選擇了堅持。此後，任何知識層面的交鋒都不再讓我動搖。

Twitter上每天都有論戰，我把它當成可以傳遞見解的教學時機，不讓它影響我的心態。Jim： 我的很多支持者看到我耐心解釋"我其實可能是AI交易的淨多頭"時，總是瞠目結舌。我是的。我們的空頭頭寸並沒有抵消指數中的AI權重。昨天大家還在談新雲服務商融資成本有多低，拿出各家的加權融資利率圖表，2%、4%、8%。當然，這些新雲服務商主要通過可轉債融資，票面利率是0%或2%，表面看起來融資成本很低，但這根本不是正確的分析方法。你需要還原可轉債隱含的期權價值，實際資本成本其實相當高，這些公司自己也很清楚。

更讓我擔憂的是，我們已經進入這個週期的第四年，開始把大量資本砸給那些投機者和推銷者，他們真正想做的是趁著散戶對AI概念的追捧大撈一把。AI可以蓬勃發展，不一定要盈利——互聯網週期已經告訴過我們這個道理。這就是我認為真正的教訓所在，而在一片上漲聲中，沒有人願意聽這些。我過去40年一直在面對這種局面。AI領域的投機者 Danny： Jim，你剛才用了"投機者"這個詞。他們都有誰？Jim： 我不想點名道姓，但我可以舉個例子。有一個人剛剛宣稱，到2028年底，我們將擁有能做任何人類事務的人工通用智能。這個人在2024年說過同樣的話，當時他說的是2025年底實現。

我向他提出100萬美元的賭注，他沒有接受。如今他把預測時間悄悄往後推了三年，毫無說明，他的網絡支持者反而指責我造謠，而我只是展示了原始言論截圖和那筆賭注。不斷悄悄推遲預測，從不承認失誤，這就是投機者的做派。Gary： 很難判斷那些人究竟是真的相信自己說的話，還是隻是在表演。這個行業最關鍵的一個事實是：風險投資人按照投資金額收取管理費。只要他們能面不改色地講好一個故事，就能賺很多錢。在10億美元的基金上收取2%管理費，不管最終結果如何，你在前期就已經活得很好了。

Danny： 這個模式的邏輯是，如果7%的投資命中，其餘90%歸零，只要管理著足夠大的基金，你依然過得很好—— Gary： 是的，但如果成功率真的趨於零，你就籌不到下一期基金了，雖然你已經賺了不少了。現在VC圈的現實是：如果你沒有投中Anthropic、OpenAI、SpaceX、xAI等幾個大名字，你現在幾乎籌不到新資金。當然也有一些真實的退出案例，比如Open Router據說被Stripe以130億美元收購，那是真實的大回報。Danny： 公開市場上的投機者是另一類，比如Jensen是個經營了25年的實業家，算不上投機者。你能具體說說公開市場的情況嗎？

Jim： 簡單來說，那些曾經募集數十億資金、告訴你買服務器挖比特幣是下一個大機遇的人，如今毫無障礙地轉型成了AI數據中心公司。股票推銷者總是滯後於金融週期，我們現在看到越來越多的人試圖把"AI"貼到自己的業務上，以獲得光環效應。這種現象在一兩年前就開始了。Gary說得對，VC圈是不會發出負面聲音的，因為一切都是關於募資和部署資金的。但金融市場終究會發揮它的作用。人們還忘記了金融市場中存在一個反身性機制，它會反過來作用於技術和實體經濟。如果融資渠道關閉，一切都會迅速改變。債券市場似乎已經開始覺醒，貸款給數據中心的成本在上升；而公開市場（股票市場）還沒有跟上，兩者之間出現了某種脫鉤。

這也是為什麼我之前提到可轉債——可轉債市場和股權市場對很多東西仍然相當樂觀，但過去三四個月，信貸市場開始收緊。因為如果你貸出去的是債，你只能拿回本金加利息，沒有上行空間的期權。所以越來越多的融資成本在上升，而那些不想暴露巨大利息支出的公司，則越來越多地轉向可轉債或純股權結構——因為他們根本覆蓋不了利息。超大規模雲服務商以外，幾乎所有公司在真實的經濟意義上都是在虧錢。我非常期待看到Anthropic和OpenAI的招股說明書，想看看他們如何定義自己的盈利能力。數據中心這個生意根本沒有盈利，超大規模雲服務商的回報在快速下滑，雖然他們還有核心業務可以依靠。

今天高盛剛把對數據中心總支出的預測提高了50吉瓦，相當於未來五年2.5萬億至3萬億美元的增量——這只是增加的部分。他們預計未來五年的總支出將達到10至12萬億美元，約佔GDP的6%，大致相當於美國個人儲蓄率的1到2倍。也就是說，按照華爾街的預測，接下來五年，美國的全部個人儲蓄都要流入AI數據中心——在政府赤字和其他經濟需求之外。這些數字已經開始變得荒誕離奇。甲骨文的"不可抗力"事件 Danny： 今天有一則未經證實的消息：甲骨文援引不可抗力條款。這很常見，他們後來出來說不可抗力是很普通的條款，但事實是否如此？Jim： 不是的。

Danny： 你談到了信貸市場，同時甲骨文的股價也在承受壓力——距離你那篇《泡沫頂峰》文章發佈時的高點已經跌了60%，今天又跌了7%，甲骨文債務的信用違約互換（CDS）也創了新高，大約在225個基點。Jim： 這筆貸款是180億美元，涉及高盛、法國巴黎銀行、三井住友等銀行，對應的項目在新墨西哥州，是星際之門（Stargate）的一部分。Blue Owl擁有開發商，在其中注入了股權。整個結構是一個特殊目的載體（SPV），現在甲骨文以不可抗力為由主張延遲。

回想一下：就在就職典禮後幾天，孫正義、Sam Altman和Larry Ellison站在橢圓形辦公室裡宣佈了Stargate，稱規模達5000億美元。馬斯克幾乎立刻就發推說："錢在哪裡？他們根本沒有這筆錢。"現在我們看到，這筆項目在執行層面出現了問題。此外，數據中心還面臨許多現實障礙：監管審批、居民反對、電力接入問題，以及跨黨派的政治阻力——我在賓夕法尼亞州巴克斯縣生活，當地競選廣告中，民主黨和共和黨候選人都在互相指責對方在數據中心問題上立場不夠強硬。CDS報價225意味著融資成本在8%左右，目前還不到融資停擺的程度。但一旦債務成本進入兩位數，就會形成實質性的阻礙。

而甲骨文為了兌現承諾，必須持續融資。Larry Ellison上週還取消了一筆75億美元的股票發行計劃，同時公司還在大規模裁員。Gary： 這讓我想起了你剛才講的反身性——如果OpenAI跌倒，整個生態都會動搖，所有依賴OpenAI消費其資源的公司都會受到衝擊。AI進步的真實圖景 Danny： Gary，OpenAI、Anthropic這些前沿實驗室燒了那麼多錢，下一個GPT-5、下一個Gemini，這些發佈還重要嗎？Gary： 每週都有新發布，這就是瘋狂之處的一部分——沒有人能保持超過兩週的領先，未來也不會有。中國大模型也已經入場。

這就形成了商品化結構：對消費者來說是好事，模型越來越好，競爭迫使價格下降，因為沒有人能聲稱自己的模型在實質上更優越，切換成本也越來越低。但對於模型提供商來說，最終可能根本無利可圖。Danny： 那麼誰有護城河？Gary： 英偉達有。他們在淘金熱中賣鐵鍬，處於絕佳位置。不過Jensen不斷地大力鼓吹這個生態，讓我覺得他可能也有所擔憂。Jim： 上個季度計算下來，英偉達每賺1美元，大約有70美分又以投資的形式流了出去。Gary： 我們可以把英偉達單獨括出來，他們賣鏟子，還在努力刺激更多人來淘金。但如果說有機需求已經在那裡，是否還需要這麼賣力地鼓吹，這是個值得追問的問題。

模型提供商那一側是競爭激烈、趨於商品化的；終端用戶這一側，每次有研究出來，結論都是投資回報率不太理想。大多數人使用AI是因為害怕落後於競爭對手，而非因為真的從中找到了可觀的生產力提升。也許寫代碼是真實有效的場景，但很多其他場景並非如此。一個可以很快檢驗的領域就是Jim的主場——金融投資。如果我們能追蹤按AUM計算在AI上投入最多的基金，看看他們是否真的跑贏了那些沒那麼投入的基金，這將是一個非常有意義的測試。還有編程領域，應用商店裡每月上線的App確實多了好幾倍，但實際銷售額並沒有隨之增長——大多數人在開發根本沒有人真正想要的App。生產力在數量上提升了，但在質量上未必。

Jim： 我們曾經研究過Netscape誕生前後各十年的數據，即1986年至1996年，以及1996年至2006年，對比了美國GDP增速、全要素生產率和標普500盈利增速。結論是：互聯網時代之後的GDP增速與之前相比幾乎沒有差別，都是每年約3%的實際GDP增速；全要素生產率略有改善；而標普500的盈利增速甚至比互聯網之前稍低——互聯網時代之後是每年5%，之前是每年6%，長期歷史均值也是6%。互聯網的確帶來了巨大的顛覆性變化，催生了大量新業務，也摧毀了很多舊業務，但從宏觀經濟的整體維度來看，你根本無法說"瀏覽器的出現和互聯網的普及改變了整個世界"。

現在從ChatGPT問世的2022年底算起也才不到三年，GDP增速一直不溫不火。Gary： 對，儘管有超過10億用戶使用OpenAI，Gemini也接近10億，但如果去看生產力數據，你會問：這裡到底發生了什麼？不過，讓我來區分兩個概念，這一點很重要。我認為AI最終將是革命性的——但目前尚不清楚生成式AI是否會是那個革命性的形態。Danny： 能解釋一下兩者的區別嗎？Gary： 生成式AI就是聊天機器人這類東西，這是當前構建AI的一種方式，你可以說是目前最好的方式。即便加上我說的那些混合框架，可靠性問題依然是核心難題。

就拿"氛圍編程"（vibe coding）來說，它確實給了很多人一種掌控感，但那些用氛圍編程做開發的人通常缺乏調試和維護代碼的訓練，很多東西做出來根本撐不住。他們能做出一個demo，但遇到真正的複雜情況就不知道怎麼處理了。對於已經具備紮實技術背景的專業程序員來說，這些工具確實是真正有價值的助力，他們知道如何應對系統犯錯的情況。但我認為很多氛圍編程的產品最終不會如預期那樣成功落地，可能會曇花一現。智能體AI：潛力與風險 Danny： Gary，你說想談談智能體（agents）。Gary： 智能體在原則上非常有