戰威局：美國人工智能泡沫，離破滅還有多遠？

美國是一個非常善於製造泡沫的國家。

因爲美元霸權要獲利就是靠吹泡沫，吸引大家跟泡沫，然後它又引爆泡沫把別人的財富都炸沒了，那財富都跑到哪裡去了？

肯定就是跑到能提前知道泡沫什麼時候爆炸的人口袋裡了。

爲什麼那麼多人在美國吹泡沫的遊戲裡會一再地上當呢？因爲它吹起來的大多數都是高科技的泡沫。

這個不僅一般老百姓搞不懂，連大多數專業人員都很容易搞不懂。

原因在哪裡？因爲大多數高科技泡沫的科技本身確實是有一定價值的，只不過在金融上估值被吹得過高了。看得懂技術的未必看得懂金融，而看得懂金融的又未必看得懂技術。

美國人就是利用這個一般人的知識漏洞或缺陷兩邊騙。

爲什麼我能看清美國的高科技泡沫呢？因爲我本身是搞技術的，搞了一輩子，另一方面我也精通金融。要想看清美國製造的泡沫，你就得兩個方面的知識都要精通才行。

現在我們就來簡單回顧一下美國製造的一些泡沫，以及現在的人工智能泡沫。

美國製造的著名高科技泡沫就是2000年後破滅的互聯網泡沫。

互聯網本身當然是有價值有道理的，但在20世紀90年代被過度炒作了。要想區別什麼是高科技泡沫，識別出炒概念，可以先區別這個概念是從技術角度起的名字，還是從市場角度起的名字。

例如數據庫、關係型數據庫、分佈式數據庫、網格計算、虛擬現實、增強現實、語音識別、圖像識別、人臉識別、CDMA（碼分多址）、TD-SCDMA（時分同步碼分多址）等，這些就是從技術角度起的名字。

但數據挖掘、大數據、雲計算、元宇宙、UMTS（通用移動通訊系統）、LTE（長期演進）、人工智能、大模型、通用人工智能、生成式人工智能AIGC等，這些就是從市場宣傳和營銷角度起的名字。

如果是從技術角度起的名字，它們的定義和描述一般都會比較清晰，但缺點是很多普通人可能就不敢去談太多，因爲搞不懂技術，怕一談就出錯、露餡了。

從市場營銷角度起的名字，概念本身往往很含糊，沒人說得清它到底是什麼，好像有所指，好像什麼都是，也好像什麼都不是。

什麼都不是的概念有一個特大好處，就是什麼都可以是，誰都可以說上幾句，都不好說算錯。

所以，這種概念就特別容易炒作，而專業技術人員往往也頭暈，不敢去說各種炒作有什麼不對。這樣一來所有人就都可以放心大膽地顯得自己很懂行的樣子去高談闊論了。

因此，但凡你看到幾乎所有人都在放心大膽地談論的高科技概念，你就知道它們基本上屬於本質上可以歸於什麼都不是的概念。

例如大數據，有人說得清大數據到底該如何定義嗎？基本上是沒人說得清的。

剛開始是有定義的，數據量是多少，帶寬是多少，處理時間是多少纔算大數據。可是很快就變得沒具體定義了，基本上就是隻要有數據的全都是大數據。

那就奇怪了，原來不是大數據的數據是什麼？你會發現沒有了，所有的數據都是大數據。所有人都放心大膽地在談自己要搞大數據。還沒有任何技術人員敢說人家說得不對。

雲計算、元宇宙等都是這樣的概念。現在可以準確地告訴大家，人工智能也是屬於這種本質上什麼都不是的概念。

你看有誰不敢談人工智能的嗎？沒有。無論是誰都可以來放心大膽地對人工智能說上幾句。但如果說“模式識別”，“卷積神經網絡”等，除了專業人員，普通人就不敢說話了。

美國人炒概念有兩個原始動力，一個是投資技術的金融界，本身是爲了自己的投資更順利地變現，所以會在合適的時機炒作相應的概念，把相應的市值炒得儘量高，這樣纔好用盡量高的價格出貨，這樣才能賺更多錢嘛，這個很好理解對不對？

另一個是整個金融界的戰略需要，要有一個特別大的可以支撐整個金融市場的高科技泡沫概念，不只是把某個技術或產品，而是要把整個美國匯率、美債、股市、債券給炒上去。

互聯網、元宇宙、人工智能等就是屬於這種戰略級的高科技泡沫概念。

爲什麼人工智能是戰略級的高科技泡沫？

因爲現在的整個美國金融市場，幾乎都是寄希望於人工智能一身。整個美國社會的財富大多數都在股市上，而美國股市近幾年絕大多數的漲幅是靠所謂七姐妹支撐起來，而七姐妹股價的上漲又都是靠人工智能概念。尤其是居於核心位置的英偉達的股價支撐的。

其中的奧秘和泡沫之處在哪裡？

這取決於人工智能技術的兩個最基本的特點。

一個是人工智能特別吸引人，同時又非常含糊。二是現在的人工智能在技術上都是一種概率性的統計結果，不可能有很高的可靠性、成功率和正確率。

不要去聽外行的暢銷書作者或大V說的任何預測，如果違反了最基本的技術規律，那些都是不可能成爲現實的。

人工智能被炒作時間最長，一再泡沫破滅，又一再被吹起來。

因爲智能這個概念，一方面對整個社會大衆都太有吸引力、甚至是永久的吸引力，因爲人類最自豪、最得以在生物界立足的本事就是人類的智能。其他很多方面可能都不如別的生物。

另一方面，智能是什麼又特別模糊，這就有了最大的發揮想象力的空間。

美國未來學家雷蒙德·庫茲韋爾特別喜歡對人工智能的發展進行預測，並且在2005年時寫了一本書《奇點臨近》，其中提出到2045年，人工智能的奇點將到來，這個很容易讓人浮想聯翩。

雷蒙德·庫茲韋爾的確預測準了很多事情，但如果你瞭解一些本質性的東西的話，就知道他在計算機技術或人工智能技術上的很多預測根本就不算什麼了。

因爲最基本的芯片發展的摩爾定律，這個本身是非常準確的。依據這個定律，任何人都可以準確地預測到未來10年、20年甚至30年以後計算能力在什麼水平，以這個水平來分析可以實現什麼功能，就可以給出非常準確的預測。

但是，不要以爲有這些基礎了，就可以隨意做出無限的預測。

首先是摩爾定律本身就因爲接近物理極限而越來越慢下來，所以，如果再簡單地按原來的摩爾定律去進行預測就會出現越來越大的偏差了。

第二個方面，是人工智能的概率性技術本質問題。

現在所有的人工智能，從實現算法上來講主要可以分爲三個流派，分別是符號主義、連接主義、行爲主義。

這些技術細節外行人很少能深入分析清楚，我們此處也不去展開討論，網友們如果不瞭解也沒關係。只要能明白一點就可以了：現在所謂的人工智能，包括現在炒得最熱的大模型等，本質上都只是一種概率性的統計分析。

這帶來相應的一些非常深刻的技術約束：

一方面是可靠性的限制，所有的人工智能結果都只是一些概率性的結果，其可靠性會嚴重受限。

例如用人工智能去回答任何問題，你總會發現有一定概率出現所謂的“幻覺”。如果用人工智能來進行各種識別，也總會發現有一定的差錯率。

例如語音識別，總會有一定的差錯。並且問題稍微複雜一點，例如說話不清楚、有停頓或有背景雜音，識別率就會指數級地迅速下降。

無論是語音識別，車牌識別，人臉識別等，識別錯誤率基本上都是在0.5%到5%的水平。能做到1%就已經是非常好的水平了。

人工智能可以應用於一些對可靠性要求不是太高的業務上，例如生成個領導講話稿，怎麼說都不算錯，或者生成個主要是講套話的歡迎詞，這些問題不大，但不能輕易用於可靠性要求比較高的業務上。

例如給病人開刀，讓人工智能機器人用煤氣竈炒菜等。不是它能不能做這種事情的問題，你讓他秀一下相應的功能是可以的，真讓他幹，他一定會有很高比例的差錯。

，如果在醫院開刀做手術，本來是要治療有病的腎臟，有1%概率把好的腎給割了，這不要命嗎？

用機器人在煤氣竈上做菜，秀一下是很漂亮，可實用中搞不好有千分之1的概率煤氣竈不關，把房子給炸了，這不麻煩嗎？動輒出點錯就要命、還必然有相當概率出錯的事情，那就不敢讓他幹了。

所以，別看很多秀機器人像人一樣做菜的，那種沒法實用。只有經過嚴格簡化的，用電爐子炒菜的機器，比現在洗衣機差不了太多的機器纔有可能真正普及。

第二個關鍵的問題，就是人工智能的實際能力提升極爲緩慢。

隨着計算能力的提升，其可靠性和能夠應用的業務會增加。但一定要明白，因爲業務複雜度提升對應的計算能力需求也指數級提升。

一萬倍的計算能力提升，可能只會帶來人工智能可靠性和業務能力百分之十幾，甚至只有百分之幾的增加。

所以，人工智能的發展不可能是某一天出現一個指數上升的奇點，而永遠是接近越來越緩慢爬坡的發展。

今天人們熱議的所有人工智能的應用，40年前甚至更早全都有，全都有人秀過，只不過外行人可能不知道而已，這些應用在過去幾十年裡我都見到過幾十上百次，一點都不稀奇。

今天語音識別業務能力與30年前相比，提升的幅度事實上極小，只是這極小的提升，足以帶來相應的實用化而已。如果要客觀嚴格地評價語音識別，會發現其差錯率、尤其實用環境下的差錯率依然非常高。

因爲現在摩爾定律越來越遇到理論極限，所以實現相同計算能力提升就得拼更多的耗電量。

以前的計算能力翻番增長是在耗電量不變前提下實現的，但現在動則採用液體冷卻，耗電量成倍增長，這並不是解決問題的根本辦法。

但是，現在美國通過炒作人工智能大模型，和奇點概念，讓絕大多數人都非常焦慮和擔心落後，紛紛去投入大模型的研究，這就得購買越來越多的英偉達芯片。

英偉達芯片的銷量翻番地上去了，他的利潤翻番地上去了，股票價格翻番地上去了，核心的人工智能概念股票和項目市值都翻番地上去了，但它們能夠實現的真正業務應用不可能翻番地上去。

一萬倍算力提升，能實現的真正業務提升不會超過10%。這個很快就會遇到瓶頸。並且因爲摩爾定律的限制，這種不顧及耗電量的計算能力提升也很快會遇到瓶頸。

一旦炒作不動，泡沫就瞬間破滅了。原來泡沫破滅是美國金融界準備好了，把別人忽悠進來，自己已經跳出去了，然後才引爆泡沫，可是現在進入泡沫圈子的外資還不夠，羊毛薅不到，泡沫就不得不破滅，這個就麻煩了。

（完）