AI热潮如何收场？一位软件工程师：最大风险不是泡沫，是价值归了别人
随着Anthropic的IPO步伐加快——而芯片股刚刚创下自2008年以来最长的连跌纪录，市场对AI债务的担忧加剧——我觉得值得把我在思考可能发生的事情时整理的一些想法写下来。这绝不是说面面俱到——只是列出我认为最值得思考的内容。
在深入探讨这些情景之前，虽然我确信会出现失败和资产类别的错误定价——就像任何巨大的投资浪潮一样——但我想说的是，与许多泡沫不同，这里有大量价值正在被创造。
从本质上讲，我认为这是资本第一次可以被转化为智能。你购买（或借钱购买）GPU，得到token产出——这些token代表着专业服务工作中越来越大的份额。作为软件工程师，我当然有偏见——模型在编程方面越来越好，看着它如此迅速地完成我以前的工作，而且越来越比我做得更好，这确实让人自愧不如。
与（比如说）互联网热潮不同——那可以说是方向正确，但来得太早了——我们看到的是大规模采用和巨大收入的产生，远比90年代末快得多。
所以仔细思考之后，我把这些情景分为两类。第一类是，AI本身未能兑现所承诺的价值，或者被外部因素阻停。我认为这些值得思考。
另一类——可能更有可能——是AI运转良好，但价值没有流向投入资金的人。我认为这才是可能发生回撤的地方，而且可以说已经在显现了。
第一类：AI令人失望或被阻止
模型停止进步
虽然很难说现有模型在特定任务上不“好”，但我们很可能会撞上规模之墙。越来越多的资本支出被投入模型训练，但结果只是略有改进。这将使进步遇到一堵“硬”墙，直到另一种架构或方法可能出现。
这种情景我目前会先打个折扣。我们没有看到进展放缓的迹象，而且我们看到了非常快速的能力提升。即使这种情况真的发生，大多数组织和个人也远未发挥模型的全部潜力。
不过，有一个更隐蔽的警示：模型在特定任务上继续变好，但在其他任务上开始严重倒退。我觉得Opus 5就是一个很好的例子——编程更好，但生成的文字晦涩难读得令人恼火。如果这种问题越来越难以缓解，也许我们会看到模型更专注于特定任务（很像GPT的Codex系列模型，后来又被统一回主要的GPT模型中）。
对齐风险
AI的另一个主要风险是它最终在现实世界中做出不好的事。我们已经看到Hugging Face事件作为“鸣枪警告”。但还存在更灾难性的风险——例如，关闭国家基础设施，或入侵大型金融机构，造成跨市场的系统性风险。或者，它完全变成Skynet。
毫无疑问，这将引发巨大的政治动荡，导致非常迅速和严厉的反弹。此后行业走向何方难以预见——可能进展被冻结，导致GPU订单大幅减少。另一方面，考虑到（主要是）美国和中国之间白热化的竞争，我很难看到全球协调一致的AI暂停令。如果这种事发生在中国，美国会跟进吗？还是反而会被归咎于“有缺陷的中国”模型，而美国继续照旧？同样，如果发生在美国，中国是会暂停，还是把这视为千载难逢的领先机会？
我认为我们正危险地接近一个可能引发AI支出大幅回撤的事件。这当然很难预测，严重程度以及对人类的冲击都很重要。
数据中心禁令
稍微不那么科幻的是，对数据中心部署的广泛地方或政治反对，导致新增产能非常广泛地暂停上线。
虽然这确实在发生——我怀疑这可能是2028年美国选举周期的关键战线之一——但要产生任何显著影响，同样必须是一项全球禁令。如果美国实施禁令，项目和投资会迅速转移到其他司法管辖区。
而且我几乎可以肯定，中国甚至不会考虑任何此类禁令，这又增加了一个地缘政治角度。在中国已经拥有电力产能（如果不是半导体的话）的领先地位的情况下，美国真的会推进全国性禁令吗？
因此，我看不出这会对整体部署产生多大影响。真正的弱点在于这些交易的融资。就像Ørsted在美国对其海上风电项目发布停工令、吓坏其融资之后不得不进行94亿美元增发一样，我们可能很快会看到由此引发的融资失败多米诺效应。
第二类：AI运转良好，但资本投入方无法获得价值
开放权重好到压垮利润率
我认为这是我所看到的风险中最突出的一个，也是我写了一段时间的话题。我们正处于一场残酷的推理价格战之中——想了解更多可以读我最近的其他文章。
这在很大程度上是因为开放权重模型跨过了对许多任务“足够好”的门槛。
Anthropic以大幅折扣发布Haiku 5.5——在短上下文窗口上便宜90%——意味着对于较短、批量的任务，Anthropic和OpenAI实际上与可比的开放权重模型一样便宜，甚至更便宜。这不适用于Haiku的较长代理式任务——一旦上下文超过100K token，价格就跳涨5倍。有趣的是，OpenAI在这方面激进得多：GPT-6 Luna只上涨1.5-2倍，而且只在超过272K token之后。但最近我惊讶地发现，没有任何有信誉的推理服务提供商以相对于Haiku和Luna的显著折扣提供可比的开放权重模型（如DeepSeek）。这与今年年初相比是一个巨大的变化——当时前沿实验室的收费比开放权重模型高10-20倍。
这在多大程度上蚕食了他们更昂贵的模型，还有待商榷。他们的定价方式使得对于较长的代理式任务，开放权重模型仍然非常有吸引力。
但持续的价格下跌必然对利润率产生一定影响，即使这确实导致他们从开放权重竞争对手那里（重新）夺回市场份额。
所以希望在于他们继续降价，但收入/token的增长超过降价幅度。这当然有可能——但这表明这个市场的切换速度有多快——现在前沿实验室竟然也在提供这种推理服务了。
不过我要保留的不确定因素是：虽然开放权重实验室跟上了步伐，但我们不能排除前沿实验室向新模型投入大量算力和智力的能力。例如，Opus 5.5对于要求更高的任务来说是一个出色的模型。而中国实验室显然缺乏硬件，并且面临中国政府新的出口限制。
巨大的效率突破
注意，前一种情景虽然如果这种压缩持续下去对前沿实验室来说是灾难性的，但可以说增加了对半导体、内存和相关供应链的需求。
但另一个风险是，如果出现巨大的效率突破，无论是通过硬件还是软件/模型的改进。这正是2000年代初摧毁电信繁荣的原因——与其说是带宽增长停止了，不如说是光纤的效率远远超过了需求。
到目前为止，我们在模型方面看到了很多创新，但硬件却难以跟上。抛开Nvidia等为每一代新芯片发布的所有炒作数据[1]，底层token/瓦特——最值得关注的指标——的改进远比头条新闻所暗示的要慢。
模型效率的改进确实令人惊叹。但到目前为止，这一切都被投入到更长的上下文窗口（支持更长时间运行的代理式任务）中，并促成了我们看到的一些价格下降。
但是，存在一种可能：一种新的硬件或软件方法确实像2000年代的DWDM光纤一样，导致效率远远、远远领先于token增长，即使考虑到杰文斯悖论也是如此。
我的直觉是，token需求增长如此之快，并将继续以如此快的速度增长，以至于在不久的将来会吞噬所有效率增益。我认为追踪这一点的关键方法不是看那些被发布的“token成本指数”——这些指数没有根据需求的指数级增长进行调整——而是看GPU现货市场的价格。如果我们开始看到所有计算类型的价格出现大幅、广泛的下跌，那就是供需开始达到平衡、这种情景开始上演的明显信号。
结论
毫无疑问，AI“经济”面临许多风险，而且人们总是很容易指向那个最上新闻的风险。
但对我来说，真正的问题是AI的进步是否正在转化为切实的价值。现在——对我以及对许多其他人来说——答案是响亮的肯定。Token消耗正在飙升，因为随着模型变得更好，越来越多的任务可以用AI完成。我仍然认为，推动代理式工作流的早期采用者只占整个专业服务市场的低个位数百分比。
但这并不意味着制造和服务这些模型的实验室能获得好处。历史上充满了巨大的技术进步最终流向消费者剩余、而不是流向押注最多资本的人的例子。
而我的观点是，这正是我们目前看到的情况。前沿实验室正面临向开放权重竞争对手失去利润率、进而失去市场估值的严重危险。
但重要的是，前沿实验室并不构成整个市场。无论是前沿实验室还是开放权重，token都需要计算、内存和电力。
我看到无数关于OpenAI与Anthropic收入数据的分析。对AI生态更重要的是总体收入。随着市场继续碎片化，把这些数据整合起来越来越难。除非AI真的撞墙，否则开放权重可能意味着前沿实验室估值繁荣的终结。但底层供应链的表现可能比以往任何时候都好。
这就是为什么我认为本周市场的反应搞反了。芯片股正受到惩罚，而恰恰此时TSMC公布了创纪录的收入，并表示AI需求仍然超过供应。
唯一的警示是杠杆。这次建设中有太多是债务融资的，以至于即使是很小的变化也可能以比应有速度更快、更彻底的方式回撤。本周CoreWeave的信用违约互换达到困境水平，原因是通胀数据火热和一张疯传的图表——而不是因为有人不再想要GPU。
如果AI繁荣终结，我不认为它会以更少的token结束。它将以同样的token——或者多得多——以低得多的利润率流向更多人的方式结束。
[1] Nvidia关于每一代芯片的头条数字主要来自降低精度（FP8到FP4），而不是芯片本身变得更高效。精度减半大约使同一硬件上的吞吐量翻倍，但这是用准确性换取速度，而大多数生产环境的推理仍然以FP8或BF16运行。在FP8下进行同类比较，从H100到Vera Rubin大约是每瓦2.7倍——跨三个世代——大约每个世代1.5倍。同一时期，每个GPU的功率从约700W上升到约2300W，所以每GPU增益的一半以上只是通过更大、多die的封装来获取更多电力。摩尔定律正在放缓，而且降低精度也有硬性限制。一旦两者都走到尽头，token/瓦特的增益就必须来自其他地方。