⚡对当前AI分歧点的鲜明看法 【-2】近期市场对AI泡沫论的讨论又变得多了起

⚡对当前AI分歧点的鲜明看法 【-2】近期市场对AI泡沫论 的讨论又变得多了起来，一方面OpenAI的一系列远期合作让市场有些难以短时间消化，另外一方面资本市场因外部因素导致下跌加重了对AI产业趋势的怀疑。除此之外，以图灵奖得主Richard Sutton、著名AI大V Andrej Karpathy相继表达了对当前大语言模型能力天花板/进步速率的“泼冷水”观点，在海外AI社区引发了不小的讨论（我们在上周的观点和节后的路演中也有跟客户提及... 【-1】在笔者和投资者的交流反馈中，大家的堵点主要集中在1）AI的商业化进展还是难以justify老黄口中30年3-4万亿美金的算力Capex、2）对N+2年的算力需求依然看不清/不敢信、3）缺乏对需求侧跟踪/验证的靠谱指标...因此不难会让人倾向于认为OpenAI的这一波操作，更像加速全行业泡沫化的导火索，而非是产业形成中长期共识的起点 【0】在笔者一个模型/应用研究者的主观视角来看，我更倾向于认为我们进入了一个产业各方愿意对中长期建立共识/合作的新阶段，而非用泡沫论直接否定巨头们的行为，以下是我的观点思考： 【1】首先，AI的需求驱动逻辑在25年已经较23/24年发生了巨大的转变。今年之前，我们其实处于一个行业需求随时可能会暴毙的01风险下，因为推理需求看不清、模型炼丹的成果也不可知、大家每天担心ROI，这也是为什么海外算力不愿意为N+2买单的本质原因。然而，伴随今年模型能力的一轮升级后，我们已经迈过了AI的“iPhone4时刻”，AI的用途、商业化已经取得了长足的进步，行业需求的快速增长已经不再需要每次模型迭代都有惊艳的进步，本质原因是模型能力已经迈过了重要的可用性节点，因此对N+2年的需求理应也可以更乐观一些 【2】其次，大模型依然存在足够可期的进步空间&孕育着未来的新叙事。Sutton和Karpathy的批判性观点笔者个人是很赞同的，因为他们提到的正是我们期待模型未来能有的“新能力”。例如，持续学习、记忆能力已经明确是模型公司的新发力点（Anthropic多场合反复提及），一旦上述能力突破，未来每一个token/美金的推理算力，都能带来下一个token智能的提升（就像人一样可以从经验中学习），那么我们对算力投入ROI的测算假设可能会被颠覆 【3】再者，AI在我们每个人身上投入的推理时还非常的短。以笔者自己为例，平均每天我的AI们为我真正所用的推理时可能不会超过15分钟（30个问题，每个问题30s推理时）。但是，假设模型的长程推理能力提升（单次任务思考1h+），我们会解锁非常多的新场景，例如更好的ChatGPT Pulse，或每晚给AI布置一个大作业；假如多智能体系统得以突破，那上述推理场景的推理算力需求可以原地并向叠加数倍；假如端侧智能设备推出，那么Agent在用户全模态context的加持下使用体验势必会大幅提升，最后指向的，都是推理时/人/天从15min→1h→8h→24h→N*24h 【4】最后，行业催化依然可期。10月底北美科技财报发布，需求侧我们有望看到更多验证数据；Gemini 3有望于近期发布，后续还有Genie3这样的大招尚未商用；除OpenAI外的其他模型公司（Gemini/Anthropic/XAI等）也有望建立自己的“朋友圈”，加强对中长期的协同合作（如果他们是对的呢？） 【5】保持对市场的尊重和对未知的敬畏，但也谨防路径依赖，刻舟求剑... HYJSJ DJN⚡⚡⚡