作者：
高雅
美国科技巨头大举 「撒钱」 的举动正令资本市场感到忧虑。
上周，在亚马逊宣布计划向人工智能（AI） 及相关基础设施领域注资 2000 亿美元后，股价于 6 日早盘应声下跌近 9%。然而，市场的冷静反应并未浇灭这场 AI 投资热潮。根据谷歌、微软、亚马逊和 Meta 在近日披露的最新资本支出计划，这四大科技巨头在 2026 年的开支总额预计将高达约 6500 亿美元。
而驱动这些巨头 「不计成本」 投入的核心逻辑，很大程度上寄希望于通用人工智能（AGI） 的实现，以及随之而来的数万亿美元潜在回报。正如硅谷风投机构红杉资本 （Sequoia Capital） 合伙人卡恩 （David Cahn） 所言：「唯有 AGI 的实现，才能证成未来十年这一量级的投资提案。」
然而，业内对 AGI 实现路径正涌现出越来越多的怀疑。彭博行业研究高级中国科技分析师罗伯特·李 （Robert Lea） 在接受第一财经记者采访时表示，鉴于当代 AI 模型存在根本性的逻辑缺陷且方法论较为单一，仅仅通过扩展现有模型，即行业目前盛行的做法，不太可能实现 AGI。
模式识别并非真智能
在理论定义中，AGI 被视为 AI 的终极状态，意味着系统能在会计、法律等多个白领专业领域达到并取代人类的智力水平。
现代 AI「教父」 之一本吉奥 （Yoshua Bengio） 警示称，AGI 的研发进程可能会陷入停滞，而这种停滞对投资者而言无异于灾难。他称，行业很可能在不久的将来 「碰壁」，面对目前无法预见且难以快速解决的技术瓶颈，这可能诱发一场真正的金融崩盘。毕竟，当前涌向 AI 领域的数万亿资金，大多建立在技术能以目前速度规律进步的乐观预期之上。
罗伯特·李凭借其在帝国理工学院深造电子工程的学术背景，也提供了基于技术视角的结论。他表示：「从本质上看，AI 运行的底层逻辑近年来并未发生颠覆性变革，真正的改变在于算力与存储能力的爆发式增长，以及模型从处理单一数字数据向多模态 （涵盖文本、视频和音频） 的进化。尽管如此，这些模型的核心仍是模式识别，实质上是极其复杂的统计模型。」
罗伯特·李形象地解释道，当用户利用 AI 模型搜索量子计算时，模型只是通过训练库或互联网搜集海量资料，并利用模式识别提取共性并予以总结。这种功能虽然高效，却并非真正的智能。
在他看来，真正的智能远比模式识别深奥得多。目前市场上涌现的垂直模型，无论是专攻代码还是天气预报，都表现出极强的局限性：天气模型或许能精准预测降水，却对量子计算一窍不通，因为它无法逾越训练集 （Training set） 的边界。这种本质上是对训练数据的 「反刍」，而非产生真正的原创智慧。
他进一步表示，当前许多利益相关方在其中推波助澜，不少急于融资的初创公司刻意将其描绘为改变世界的 「新范式」。实际上，AI 目前更多扮演着提升效率工具的角色，在药物研发等工业场景中固然大有可为，但即便是最前沿的应用，也不过是在既有化学空间内筛选组合。其 「天马行空的思考」（Blue-sky thinking） 或脱离训练集进行创新的能力，依然受到严苛的限制。
基于这些观察，罗伯特·李称：「当前的 AI 并非真正的智能，也因此无法实现 AGI。」 这一观点在学界也得到了呼应。去年针对美国人工智能促进协会 （AAAI） 会员的调查显示，在以学术界人士 （占比 67%） 为主的受访者中，高达 76% 的人明确表示，仅靠扩大现有技术规模来实现 AGI 的可能性极低。
因此，罗伯特·李认为美国大型平台的 AGI 战略带有投机性 （Speculative）。虽然科学突破的偶然性不可排除，但从概率学看，成功的期望值并不乐观。他警告称：「投资者不该为此倾家荡产，孤注一掷。」
事实上，即便是正从这股热潮中获利的科技领袖，也对其中的疯狂保持着清醒。Alphabet 首席执行官皮查伊 （Sundar Pichai） 曾承认热潮中存在 「非理性因素」；亚马逊创始人贝佐斯 （Jeff Bezos） 与 OpenAI 首席执行官山姆·奥尔特曼 （Sam Altman） 亦先后表示，AI 产业的许多方面已显现出泡沫化的迹象。
AI 投资的折旧费用
除了技术瓶颈，财务层面的折旧压力同样是悬在巨头头上的 「达摩克利斯之剑」。尽管巨额资产成本可在使用寿命内摊销，但对于处于快速迭代期的 AI 设施而言，精准分摊折旧成本极其困难。
摩根士丹利预测，未来四年内，微软、甲骨文、Meta 和 Alphabet 四家公司累计计提的折旧费用可能突破 6800 亿美元。该行分析认为，若假设 GPU 寿命为六年、数据中心寿命为十五年，到 2028 年底，Alphabet 的折旧费将激增至目前的四倍；而甲骨文在 2029 年的折旧费用可能膨胀至 560 亿美元，占到市场预期营收的 28%。
全球投资咨询公司 BCA Research 首席新兴市场/中国策略师阿瑟·布达吉安 （Arthur Budaghyan） 在接受第一财经记者采访时也对此提出忧虑。他称，美国科技行业正经历一场深刻的范式转移。过去 15 年，科技公司以极强的资本纪律实现了极高的资本回报率。而今，超大规模云服务商开启的 「大手笔」 投资，极易导致资本错配。随着资本基数的急剧扩张，利润表现往往难以同步跟进，这意味着两到四年后，美股的资本回报率将不可避免地低于现状。
「从更微观的层面看，目前投入巨资兴建的数据中心很可能在 3 到 5 年内就会过时。技术更迭如此之快，这些公司很快就能学会如何建造更高效、更廉价的基础设施。历史证明，初期的建设方式很快会被创新方案取代。由于今天建造的数据中心成本极高，它们将很难与未来的低成本设施竞争。」 布达吉安称。
他预测：「为了维持竞争力，它们届时不得不降价，但这将无法覆盖其高昂的初始成本。这对人类和 AI 用户是好事，但对于目前正向相关基础设施投入数万亿美元的公司来说，则是场灾难。」
（第一财经）
文章转载自东方财富
