OpenAI与Anthropic同时发声:Scaling Law加速叙事与债务驱动泡沫警告的深度碰撞

一、两种声音，两个世界

2026年6月，一场没有直接交锋的”论战”正在悄然上演。

一边，是当今科技界最有权势的两个人——OpenAI的山姆·奥特曼与Anthropic的达里奥·阿莫迪——几乎在同一时间发表了相近的宣言：Scaling Law非但没有撞墙，反而将在2026年迎来”激进加速”；他们用棋盘稻米的指数寓言告诉世界，AI真正的爆炸式增长才刚刚开始。

另一边，纽约大学斯特恩商学院金融学教授、被誉为”估值之神”的阿斯沃特·达摩达兰（Aswath Damodaran），于6月20日发出了迄今为止最严厉的AI警告：如果AI泡沫破裂，其冲击将远比2000年互联网泡沫更加惨烈——因为这一次，整个行业的底层逻辑已经被债务重构。

这不是一场技术争辩。这是两种完全不同的现实认知，在同一个时代里的正面碰撞。

二、技术方的宇宙观：我们站在第40格

要理解奥特曼和阿莫迪为何如此笃定，必须先理解他们所描述的那个世界。

2.1 “规模”的内涵已经进化

奥特曼在斯坦福的访谈中有一句话值得细品：”在现阶段押注大语言模型扩大规模会失败，是相当误判的。”注意，他说的不是”我们可能成功”，而是”你押注失败是在犯错”——这是一种罕见的、带有进攻性的确定性。

这种确定性从何而来？答案在于，他们所谈的”Scaling”已不再是2020年那个简单粗暴的概念——堆更多数据、训练更大参数量的模型。如今的Scaling已经进化为三条平行曲线的协同推进：

• 预训练规模（Pre-training Scale）
  
  更大的模型，更多更高质量的数据；
• 后训练规模（Post-training Scale）
  
  RLHF、强化学习、指令微调的系统性深化；
• 推理时计算（Test-time Compute / Inference-time Scaling）
  
  模型在”思考”过程中动态分配算力，即以o3、DeepSeek-R1为代表的推理链路革命。

这意味着，即便预训练遭遇了边际收益递减的问题（这本身仍有争议），后两条曲线依然处于早期发展阶段，且三条曲线之间存在复合效应。这才是他们底气的来源。

2.2 第40格与”认知延迟”效应

阿莫迪的棋盘比喻是这场宣言中最具传播力的表达。它的本质是在用指数增长的反直觉性来解释外界的普遍困惑：

棋盘上，前32格的米粒总量不过43亿粒，看起来平平无奇；但第33格开始，每一格都将超越前32格的总和。如果我们现在在第40格，前39格（从GPT-3到今天）那些让人叹为观止的进步，加在一起只是后24格的零头。

这个比喻的深刻之处不仅在于描述增长速度，更在于它揭示了一个结构性认知偏差——公众感知永远滞后于实验室现实。阿莫迪明确说：他们如此自信，是因为他们在实验室里亲眼见到了远超外界想象的进展。

这是一个”信息不对称”的宣言，也是企业从来不会完整披露的那种核心优势的罕见暗示。

2.3 奥特曼为何点名LeCun？

奥特曼主动提及Yann LeCun，并非出于个人恩怨，而是一次精心设计的叙事操作。LeCun是当今人工智能领域最具声望的科学家之一，他长期坚持认为大语言模型是”死胡同”，无法走向真正的智能。奥特曼选择回应，是在向市场传递一个信号：就连领域内最顶尖的质疑声音，也没有动摇我们的判断。

这是一种”以敌人的强大来定义自己的确定性”的修辞策略。

三、达摩达兰的世界：Spotify困局与债务炸弹

然而，就在技术方描绘星辰大海的同时，达摩达兰正在进行另一种运算。

3.1 互联网泡沫2.0？不，比那更危险

2000年的互联网泡沫留下了一个历史印记：当泡沫破裂时，股东损失惨重，但伤害相对局限在资本市场。那些破产的dot.com公司，其资产本质上是代码和域名——清算时几乎一文不值，但也不会形成系统性的社会传导。

本轮AI热潮的底层结构截然不同，这正是达摩达兰最深的忧虑所在：

“AI热潮与互联网泡沫存在一个关键区别：AI行业需要投入巨额资金建设数据中心等实体基础设施，而且相当一部分投资依靠举债完成。一旦市场大幅调整，损失不会仅由股东承担，还可能向整个社会扩散。”

具体数字可以佐证他的判断：高盛最新报告显示，AI已经形成一个5.3万亿美元的资本支出周期，各大超大规模云厂商（Hyperscaler）正在以前所未有的速度兴建数据中心、采购芯片、布局电网。其中相当比例通过债务市场融资——这使得一旦出现回调，冲击将沿着债务链条向外传导，波及银行、债券市场乃至整体经济。

这是一颗被技术乐观主义包裹的债务炸弹。

3.2 “Spotify困局”：AI商业模式的根本性缺陷

达摩达兰提出的最犀利的分析维度，是AI商业模式的规模经济失灵问题。

传统软件产业的神话在于其近乎为零的边际成本：Windows多一个用户，微软的成本几乎不变；微信再增加一亿用户，带宽成本的边际增量可忽略不计。这是传统科技公司高估值的根本支撑。

但AI不是这样运作的：

• 每一次用户查询，都需要消耗实实在在的算力（GPU/TPU计算周期）；
• 用户越多，推理成本越高；
• 模型越强大，单次推理成本往往越贵；

这让AI的商业模式更接近Spotify（每次播放都有版权成本），而非Netflix（内容成本可通过用户增长摊薄）。你用的越多，厂商烧的越多。这意味着，在不突破算力效率瓶颈的前提下，AI公司很难随着用户增长而实现利润率的系统性改善。

更危险的是，DeepSeek等中国竞争者的存在正在将这一竞争压力推向极限。当模型能力趋于同质化、而开源力量持续拉低使用门槛时，AI服务的定价权将被大幅侵蚀，留给头部公司的利润空间将愈发逼仄。

3.3 两难悖论：成功的代价同样可怕

达摩达兰的分析中有一个极其深刻的悖论，值得单独审视：

“如果AI真能实现这一目标，一半白领员工可能失去工作。若足以支撑AI高估值的宏大叙事成真，将给社会带来极其惊人的代价。”

换言之，这是一个“成则伤社会，败则伤市场”的双输格局。

• 如果Altman和Amodei是对的
  
  AI能力确实指数级爆发，大量知识型工作将被取代，社会将面临史无前例的就业震荡，政治风险和监管反弹将接踵而至；
• 如果达摩达兰是对的
  
  技术突破被高估、商业模式无法支撑，数千亿美元的债务将引发比2000年更痛苦的资产负债表危机。

这个悖论揭示了一个令人不安的事实：AI这场赌局，无论输赢，代价都将被整个社会分担。

四、深层冲突：动机、叙事与”真相的市场”

将两方的观点并列审视，会发现表面上的技术争论背后，是一场关于动机结构的深层博弈。

4.1 奥特曼与阿莫迪的动机矩阵

用户在最初的分析中已经指出了这一点，但值得更深入展开——他们同步发声的背后，至少存在三重动机的叠加：

① 为巨额资本支出正名

OpenAI计划投入数十亿美元的”星际之门”计划（Stargate），Anthropic亦在持续扩张计算基础设施。在市场上弥漫着”AI投资是否过热”的质疑声音时，两位CEO的表态，本质上是为尚未转化为营收的巨额资本投入构建合法性。

这并不意味着他们在说谎——他们可能真的相信这一切。但利益与信念的高度一致性，使得外部观察者必须保持批判性距离。

② IPO前的估值护航

OpenAI和Anthropic均处于IPO筹备轨道上。一家公司的估值，高度依赖于市场对其核心技术护城河的信心。在上市窗口打开之前，维持”Scaling Law仍在加速”的市场叙事，等同于在为自己的估值锚定区间”打桩”。

历史上，科技公司创始人在上市前发表乐观公开声明，是惯常操作，也是投行路演的一部分。以这个视角看，斯坦福的访谈和摩根士丹利的会议，本身就是精心选择的舞台。

③ 内部进展的真实自信

当然，也不能排除他们说的是实话。实验室内部的进展，确实存在对外保密的传统——无论出于竞争保密还是监管谨慎的考量。阿莫迪提到的”认知延迟”——公众感知滞后于实验室现实——如果为真，那确实意味着外界的悲观可能是基于不完整信息的过度反应。

真正的问题是：这三种动机无法被外部观察者分解和剥离。 它们是同时存在的，而市场往往只能选择相信其中之一。

4.2 达摩达兰的视角为何独特

达摩达兰的价值，不仅在于他说了什么，更在于他站在哪个位置说。

作为一个没有AI公司股权、没有投资人利益牵扯、也不寻求风投背书的学术估值专家，他是这场讨论中极为罕见的”无利益相关方”。他的分析框架来自数十年的估值实践：自由现金流、边际成本结构、债务可持续性——这些是完全独立于技术信仰的财务标准。

在技术叙事主导一切的当下，这种视角的稀缺性本身就构成了某种”异端价值”。

但他也有其局限：他的框架是回顾性的，擅长解构已有商业模式的财务逻辑，但对于尚未展开的技术范式转变，历来存在低估的倾向。互联网早期，也有无数严肃的经济学家基于”没有清晰商业模式”而看空，最终被历史证伪。

五、超越争论：三个真正值得追问的问题

与其简单地在技术乐观主义和财务怀疑论之间站队，更有价值的思考是：这场争论揭示了哪些被双方都刻意回避的深层问题？

问题一：算力效率的拐点何时到来？

达摩达兰的”Spotify困局”的核心假设是：推理成本不会以足够快的速度降低。这一假设目前是合理的，但它是否能继续成立，取决于芯片架构创新（如专用推理芯片的进步）、模型蒸馏与量化技术的突破，以及能源效率的改善。

如果推理成本曲线在未来两年内出现真正的量级下降（如从每百万Token 15美元降至0.15美元），达摩达兰的商业模式批评将基本失效。这是技术方真正的”决定性押注”。

问题二：Scaling的”三条曲线”是否真的可以独立支撑彼此？

奥特曼和阿莫迪所描述的三条Scaling曲线（预训练、后训练、推理时计算），理论上构成了一个防止”撞墙”的冗余体系。但有一点需要质疑：推理时计算的突破（思维链、长推理）目前仍建立在足够大的基础模型之上。若预训练真的遭遇根本性的收益递减（如互联网文本数据已近枯竭），后两条曲线是否能在没有更优质基础模型的前提下继续飞驰，仍是悬案。

这是他们语焉不详的部分。

问题三：谁来为”双输悖论”设计安全网？

无论AI能力最终发展到什么程度，达摩达兰的那个悖论都是真实存在的——成功的代价可能同样灾难性。而令人遗憾的是，在奥特曼和阿莫迪关于AI巨大潜力的宣言中，关于就业替代、社会安全网重构和财富再分配的讨论，几乎是缺席的。

这不是一个技术问题，是一个政治经济学问题。而正是这个被技术领袖们刻意留白的问题，决定着”AI成功”是否真的算得上是人类的成功。

六、结语：棋盘上的赌局，谁在下注，谁在买单

让我们回到那个棋盘的比喻。

阿莫迪说，我们在第40格。他是对的——这个比喻本身没有问题。指数增长确实有这样的特征：前期看似平静，后期摧枯拉朽。GPT-3到今天，确实只是棋盘的前半段。

但棋盘比喻有一个致命的遗漏——粮仓里有没有那么多米。

指数增长需要指数级的资源供给：算力、电力、人才、资本，以及社会稳定的底层支撑。达摩达兰的警告，本质上是在说：我们用来摆满棋盘后半段的米，相当大一部分是借来的，而且借的方式使得一旦预期落空，还款的痛苦将漫溢出资本市场，流进每一个普通人的生活。

奥特曼和阿莫迪并没有说谎。他们在实验室里看到的，可能确实是真实的，也可能真的是划时代的。

但与此同时，有一个更需要被看见的真相：科技史上从未出现过技术的赢家与金融的受害者完全不重叠的先例。互联网本身成功了，但追高NASDAQ的散户，在2001年哭了很多年。

所以，在这场”Scaling加速”与”泡沫警告”的交响协奏中，真正清醒的立场，大概是这样的：

相信技术会到达那里，但不相信所有试图搭乘的人都能安全落地。

棋盘上的稻米游戏是真实的。但棋盘之下，是谁的土地，谁来承担失收的风险——这个问题，比第40格是否真的到来，更值得此刻的我们认真思考。

数据参考：Damodaran警告（2026.06.20, LiveMint/IT之家）；Sam Altman斯坦福访谈；Dario Amodei摩根士丹利全球科技会议；Goldman Sachs AI CapEx 5.3T报告