关于人工智能泡沫的事

总结概述

这篇文章重新评估“AI 是否处在泡沫中”这个问题。作者承认，六个月前 AI 行业看起来非常像泡沫：企业用大量借来的钱建设数据中心，却没有清晰盈利路径，舆论也常把它与 19 世纪铁路泡沫和 90 年代互联网泡沫相比。但今天的情况发生了变化，尤其是 Claude Code、OpenAI Codex、Cursor 等 AI 编程工具表现出显著生产力提升后，企业真实需求快速上升。

文章并没有简单宣布泡沫论失败，而是把争论推进到更关键的问题：AI 编程热潮是否能扩展到更广泛的知识工作。如果 AI 只擅长代码，那么数据中心、芯片和云基础设施投资可能仍会过剩；如果法律、金融、咨询、营销和办公任务也能被代理型 AI 大规模自动化，那么当前投资可能只是新一轮生产力基础设施建设的开始。作者最后认为，证明责任已经从 AI 支持者转向怀疑者。

文章基本事实

•作者称，六个月前 AI 行业看起来像泡沫，企业投入数千亿美元建设数据中心，但盈利路径并不清楚。

•OpenAI CEO Sam Altman 曾公开表示，投资者整体上确实可能对 AI 过度兴奋。

•Anthropic 的收入增长被文章描述为可能是资本主义历史上最快之一，速度超过疫情期间的 Zoom、早期 Google 和镀金时代的 Standard Oil。

•作者认为这轮变化的核心原因可以概括为 Claude Code。

•Ethan Mollick 表示，AI 正从“主要会说话的聊天机器人时代”进入“能实际做事的代理时代”。

•SemiAnalysis 的 Jordan Nanos 称，其小团队在人数不变的情况下，软件产出约为去年的四倍。

•早期实验显示开发者使用 AI 反而慢 20%，但用最新工具重做实验后，开发者使用 AI 比不用 AI 快近 20%。

•Goldman Sachs 访谈 40 家软件公司后发现，许多企业在 AI 工具上的支出已大幅超过初始预算。

•Anthropic 和 OpenAI 仍未盈利，Anthropic 预计 2028 年盈利，OpenAI 预计 2030 年盈利。

•MIT 研究估计，AI 系统到 2029 年可能完成 80% 到 95% 的文本型白领任务。

核心观点/意见/看法

✓“AI 泡沫”问题不能只看投资规模，还要看真实生产力提升是否足以支撑需求。

✓AI 编程工具已经跨过某个关键门槛，让企业愿意真实付费，这改变了泡沫讨论的基础。

✓当前最大不确定性是编码能力能否迁移到其他知识工作，而不是 AI 是否完全有用。

✓如果 AI 需求只集中在编程领域，基础设施建设仍可能形成严重过剩。

✓如果代理型 AI 能自动化更广泛的办公流程，那么现在的高投入可能会被证明是合理的。

文章具体内容整理

1) AI 行业从泡沫疑云转向真实需求

•六个月前，数据中心投资、借债扩张和缺乏盈利路径让 AI 行业看起来像典型投机周期。

•但 Claude Code 等工具让软件开发者开始大规模采用 AI，并报告显著生产力收益。

•企业对 AI 工具的付费订阅快速增加，美国企业中至少订阅一项 AI 工具或服务的比例从 2025 年初约四分之一上升到如今超过一半。

2) 编程代理改变了企业对 AI 的评价

•Claude Code 能让自主 AI 代理接管电脑，在数分钟或数小时内完成过去需要人类数天或数周的编程任务。

•OpenAI Codex、Cursor 等工具也推出类似能力，使 AI 从生成文本的助手变成能执行复杂任务的工作代理。

•这种变化对软件密集型行业影响巨大，也让企业开始把 AI 工具视为生产力基础设施，而不只是新奇产品。

3) 泡沫怀疑者担心热潮只限于代码

•怀疑者认为，编程之所以特别适合 AI，是因为训练数据多、输出范围有限、结果较容易客观评估。

•法律文书、营销方案或咨询报告等工作缺少同样明确的评判标准，也缺少足够高质量领域数据。

•如果 AI 收入增长主要依赖编程场景，那么新建数据中心投入使用时可能发现需求不足，导致 AI 公司、芯片商、云服务商和数据中心建设者承受巨大损失。

4) 支持者认为多数知识工作结构相似

•SemiAnalysis 分析师提出，知识工作大多由读取信息、思考、写出结构化成果、验证结果四个环节组成。

•编程在验证环节更容易，但法律、金融、咨询、营销等领域的许多任务也可能靠专家样本和标准化流程被 AI 学会。

•MIT 研究显示，AI 完成现实白领任务的能力从 2024 年中期的 50% 上升到一年后的 65%，研究者认为这仍是非常快的改善速度。

5) 代理型 AI 可能把泡沫争论推向新阶段

•文章提到 Claude Cowork 等代理工具可以接管电脑，完成制作幻灯片、发送邮件、安排会议等非编码任务。

•AI 行业分析师 Azhar 描述，他们会让 AI 代理模拟客户小组、生成反馈报告，再转化为产品改进清单，而这些过去需要团队和数月时间。

•作者最后认为，六个月前泡沫论依靠现实证据，而反泡沫论依靠未来承诺；如今真实需求已经出现，怀疑者需要解释为什么这种增长不能持续。

— END —