AI需要加速还是放缓

最近AI圈子又热闹起来了。一边是Anthropic刚发布关于递归自我改进（Recursive Self-Improvement）的文章，呼吁建立可验证的机制来放缓前沿AI发展；另一边，OpenAI、SpaceX和Anthropic的IPO浪潮已近在眼前。AI能否创造“上帝”？这场关于“该不该慢下来”的辩论，正好撞上资本市场最宏大的叙事。

作为长期观察者和参与者，我尊重Anthropic的安全考量，但我认为：现在放缓AI发展还为时过早。在我们真正看到AI在科学发现、企业应用和人类福祉上带来显著突破之前，在负面认知仍主导社会讨论的时候（这在美国和欧洲特别明显），继续推进技术、加深理解，才是更负责任的选择。

AI故事已被社会广泛接受，赢家格局已逐渐清晰

过去几年，AI已从实验室走向大众。ChatGPT等工具让普通人感受到了力量，社会对AI的认知度大幅提升。但与此同时，负面感知依然强烈：失业担忧、隐私风险、财富集中，甚至“AI会毁灭人类”的讨论不绝于耳。

现实的投资图景则更加分层：

最大的赢家是“铲子、铁锹”公司：半导体（NVIDIA、Micro、ASML等）、能源、数据中心基础设施。这些基础层玩家实实在在地受益于算力爆炸。数据中心建设、电力需求等领域订单暴增，快速推理使存储芯片供不应求，股价和业绩已有明显兑现。

前沿实验室风头正劲，但盈利仍遥遥无期。  OpenAI、Anthropic 等估值已飙升至数千亿美元区间（Anthropic 最新一轮甚至逼近 1 万亿美元），营收增速迅猛，逐渐拉开与其他竞争者的差距，成为推动整个生态情绪的核心引擎。然而，巨额算力投入让盈利路径依旧漫长。IPO 浪潮正在逼近。  OpenAI 计划在 9 月左右上市、Anthropic 已秘密递表、SpaceX 也将以 Starlink 业务驱动估值重估——这些动作都指向同一件事：资本市场对“购买算力”的需求仍在升温，短期内会进一步点燃情绪。但热潮背后也浮现隐忧。马斯克已经开始出售算力，意味着供给端正在松动；头部模型之间的差异化难题仍未解决；LLM 是否正在快速商品化；如果最终只有两三家占据绝对份额，其它大厂释放的算力是否会导致整体需求增速放缓？上周市场对硬件公司的高估值已出现回调，这种冷静反而让行业的长期发展更健康。

应用层公司正在进入“营收增长与生产力提升并存”的阶段，但结构性调整也同步发生。  对大量中小企业而言，AI 的价值已经开始落地：许多从未雇佣过程序员的公司，第一次开始招聘工程师来开发内部应用，用自动化流程替代分析师岗位，业务效率显著提升。

大型平台的生产力跃升更为明显。亚马逊等超级平台通过 AI 优化供应链、物流、客服与广告投放，已经实现了可量化的生产力提升。但与此同时，它们也在进行组织调整，重新配置人力与流程，以适应 AI 驱动的运营模式。

但一个关键矛盾正在浮现：收入增长 ≠ 终端价值普及。  许多企业的确看到了营收增长，但距离将 AI 转化为“大规模、普惠、可复用”的终端用户价值仍有距离。换句话说，真正意义上的 “杀手级应用” 还没有出现，行业仍处在“效率提升期”而非“需求爆发期”。

为什么现在不该放缓？AI仍有巨大潜力，继续开发才能看清机制与局限

Anthropic的担忧有道理：模型已在编码等领域极大加速自身研发，递归自我改进的早期迹象已现。如果AI完全自治到来，控制和对齐难度会指数级上升。

但我的核心观点与此相反：管理未知风险的最好方式，就是继续大力发展技术，鼓励竞争，从而更好地理解它的内在机制、局限性和真实潜力。

• 在数据丰富、规则清晰的领域（如编码），AI已展现惊人能力。这正是递归改进最快的部分。
• 但在科学发现、企业深度转型、投资alpha发现等复杂领域，进展仍是辅助性的。稀疏数据、高噪音、真实世界验证、高不确定性让AI尚未实现突破性自主发现。只有通过持续迭代，我们才能暴露并解决这些瓶颈。

历史经验告诉我们，创新往往在快速试错中成熟。过早踩刹车，尤其是单边的放缓，只会把优势拱手让给不一定遵守相同规则的竞争者。全球竞争环境下，这不是谨慎，而是战略风险。

我同意需要有意识的治理框架。监管讨论、红队测试、研究对齐等都应积极推进。但在各方尚未达成共识、政府和现有企业对技术机制理解仍不充分之前，就匆忙立法或强行暂停，为时过早。这可能会冻结在次优状态，延误真正造福人类的突破——从药物发现、新材料，到气候解决方案和金融创新。

但最近All-In Podcast上，Planet Labs CEO Will Marshall和Cerebras CEO Andrew Feldman的对话让我更加坚信：AI的潜力远未耗尽。Marshall提出“Large Earth Models”（大型地球模型，或称“World Data Model”）的概念——不再仅靠互联网文本训练，而是将海量卫星时间序列、世界图像数据纳入AI训练，构建“planetary intelligence”（行星智能）。Planet Labs每天拍摄地球陆地全貌，这些实时物理世界数据将开启AI理解现实动态的新时代，从气候监测到资源管理，都将迎来突破。

与此同时，Cerebras的晶圆级技术（Wafer-Scale Engine）展示了硬件层的革命性进步：单片晶圆尺寸约为传统GPU的50倍，通过将海量内存直接集成在计算核心旁，内存访问速度实现数量级提升，极大缓解了LLM的“内存墙”瓶颈，让推理速度更快、更高效。

这些进展表明，AI在多模态、世界模型、硬件架构等方面仍有巨大上升空间。只有继续大力发展，我们才能更好地理解其内在机制、暴露局限性，并最大化有益潜力。在数据丰富、规则清晰的领域，AI已展现惊人能力；而在科学发现等复杂领域，持续迭代才能带来真正突破。

分享AI红利：Trump的政府持股与公众分红构想

在如何让更多人从AI发展中直接受益方面，特朗普最近提出了一个有趣的想法：政府可与AI公司形成“伙伴关系”，通过持有部分股权（voluntary方式），让美国公众成为AI成功的共同受益者——例如通过分红直接惠及普通民众。

这虽然在一定程度上偏离了纯粹的市场经济原则，但在我看来是一个值得认真讨论的好主意。它能有效缓解社会对AI的负面情绪，让广大公众直接分享技术红利，而非只让少数公司和投资者获益，政府也能参与其中而不仅是旁观者。政府不需要主动“挑赢家”，而是可以参与那些显而易见的受益者——如最大半导体公司、前沿模型实验室等战略性企业。这既能凝聚社会共识，也为AI长期发展提供更广泛的政治支持。

更广阔的景观：AI对社会的长期影响

AI不会一夜之间改变一切，但它正在重塑生产力曲线。负面冲击真实存在，但历史上的技术革命最终都创造了更多机会——前提是我们不因恐惧而停滞。

对投资者而言，这意味着关注底层基础设施的同时，也要耐心等待应用层真正成熟。亚洲高净值家庭和机构在配置全球资产时，更应拥抱这一转型，而非被短期噪音左右。

结语：保持加速，拥抱理解

AI的故事才刚开始。OpenAI、SpaceX、Anthropic的IPO不仅是资本事件，更是技术成熟度的里程碑。在我们看到AI真正大规模惠及人类社会之前，继续推进开发、深化机制理解、最大化有益潜力，并探索公平分享机制，才是明智之选。

让我们以开放、审慎却积极的心态，共同迎接这个时代。

（以上纯属个人观点，不构成投资建议。）