夜雨聆风1985年3月15日，一家叫Symbolics的公司注册了互联网历史上第一个.com域名：symbolics.com。
这是一个几乎没人注意到的时刻。1985年的互联网还是学术网络，域名注册是免费的，没有任何商业价值。Symbolics注册它，只是因为公司需要一个电子邮件地址。
但Symbolics本身，在1985年，是华尔街最热门的故事之一。
这家公司卖的东西叫LISP机器——一种专门为运行LISP语言而设计的计算机。LISP是人工智能研究的首选编程语言，由John McCarthy在1958年发明。Symbolics的机器一台售价超过十万美元，买家是Fortune 500公司的研发部门、军方实验室、华尔街的交易公司。1986年，Symbolics有七百名员工，年营收1.14亿美元，利润季季增长。《洛杉矶时报》称它是"智能计算机领域的领跑者"。
七年后，1993年，Symbolics申请破产保护。全国只剩22个员工。
这中间发生了什么？
1 - 日本人来了
1981年10月，东京。日本通产省（MITI）召开了一场国际会议，宣布了一个名为"第五代计算机系统"的十年国家计划。目标是：造出能推理、能理解自然语言、能自主学习的计算机。预算高达五百亿日元，大约四亿美元。
这个消息在美国引发的反应，今天看来有些夸张。但你必须理解1981年的背景：日本正处于经济奇迹的顶峰。日本汽车正在碾压底特律，日本半导体正在蚕食硅谷的市场份额。美国人刚刚经历了一轮痛苦的去工业化，对"日本威胁"的恐惧弥漫在从国会到报纸头版的每一个角落。
然后日本人说：我们要造会思考的计算机了。
斯坦福大学的Edward Feigenbaum（爱德华·费根鲍姆）是最先发出警报的人。费根鲍姆是"专家系统之父"——他在六十年代开发的DENDRAL是第一个成功的专家系统，能根据质谱数据推断化学分子结构。1983年，他和科技记者Pamela McCorduck合著了一本书，书名就叫《第五代：人工智能与日本对世界的计算机挑战》（The Fifth Generation: Artificial Intelligence and Japan's Computer Challenge to the World）。
书的核心论点很简单：日本要在AI领域超越美国了，而美国还在睡觉。
这本书成了畅销书。它同时做了两件事：第一，它唤醒了华盛顿——DARPA随后启动了"战略计算倡议"（Strategic Computing Initiative），十年投入十亿美元用于AI研究；第二，它唤醒了华尔街。
投资者突然发现：原来有一整个行业叫"人工智能"，而且美国政府和日本政府都在往里面砸钱。
2 - 专家系统热
华尔街看中的不是学术研究，是专家系统。
专家系统是一种相对简单的AI程序：你把某个领域专家的知识编写成一套"如果……那么……"的规则，让计算机按照这些规则做决策。它不需要"思考"，只需要查规则库。
听起来不性感。但它确实管用。
最著名的案例是DEC（Digital Equipment Corporation）的XCON系统。XCON由卡内基梅隆大学的John McDermott在1978年开发，用来帮DEC自动配置VAX计算机的组件——电缆、接口、扩展卡，哪些兼容哪些不兼容。在XCON之前，这个工作由人工完成，经常出错，退货率很高。到1986年，XCON每年为DEC节省大约四千万美元，准确率在95%到98%之间。
四千万美元。这个数字让所有人坐直了。
突然之间，每一家大公司都想要自己的专家系统。到1985年，美国企业在AI上的年支出超过十亿美元，其中大部分花在了专家系统上。公司内部纷纷成立"AI部门"。杜邦有一百多个专家系统在运行。美国运通用一个叫Authorizer's Assistant的专家系统来检测信用卡欺诈，据报道内部回报率高达45%到67%。
需求催生了供给。一批AI公司迅速涌现：
Symbolics和Lisp Machines Inc.（LMI）卖硬件——专门跑LISP的计算机。IntelliCorp、Teknowledge、Carnegie Group、Aion卖软件——帮企业开发专家系统的工具包。Applied Intelligence Systems、Inference Corporation卖应用——针对特定行业的成品专家系统。
风投闻到了血的味道。硅谷出现了专门投AI初创公司的基金。
3 - 上市
1983年，IntelliCorp以每股6美元的价格上市。这家公司的主打产品叫KEE（Knowledge Engineering Environment），是一个帮企业构建专家系统的开发工具。上市后股价迅速翻倍。
IntelliCorp的前身叫IntelliGenetics——一家做基因工程软件的小公司，改名加上"Intelli"前缀之后，摇身一变成了AI概念股。这种操作在八十年代并不罕见。
Teknowledge在1986年上市。这家公司由斯坦福大学的AI研究者创办，费根鲍姆本人是顾问委员会成员。它卖的是专家系统开发工具和咨询服务。
Symbolics也在八十年代中期上市，巅峰时市值数亿美元。它的创始团队几乎全部来自MIT人工智能实验室——正是Minsky和McCarthy建立的那个实验室。Symbolics的LISP机器被认为是当时最强大的AI开发平台，一台3600系列的售价在十万美元左右。它的客户名单读起来像一份美国科技实力的清单：NASA、CIA、NSA、波音、通用电气、高盛。
1986年是Symbolics的巅峰之年。营收1.14亿美元，员工七百人，利润连续增长。《洛杉矶时报》在那年的一篇报道中写道，Symbolics的季度利润同比增长了275%。
华尔街分析师们开始写报告：AI是下一个半导体。
4 - 崩塌
要理解接下来发生的事情，你需要知道一个背景：1985年的计算机和今天的计算机完全不是同一个物种。
今天你买一台笔记本电脑，它什么都能干——写文档、剪视频、跑游戏、训练神经网络。软件决定功能，硬件是通用的。但在八十年代中期，通用计算机的性能还很弱。如果你想高效运行某一类程序，最好的办法是专门为那类程序设计一台机器——从芯片架构到操作系统都为它优化。这就是Symbolics的LISP机器存在的理由：它是一台从硬件底层开始就为LISP语言量身定做的计算机，运行AI程序的速度远超同时代的通用机器。
这个优势在1987年消失了。
Sun Microsystems的Unix工作站和IBM兼容机的性能每年都在飙升，价格每年都在下降。摩尔定律让通用芯片的速度追上了专用芯片。到1987年，一台两万美元的Sun工作站已经能够运行相当不错的LISP程序——不如Symbolics的十万美元机器快，但对大多数应用来说够用了。而且Sun工作站还能跑其他所有软件。
企业的采购经理算了一笔账：花十万美元买一台只能跑LISP的专用机器，还是花两万美元买一台什么都能跑的工作站？答案不需要思考。
LISP机器市场在1987年几乎一夜之间崩溃。
Symbolics的收入断崖式下跌。公司开始裁员，先是几十人，然后几百人。管理层在公司还在赚钱的时候签下了长期办公室租约和工厂租约，现在这些租约变成了无法甩掉的负担。新加坡的一处大型办公场所，空置了好几年，Symbolics付不起租金，新加坡政府又拒绝解除合同。
更致命的打击来自专家系统本身。
企业逐渐发现，专家系统有一个根本性的问题：知识瓶颈。你必须让人类专家坐下来，把他们脑子里的知识一条一条地编成规则。这个过程极其漫长、昂贵，而且专家往往说不清楚自己的决策逻辑——很多判断是直觉，不是规则。一个大型专家系统可能需要几千甚至上万条规则，维护起来是噩梦。
DEC的XCON确实省了钱，但它最终膨胀到包含超过一万条规则，维护成本越来越高，越来越脆弱。当DEC自身在九十年代初陷入困境时，XCON也被抛弃了。
1988年3月，《纽约时报》刊登了一篇标题为"人工智能的挫折"的长篇报道。文章描述了一片萧条的景象：Teknowledge已经停止销售产品、裁掉了三分之一以上的员工；IntelliCorp连续六个季度亏损；Symbolics的股价从高点暴跌。
DARPA也在收紧钱袋。战略计算倡议本来要"开发一台每秒执行一百亿条指令的机器，让它能看、能听、能说、能像人一样思考"。到八十年代末，这些目标显然不可能实现，DARPA大幅削减了AI经费。
而日本的第五代计算机计划呢？十年、五百亿日元花完之后，1992年项目正式结束，没有产出任何实用产品。它选择了Prolog语言和并行推理机作为技术路线，但这条路线被证明是死胡同。那个曾经让美国人恐慌的"日本AI威胁"，悄无声息地消失了。
5 - 最先倒下的
AI公司的死亡顺序，几乎和它们的融资轮次成反比。
最先倒下的是软件公司。Teknowledge在1988年基本停止运营。IntelliCorp在九十年代初转型做数据库软件，与AI彻底脱钩。Carnegie Group被收购。
然后是硬件公司。LMI（Lisp Machines Inc.）在八十年代末倒闭。Symbolics撑得最久——毕竟它曾经是这个行业的旗舰——但营收逐年萎缩，从1.14亿美元跌到几百万美元。1993年2月，Symbolics申请了Chapter 11破产保护。从巅峰到破产，不到七年。
那个互联网历史上的第一个.com域名，symbolics.com，在2009年被一个域名投资者买走。Symbolics本身已经不复存在。
"人工智能"这个词在整个九十年代变成了一个有毒的标签。创业者和研究者学会了回避它。做神经网络研究的人管自己叫"机器学习"。做自然语言处理的人管自己叫"计算语言学"。没有人愿意把"AI"写进融资计划书的标题里，因为投资人听到这两个字母就会想起赔掉的钱。
Geoffrey Hinton后来回忆这段时期，说他在申请研究经费时从不使用"人工智能"或"神经网络"这样的字眼，因为那些词"会让你的申请直接被扔进垃圾桶"。
6 - 回声
1984年，就在AI泡沫最膨胀的时候，两个人发出了警告。
在AAAI（美国人工智能协会）的年会上，Roger Schank和Marvin Minsky——两位经历过七十年代第一次AI寒冬的老兵——公开警告说：AI商业化的热潮正在制造不切实际的期望，泡沫破裂是迟早的事。
Minsky的意思是：当你把一个科学问题变成一门生意，你就必须向客户承诺成果的时间表。但科学不按时间表运作。
没有人听。1984年的华尔街正在忙着给AI公司定价。
四十年后，2024年。NVIDIA的市值突破三万亿美元，成为全球最值钱的公司之一。它的GPU是训练大型语言模型的核心硬件，地位类似于1985年Symbolics的LISP机器——整个AI行业的基础设施提供商。每一份华尔街研报都在写：AI是下一场工业革命。
但这一次和上两次有一个根本性的区别：AI每一轮热潮，技术都在实质性地进步。
五十年代的AI只存在于论文和实验室演示里，普通人接触不到。八十年代的专家系统确实在企业内部发挥了作用——XCON帮DEC配置电脑，Authorizer's Assistant帮美国运通抓欺诈——但这些系统锁在公司的机房里，普通人的日常生活没有任何变化。
2024年的情况完全不同。ChatGPT上线两个月用户破亿。你的邻居在用AI写邮件，你的孩子在用AI做作业，你的同事在用AI生成代码。翻译、客服、图像生成、语音助手——AI已经渗透进了普通人每天都在使用的工具里。这种渗透的广度和深度，是五十年代和八十年代的AI从业者做梦都想不到的。
从技术的角度看，AI从来没有"泡沫"。它一直在进步，从感知器到专家系统到深度学习到大语言模型，每一代都比上一代强大得多，解决的问题都比上一代真实得多。
泡沫从来不属于技术本身。泡沫属于那些看到一项真实技术进步，然后把它包装成"改变一切"的宏大叙事，再把这个叙事卖给不懂技术的投资者的人。1985年，是华尔街把Symbolics的股价炒到几百倍市盈率，不是LISP机器本身有什么错。2024年，如果有泡沫，那也是金融市场的泡沫，不是AI的泡沫。
Minsky在1984年说的那句话，其实说反了。问题从来不在于科学不按时间表运作。问题在于，金融市场要求一切都按时间表运作——季度财报、年度增长、分析师预期。当一项需要十年才能兑现的技术承诺被包装成下个季度就能变现的投资标的，泡沫就产生了。
技术没有骗任何人。骗人的是那些卖故事的人。
