本文來自微信公眾號(hào)“數(shù)據(jù)猿”，【作者】一蓑煙雨。
近來，關(guān)于AI是否又在吹出一場泡沫的質(zhì)疑聲不斷出現(xiàn)。有人認(rèn)為，這波由深度學(xué)習(xí)和大模型引領(lǐng)的AI浪潮，雖然技術(shù)看似先進(jìn)，但在商業(yè)化上面臨巨大挑戰(zhàn)。除了硬件公司如英偉達(dá)賺得盆滿缽滿，很多AI企業(yè)還處于燒錢狀態(tài)，盈利路徑模糊。加上大模型缺乏“殺手級(jí)應(yīng)用”，有人開始懷疑，這是否只是又一次被炒作的泡沫。
然而，2024年，諾貝爾物理學(xué)獎(jiǎng)和化學(xué)獎(jiǎng)先后頒給了與AI相關(guān)的科學(xué)家。一個(gè)推動(dòng)了機(jī)器學(xué)習(xí)的理論創(chuàng)新，另一個(gè)揭示了蛋白質(zhì)折疊問題。這個(gè)“AI雙冠王”無疑讓那些質(zhì)疑AI是“泡沫”的聲音變得微弱。
AI的發(fā)展到底是真正的技術(shù)革命，還是我們又在經(jīng)歷一場被高估的泡沫幻覺？兩大諾貝爾獎(jiǎng)背書，是否意味著AI泡沫論已經(jīng)被科技界打破？甚至?xí)埔粓龈土业腁I狂潮？
一、AI的幾起幾落，泡沫的歷史與邏輯
AI的歷史就像是一場反復(fù)上演的劇目，每隔一段時(shí)間，技術(shù)熱潮席卷而來，吸引無數(shù)資本和市場期待，但大多數(shù)時(shí)候，它們會(huì)在泡沫破滅后，留下無盡的失望?？v觀AI的發(fā)展歷史，我們不難發(fā)現(xiàn)，這種現(xiàn)象已經(jīng)重復(fù)了數(shù)次。
歷史回顧：從感知機(jī)到神經(jīng)網(wǎng)絡(luò)，起起落落。
第一次AI熱潮出現(xiàn)在20世紀(jì)50年代，感知機(jī)模型被賦予了過高的期望。當(dāng)時(shí)，科學(xué)家們相信這種模仿神經(jīng)元的簡單模型能夠解決諸多感知問題，甚至被認(rèn)為是未來通用AI的基石。但事實(shí)很快證明，感知機(jī)在處理非線性問題時(shí)徹底無能為力。很快，這一“突破性技術(shù)”迅速跌入低谷，泡沫破滅，AI的第一個(gè)浪潮結(jié)束。
Mark I感知機(jī)圖片來源：美國國家歷史博物館
到了80年代，專家系統(tǒng)的崛起讓AI再度回到聚光燈下。這種基于規(guī)則和知識(shí)庫的系統(tǒng)被視為一套可以模仿人類專家決策的解決方案。當(dāng)時(shí)，科技界對專家系統(tǒng)充滿信心，甚至預(yù)言其將取代人類專家在金融、醫(yī)療等復(fù)雜領(lǐng)域的角色。可是，系統(tǒng)的成本高昂、維護(hù)復(fù)雜，且擴(kuò)展能力極差，無法適應(yīng)快速變化的環(huán)境。很快，專家系統(tǒng)的局限性暴露無遺，這一次AI的泡沫也破滅了，學(xué)術(shù)界隨之進(jìn)入了第一次“AI冬天”。
90年代末，神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)重新登上舞臺(tái)，AI的第三次熱潮開始。這一次，技術(shù)似乎更有潛力，通過模擬多層神經(jīng)元的層次結(jié)構(gòu)，AI終于具備了自我學(xué)習(xí)的能力。但這一輪的AI泡沫依然沒能逃過歷史的命運(yùn)。盡管理論上前景廣闊，但當(dāng)時(shí)的神經(jīng)網(wǎng)絡(luò)依舊受限于算力不足和數(shù)據(jù)匱乏。企業(yè)紛紛嘗試應(yīng)用這一技術(shù)，但效果遠(yuǎn)未達(dá)到預(yù)期，AI再一次從熱潮跌入冷靜期。
最后不得不提的是2016年AlphaGo掀起的那波AI熱潮。通過擊敗圍棋世界冠軍李世石，AI成為全球關(guān)注的焦點(diǎn)，似乎AI已經(jīng)可以挑戰(zhàn)最復(fù)雜的人類智力。
然而，AlphaGo的勝利帶來的是一輪被過度炒作的商業(yè)風(fēng)潮，尤其在中國市場上，圍繞計(jì)算機(jī)視覺的創(chuàng)業(yè)公司如雨后春筍般涌現(xiàn)。CV四小龍（商湯、依圖、曠視、云從）一度風(fēng)光無限，融資數(shù)十億。然而，短短幾年過去，事實(shí)證明它們的商業(yè)化進(jìn)展遠(yuǎn)遠(yuǎn)落后于預(yù)期，如今這些企業(yè)依然巨虧。其商業(yè)化雖然取得進(jìn)展，但跟當(dāng)初的期待相比依然差距很大。
AI泡沫為何屢次破滅？
那么，為什么AI的每一輪熱潮總是會(huì)變成泡沫？背后的邏輯非常清晰：技術(shù)突破與市場期望的錯(cuò)位。每當(dāng)AI技術(shù)在實(shí)驗(yàn)室或某些特定領(lǐng)域取得突破，市場就會(huì)將這種局部成功過度放大，期待AI能夠迅速在各個(gè)領(lǐng)域中顛覆人類工作和生活。然而，技術(shù)的成熟度通常遠(yuǎn)未達(dá)到這種預(yù)期。當(dāng)關(guān)鍵問題如算力、數(shù)據(jù)和算法性能未能得到根本解決時(shí)，市場的過高期望必然導(dǎo)致失望，資本的撤離則導(dǎo)致泡沫破裂。
更為關(guān)鍵的是，AI泡沫破滅的加速器往往是商業(yè)化的失敗。無論是早期的感知機(jī)還是專家系統(tǒng)，都未能在商業(yè)上找到可行的模式。而最近一波如AlphaGo引發(fā)的計(jì)算機(jī)視覺熱潮，也是因?yàn)榧夹g(shù)無法迅速轉(zhuǎn)化為現(xiàn)實(shí)場景中的盈利模式，導(dǎo)致資本和市場對AI的耐心逐漸消耗殆盡。這種技術(shù)與市場的錯(cuò)位是每一次AI泡沫破滅的主要原因。
再者，每一次AI熱潮都會(huì)暴露出AI發(fā)展的核心技術(shù)瓶頸。感知機(jī)無法處理非線性問題，專家系統(tǒng)無法靈活擴(kuò)展，神經(jīng)網(wǎng)絡(luò)則受到算力和數(shù)據(jù)的限制。如今，雖然深度學(xué)習(xí)和大模型看似強(qiáng)大，但它們?nèi)悦媾R著巨大的技術(shù)挑戰(zhàn)，如推理能力不足、對數(shù)據(jù)的依賴等，這些問題若不能解決，AI的未來依然充滿不確定性。
二、當(dāng)前的AI熱潮是否只是換了馬甲的“泡沫2.0”？
今天的AI浪潮，尤其是由深度學(xué)習(xí)和大模型主導(dǎo)的技術(shù)進(jìn)步，似乎與歷史上那些失敗的泡沫不同。現(xiàn)在的AI擁有了前所未有的算力支持，海量的數(shù)據(jù)為訓(xùn)練提供了肥沃的土壤，算法也更加精進(jìn)，能夠處理極為復(fù)雜的任務(wù)。從機(jī)器視覺到自然語言處理，AI正在多個(gè)領(lǐng)域展現(xiàn)出強(qiáng)大的潛力。
然而，我們不得不問，這一輪的技術(shù)熱潮是否依然有泡沫的成分？除了少數(shù)硬件公司和平臺(tái)如英偉達(dá)賺得盆滿缽滿，大多數(shù)AI公司依然處于虧損狀態(tài)，商業(yè)化路徑依然不明確。這讓人不禁擔(dān)心，當(dāng)前的AI熱潮是否只是換了馬甲的“泡沫2.0”。
技術(shù)瓶頸不可忽視，AI的能力上限在哪里？
即便AI大模型展示了強(qiáng)大的生成和識(shí)別能力，但技術(shù)上的瓶頸依然明顯，特別是在推理能力和理解深度上。GPT等大模型能夠生成令人驚艷的文本和對話，但它并不能進(jìn)行真正的邏輯推理和常識(shí)判斷。這種淺層生成能力讓它在應(yīng)用中屢屢陷入“只懂表面、不懂深度”的困境。
另一個(gè)難題是黑箱問題。AI模型的復(fù)雜度之高，使得其內(nèi)在運(yùn)作機(jī)制難以解釋，尤其是在深度學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)的每個(gè)權(quán)重與節(jié)點(diǎn)之間的關(guān)聯(lián)，幾乎無法通過簡單的規(guī)則來解讀。這種“不可解釋性”讓AI的應(yīng)用在醫(yī)療、金融等高風(fēng)險(xiǎn)領(lǐng)域面臨著巨大的信任危機(jī)。缺乏透明度的算法決策，在遇到重要的行業(yè)標(biāo)準(zhǔn)和法規(guī)時(shí)，難以讓人放心。
此外，AI大模型依賴于海量數(shù)據(jù)，但數(shù)據(jù)本身并非完全可靠。模型訓(xùn)練過程中可能出現(xiàn)數(shù)據(jù)偏差、歧視性數(shù)據(jù)集或數(shù)據(jù)不完整的情況。更為棘手的是，隨著數(shù)據(jù)隱私法律的日益嚴(yán)格，數(shù)據(jù)獲取和使用的門檻變高，隱私問題和數(shù)據(jù)安全問題成為AI商業(yè)化路上的障礙。
商業(yè)化難題，AI的盈利困境。
AI的大模型和深度學(xué)習(xí)無疑推動(dòng)了技術(shù)的巨大飛躍，但在這道光環(huán)背后，隱藏的挑戰(zhàn)不容忽視。盡管技術(shù)突破令人驚嘆，實(shí)際落地和商業(yè)化的困境卻成了不可回避的問題。
深度學(xué)習(xí)和大模型的迅猛發(fā)展讓AI看似無所不能，然而，這一浪潮的商業(yè)化卻充滿了痛點(diǎn)。OpenAI等公司雖然取得了技術(shù)上的重大突破，但盈利模式依舊模糊。例如，OpenAI盡管靠GPT系列獲得了廣泛關(guān)注和幾十億的營收，但因高昂的算力和數(shù)據(jù)成本，依然處于巨額虧損狀態(tài)。這反映出，AI大模型雖然技術(shù)領(lǐng)先，但其高成本、高耗能的問題，限制了大規(guī)模商業(yè)化應(yīng)用。
與此相反，英偉達(dá)作為AI基礎(chǔ)設(shè)施的供應(yīng)商，通過賣GPU賺得盆滿缽滿。為什么只有英偉達(dá)獲利？這主要是因?yàn)榇竽Ｐ偷乃懔π枨簖嫶?，?xùn)練一個(gè)GPT4這樣的模型，往往需要上億美元的計(jì)算資源，這些資源高度依賴GPU。而AI公司本身，卻難以通過服務(wù)變現(xiàn)，處于“燒錢”狀態(tài)。長此以往，許多公司陷入了投入與產(chǎn)出不成比例的困境。
更為關(guān)鍵的是，AI行業(yè)至今缺乏真正的“殺手級(jí)應(yīng)用”。盡管大模型表現(xiàn)搶眼，但至今未出現(xiàn)能像智能手機(jī)、互聯(lián)網(wǎng)那樣，顛覆市場格局的應(yīng)用。許多公司盡管在技術(shù)上取得突破，但卻難以找到穩(wěn)定的盈利途徑。
這讓人不禁聯(lián)想到前幾輪AI泡沫：技術(shù)強(qiáng)勁但商業(yè)模式薄弱，導(dǎo)致資本狂熱之后的泡沫破裂。眼下，盡管AI技術(shù)已經(jīng)更加成熟，但商業(yè)化滯后加上盈利困難，是否意味著這波AI浪潮也難逃泡沫化的命運(yùn)？投資者的熱情是否能持續(xù)，抑或資本會(huì)在技術(shù)與市場錯(cuò)位后再次撤離？這些問題都籠罩在當(dāng)前AI發(fā)展的前景中。
三、諾貝爾獎(jiǎng)連續(xù)投下兩張信任票，AI泡沫論休矣？
然而，當(dāng)諾貝爾獎(jiǎng)投來兩張信任票之后，這些籠罩在AI頭頂上的疑云就被一掃而空了。
諾貝爾獎(jiǎng)具有無可爭議的權(quán)威性。連續(xù)兩年將物理學(xué)獎(jiǎng)和化學(xué)獎(jiǎng)授予與AI相關(guān)的研究，標(biāo)志著AI從炒作走向核心科學(xué)。這不僅為AI的發(fā)展注入了權(quán)威背書，也有效打破了有關(guān)AI泡沫的質(zhì)疑。AI已經(jīng)從技術(shù)工具轉(zhuǎn)變?yōu)榭茖W(xué)發(fā)現(xiàn)的關(guān)鍵驅(qū)動(dòng)力，而諾貝爾獎(jiǎng)的背書則為這一轉(zhuǎn)變提供了最強(qiáng)有力的佐證。
John J.Hopfield的Hopfield網(wǎng)絡(luò)模型最早將AI與物理學(xué)結(jié)合，通過“能量最小化”概念模擬了神經(jīng)元的集體行為。這一物理學(xué)中的核心原理為后來的深度學(xué)習(xí)奠定了理論基礎(chǔ)。Geoffrey Hinton的反向傳播算法則進(jìn)一步推動(dòng)了多層神經(jīng)網(wǎng)絡(luò)的可行性，解決了AI訓(xùn)練的核心問題，讓深度學(xué)習(xí)從理論轉(zhuǎn)向應(yīng)用。這兩項(xiàng)成果不僅改變了AI的發(fā)展軌跡，也讓AI成為理解復(fù)雜物理系統(tǒng)的工具。
AI在生物化學(xué)領(lǐng)域的突破性應(yīng)用體現(xiàn)在AlphaFold對蛋白質(zhì)折疊問題的解決上。長期以來，蛋白質(zhì)折疊被視為“世紀(jì)難題”，傳統(tǒng)實(shí)驗(yàn)方法耗時(shí)耗力。而AlphaFold利用AI精準(zhǔn)預(yù)測蛋白質(zhì)三維結(jié)構(gòu)，為藥物研發(fā)和疾病治療開辟了全新路徑。這一突破不僅顛覆了生物化學(xué)領(lǐng)域的研究方式，也讓AI成為科學(xué)創(chuàng)新的核心推動(dòng)者。
諾貝爾獎(jiǎng)的頒發(fā)直接擊碎了“AI是泡沫”的論調(diào)。過去幾年，AI雖受到廣泛關(guān)注，但也伴隨質(zhì)疑：AI技術(shù)是否真的具備長期價(jià)值？是否會(huì)像早期的幾次AI浪潮一樣在期待與現(xiàn)實(shí)的落差中崩塌？諾貝爾獎(jiǎng)的背書表明，這不是一場短暫的炒作，而是基礎(chǔ)科學(xué)界對AI革命性力量的最高認(rèn)可。
諾貝爾獎(jiǎng)從不輕易頒發(fā)，它只表彰那些對基礎(chǔ)科學(xué)有著深遠(yuǎn)影響的研究。而AI獲得兩項(xiàng)諾貝爾獎(jiǎng)的事實(shí)證明，AI不僅是某些應(yīng)用場景中的強(qiáng)大工具，它已經(jīng)成為解決核心科學(xué)難題的關(guān)鍵力量。
諾貝爾獎(jiǎng)對AI的認(rèn)可，預(yù)示著科學(xué)范式的重大轉(zhuǎn)變。過去，科學(xué)依賴于理論推導(dǎo)與實(shí)驗(yàn)驗(yàn)證，而AI則通過數(shù)據(jù)驅(qū)動(dòng)的方式，直接從復(fù)雜現(xiàn)象中提取規(guī)律。這一范式的變化不僅加速了科學(xué)發(fā)現(xiàn)，還讓科學(xué)家能夠解決傳統(tǒng)方法無法應(yīng)對的問題。
那些質(zhì)疑AI是泡沫的人，忽略了AI對基礎(chǔ)科學(xué)的深遠(yuǎn)影響。AI不僅將主導(dǎo)未來的科學(xué)發(fā)現(xiàn)，還將顛覆我們理解世界的方式。而諾貝爾獎(jiǎng)無疑是對這一技術(shù)革命的最權(quán)威宣言。
四、接下來，將是更猛烈的AI狂潮？
這兩個(gè)諾貝爾獎(jiǎng)，就像兩顆核彈，無疑將在整個(gè)AI市場產(chǎn)生連鎖反應(yīng)。以下的幾個(gè)變化是可以預(yù)期的：
資本狂潮：AI的“淘金熱”
諾貝爾獎(jiǎng)的背書如同給AI行業(yè)注入了一劑興奮劑，資本市場會(huì)迅速反應(yīng)，開啟新一輪AI淘金熱。那些還在觀望的投資者，現(xiàn)在會(huì)更加堅(jiān)定地押注AI技術(shù)，尤其是在科研應(yīng)用領(lǐng)域。金融巨鱷們嗅到了下一個(gè)科技“金礦”，資金將毫不猶豫地涌向AI企業(yè)，誰掌握了AI，誰就有可能在下一個(gè)十年內(nèi)主導(dǎo)市場。
風(fēng)投將進(jìn)一步追逐AI初創(chuàng)企業(yè)，資本涌入的規(guī)模會(huì)達(dá)到新的高度。對于那些擁有尖端AI技術(shù)，尤其是在生命科學(xué)、能源、制造等細(xì)分領(lǐng)域的AI公司，資本將加速推波助瀾。
科技巨頭的“軍備競賽”：全力加碼AI
諾貝爾獎(jiǎng)的背書為谷歌、Meta、微軟，以及國內(nèi)的阿里、百度、騰訊、華為等科技巨頭提供了進(jìn)一步加碼AI的理由。對于這些公司來說，AI早已不再只是未來，它是眼前即將爆發(fā)的科技戰(zhàn)場。
這些巨頭將全速推進(jìn)AI研發(fā)和落地。巨頭間的軍備競賽將更加激烈，每家公司都不想在AI這一關(guān)鍵領(lǐng)域落后一步。任何在AI研發(fā)中掉隊(duì)的科技巨頭，都將面臨失去未來主導(dǎo)權(quán)的風(fēng)險(xiǎn)。
商業(yè)化提速：垂直領(lǐng)域的深度變革
諾貝爾獎(jiǎng)的背書將推動(dòng)AI商業(yè)化的提速，特別是在垂直行業(yè)的深度應(yīng)用中。醫(yī)療、制藥、金融等行業(yè)會(huì)成為AI落地的主戰(zhàn)場。AI不僅能預(yù)測蛋白質(zhì)折疊，未來可能會(huì)直接參與藥物設(shè)計(jì)、疾病預(yù)防、金融市場預(yù)測等高難度決策過程。
醫(yī)療領(lǐng)域會(huì)率先爆發(fā)，AI在生物學(xué)領(lǐng)域的成功意味著，更多AI企業(yè)會(huì)涌入制藥、基因編輯等行業(yè)。而在金融領(lǐng)域，AI將成為決策和風(fēng)險(xiǎn)管理的利器。
同時(shí)，諾貝爾獎(jiǎng)證明了AI在科研中的潛力，科研機(jī)構(gòu)和企業(yè)之間的產(chǎn)學(xué)研合作將進(jìn)一步加深，科研成果與市場需求的結(jié)合更加緊密，推動(dòng)技術(shù)與市場的雙向驅(qū)動(dòng)。
諾貝爾獎(jiǎng)不僅意味著科學(xué)認(rèn)可，更意味著行業(yè)的重新洗牌。AI將在重塑產(chǎn)業(yè)格局的過程中扮演核心角色。那些沒有AI技術(shù)的企業(yè)可能面臨淘汰，而那些掌握AI核心技術(shù)的公司，將成為行業(yè)領(lǐng)跑者。
從制造到醫(yī)療、從能源到金融，AI將撬動(dòng)各行各業(yè)的根基。企業(yè)將逐漸意識(shí)到，誰能率先將AI大規(guī)模應(yīng)用到其核心業(yè)務(wù)中，誰就能在未來的市場競爭中掌握主導(dǎo)權(quán)。遲疑者只會(huì)在AI浪潮下被淘汰。
未來并不是由誰擁有最多資源決定，而是由誰能最快利用AI技術(shù)重塑其商業(yè)模式來定勝負(fù)。諾貝爾獎(jiǎng)的背書，已為那些能夠抓住AI機(jī)遇的公司敲響了勝利的鐘聲——資本、科技公司和垂直行業(yè)將加速迎來AI統(tǒng)治的時(shí)代。
