科技新聞?dòng)?自O(shè)penAI開發(fā)的生成式人工智能工具ChatGPT于去年11月發(fā)布以來，投資者對生成式人工智能技術(shù)的興趣激增。這種技術(shù)的顛覆性潛力，以及圍繞它的炒作和市場定價(jià)是否太過分，是人們關(guān)注的焦點(diǎn)。
投行高盛采訪了硅谷投資公司Conviction的創(chuàng)始人莎拉郭（Sarah Guo）、紐約大學(xué)的加里馬庫斯（Gary Marcus）以及高盛的首席軟件和互聯(lián)網(wǎng)分析師卡什雷根（Kash Rangan）和分析師埃里克謝里丹（Eric Sheridan），探討該技術(shù)在現(xiàn)階段能做什么和不能做什么。
高盛的經(jīng)濟(jì)學(xué)家隨后評估了人工智能對生產(chǎn)力和經(jīng)濟(jì)增長的潛在巨大影響。高盛的股票策略師估計(jì)，生成式人工智能技術(shù)可能推動(dòng)美國股市在中長期內(nèi)的顯著上漲，不過他們也警告稱，過去的生產(chǎn)率繁榮導(dǎo)致股票出現(xiàn)泡沫，并最終被刺破。
高盛還討論了人工智能領(lǐng)域目前最引人注目的投資機(jī)會(huì)，以及投資者最應(yīng)關(guān)注的近期風(fēng)險(xiǎn)。
“我們進(jìn)入我認(rèn)為的‘軟件3.0’ 時(shí)代……企業(yè)不再需要收集這么多訓(xùn)練數(shù)據(jù)，這使得該技術(shù)一下子更有用、更方便、更便宜。”莎拉郭
“人工智能系統(tǒng)的智能被過度夸大……那些認(rèn)為通用人工智能（AGI）即將到來的人幾乎肯定是錯(cuò)的。加里馬庫斯
“人工智能目前可能還沒有進(jìn)入炒作周期……該技術(shù)的周期并沒有由嶄露頭角的初創(chuàng)公司引領(lǐng)，這使其更不可能噴涌或需要很長時(shí)間才能啟動(dòng)。”卡什雷根
“在過去幾個(gè)月里，絕大多數(shù)因人工智能主題而表現(xiàn)優(yōu)異的公司，在整個(gè)市場中仍以相對合理的市盈率進(jìn)行交易。”埃里克謝里丹
目錄
一、宏觀新聞和觀點(diǎn)
二、生成式人工智能：是炒作還是真正的變革？
三、采訪人工智能風(fēng)投莎拉郭
四、采訪人工智能專家學(xué)者馬庫斯
五、詳解人工智能
六、人工智能發(fā)展史
七、分析師關(guān)于人工智能的討論
八、人工智能對經(jīng)濟(jì)的潛在巨大影響
九、美國股市：衡量人工智能上行空間
十、過去生產(chǎn)力繁榮時(shí)期的市場
一、宏觀新聞和觀點(diǎn)
我們將簡要介紹全球市場最重要的經(jīng)濟(jì)體。
美國
高盛最新的專有數(shù)據(jù)/觀點(diǎn)的重大變化
--鑒于我們對經(jīng)濟(jì)增長的預(yù)測高于共識以及美聯(lián)儲(chǔ)官員發(fā)出的信號，我們最近將美聯(lián)儲(chǔ)終端利率預(yù)期上調(diào)至5.25-5.5%（加息25個(gè)基點(diǎn)，最有可能在7月份）。
--鑒于債務(wù)限額的尾部風(fēng)險(xiǎn)已經(jīng)過去，而且我們更加確信銀行收緊貸款只會(huì)適度拖累國內(nèi)生產(chǎn)總值，因此我們最近將12個(gè)月的衰退概率下調(diào)至25%。
--我們最近將2023年12月的核心PCE通脹預(yù)期從3.7%下調(diào)至3.5%。
我們關(guān)注的數(shù)據(jù)點(diǎn)/趨勢
--美國勞動(dòng)力市場；我們估計(jì)勞動(dòng)力市場的趨緊到2024年初才會(huì)緩解到大流行前的水平。
日本
高盛最新的專有數(shù)據(jù)/觀點(diǎn)的重大變化
--我們最近將2023財(cái)年新的核心CPI通脹預(yù)期從3.6%上調(diào)至3.8%，這反映出我們最新的外匯假設(shè)。
我們關(guān)注的數(shù)據(jù)點(diǎn)/趨勢
--日本央行政策；我們繼續(xù)預(yù)計(jì)收益率曲線控制（YCC）將在7月份進(jìn)行調(diào)整，最有可能的結(jié)果是將目標(biāo)期限從10年縮短至5年。
--日本工資增長；更高的工資增長可以產(chǎn)生更可持續(xù)和更強(qiáng)勁的工資-價(jià)格動(dòng)態(tài)，但在我們看來，工資-價(jià)格螺旋分化是不太可能的。
--日本消費(fèi)者信心大幅上升。
歐洲
高盛最新的專有數(shù)據(jù)/觀點(diǎn)的重大變化
--我們最近將歐洲央行的最終利率預(yù)期上調(diào)至4%（9月加息25個(gè)基點(diǎn)），原因是歐洲央行更新了通脹預(yù)測，且在6月會(huì)議上未提及“暫停”。
--我們最近上調(diào)了對英國央行8月份的預(yù)測，目前預(yù)計(jì)英國央行將在6月份加息50個(gè)基點(diǎn)（之前為25個(gè)基點(diǎn)），我們認(rèn)為這意味著對英國通脹的更多擔(dān)憂以及英國央行反應(yīng)函數(shù)的轉(zhuǎn)變。我們預(yù)計(jì)9月份最后一次加息25個(gè)基點(diǎn)，最終利率為5.75%（之前為5.5%）。
我們關(guān)注的數(shù)據(jù)點(diǎn)/趨勢
--歐元區(qū)核心通脹率，我們預(yù)計(jì)到今年年底將降至3.7%。
新興市場
高盛最新的專有數(shù)據(jù)/觀點(diǎn)的重大變化
--我們最近將2023年印度實(shí)際國內(nèi)生產(chǎn)總值增長率預(yù)期從6%上調(diào)至6.4%，原因是出口凈增長。
我們關(guān)注的數(shù)據(jù)點(diǎn)/趨勢
--盡管大多數(shù)發(fā)達(dá)國家央行仍在繼續(xù)加息，但新興市場降息周期可能即將到來，拉美國家可能會(huì)一馬當(dāng)先。
二、生成式人工智能：是炒作還是真正的變革？
繼人工智能芯片制造商英偉達(dá)在其第一財(cái)季財(cái)報(bào)中大幅上調(diào)營收預(yù)期后，OpenAI于去年11月發(fā)布了ChatGPT一種利用自然語言提示創(chuàng)建內(nèi)容的生成式人工智能工具，引發(fā)了投資者對生成式人工智能技術(shù)的興趣。事實(shí)上，英偉達(dá)的股價(jià)自上調(diào)以來已經(jīng)上漲了30%以上，而少數(shù)幾家構(gòu)建生成式人工智能核心基礎(chǔ)大型語言模型（LLMs）的大型科技公司的表現(xiàn)也大幅跑贏大盤。但是，人工智能炒作是否過頭了？生成式人工智能技術(shù)的顛覆性潛力以及它是否值得當(dāng)前投資者的熱情--是市場關(guān)注的焦點(diǎn)。
我們首先探討一下吸引投資者注意力的人工智能生成技術(shù)的與眾不同之處。高盛美國軟件分析師雷根解釋說，該技術(shù)能夠以文本、圖像、視頻、音頻和代碼的形式創(chuàng)建新內(nèi)容，并通過自然語言而非編程語言來實(shí)現(xiàn)，這是其關(guān)鍵的變革性特征。
專注于人工智能的風(fēng)險(xiǎn)投資公司Conviction的創(chuàng)始人莎拉郭進(jìn)一步解釋說，以前的人工智能技術(shù)迭代需要人類編寫確定性代碼來執(zhí)行特定任務(wù)（“軟件1.0”），或者費(fèi)力地收集訓(xùn)練數(shù)據(jù)來訓(xùn)練神經(jīng)網(wǎng)絡(luò)完成特定任務(wù)（“軟件2.0”），而現(xiàn)在基礎(chǔ)模型（通過開源或API）的廣泛可用性（這些模型具有自然語言能力、推理能力和對世界的一般知識）減輕了企業(yè)收集訓(xùn)練數(shù)據(jù)的負(fù)擔(dān)，開創(chuàng)了“軟件3.0”時(shí)代，企業(yè)可以更輕松、更低成本地利用這些“開箱即用”的能力來改造或提升其業(yè)務(wù)。
生成式人工智能的變革潛力已經(jīng)開始轉(zhuǎn)化為現(xiàn)實(shí)。雷根表示，通過采用生成式人工智能工具，開發(fā)人員的工作效率在某些情況下提高了15%-20%。隨著這些工具的使用越來越普遍，莎拉郭看到了未來的一系列應(yīng)用，特別是隨著法律、數(shù)據(jù)分析、插圖、語音和視頻生成等傳統(tǒng)服務(wù)市場越來越多地使用人工智能。高盛美國TMT行業(yè)專家彼得卡拉漢（Peter Callahan）指出，公共投資者認(rèn)為這項(xiàng)技術(shù)具備平臺轉(zhuǎn)變的所有條件，有可能改變企業(yè)和消費(fèi)者體驗(yàn)的幾乎所有方面。
高盛全球高級經(jīng)濟(jì)學(xué)家約瑟夫布里格斯（Joseph Briggs）認(rèn)為，這種變革潛力可能會(huì)產(chǎn)生深遠(yuǎn)的宏觀影響。他估計(jì)，在美國和其他發(fā)達(dá)國家廣泛采用該技術(shù)后，10年內(nèi)可將年勞動(dòng)生產(chǎn)率增長提高約1.5個(gè)百分點(diǎn)，并最終將全球年國內(nèi)生產(chǎn)總值提高7%。高盛美國股票策略師瑞安哈蒙德（Ryan Hammond）和大衛(wèi)科斯提（David Kostin）認(rèn)為，這種生產(chǎn)率的提升可能會(huì)在中長期內(nèi)將迄今為止人工智能引領(lǐng)的相對狹窄的美國股市漲勢轉(zhuǎn)變?yōu)楦鼜V泛的漲勢，從而將標(biāo)準(zhǔn)普爾500指數(shù)較當(dāng)前水平提升9%。
但是，即使人工智能技術(shù)最終被證明是變革性的，在這一點(diǎn)上，圍繞該技術(shù)實(shí)際能帶來什么--以及市場定價(jià)是多少--的炒作是否已經(jīng)過頭了？在談到當(dāng)今人工智能系統(tǒng)的智能時(shí)，美國紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)名譽(yù)教授加里馬庫斯（Gary Marcus）認(rèn)為：“（目前）人工智能系統(tǒng)的智能化程度并不高。”
馬庫斯指出，目前人工智能工具中經(jīng)常被吹噓的神經(jīng)網(wǎng)絡(luò)與人類大腦神經(jīng)網(wǎng)絡(luò)的功能完全不同；雖然人工智能機(jī)器可以進(jìn)行反射性統(tǒng)計(jì)分析，但它們幾乎不具備有意推理的能力。雖然這些機(jī)器可以學(xué)習(xí)，但這種學(xué)習(xí)主要圍繞單詞的統(tǒng)計(jì)和對提示的正確反應(yīng)；它們并不學(xué)習(xí)抽象概念。而且與人類不同，它們沒有內(nèi)部模型來理解周圍的世界。馬庫斯說，通用人工智能最終可能會(huì)實(shí)現(xiàn)，但今天我們離它還很遙遠(yuǎn)，再多的投資也不可能改變這一現(xiàn)狀。
談到市場，高盛的市場策略師多米尼克威爾遜（Dominic Wilson）和維姬常（Vickie Chang）指出，在過去創(chuàng)新引領(lǐng)的生產(chǎn)力繁榮時(shí)期，如電力（1919-1929年）、個(gè)人電腦和互聯(lián)網(wǎng)（1996-2005年）廣泛普及之后，股票價(jià)格和估值的急劇上升成為泡沫，并最終破滅。
即使在今天，莎拉郭仍發(fā)現(xiàn)私募市場中存在一些定價(jià)錯(cuò)誤的領(lǐng)域，因?yàn)橐淮笈顿Y者在深入了解該領(lǐng)域的同時(shí)，也堅(jiān)持采用相同的投資啟發(fā)式。她警告說，錯(cuò)誤判斷這種轉(zhuǎn)變的時(shí)機(jī)是投資中的一個(gè)常見陷阱。盡管如此，作為一名早期投資者，她并不那么注重估值，而是選擇她認(rèn)為具有重大上升空間的市嘗產(chǎn)品和企業(yè)家。
高盛美國互聯(lián)網(wǎng)分析師謝里丹感到欣慰的是，最近在人工智能主題上表現(xiàn)出色的絕大多數(shù)公司仍以相對合理的市盈率進(jìn)行交易。雷根認(rèn)為，與其他大型技術(shù)周期（如從分布式系統(tǒng)到云計(jì)算的轉(zhuǎn)變）不同的是，在其他技術(shù)周期中，由于老牌企業(yè)的反對而導(dǎo)致技術(shù)應(yīng)用放緩，而這次轉(zhuǎn)變是由全球最強(qiáng)大的技術(shù)公司推動(dòng)的，因此人工智能可能并沒有進(jìn)入炒作周期。
那么，當(dāng)今最引人注目的人工智能投資機(jī)會(huì)在哪里？雷根和謝里丹認(rèn)為，開發(fā)基礎(chǔ)人工智能模型的大型科技公司，以及為該領(lǐng)域提供服務(wù)的 “鋤頭和鏟子”企業(yè)--半導(dǎo)體公司、云計(jì)算超大規(guī)模公司和基礎(chǔ)設(shè)施公司--已做好準(zhǔn)備，在當(dāng)前的“建設(shè)”階段獲取收益。莎拉郭對此表示贊同，但她也看到了整個(gè)堆棧中的機(jī)會(huì)，并對應(yīng)用層感到最興奮，而目前廣大投資者對應(yīng)用層似乎不太確定。
最后，投資者最應(yīng)注意哪些風(fēng)險(xiǎn)？謝里丹正在密切關(guān)注消費(fèi)者計(jì)算習(xí)慣改變的前景，這可能會(huì)顛覆現(xiàn)有的商業(yè)模式。莎拉郭警告說，在當(dāng)前的熱情中，辨別人工智能營銷和人工智能現(xiàn)實(shí)可能會(huì)很困難。雷根擔(dān)心，技術(shù)越普及，其價(jià)值就可能越低。
三、采訪人工智能風(fēng)投莎拉郭
莎拉郭是人工智能風(fēng)險(xiǎn)投資公司Conviction的創(chuàng)始人。此前，她是風(fēng)投公司Greylock的普通合伙人。她在訪談中表示，人工智能的進(jìn)步迎來了技術(shù)范式的轉(zhuǎn)變，這帶來了豐富的投資機(jī)會(huì)，特別是隨著軟件工程向“軟件3.0”轉(zhuǎn)型，傳統(tǒng)服務(wù)領(lǐng)域越來越多地由人工智能提供服務(wù)。但她也警告說，投資者有可能誤判如此巨大的技術(shù)變革的時(shí)間表，而且很難區(qū)分人工智能營銷和人工智能現(xiàn)實(shí)。
艾莉森內(nèi)森（Allison Nathan）：作為人工智能領(lǐng)域的長期投資者，是什么吸引你進(jìn)入這個(gè)領(lǐng)域？
莎拉郭：作為一名技術(shù)專家，很難不對人工智能感興趣。但從投資者的角度來看，我在Greylock工作時(shí)期就開始關(guān)注人工智能。機(jī)器學(xué)習(xí)（ML）推動(dòng)了許多我們熟知并喜愛的業(yè)務(wù)--谷歌、Meta、Uber、Instagram、LinkedIn、TikTok。這些企業(yè)都是算法企業(yè)，它們利用機(jī)器學(xué)習(xí)進(jìn)行推薦、廣告和服務(wù)定價(jià)、檢測垃圾郵件和欺詐等許多其他應(yīng)用�？吹缴弦淮鷻C(jī)器學(xué)習(xí)技術(shù)對這些企業(yè)的重要性，我們自然而然地開始探索如何將這些經(jīng)典的機(jī)器學(xué)習(xí)方法應(yīng)用到其他領(lǐng)域。一個(gè)顯而易見的領(lǐng)域是網(wǎng)絡(luò)安全領(lǐng)域，如Awake、Abnormal或Obsidian Security等公司，因?yàn)樗鼈兊哪繕?biāo)通常是從噪聲中發(fā)現(xiàn)信號。我們還發(fā)現(xiàn)了呼叫中心等領(lǐng)域的機(jī)會(huì)，以及自動(dòng)駕駛汽車和送貨機(jī)器人等全新用例。我們預(yù)計(jì)，除了互聯(lián)網(wǎng)巨頭之外，其他公司也會(huì)希望利用這些機(jī)器學(xué)習(xí)功能，因此我們開始在下一代開發(fā)工具和基礎(chǔ)設(shè)施等領(lǐng)域?qū)ふ覚C(jī)會(huì)。
此外，在過去十年中，學(xué)術(shù)和工業(yè)實(shí)驗(yàn)室在人工智能領(lǐng)域取得了令人難以置信的進(jìn)步，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）、生成式對抗網(wǎng)絡(luò)（GAN）、強(qiáng)化學(xué)習(xí)（RL）等。尤其是基于變壓器的放大模型，其能力和通用性令人震驚。過去五年的研究加速鞏固了我的信念，即人工智能的發(fā)展正在迎來范式轉(zhuǎn)變--這肯定是我投資生涯中看到的最大的技術(shù)轉(zhuǎn)變--絕大多數(shù)投資機(jī)會(huì)仍在前方。我們還在初始階段。
艾莉森內(nèi)森：與以往的人工智能發(fā)展相比，如今備受關(guān)注的生成式人工智能技術(shù)有何不同？
莎拉郭：人工智能的最新進(jìn)展并不僅僅是千篇一律。這些新的更通用、更強(qiáng)大的能力擴(kuò)大了機(jī)器學(xué)習(xí)的相關(guān)范圍，實(shí)現(xiàn)了截然不同的產(chǎn)品用戶體驗(yàn)。在機(jī)器學(xué)習(xí)出現(xiàn)之前，我們有“軟件1.0”--由人類逐個(gè)功能編寫的確定性代碼，一次執(zhí)行一項(xiàng)任務(wù)。2017年，時(shí)任特斯拉自動(dòng)駕駛團(tuán)隊(duì)的技術(shù)專家安德里卡帕西（Andrej Karpathy）創(chuàng)造了“軟件2.0”（Software 2.0）一詞來描述機(jī)器學(xué)習(xí)驅(qū)動(dòng)的軟件開發(fā)，即主要工作不再是實(shí)際編寫軟件，而是收集訓(xùn)練數(shù)據(jù)，針對特定任務(wù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)。然而，傳統(tǒng)的機(jī)器學(xué)習(xí)開發(fā)周期包括標(biāo)注數(shù)據(jù)收集和以可接受的質(zhì)量水平實(shí)現(xiàn)單個(gè)任務(wù)的工程設(shè)計(jì)，勞動(dòng)密集型程度高且成本高昂，這一直阻礙著機(jī)器學(xué)習(xí)的廣泛應(yīng)用。
今天，我們正在進(jìn)入我所認(rèn)為的“軟件3.0”時(shí)代。在這個(gè)時(shí)代中，許多功能都是“開箱即用”的，其基礎(chǔ)模型要么是開源的，要么是通過API提供的。這些“基礎(chǔ)模型”具有自然語言能力、推理能力和世界常識。在這種模式下，企業(yè)不需要收集大量的訓(xùn)練數(shù)據(jù)，這使得該技術(shù)突然變得更加有用、易用且成本更低。任何選擇投資人工智能的公司現(xiàn)在都可以投資調(diào)整這些模型，以增強(qiáng)或改造其業(yè)務(wù)。
艾利森內(nèi)森：即使生成式人工智能前景廣闊，目前的炒作是否夸大了該技術(shù)的能力？
莎拉郭：誤判大型技術(shù)轉(zhuǎn)變的時(shí)間表是投資中的一個(gè)常見陷阱。我完全相信這一轉(zhuǎn)變將推動(dòng)實(shí)質(zhì)性的價(jià)值創(chuàng)造，但這是一個(gè)十年以上的轉(zhuǎn)變。與此同時(shí)，錯(cuò)誤定價(jià)的領(lǐng)域無疑已經(jīng)浮出水面。在私人市場上，一大批投資者正試圖了解如何接觸這項(xiàng)技術(shù)，或者至少如何考慮其風(fēng)險(xiǎn)狀況。在他們深入了解這一領(lǐng)域的同時(shí)，也傾向于采用更明顯的啟發(fā)式投資。例如，許多投資者在評估初創(chuàng)企業(yè)時(shí)，似乎都會(huì)看其領(lǐng)軍人物是否曾是OpenAI或DeepMind的研究人員，因?yàn)檫@個(gè)問題比特定產(chǎn)品或研究論文是否會(huì)成功要容易回答得多。
同樣，由于數(shù)據(jù)庫是眾所周知的軟件類別，矢量數(shù)據(jù)庫也受到了投資者的廣泛關(guān)注。盡管如此，我已經(jīng)看到一些投資者變得更加懷疑，因?yàn)榇蠖鄶?shù)企業(yè)尚未采用生成式人工智能，但這似乎是短視的。請記住，ChatGPT在去年11月才推出；企業(yè)規(guī)劃和執(zhí)行的平均周期往往超過6個(gè)月。因此，投資者需要耐心等待。與互聯(lián)網(wǎng)、移動(dòng)和云計(jì)算一樣，一些贏家立即崛起，但另一些則在十年后才出現(xiàn)。發(fā)現(xiàn)使用案例和構(gòu)建優(yōu)秀軟件需要時(shí)間和企業(yè)家的智慧。沒有人會(huì)因?yàn)镹apster的失敗而停止對互聯(lián)網(wǎng)企業(yè)的投資。
艾利森內(nèi)森：目前該領(lǐng)域的高估值是否會(huì)讓你擔(dān)憂或感到不安？
莎拉郭：投資者不應(yīng)忽視近期技術(shù)市場各個(gè)階段的經(jīng)驗(yàn)教訓(xùn)。所有公司最終都會(huì)按照現(xiàn)金流的倍數(shù)進(jìn)行估值。但作為早期投資者，在一定范圍內(nèi)，我們可以不那么關(guān)注估值，而更多地關(guān)注選擇市場和企業(yè)家，以發(fā)現(xiàn)突圍的贏家。
艾莉森內(nèi)森：那么，目前該領(lǐng)域最引人注目的投資機(jī)會(huì)在哪里？
莎拉郭：我們正在進(jìn)行全棧投資。首先，我們有鎬和鏟的投資；基礎(chǔ)設(shè)施、數(shù)據(jù)基礎(chǔ)設(shè)施和工程工作流程正在被重新構(gòu)想。對英偉達(dá)圖形芯片容量的需求難以滿足，但圖形芯片集群的云管理和交付仍不成熟，遠(yuǎn)遠(yuǎn)落后于CPU。我們正在投資，使人工智能基礎(chǔ)設(shè)施對企業(yè)更友好，應(yīng)用開發(fā)更容易。還有模型本身。其中一些業(yè)務(wù)仍將以大型實(shí)驗(yàn)室為中心：OpenAI、谷歌、DeepMind、Anthropic等。但大的模型機(jī)會(huì)依然存在，例如在動(dòng)作/代理、圖像、語音、視頻和機(jī)器人領(lǐng)域。我們尤其期待通過更好的代碼模型實(shí)現(xiàn)軟件開發(fā)的民主化。一般來說，開源語言模型的能力越來越強(qiáng)，而且這種情況可能會(huì)繼續(xù)下去，部分原因是Meta等大公司的貢獻(xiàn)。因此，將存在一系列模型提供商。針對公司或消費(fèi)者特定數(shù)據(jù)利用這些模型并非易事，因此在智能標(biāo)注數(shù)據(jù)、人工智能應(yīng)用的數(shù)據(jù)管理以及更好地理解和協(xié)調(diào)這些模型方面存在大量機(jī)會(huì)。
實(shí)際上，我最感興趣的機(jī)會(huì)是應(yīng)用層。許多投資者對這一層并不確定，他們認(rèn)為所有的價(jià)值都在于模型訓(xùn)練本身，但讓非確定性模型在生產(chǎn)用例中發(fā)揮作用需要大量的創(chuàng)造力和工作。初創(chuàng)公司和現(xiàn)有應(yīng)用公司都將在許多領(lǐng)域利用這些能力：從可觀察性、安全性到客戶關(guān)系管理（CRM），以及傳統(tǒng)服務(wù)市場，包括安全服務(wù)、法律、數(shù)據(jù)分析工作、插圖、語音和視頻生成，現(xiàn)在可以開始由更多的軟件提供服務(wù)。我們對人工智能帶來的民主化效應(yīng)感到興奮，并期待其二階效應(yīng)也成為可投資的。
艾利森內(nèi)森：目前的企業(yè)在這方面有優(yōu)勢嗎？
莎拉郭：在廣泛的機(jī)會(huì)集中，現(xiàn)有企業(yè)肯定有一些優(yōu)勢--他們的分銷和數(shù)據(jù)--因此毫無疑問會(huì)有巨大的現(xiàn)有企業(yè)贏家。但現(xiàn)有的優(yōu)勢并不總是像看起來那么有價(jià)值。例如，我們投資了一家隱形的人工智能安全公司，該公司的目標(biāo)是將勞動(dòng)密集型環(huán)節(jié)自動(dòng)化。
在當(dāng)今企業(yè)的網(wǎng)絡(luò)安全工作流程中，它們需要一組訓(xùn)練數(shù)據(jù)來“微調(diào)”或定制其模型，最初尋求與擁有這些數(shù)據(jù)的現(xiàn)有公司合作。但是，沒有一家公司能夠以訓(xùn)練模型所需的形式收集數(shù)據(jù)。因此，盡管一些極有價(jià)值的數(shù)據(jù)目前已經(jīng)存在于現(xiàn)有公司，但有些數(shù)據(jù)還不存在，如何有效收集這些數(shù)據(jù)將是一個(gè)自由競爭的問題。
總而言之，這些公司在建立軟件業(yè)務(wù)的多個(gè)方面展開競爭，我不認(rèn)為人工智能從根本上有利于現(xiàn)有公司或初創(chuàng)公司。我個(gè)人傾向于早期投資是目前接觸這項(xiàng)技術(shù)的最佳途徑，部分原因是這個(gè)領(lǐng)域還很年輕，因此純粹的上市機(jī)會(huì)還不存在。但是，對于任何能夠區(qū)分信號和噪音的投資者來說，無論是在公開市場還是私募市場，這種錯(cuò)位都是一個(gè)巨大的機(jī)會(huì)。
艾利森內(nèi)森：當(dāng)前人工智能領(lǐng)域投資的最大風(fēng)險(xiǎn)是什么？
莎拉郭：對于投資者來說，區(qū)分人工智能營銷和人工智能現(xiàn)實(shí)將是一項(xiàng)艱巨的工作。這是一個(gè)高度技術(shù)化的領(lǐng)域，技術(shù)水平每周都在變化。上市公司領(lǐng)導(dǎo)層對人工智能趨勢的快速承諾非同一般，但如果不能將其轉(zhuǎn)化為利潤率的提高、更好的產(chǎn)品和新的收入，那么在財(cái)報(bào)電話會(huì)議和公司聲明中進(jìn)行人工智能營銷也不會(huì)有什么好處。對上市公司而言，為人工智能工作提供資源，以及應(yīng)對創(chuàng)新者的困境（人工智能自動(dòng)化可能取代大量人力工作或降低產(chǎn)品成本）是一個(gè)復(fù)雜的領(lǐng)域。
大公司很難快速做出巨大改變，但這正是這種轉(zhuǎn)變所需要的。企業(yè)需要自我顛覆，解決隱私和數(shù)據(jù)使用問題，快速組建人工智能產(chǎn)品團(tuán)隊(duì)，并創(chuàng)造性地考慮新產(chǎn)品的定價(jià)和包裝。在這種快速變化中，企業(yè)不可能一切從零開始，而選擇正確的合作伙伴將是一項(xiàng)戰(zhàn)略優(yōu)勢。
艾利森內(nèi)森：投資者應(yīng)如何規(guī)避這種風(fēng)險(xiǎn)？
莎拉郭：我給投資者的建議是關(guān)注技術(shù)合作伙伴的選擇、具體計(jì)劃和成果。當(dāng)人工智能產(chǎn)品在增量收入中占很大份額時(shí)，就很難對這種業(yè)績提出異議�；蛘撸谙M(fèi)者業(yè)務(wù)方面，如果投資者通常用來評估公司業(yè)績的指標(biāo)--參與度、交易量、廣告庫存等--在引入新的人工智能產(chǎn)品后得到實(shí)質(zhì)性改善，這就是你希望看到的。
另一個(gè)重大風(fēng)險(xiǎn)是公眾和監(jiān)管機(jī)構(gòu)對人工智能技術(shù)的彈劾，原因是人們擔(dān)心這些技術(shù)在偏見、虛假信息、網(wǎng)絡(luò)安全等領(lǐng)域被濫用。就像互聯(lián)網(wǎng)一樣，像生成式人工智能這樣的通用工具可能被用于好的方面，也可能被用于壞的方面，因此在投資于創(chuàng)新的同時(shí)，必須投資于風(fēng)險(xiǎn)緩解。但是，考慮到這項(xiàng)技術(shù)可以在科學(xué)、教育和醫(yī)療保健等關(guān)鍵領(lǐng)域取得重大進(jìn)展，如果我們在這項(xiàng)技術(shù)真正發(fā)揮其巨大潛力之前就停止對其進(jìn)行監(jiān)管，那將是非常遺憾的。
四、采訪人工智能專家學(xué)者馬庫斯
馬庫斯是紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)榮譽(yù)教授。他對人工智能進(jìn)行了廣泛的研究，包括他的最新著作《重啟人工智能：打造值得我們信賴的人工智能技術(shù)》。在訪談中，他認(rèn)為人工智能系統(tǒng)的智能被過度夸大了，雖然我們最終可以達(dá)到這個(gè)目標(biāo)，但目前我們還遠(yuǎn)遠(yuǎn)沒有實(shí)現(xiàn)通用人工智能（AGI）。
珍妮格林伯格（Jenny Grimberg）：如今，生成式人工智能工具究竟是如何工作的？
馬庫斯：當(dāng)前所有生成式人工智能工具的核心基本上都是一個(gè)自動(dòng)完成功能，該功能已在互聯(lián)網(wǎng)的很大一部分內(nèi)容上進(jìn)行過訓(xùn)練。這些工具并不了解這個(gè)世界，因此據(jù)了解，它們會(huì)產(chǎn)生幻覺或編造虛假陳述。這些工具擅長編寫代碼等基本可預(yù)測的任務(wù)，但不擅長提供準(zhǔn)確的醫(yī)療信息或診斷，而自動(dòng)完成功能還不夠完善。
珍妮格林伯格：一些觀察家認(rèn)為，這些技術(shù)之所以能夠?qū)W習(xí)/理解，是因?yàn)樗鼈儾捎昧伺c人腦類似的神經(jīng)網(wǎng)絡(luò)。你對此有何看法？
馬庫斯：人腦的神經(jīng)網(wǎng)絡(luò)與人工智能工具使用的神經(jīng)網(wǎng)絡(luò)完全不同。而且，與某些人的觀點(diǎn)相反，這些工具并不像人類那樣進(jìn)行推理。人工智能機(jī)器最多只是進(jìn)行一些諾貝爾獎(jiǎng)得主丹尼爾卡尼曼（Daniel Kahneman）稱之為系統(tǒng)1思考（system 1 thinking）--反射性統(tǒng)計(jì)分析，而很少進(jìn)行系統(tǒng)2的思考--刻意推理。人工智能機(jī)器正在學(xué)習(xí)，但它們學(xué)習(xí)的大部分內(nèi)容是文字的統(tǒng)計(jì)，以及通過強(qiáng)化學(xué)習(xí)，如何正確回應(yīng)某些提示。它們學(xué)的不是抽象概念。
這就是為什么它們產(chǎn)生的大部分內(nèi)容都是垃圾和/或虛假內(nèi)容的原因。人類有一個(gè)內(nèi)部的世界模型，這個(gè)模型讓人類能夠理解彼此和周圍的環(huán)境。人工智能系統(tǒng)沒有這樣的模型，也沒有對世界的好奇心。人工智能系統(tǒng)可以學(xué)習(xí)到在特定語境下哪些詞會(huì)跟隨其他詞，但人類在與他人和周圍世界互動(dòng)的過程中可以學(xué)到更多。
珍妮格林伯格：那么，關(guān)于生成式人工智能的炒作是否過于夸張？
馬庫斯：是，也不是。毫無疑問，人工智能生成工具正在對我們的生活產(chǎn)生實(shí)質(zhì)性影響，既有積極影響，也有消極影響。它們正在產(chǎn)生一些高質(zhì)量的內(nèi)容，但也會(huì)產(chǎn)生一些錯(cuò)誤信息，例如，這可能會(huì)對2024年的美國總統(tǒng)大選產(chǎn)生重大不利影響。
但是，人工智能系統(tǒng)的智能正在被過度夸大。幾周前，據(jù)稱OpenAI的GPT-4大型語言模型通過了麻省理工學(xué)院的工程和計(jì)算機(jī)科學(xué)本科考試，這激起了人們的極大興趣。我的長期合作者厄尼戴維斯（Ernie Davis）就指出，事實(shí)證明該方法存在缺陷，
關(guān)于目前的人工智能系統(tǒng)將如何取代大量工人的說法比比皆是，一些人擔(dān)心機(jī)器人將很快接管世界。但目前的人工智能還不夠聰明。4年前，我曾開玩笑說，如果有一天你發(fā)現(xiàn)自己處于機(jī)器人來找你的境地，只要把門關(guān)上就可以了�，F(xiàn)在，機(jī)器人仍然無法打開車門，也無法可靠地駕駛汽車。我們離實(shí)現(xiàn)通用人工智能（AGI）還很遙遠(yuǎn)。
珍妮格林伯格：人工智能在概念/技術(shù)層面是否出了問題，以至于該技術(shù)離通用智能如此之遠(yuǎn)？
馬庫斯：某種程度上。從社會(huì)學(xué)的角度來看，有些東西出了問題。巨型近似機(jī)器，本質(zhì)上就是大型語言模型，相對容易制造和盈利，所以人們把注意力集中在這些機(jī)器上，而不是其他可能更有價(jià)值但更難快速實(shí)現(xiàn)和盈利的想法上。因此，資本主義的動(dòng)力肯定幫不上忙，而且很可能減緩了理論上可能實(shí)現(xiàn)的技術(shù)進(jìn)步。盡管如此，智能問題是一個(gè)極其困難的問題，而在計(jì)算背景下研究這個(gè)問題的大多數(shù)努力都只有不到75年的歷史，這對于一門科學(xué)的發(fā)展來說并不算長。人們常常把智力當(dāng)作一個(gè)神奇的數(shù)字來談?wù)摚拖裰巧谭謹(jǐn)?shù)一樣。但智力是由許多因素組成的：能夠跟上對話、修理汽車、學(xué)習(xí)新的舞蹈動(dòng)作或完成任何有趣的人類活動(dòng)都需要多種不同的智能。期望機(jī)器在短短75年內(nèi)掌握所有這些技能可能并不現(xiàn)實(shí)。
珍妮格林伯格：是否有可能發(fā)展出真正的智能人工系統(tǒng)？
馬庫斯：我相信是這樣。我認(rèn)為現(xiàn)階段的人工智能類似于煉金術(shù)時(shí)代，在那個(gè)時(shí)代，人們知道他們可以讓某些事情發(fā)生，但還沒有化學(xué)理論。今天，人們可以從概念上理解通用人工智能可能是什么樣子，但對于如何在機(jī)器中構(gòu)建智能還沒有足夠成熟的理解。我認(rèn)為沒有理由認(rèn)為我們最終不會(huì)實(shí)現(xiàn)這一目標(biāo)。有些人認(rèn)為，智能根本無法被植入機(jī)器，但我不相信這種觀點(diǎn)。
例如，機(jī)器永遠(yuǎn)無法感受到疼痛，但它們或許能夠理解人在疼痛時(shí)的感受，以及感受到疼痛后可能采取的行動(dòng)，如吃藥或看醫(yī)生。因此，機(jī)器最終可能會(huì)對人類有更清晰的了解，并變得更加可靠和真實(shí)。問題是什么時(shí)候。我經(jīng)常被認(rèn)為是悲觀主義者，但幾個(gè)月前我曾與著名軟件架構(gòu)師格雷迪布赫（Grady Booch）進(jìn)行過一場辯論，他持悲觀立場，認(rèn)為生成式人工智能不會(huì)在我們有生之年、我們孩子的有生之年、甚至我們孩子的孩子的有生之年出現(xiàn)，而我持樂觀立場，認(rèn)為生成式人工智能將在本世紀(jì)某個(gè)時(shí)候?qū)崿F(xiàn)。盡管如此，考慮到人工智能的現(xiàn)狀以及還有很多工作要做，這可能還需要幾十年的時(shí)間。
珍妮格林伯格：考慮到大公司在人工智能研究、開發(fā)方面投入的大量資金，這項(xiàng)技術(shù)的拐點(diǎn)是否有可能更早出現(xiàn)？
馬庫斯：不一定，投入大量資金并不意味著問題就能得到解決。我曾在2016年警告說，無人駕駛汽車被過度炒作，從這個(gè)意義上說，解決無人駕駛汽車問題比許多人想象的要困難得多。關(guān)鍵問題在于異常值。無人駕駛汽車系統(tǒng)基本上是通過記憶來工作的，因此當(dāng)它們遇到新情況時(shí)，往往不知所措�！哆B線》記者史蒂文利維（Steven Levy）提供的一個(gè)很好的例子是，2015年谷歌自動(dòng)駕駛汽車工廠發(fā)生的事情--汽車剛剛學(xué)會(huì)識別駛過路上的落葉堆是可以接受的，因?yàn)檫@種特殊情況不在它們的訓(xùn)練集中。從那時(shí)起，無人駕駛汽車的投資已達(dá)千億美元。然而，2022年4月，一輛特斯拉電動(dòng)車在飛機(jī)貿(mào)易展上被“召喚”穿過停車場，直接撞上了一架價(jià)值350萬美元的噴氣式飛機(jī)。就這樣，它撞上了，卻毫不知情。這應(yīng)該成為一個(gè)嚴(yán)酷的警示：錢在那里，并不意味著結(jié)果會(huì)在那里。
珍妮格林伯格：那么，從技術(shù)、政策、社會(huì)的角度來看，智能人工系統(tǒng)成為現(xiàn)實(shí)需要哪些條件？
馬庫斯：必須制定適當(dāng)?shù)募?lì)措施，并在正確的方向上分配資金。態(tài)度和心態(tài)也必須改變。機(jī)器學(xué)習(xí)社區(qū)的人們過于自信。他們堅(jiān)信自己已經(jīng)發(fā)現(xiàn)了開發(fā)智能系統(tǒng)的唯一真正方法，并且不太愿意接受認(rèn)知科學(xué)、心理學(xué)或語言學(xué)領(lǐng)域從業(yè)人員的建議。
歷史證明，科學(xué)家和工程師可能會(huì)固執(zhí)于那些最終行不通的想法，從而大大延緩了進(jìn)展。20世紀(jì)初，科學(xué)家們努力研究基因是由什么構(gòu)成的。格雷戈?duì)柮系聽枺℅regor Mendel）已經(jīng)證明遺傳存在生物學(xué)基礎(chǔ)，而科學(xué)家們確信這一基礎(chǔ)就是蛋白質(zhì)，因此他們花費(fèi)了數(shù)十年時(shí)間試圖找出哪些蛋白質(zhì)。這是一個(gè)錯(cuò)誤的問題；相反，他們應(yīng)該問，基因是由什么生物東西構(gòu)成的，結(jié)果發(fā)現(xiàn)是DNA。奧斯瓦爾德艾弗里（Oswald Avery）發(fā)現(xiàn)了這一點(diǎn)，該領(lǐng)域的發(fā)展非常迅速。人工智能領(lǐng)域也非常類似。目前，人們正在教條地追求這樣一種想法：大型語言模型是實(shí)現(xiàn)生成式人工智能的答案。我認(rèn)為這是一種令人沮喪的分心--大型語言模型可能是答案的一部分，但幾乎可以肯定它們不是答案的全部。因此，機(jī)器學(xué)習(xí)社區(qū)必須在某個(gè)時(shí)候調(diào)整方向。我希望這種重新定位最終會(huì)發(fā)生，機(jī)器學(xué)習(xí)社區(qū)將找到正確的答案，屆時(shí)生成式人工智能的進(jìn)展將非常迅速。
珍妮格林伯格：鑒于此，您對人工智能領(lǐng)域感興趣的投資者有什么主要建議？
馬庫斯：要警惕炒作--人工智能并不像許多人想象的那樣神奇。我不會(huì)說現(xiàn)在投資人工智能還為時(shí)過早；對那些擁有聰明的創(chuàng)始團(tuán)隊(duì)、對產(chǎn)品市場契合度有很好理解的公司進(jìn)行投資很可能會(huì)取得成功。但也會(huì)有很多失敗者。因此，投資者需要做足功課，對任何潛在投資進(jìn)行仔細(xì)的盡職調(diào)查。一家公司聲稱自己是一家人工智能公司很容易，但他們周圍有護(hù)城河嗎？他們是否擁有技術(shù)或數(shù)據(jù)優(yōu)勢，使他們有可能取得成功？這些都是投資者要問的重要問題。
珍妮格林伯格：當(dāng)今人工智能最令您擔(dān)憂的是什么？
馬庫斯：我擔(dān)心的是，我們正在將巨大的權(quán)力和權(quán)威賦予目前控制人工智能系統(tǒng)的少數(shù)公司，而且是以我們可能根本意識不到的微妙方式。訓(xùn)練大型語言模型的數(shù)據(jù)可能會(huì)對模型輸出產(chǎn)生偏差影響，這令人不安，因?yàn)檫@些系統(tǒng)正開始塑造我們的信念。另一個(gè)令人擔(dān)憂的問題是人工智能系統(tǒng)的真實(shí)性--如前所述，眾所周知，它們會(huì)產(chǎn)生幻覺。壞人可能會(huì)利用這些系統(tǒng)蓄意濫用，從傳播有害的醫(yī)療錯(cuò)誤信息到破壞選舉，這可能會(huì)嚴(yán)重威脅社會(huì)。
我已經(jīng)向世界各地的許多政府官員提出了這些擔(dān)憂。幾乎所有人都認(rèn)為必須立即采取措施，但沒有人完全確定應(yīng)該采取什么措施。我認(rèn)為，我們需要建立一個(gè)全球性的人工智能機(jī)構(gòu)，讓各國政府、大型科技公司、非營利組織、學(xué)術(shù)界和整個(gè)社會(huì)都參與進(jìn)來，共同尋找治理解決方案，并在大規(guī)模部署新技術(shù)之前對其進(jìn)行審核，就像我們在醫(yī)學(xué)領(lǐng)域所做的那樣。
幸運(yùn)的是，這似乎是世界發(fā)展的方向。一些政府領(lǐng)導(dǎo)人和大型科技公司的負(fù)責(zé)人最近都提出了這樣的觀點(diǎn)。目前還很難預(yù)測這一切將如何發(fā)展，但這是邁向安全、可靠、和平的人工智能技術(shù)道路上的一個(gè)重要開端。
五、詳解人工智能
人工智能是一門創(chuàng)造智能機(jī)器的科學(xué)。人工智能是一個(gè)寬泛的概念，包含多個(gè)不同的子領(lǐng)域，包括機(jī)器學(xué)習(xí)、自然語言處理、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。
人工智能是一個(gè)最廣泛的術(shù)語，用于對模仿人類智能的機(jī)器進(jìn)行分類。人工智能主要分為三大類：狹義人工智能、通用人工智能和超級人工智能。狹義人工智能被認(rèn)為是 "弱人工智能"，它被訓(xùn)練來執(zhí)行特定任務(wù)，如語音或圖像識別。通用人工智能和超級人工智能被認(rèn)為是 "強(qiáng)人工智能"，其認(rèn)知能力等同于/高于人類。
生成式人工智能是一種根據(jù)自然語言提示生成文本、圖像和其他內(nèi)容的人工智能系統(tǒng)。
機(jī)器學(xué)習(xí)（Machine Learning）是計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域。
計(jì)算機(jī)的性能、經(jīng)驗(yàn)。大量的數(shù)據(jù)輸入計(jì)算機(jī)，然后計(jì)算機(jī)會(huì)發(fā)現(xiàn)這些數(shù)據(jù)并利用這些數(shù)據(jù)進(jìn)行預(yù)測和決策。有三種主要類型的機(jī)器學(xué)習(xí)模型：
（1）無監(jiān)督機(jī)器學(xué)習(xí)，使用算法分析無標(biāo)記數(shù)據(jù)集；
（2）全監(jiān)督機(jī)器學(xué)習(xí)算法。
（3）半監(jiān)督機(jī)器學(xué)習(xí)算法，介于前兩者之間。
自然語言處理（NLP，Natural Language Processing）是人工智能的一個(gè)子領(lǐng)域。
自然語言處理是計(jì)算機(jī)科學(xué)的一個(gè)子領(lǐng)域，其研究重點(diǎn)是使計(jì)算機(jī)具有與人類相似的理解文字和口語的能力。自然語言處理將計(jì)算語言學(xué)與統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型相結(jié)合，使計(jì)算機(jī)能夠理解文本和口語。
自然語言處理將計(jì)算語言學(xué)與統(tǒng)計(jì)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型相結(jié)合，使計(jì)算機(jī)能夠理解人類語言。它采用兩種技術(shù)：(1)句法分析，確定句子的結(jié)構(gòu)和詞語之間的關(guān)系；(2)語義分析，側(cè)重于詞語的主題含義及其在句子中的上下文。谷歌翻譯是自然語言處理技術(shù)在現(xiàn)實(shí)世界中的一個(gè)例子：Siri和Alexa等聊天機(jī)器人也依賴于自然語言處理。
神經(jīng)網(wǎng)絡(luò)（Neural Networks）是機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域。神經(jīng)網(wǎng)絡(luò)的每個(gè)神經(jīng)元或節(jié)點(diǎn)接受輸入，進(jìn)行計(jì)算并產(chǎn)生輸出。如果任何單個(gè)節(jié)點(diǎn)的輸出，如果單個(gè)節(jié)點(diǎn)的輸出高于指定的閾值，則該節(jié)點(diǎn)被激活，并將數(shù)據(jù)發(fā)送到下一層。最著名的神經(jīng)網(wǎng)絡(luò)之一是谷歌的搜索算法。
大型語言模型（LLM，Large Language Models）是一種機(jī)器學(xué)習(xí)模型，它在大量無標(biāo)注數(shù)據(jù)的基礎(chǔ)上通過自大型語言模型使用深度神經(jīng)網(wǎng)絡(luò)生成輸出。ChatGPT是最著名的大型語言模型實(shí)例。
深度學(xué)習(xí)（Deep Learning）是指具有三層或更多層的神經(jīng)網(wǎng)絡(luò)。深度學(xué)習(xí)與“經(jīng)典”機(jī)器學(xué)習(xí)的不同之處在于其使用的數(shù)據(jù)類型和學(xué)習(xí)方法。機(jī)器學(xué)習(xí)算法利用結(jié)構(gòu)化程度較高的標(biāo)注數(shù)據(jù)進(jìn)行預(yù)測，而深度學(xué)習(xí)則不一定需要標(biāo)注數(shù)據(jù)集，對人機(jī)交互的依賴性也較低。深度學(xué)習(xí)被廣泛應(yīng)用于語音識別和自動(dòng)駕駛等領(lǐng)域。
六、人工智能發(fā)展史
人工智能走過的幾十年：
1950年代：人工智能的誕生。艾倫圖靈（Alan Turing）探索了機(jī)器智能的可能性，并開發(fā)了圖靈測試（Turing Test）來測試機(jī)器表現(xiàn)出智能行為的能力。
1960年代：對人工智能的熱情不斷高漲，資金不斷涌入該領(lǐng)域，最終開發(fā)出第一款人工智能聊天機(jī)器人ELIZA。
1970年代：對人工智能的熱情和資金逐漸冷卻，人工智能領(lǐng)域進(jìn)入寒冬期。
1980年代：機(jī)器學(xué)習(xí)的興起使人工智能重新煥發(fā)生機(jī)。
1990年代至2000年代：隨著互聯(lián)網(wǎng)大數(shù)據(jù)的出現(xiàn)和計(jì)算能力的提高，人工智能的創(chuàng)新迅速擴(kuò)大。
2010年代至今：隨著大型科技公司開始將人工智能技術(shù)整合到其產(chǎn)品中，人工智能成為主流。
詳細(xì)圖解
2009年谷歌開始研發(fā)無人駕駛汽車
2010年微軟發(fā)布Xbox360版Kinect，首款利用三維攝像頭和紅外探測技術(shù)追
2011年10月，蘋果推出Siri語音助手。
2011年，IBM的自然語言處理計(jì)算機(jī)沃森參加競賽并獲勝。
2012年6月，谷歌研究人員訓(xùn)練由1.6萬個(gè)處理器組成的大型神經(jīng)網(wǎng)絡(luò)。
2012年7月，谷歌推出虛擬助手GoogleNow，即谷歌助手的前身。
2014年6月，聊天機(jī)器人“EugeneGoostman“”被認(rèn)為通過了圖靈測試。
2014年11月，亞馬遜推出虛擬助手。
2015年1月，埃隆馬斯克（Elon Musk）、斯蒂芬霍金和史蒂夫沃茲尼亞克等人在一封公開信上簽名，要求禁止開發(fā)自動(dòng)武器。
2015年12月，非營利性研究公司OpenAI由伊隆馬斯克（Elon Musk）、山姆奧特曼（Sam Altman）等人創(chuàng)辦成立。
2016年3月，谷歌DeepMind的AlphaGo是一款計(jì)算機(jī)程序，它能在棋盤游戲中戰(zhàn)勝圍棋冠軍李世石。
2016年2月，漢森機(jī)器人公司（Hanson Robotics）首次推出了一款名為索菲亞（Sophia）的仿人機(jī)器人，它能通過圖像識別“看”東西，做出面部表情，并能使用人工智能進(jìn)行交流。
2017年6月，谷歌的研究人員發(fā)表了一篇名為“Attention is AlI You Need”的論文，即ChatGPT和DALL-E等生成式人工智能模型背后的突破性技術(shù)。
2018年1月，阿里巴巴開發(fā)的Almodel在斯坦福大學(xué)的閱讀和理解測試中表現(xiàn)優(yōu)于人類。
2018年5月，谷歌推出Google Duplex服務(wù)，允許人工智能助手通過電話預(yù)約。
2020年2月，微軟推出Turind Natural Language Generatio(T-NLG)，這是一種生成式語言模型，目前是有史以來最大的語言模型。
2020年6月，OpenAl發(fā)布了GPT-3語言模型，該模型通過預(yù)先訓(xùn)練的算法生成文本，并完成人類幾乎無法完成的語言任務(wù)。
2021年1月，OpenAl發(fā)布DALL--可從文本生成圖像的人工智能模型。
2021年5月，谷歌引入了Language Model forDialoque Applications i(LaMDA)，這是一個(gè)大型語言模型，用于在對話中生成類似人類的反應(yīng)。
2022年8月，Stability AI發(fā)布Stable Diffusion，這是一款基于文本描述生成圖像的文本到圖像工具。
2022年11月，OpenAl公開發(fā)布了突破性的人工智能生成工具ChatGPT，它可以基于文本輸入生成長式的類似人類的反應(yīng)。ChatGPT的用戶數(shù)量在5天內(nèi)突破100萬。
2023年1月，微軟宣布對OpenAl進(jìn)行多年期巨額投資。
2023年2月，Alphabet發(fā)布了由LaMDA提供支持的生成工具Bard。
2023年6月，英偉達(dá)市值突破1萬億美元。其股票在人工智能驅(qū)動(dòng)的樂觀情緒下大幅上漲。
七、分析師關(guān)于人工智能的討論
卡什雷根和埃里克謝里丹是高盛的高級證券研究分析師，分別負(fù)責(zé)美國軟件和互聯(lián)網(wǎng)行業(yè)。下面，他們將討論最近人工智能的興起，哪些公司和行業(yè)將從中受益，以及這對投資者意味著什么。
艾利森內(nèi)森：最近出現(xiàn)的生成式人工智能吸引了眾多關(guān)注。為什么人們對這項(xiàng)技術(shù)如此興奮，尤其是人工智能已經(jīng)存在了一段時(shí)間？
雷根：生成式人工智能與傳統(tǒng)人工智能主要有兩點(diǎn)不同。首先，它能夠以文本、圖像、視頻、音頻和代碼的形式生成新的內(nèi)容，而傳統(tǒng)的人工智能系統(tǒng)則訓(xùn)練計(jì)算機(jī)對人類行為、商業(yè)結(jié)果等進(jìn)行預(yù)測。其二，它允許人類用自然語言與計(jì)算機(jī)交流，這在以前是從未有過的。
人工智能的出現(xiàn)對個(gè)人和職業(yè)生產(chǎn)力的影響是巨大的--如果計(jì)算機(jī)能夠生成高質(zhì)量的內(nèi)容，人們就可以將節(jié)省下來的時(shí)間用于更有價(jià)值的活動(dòng)。如果計(jì)算機(jī)能夠生成高質(zhì)量的內(nèi)容，人們就可以將節(jié)省下來的時(shí)間用于更高附加值的活動(dòng)。
謝里丹：人們現(xiàn)在非常關(guān)注人工智能，因?yàn)橄M(fèi)者和企業(yè)的想象力已經(jīng)趕上了這項(xiàng)技術(shù)。Alphabet在2017年的開發(fā)者大會(huì)上首次將自己描述為一家人工智能第一的公司，而人工智能嵌入大多數(shù)日常產(chǎn)品（如搜索算法和推薦引擎）已有一段時(shí)間。但是，生成式人工智能工具ChatGPT已經(jīng)抓住了人們的想象力，就像iPhone在智能手機(jī)已經(jīng)存在的情況下推出時(shí)一樣，使其能夠非常迅速地?cái)U(kuò)展。這些都是“解鎖”的時(shí)刻。iPhone花了幾年時(shí)間才成為消費(fèi)者大規(guī)模使用的設(shè)備，而ChatGPT則是我們追蹤過的最快達(dá)到2億月活躍用戶的應(yīng)用。因此，人工智能的解鎖時(shí)刻已經(jīng)到來，而且比我們過去所看到的更為激烈。
艾利森內(nèi)森：對生成式人工智能的炒作是有道理的，還是被夸大了？它與之前的技術(shù)炒作有什么區(qū)別？
雷根：人工智能可能沒有進(jìn)入炒作周期。首先，本輪技術(shù)周期并非由后起之秀主導(dǎo)，這使得它不太可能一蹶不振或需要很長時(shí)間才能起步。20世紀(jì)90年代初從大型機(jī)向分布式系統(tǒng)的轉(zhuǎn)變，以及21世紀(jì)初從分布式計(jì)算向云計(jì)算的轉(zhuǎn)變，都花費(fèi)了比許多人預(yù)期更長的時(shí)間，因?yàn)榇笮屠吓乒緦@些轉(zhuǎn)變持批評態(tài)度。IBM支持大型機(jī)系統(tǒng)，反對當(dāng)時(shí)相對較小的甲骨文公司的分布式架構(gòu)�，F(xiàn)有的企業(yè)內(nèi)部系統(tǒng)和技術(shù)提供商反對從分布式計(jì)算轉(zhuǎn)向云計(jì)算，警告說云不安全、不經(jīng)濟(jì)、不能很好地?cái)U(kuò)展等。多年后，這些反對意見才被克服，云計(jì)算才站穩(wěn)腳跟。只有當(dāng)大型、成熟的公司開始運(yùn)行云計(jì)算時(shí)，才會(huì)有一種和諧的聲音告訴買家，這種技術(shù)是可以接受的。
與此相反，推動(dòng)人工智能技術(shù)周期的是世界上一些最強(qiáng)大的技術(shù)公司，它們正在建立作為生成式人工智能核心的基礎(chǔ)模型。當(dāng)技術(shù)提供商一致認(rèn)為技術(shù)變革正在發(fā)生時(shí)，它就是真實(shí)的。當(dāng)客戶開始感興趣時(shí)，這就不是炒作。客戶對此很感興趣。我們正在與全球企業(yè)的首席信息官進(jìn)行討論，他們對這項(xiàng)技術(shù)在內(nèi)部部署后可能帶來的生產(chǎn)力優(yōu)勢感到驚訝。而所有這一切都發(fā)生在市場獎(jiǎng)勵(lì)生產(chǎn)力提高的時(shí)候。因此，這并不像一個(gè)炒作周期。
艾利森內(nèi)森：所以，這不是泡沫？
謝里丹：雖然在泡沫破滅之前，你永遠(yuǎn)不知道自己身處泡沫之中，但在過去幾個(gè)月里，絕大多數(shù)以人工智能為主題的公司的表現(xiàn)都優(yōu)于大盤，其市盈率仍處在相對合理的倍數(shù)。泡沫通常是指企業(yè)價(jià)值與眼球/點(diǎn)擊量、可尋址市場動(dòng)態(tài)或純粹的興奮情緒作為估值的驅(qū)動(dòng)因素，而不是市盈率。因此，這種感覺與之前的科技泡沫非常不同。
艾利森內(nèi)森：即使沒有過度炒作，這項(xiàng)技術(shù)真正對公司、工人和消費(fèi)者產(chǎn)生影響還需要多長時(shí)間？
謝里丹：在推出ChatGPT（OpenAI）和Bard（Alphabet）之后，消費(fèi)互聯(lián)網(wǎng)公司現(xiàn)在正進(jìn)入構(gòu)建階段，他們正在構(gòu)建基礎(chǔ)模型，其中一些是針對特定業(yè)務(wù)/行業(yè)的。一旦構(gòu)建完成，其中一些解決方案將需要在現(xiàn)實(shí)世界中部署，以了解哪些方案可行、可擴(kuò)展并獲得采用。從臺式機(jī)到移動(dòng)計(jì)算的轉(zhuǎn)變是一個(gè)很好的類比。在iPhone問世四年后，Alphabet和Meta等公司才開始將自己稱為移動(dòng)優(yōu)先的公司--這是基礎(chǔ)設(shè)施建設(shè)所需的時(shí)間，到那時(shí)公司才可以開始談?wù)搼?yīng)用顛覆。因此，在短期內(nèi)（未來6-12年）許多公司將人工智能技術(shù)視為潛在的內(nèi)部生產(chǎn)力提升，他們正在構(gòu)建、測試和學(xué)習(xí)，以了解該技術(shù)如何在更多的3年時(shí)間內(nèi)增加其外部業(yè)務(wù)。
雷根：目前，生產(chǎn)力的提高主要集中在開發(fā)人員層面。根據(jù)我們的經(jīng)驗(yàn)，開發(fā)人員的工作效率提高了15-20%。通過自動(dòng)化編寫代碼的一些手工和死記硬背的過程，提高開發(fā)人員的工作效率，其背后的軟件起價(jià)約為10美元/開發(fā)人員/月。從成本效益的角度來看，這是難以置信的。下一批將測試這種技術(shù)的員工將是銷售、市場營銷和客戶支持人員，他們加起來約占發(fā)達(dá)市場經(jīng)濟(jì)體專業(yè)員工總數(shù)的三分之一。軟件公司正在準(zhǔn)備產(chǎn)品，這些產(chǎn)品將在2024年對這些人群產(chǎn)生積極影響。
謝里丹：我要補(bǔ)充的是，對消費(fèi)者的影響可能需要更長的時(shí)間才能體現(xiàn)出來，因?yàn)橥ǔＰ枰嗄甑臅r(shí)間才能徹底改變根深蒂固的搜索、購物、消費(fèi)等行為。盡管ChatGPT的月均活躍用戶已經(jīng)達(dá)到2億，比我們追蹤過的任何產(chǎn)品都要快，但傳統(tǒng)搜索查詢量在谷歌和必應(yīng)等平臺上的傳播還未受到影響。因此，我們距離人工智能技術(shù)在消費(fèi)者應(yīng)用方面產(chǎn)生真正的影響還有相當(dāng)長的一段時(shí)間。
艾利森內(nèi)森：構(gòu)建階段聽起來像是投入很多，產(chǎn)出很少。我們什么時(shí)候才能期待公司從人工智能生成技術(shù)中獲得收益？
謝里丹：構(gòu)建階段并不意味著沒有人獲得收入。英偉達(dá)最近發(fā)布了2024財(cái)年第二財(cái)季110億美元的營收預(yù)期，這導(dǎo)致其股價(jià)大幅上漲。其他公司何時(shí)實(shí)現(xiàn)收益貨幣化的時(shí)間表因公司類型而異。對于消費(fèi)互聯(lián)網(wǎng)公司而言，貨幣化通常只發(fā)生在擁有一定規(guī)模的用戶和購買力部署之后。應(yīng)用商店就是一個(gè)很好的類比。蘋果的App Store和谷歌的Play Store是計(jì)算機(jī)移動(dòng)操作系統(tǒng)層的二元應(yīng)用分發(fā)機(jī)制。
雷根：對于軟件公司來說，貨幣化可能會(huì)更快。軟件公司的貨幣化將來自于能夠引導(dǎo)客戶購買其產(chǎn)品中專門具有人工智能生成功能的優(yōu)質(zhì)SKU。在一開始，公司可能會(huì)向客戶收取較低的月費(fèi)，讓他們玩玩這項(xiàng)技術(shù)，從而降低采用門檻。一旦這些產(chǎn)品不斷發(fā)展并變得更加復(fù)雜，企業(yè)將擁有更大的定價(jià)權(quán)。
重要的是要記住，我們進(jìn)入生成式人工智能只有五個(gè)月左右的時(shí)間；而云計(jì)算的前五個(gè)月看起來什么都不是。因此，貨幣化的能力將會(huì)增長。那些不僅擁有龐大的分銷網(wǎng)絡(luò)和客戶群，而且擁有大量數(shù)據(jù)來訓(xùn)練大型語言模型的軟件公司，在通過差異化的SKU和提高現(xiàn)有產(chǎn)品的每用戶平均營收來實(shí)現(xiàn)人工智能收益貨幣化方面處于特別有利的地位，尤其是因?yàn)樵诜咒N和產(chǎn)品開發(fā)方面已經(jīng)支付了成本結(jié)構(gòu)。
超大規(guī)模公司（即大規(guī)模提供計(jì)算和存儲(chǔ)服務(wù)的大型云計(jì)算公司）也可能很快獲得收入。云計(jì)算提供了大規(guī)模部署人工智能所需的計(jì)算資源和基礎(chǔ)設(shè)施。因此，人工智能驅(qū)動(dòng)的舉措可能會(huì)導(dǎo)致企業(yè)客戶增加云計(jì)算支出，而在此之前的一年里，由于對經(jīng)濟(jì)的擔(dān)憂，大多數(shù)企業(yè)客戶都優(yōu)化了支出，這可能會(huì)為2023年和2024年的超大規(guī)模企業(yè)創(chuàng)造積極的收入軌跡。云計(jì)算超大規(guī)模企業(yè)也處于有利地位，因?yàn)樗鼈円呀?jīng)花費(fèi)了10年時(shí)間和數(shù)千億美元來建設(shè)云基礎(chǔ)設(shè)施，使生成式人工智能能夠建立在堅(jiān)實(shí)的云收入基礎(chǔ)之上。因此，它們并不是從零開始；它們將利用大量已經(jīng)到位的設(shè)施，在技術(shù)行業(yè)有史以來最大的投資周期之上增強(qiáng)人工智能生成能力。
綜上所述，由于資本支出增長超過收入增長，在可預(yù)見的未來，人工智能的毛利率可能為負(fù)。目前，微軟、Alphabet和亞馬遜的資本支出超過1000億美元，其中很大一部分用于云計(jì)算和人工智能，而人工智能可能是增長最快的類別。但是，生成性人工智能目前對云計(jì)算行業(yè)的收入貢獻(xiàn)微乎其微，這在大型資本支出周期的前端是很典型的。微軟云計(jì)算業(yè)務(wù)的毛利率從負(fù)增長到今天的50-60%，需要10年的投資周期。這可能是人工智能的基準(zhǔn)線。
艾利森內(nèi)森：什么類型的公司最適合如何從生成式人工智能中獲益？
謝里丹：為生成式人工智能開發(fā)基礎(chǔ)模型的少數(shù)大型科技公司顯然處于有利地位。半導(dǎo)體公司和云計(jì)算領(lǐng)域的超大規(guī)模公司看起來也處于有利位置，可以在構(gòu)建階段獲得收益。
雷根：我們預(yù)計(jì)，人工智能軟件的總可尋址市場將達(dá)到1500億美元�；A(chǔ)設(shè)施軟件公司也將從中受益。大規(guī)模運(yùn)行生成式人工智能需要大量的計(jì)算能力和數(shù)據(jù)存儲(chǔ)。當(dāng)云計(jì)算出現(xiàn)時(shí)，一些人認(rèn)為不再需要數(shù)據(jù)中心和IT員工，因?yàn)樵朴?jì)算可以做任何事情。但是，隨著數(shù)以千計(jì)的云應(yīng)用的出現(xiàn)，所需的基礎(chǔ)設(shè)施急劇擴(kuò)大，更不用說數(shù)據(jù)中心需要能夠與云對話，這進(jìn)一步增加了過程的復(fù)雜性。這就是為什么IT支出占資本支出和總收入的比例持續(xù)上升。
生成式人工智能被置于現(xiàn)有的云架構(gòu)之上，它需要能夠與云應(yīng)用對話，這就成倍增加了交互的復(fù)雜性和發(fā)生故障的機(jī)會(huì)。因此，提供診斷、工具、測量、反饋和穩(wěn)定功能的基礎(chǔ)架構(gòu)軟件公司將大有可為。在這一領(lǐng)域“勝出”的公司都是上市公司，其中一些甚至還不存在。
艾利森內(nèi)森：是否會(huì)為新公司/小公司留出空間？
雷根：當(dāng)ChatGPT出現(xiàn)時(shí)，一些風(fēng)險(xiǎn)投資家認(rèn)為它將顛覆所有公司�，F(xiàn)在，他們普遍認(rèn)為微軟、Adobe、Salesforce等公司不會(huì)被顛覆，因?yàn)樗鼈儞碛写笠?guī)模的工程人才和資金，以及大量的數(shù)據(jù)，可以主導(dǎo)基礎(chǔ)模型層。因此，新進(jìn)入者不會(huì)顛覆基礎(chǔ)層似乎已成為共識。這并不奇怪；技術(shù)變革的歷史表明，通常只有少數(shù)有規(guī)模的贏家才能獲得操作系統(tǒng)層的絕大多數(shù)利潤，人工智能很可能也是如此。但更廣泛的人工智能領(lǐng)域?qū)⒉粌H僅是巨頭們的天下。應(yīng)用層將為創(chuàng)新敞開大門。人工智能技術(shù)的用例將會(huì)被發(fā)明出來，而這些用例還沒有人想到過。沒有人預(yù)料到成千上萬的軟件即服務(wù)（SaaS）公司會(huì)從云計(jì)算中成長起來，也沒有人預(yù)料到Uber會(huì)從移動(dòng)優(yōu)先的世界中成長起來。
謝里丹：基于人工智能生成能力、顛覆醫(yī)療保艦教育、法律等行業(yè)的應(yīng)用尚未誕生，但作為潛在的可能性正在被廣泛討論。在每一輪計(jì)算周期中，有趣的應(yīng)用開發(fā)者都會(huì)涌現(xiàn)；我認(rèn)為沒有理由相信這一次會(huì)有所不同。如果說之前的風(fēng)險(xiǎn)投資周期給了我們什么啟示的話，那就是多家新公司將嘗試開發(fā)顛覆性應(yīng)用，其中少數(shù)公司很可能會(huì)取得成功。
艾利森內(nèi)森：人工智能監(jiān)管的現(xiàn)狀如何？
謝里丹：通常情況下，監(jiān)管曲線至少比創(chuàng)新曲線落后50年。相比之下，人工智能監(jiān)管曲線幾乎與創(chuàng)新曲線平行運(yùn)行。與人工智能技術(shù)相關(guān)的潛在工作崗位轉(zhuǎn)移的規(guī)模之大，以及某些災(zāi)難性結(jié)果的尾部風(fēng)險(xiǎn)，給政治家和監(jiān)管者敲響了警鐘，在過去十年的大部分時(shí)間里，他們在互聯(lián)網(wǎng)數(shù)據(jù)收集、隱私和信息傳播等方面也處于落后狀態(tài)。這使得監(jiān)管力量在此次事件中迅速發(fā)揮作用。
我們報(bào)道范圍內(nèi)的科技公司和私人領(lǐng)域的公司都希望加強(qiáng)監(jiān)管，部分原因是如果人工智能技術(shù)產(chǎn)生了不好的結(jié)果，他們不希望被歸咎于自己，因此他們希望與監(jiān)管機(jī)構(gòu)合作，幾乎在技術(shù)創(chuàng)新的同時(shí)就為這項(xiàng)技術(shù)設(shè)立防護(hù)欄。還有一種頗為憤世嫉俗的觀點(diǎn)認(rèn)為，大型科技公司之所以主張?jiān)诩夹g(shù)周圍設(shè)置防護(hù)欄，是因?yàn)檫@些公司周圍形成的護(hù)城河，使小公司/新公司難以顛覆它們并在這一領(lǐng)域獲勝。無論原因如何，監(jiān)管在這一輪技術(shù)周期中比以往任何一輪都更早地成為關(guān)注焦點(diǎn)。
艾利森內(nèi)森：監(jiān)管幾乎與創(chuàng)新同步進(jìn)行，這是否會(huì)增加投資人工智能領(lǐng)域的風(fēng)險(xiǎn)，因?yàn)楸O(jiān)管可能會(huì)扼殺創(chuàng)新？
謝里丹：監(jiān)管不是風(fēng)險(xiǎn)。監(jiān)管通常會(huì)改變資本分配方式和行業(yè)的單位經(jīng)濟(jì)效益。受監(jiān)管行業(yè)的利潤率通常較低，但考慮到遵守監(jiān)管的成本，進(jìn)入門檻較高。因此，雖然投資者可能不得不接受較低的利潤，但他們也不必太擔(dān)心所投資的公司會(huì)被新進(jìn)入者顛覆。監(jiān)管肯定會(huì)減緩創(chuàng)新。
但是，為了將不良行為者拒之門外，監(jiān)管也是必要的。最終，一個(gè)充斥著不良行為者的領(lǐng)域，尤其是不良行為后果可能很嚴(yán)重的人工智能領(lǐng)域，對任何投資者都沒有好處。
艾利森內(nèi)森：那么，投資者應(yīng)該注意哪些風(fēng)險(xiǎn)呢？擔(dān)心什么？
謝里丹：潛在的計(jì)算習(xí)慣改變是一種風(fēng)險(xiǎn)，無論它是否發(fā)生。我們已經(jīng)經(jīng)歷了多次人們爭論某件事將顛覆搜索引擎的周期。移動(dòng)被認(rèn)為會(huì)顛覆搜索引擎，社交媒體被認(rèn)為會(huì)顛覆搜索引擎，甚至幾年前亞馬遜與谷歌之爭也曾在投資者之間引發(fā)爭論，討論亞馬遜的搜索框是否會(huì)成為搜索引擎的終結(jié)者，然而爭論仍在繼續(xù)。如果人工智能最終顛覆了搜索引擎，那將對現(xiàn)有的商業(yè)模式產(chǎn)生重大影響。如果消費(fèi)者的行為因?yàn)槿斯ぶ悄芏h(yuǎn)離搜索引擎，或者搜索引擎因?yàn)槿斯ぶ悄芏枰淖�，這可能會(huì)導(dǎo)致與投資者所習(xí)慣的完全不同的經(jīng)濟(jì)結(jié)果。因此，這些都是需要關(guān)注的重大風(fēng)險(xiǎn)。
雷根：我最擔(dān)心的投資者風(fēng)險(xiǎn)是，人工智能生成技術(shù)變得如此普遍，以至于成為商品。如果它并不特殊，公司如何能收取溢價(jià)或?qū)崿F(xiàn)貨幣化？今天，這項(xiàng)技術(shù)還沒有普及，因?yàn)橛?xùn)練大型語言模型所需的專業(yè)知識非常稀缺。大型語言模型需要一定的監(jiān)督，但目前很少有計(jì)算機(jī)科學(xué)家專門從事生成式人工智能研究，這限制了大型語言模型的學(xué)習(xí)速度。大型語言模型確實(shí)能夠?qū)W習(xí)，因?yàn)樗欠抡杖四X構(gòu)建的神經(jīng)網(wǎng)絡(luò)。但是，如果大型語言學(xué)習(xí)的學(xué)習(xí)速度非�？�，這項(xiàng)技術(shù)就會(huì)得到廣泛傳播。到那時(shí)，這項(xiàng)技術(shù)可能就不再有價(jià)值了。
八、人工智能對經(jīng)濟(jì)的潛在巨大影響
約瑟夫布里格斯（Joseph Briggs）發(fā)現(xiàn)，廣泛采用生成式人工智能有可能大幅提高全球生產(chǎn)力和國內(nèi)生產(chǎn)總值。
最近出現(xiàn)的生成式人工智能提出了這樣一個(gè)問題：我們是否正處于任務(wù)自動(dòng)化快速加速的邊緣，這將大大節(jié)省時(shí)間和勞動(dòng)力成本，導(dǎo)致生產(chǎn)力爆發(fā)，并加快經(jīng)濟(jì)增長速度。盡管當(dāng)前生成式人工智能模型的能力和采用時(shí)間表仍存在重大不確定性，但我們發(fā)現(xiàn)，在美國和其他發(fā)達(dá)國家廣泛采用后，生成式人工智能有可能在10年內(nèi)將年勞動(dòng)生產(chǎn)率增長提高約1.5個(gè)百分點(diǎn)，并最終將全球年GDP提高7%。
人工智能對勞動(dòng)力市場的影響
生成式人工智能對經(jīng)濟(jì)的最大影響可能來自其對勞動(dòng)力市場的影響。為了評估這種影響的潛在規(guī)模，我們使用了美國900多種職業(yè)和歐元區(qū)2000多種職業(yè)在典型工作周內(nèi)的具體工作任務(wù)數(shù)據(jù)。
這些數(shù)據(jù)包含了與每個(gè)職業(yè)相關(guān)的各種任務(wù)的重要性和難度的測量值，我們結(jié)合這些數(shù)據(jù)來估算人工智能節(jié)省勞動(dòng)力的自動(dòng)化在總工作中所占的比例。具體來說，我們根據(jù)對生成式人工智能的可能用例的審查，選擇最有可能被人工智能自動(dòng)化的工作活動(dòng)，并假設(shè)人工智能最終將能夠完成中等難度的任務(wù)（在7點(diǎn)任務(wù)復(fù)雜度量表中難度等級最高為4）。 然后，我們對每個(gè)職業(yè)的基本工作任務(wù)的重要性和復(fù)雜性進(jìn)行加權(quán)平均，以估算人工智能可能取代的總工作量份額。
我們的主要發(fā)現(xiàn)是，許多工人花費(fèi)大量時(shí)間執(zhí)行人工智能模型非常適合自動(dòng)化的任務(wù)。特別是，我們估計(jì)，大約三分之二的美國職業(yè)面臨至少某種程度的人工智能自動(dòng)化，而在這些面臨自動(dòng)化的職業(yè)中，大多數(shù)職業(yè)的工作量（25-50%）都有可能被取代，盡管只是部分。在根據(jù)每個(gè)職業(yè)在美國的就業(yè)比例對職業(yè)層面的估計(jì)值進(jìn)行加權(quán)后，我們估計(jì)目前四分之一的工作任務(wù)可能會(huì)被人工智能自動(dòng)化，其中行政（46%）和法律（44%）職業(yè)的風(fēng)險(xiǎn)尤其高，而建筑（6%）和維修（4%）等體力密集型職業(yè)的風(fēng)險(xiǎn)較低。
利用歐洲的數(shù)據(jù)，我們估計(jì)歐元區(qū)類似24%的工作任務(wù)有可能由人工智能實(shí)現(xiàn)自動(dòng)化。 盡管沒有其他國家/地區(qū)的詳細(xì)工作任務(wù)數(shù)據(jù)，但根據(jù)各國的行業(yè)就業(yè)份額對我們的行業(yè)級人工智能風(fēng)險(xiǎn)估計(jì)值進(jìn)行重新加權(quán)后得出的結(jié)果表明，生成型人工智能最終可使全球約18%的工作實(shí)現(xiàn)自動(dòng)化，其中發(fā)達(dá)國家的份額大于新興市常
生成式人工智能提高生產(chǎn)率
人工智能產(chǎn)生的大量就業(yè)崗位可能會(huì)提高勞動(dòng)生產(chǎn)率，從而顯著促進(jìn)全球經(jīng)濟(jì)增長。我們認(rèn)為人工智能驅(qū)動(dòng)的自動(dòng)化可以通過兩個(gè)渠道提高全球生產(chǎn)率和國內(nèi)生產(chǎn)總值。
首先，大多數(shù)工人所從事的職業(yè)會(huì)部分受到人工智能自動(dòng)化的影響，在采用人工智能后，他們可能會(huì)將至少部分騰出的能力用于生產(chǎn)活動(dòng)。這種動(dòng)態(tài)在已經(jīng)采用人工智能的企業(yè)中可以觀察到，研究表明，采用人工智能后，勞動(dòng)生產(chǎn)率的年增長率在數(shù)年內(nèi)可提高2-3個(gè)百分點(diǎn)。
其次，雖然人工智能技術(shù)將不可避免地取代一些工人，但我們預(yù)計(jì)，大多數(shù)被取代的工人最終將在新的職業(yè)中重新就業(yè)，這些新職業(yè)或者直接來自于人工智能的應(yīng)用，或者來自于非被取代工人的生產(chǎn)力提升所產(chǎn)生的更高水平的總需求和勞動(dòng)力需求。
因技術(shù)變革的直接或間接影響而導(dǎo)致的失業(yè)工人再就業(yè)，在歷史上已有很多先例。例如，信息技術(shù)在21世紀(jì)初取代了一些工人，但也直接導(dǎo)致了網(wǎng)頁設(shè)計(jì)師、軟件開發(fā)人員和數(shù)字營銷專業(yè)人員等新職業(yè)的產(chǎn)生，并間接增加了醫(yī)療保艦教育和食品服務(wù)等服務(wù)行業(yè)的勞動(dòng)力需求。
在更長的時(shí)間跨度內(nèi)，技術(shù)變革對就業(yè)的積極影響尤為明顯。今天60%的工人所從事的職業(yè)在1940年是不存在的，這意味著過去80年中超過85%的就業(yè)增長可以用技術(shù)驅(qū)動(dòng)的新職位創(chuàng)造來解釋。
為了估算這些渠道如何共同提高美國的生產(chǎn)率增長，我們結(jié)合了對非流離失所工人的生產(chǎn)率提升、流離失所工人的勞動(dòng)力成本節(jié)約以及流離失所工人在新崗位上再就業(yè)的構(gòu)成效應(yīng)的估算。特別是，我們假設(shè)約有7%的工人是完全失業(yè)的。
但大多數(shù)人只能在生產(chǎn)率略低的崗位上獲得新的就業(yè)機(jī)會(huì)，部分接觸人工智能的工人的生產(chǎn)率提升與現(xiàn)有研究的估計(jì)一致。為說明起見，我們假定生成式人工智能對生產(chǎn)率的全面提升是在10年時(shí)間內(nèi)實(shí)現(xiàn)的（但不一定是未來10年），從很大一部分企業(yè)采用生成式人工智能時(shí)開始。
根據(jù)上述假設(shè)，我們估計(jì)廣泛采用生成式人工智能可使美國的整體勞動(dòng)生產(chǎn)率年增長率提高約1.5個(gè)百分點(diǎn)。這種規(guī)模的增長將使美國近期的生產(chǎn)率增長速度翻一番，與之前出現(xiàn)的變革性技術(shù)（如電動(dòng)馬達(dá)和個(gè)人電腦）后的增長規(guī)模大致相同。
生成式人工智能還可以提高美國以外的生產(chǎn)率增長。假設(shè)勞動(dòng)力行業(yè)構(gòu)成的差異可以解釋人工智能對勞動(dòng)生產(chǎn)率增長影響的大部分差異，我們估計(jì)對其他發(fā)達(dá)經(jīng)濟(jì)體的生產(chǎn)率也有類似程度的促進(jìn)作用，全球廣泛采用人工智能可以使我們覆蓋范圍內(nèi)的國家的全球年生產(chǎn)率增長每年提高1個(gè)百分點(diǎn)以上（外匯加權(quán)平均值），盡管這種影響在新興市場經(jīng)濟(jì)體中可能會(huì)延遲。
影響巨大，但也有高度不確定性
盡管我們估計(jì)人工智能的廣泛應(yīng)用對生產(chǎn)率增長的推動(dòng)作用相當(dāng)大，但它也具有高度的不確定性，最終將取決于人工智能所能完成的任務(wù)的難度水平、自動(dòng)化工作的數(shù)量以及應(yīng)用的速度。我們對這些因素的不同假設(shè)表明，對美國年生產(chǎn)力增長的促進(jìn)作用可能在0.3-3.0個(gè)百分點(diǎn)之間，盡管在大多數(shù)情況下，這種促進(jìn)作用在經(jīng)濟(jì)上仍然是顯著的。
根據(jù)過去技術(shù)突破的證據(jù)，我們還認(rèn)為，生成式人工智能對宏觀經(jīng)濟(jì)產(chǎn)生影響的時(shí)機(jī)尤其難以預(yù)測。例如，電動(dòng)機(jī)和個(gè)人電腦帶來的生產(chǎn)力爆發(fā)發(fā)生在關(guān)鍵技術(shù)突破后20年左右，當(dāng)時(shí)大約一半的美國企業(yè)已經(jīng)采用了該技術(shù)。
對生成式人工智能的興趣激增有可能加速其采用，并導(dǎo)致宏觀經(jīng)濟(jì)影響更快實(shí)現(xiàn)。然而，2019年美國企業(yè)的人工智能采用率僅為3.2%，盡管許多大公司目前正在探索如何使用人工智能，但只有約20%的首席執(zhí)行官預(yù)計(jì)，生成式人工智能將在未來1-3年內(nèi)降低勞動(dòng)力需求。例如，在大多數(shù)公司開始將生成式人工智能納入日常工作流程之前，公司仍需要克服數(shù)據(jù)隱私等一些采用障礙。因此，我們認(rèn)為，至少在未來幾年內(nèi)，生成式人工智能的效果可能不會(huì)在總體生產(chǎn)率數(shù)據(jù)中顯現(xiàn)出來。
盡管如此，人工智能自動(dòng)化所涉及的大量工作任務(wù)，以及我們對潛在生產(chǎn)率增長的可觀估計(jì)，都凸顯了生成式人工智能在兌現(xiàn)其承諾的情況下所具有的巨大經(jīng)濟(jì)潛力。事實(shí)上，將估計(jì)的生產(chǎn)率提升應(yīng)用于我們覆蓋范圍內(nèi)的國家，我們發(fā)現(xiàn)人工智能的廣泛應(yīng)用可能最終推動(dòng)全球國內(nèi)生產(chǎn)總值在10年內(nèi)每年增長7%，即近70億美元，因此我們認(rèn)為人工智能對我們的中長期全球經(jīng)濟(jì)增長預(yù)測來說是一個(gè)重大的上行風(fēng)險(xiǎn)。
九、美國股市：衡量人工智能上行空間
高盛股票策略師瑞安哈蒙德（Ryan Hammond）和大衛(wèi)科斯汀（David Kostin）認(rèn)為，與人工智能相關(guān)的潛在生產(chǎn)力提升可能為美國股市帶來更多上漲空間。
隨著對人工智能的關(guān)注度急劇上升，美國科技股近期表現(xiàn)優(yōu)異，其中一些股票創(chuàng)下歷史新高。盡管近期漲幅較大，但我們估計(jì)，與人工智能相關(guān)的潛在生產(chǎn)力提升可能會(huì)在中長期內(nèi)為標(biāo)準(zhǔn)普爾500指數(shù)的盈利和股價(jià)帶來更大的上漲空間，盡管仍存在巨大的不確定性和風(fēng)險(xiǎn)。
對美國生產(chǎn)力、收益和股票的潛在提振
我們的經(jīng)濟(jì)學(xué)家估計(jì)，人工智能的廣泛應(yīng)用（我們假設(shè)將在10年內(nèi)實(shí)現(xiàn)）可在10年內(nèi)將美國生產(chǎn)率的年增長率提高1.5個(gè)百分點(diǎn)，并在10年內(nèi)將實(shí)際GDP的趨勢增長率提高1.1個(gè)百分點(diǎn)。根據(jù)我們的股息貼現(xiàn)模型（DDM）中的這些假設(shè)，我們估計(jì)標(biāo)準(zhǔn)普爾500指數(shù)未來20年的每股收益年復(fù)合增長率將為5.4%，比我們目前假設(shè)的4.9%高出50個(gè)百分點(diǎn)，在其他條件不變的情況下，標(biāo)準(zhǔn)普爾500指數(shù)的公允價(jià)值將比目前水平高出9%。
人工智能的廣泛應(yīng)用將使標(biāo)準(zhǔn)普爾500指數(shù)20年的每股收益比我們當(dāng)前的假設(shè)高出11%。
盡管如此，人工智能對標(biāo)準(zhǔn)普爾500指數(shù)的潛在影響范圍很廣，因此投資者不太可能在短期內(nèi)對其進(jìn)行充分定價(jià)，主要原因有四點(diǎn)：
1.我們的經(jīng)濟(jì)學(xué)家估計(jì)，采用人工智能對生產(chǎn)力增長的影響每年從0.3個(gè)百分點(diǎn)到3.0個(gè)百分點(diǎn)不等，這取決于采用的速度、人工智能的力量以及勞動(dòng)力轉(zhuǎn)移的廣度�；谶@一系列的生產(chǎn)率情景，我們估計(jì)標(biāo)準(zhǔn)普爾的上行空間為
500指數(shù)的公允價(jià)值可能小至5%，大至14%。如果國內(nèi)生產(chǎn)總值和收入增長的提升也伴隨著企業(yè)利潤率的提高，那么潛在的上行空間可能會(huì)更大。
2.政策應(yīng)對措施可能會(huì)限制公司保留人工智能帶來的額外利潤的能力。公司利潤占GDP的比重與歷史相比處于較高水平，而工資占國內(nèi)生產(chǎn)總值的比重仍接近歷史低點(diǎn)。如果采用人工智能導(dǎo)致企業(yè)利潤增加而犧牲勞動(dòng)力、政策制定者可以通過提高企業(yè)稅率來應(yīng)對。
實(shí)際公司稅率需要提高8個(gè)百分點(diǎn)才能完全抵消未來標(biāo)普指數(shù)11%的增長。
3.較高的利率環(huán)境可能會(huì)抵消標(biāo)準(zhǔn)普爾500指數(shù)公允價(jià)值的大部分潛在增長。雖然生產(chǎn)率提高導(dǎo)致價(jià)格下降可能會(huì)抑制通脹，并對利率構(gòu)成下行壓力，但我們的經(jīng)濟(jì)學(xué)家指出，人工智能可能會(huì)增加投資需求，進(jìn)而提高對中性利率的估計(jì)，而中性利率是貨幣政策制定者決策中的一個(gè)關(guān)鍵因素。我們估計(jì)，在其他條件相同的情況下，利率只需在當(dāng)前水平上調(diào)30個(gè)基點(diǎn)，就能完全抵消采用人工智能帶來的公允價(jià)值上升。
4. 標(biāo)準(zhǔn)普爾500指數(shù)的價(jià)格更明顯地與近期的周期性動(dòng)態(tài)掛鉤，即使人工智能的應(yīng)用可能在長期內(nèi)提振標(biāo)準(zhǔn)普爾500指數(shù)。如果經(jīng)濟(jì)數(shù)據(jù)疲軟，經(jīng)濟(jì)衰退的可能性增大（預(yù)測者一致認(rèn)為未來12個(gè)月經(jīng)濟(jì)衰退的可能性為65%，而我們估計(jì)的可能性為25%），無論人工智能的長期影響如何，標(biāo)普500指數(shù)的價(jià)格都可能下跌。
狂熱期望的危險(xiǎn)
在指數(shù)層面，當(dāng)前的股票風(fēng)險(xiǎn)溢價(jià)和長期每股收益增長預(yù)期與歷史平均水平基本一致，表明投資者對采用人工智能的樂觀情緒并未達(dá)到極端水平。然而，從股票層面來看，英偉達(dá)等最大的人工智能受益公司目前的估值與2000年代一些最大的網(wǎng)絡(luò)泡沫繁榮受益公司（微軟、英特爾）的估值相似，盡管沒有最極端的例子那么高�；ヂ�(lián)網(wǎng)繁榮時(shí)期的歷史先例表明了高預(yù)期的危險(xiǎn)性。盡管大多數(shù)TMT公司在2000年至2002年間仍能實(shí)現(xiàn)強(qiáng)勁的銷售增長，但由于未能達(dá)到投資者的高預(yù)期，導(dǎo)致市盈率大幅縮水50%以上，股價(jià)暴跌。因此，過高的增長預(yù)期是另一個(gè)值得關(guān)注的風(fēng)險(xiǎn)。
十、過去生產(chǎn)力繁榮時(shí)期的市場
多米尼克威爾森（Dominic Wilson）和維基常（Vickie Chang）評估了過去創(chuàng)新驅(qū)動(dòng)的生產(chǎn)力繁榮對市場的影響，以及這對未來潛在的人工智能生產(chǎn)力繁榮可能意味著什么。
隨著人工智能有可能迎來一個(gè)生產(chǎn)力持續(xù)大幅增長的時(shí)期，一個(gè)關(guān)鍵問題是這將如何影響主要的宏觀市常我們將以史為鑒，探討創(chuàng)新驅(qū)動(dòng)的生產(chǎn)力繁榮對宏觀市場的影響，重點(diǎn)關(guān)注兩個(gè)重要事件：第一次世界大戰(zhàn)后電力的廣泛應(yīng)用（1919-1929年）以及20世紀(jì)90年代末和21世紀(jì)初個(gè)人電腦和互聯(lián)網(wǎng)的廣泛應(yīng)用（1996-2005年）。
當(dāng)然，在這些事件中，生產(chǎn)力繁榮以外的因素也推動(dòng)了市常1997-1998年的新興市場危機(jī)對全球經(jīng)濟(jì)和資產(chǎn)價(jià)格產(chǎn)生了重大影響，2003年后，中國加入世貿(mào)組織促使制造業(yè)發(fā)生重大轉(zhuǎn)變。同樣，20世紀(jì)20年代生產(chǎn)力繁榮的開始與戰(zhàn)時(shí)經(jīng)濟(jì)向和平時(shí)期經(jīng)濟(jì)的過渡相重疊。由于數(shù)據(jù)的有限性和金融市場的變化，無法對這兩個(gè)時(shí)期的主要市場進(jìn)行全面比較。
但是，此前這些生產(chǎn)力繁榮時(shí)期的市場也有一些共同點(diǎn)：這兩次繁榮都對股票和股票估值產(chǎn)生了最大的影響--股票和股票估值大幅上升，而且最終都以泡沫和隨后的蕭條告終。我們發(fā)現(xiàn)，未來潛在的人工智能生產(chǎn)力繁榮與之前這些時(shí)期的一些關(guān)鍵特征相同，那么這種繁榮/蕭條的循環(huán)會(huì)再次發(fā)生嗎？
九十年代的繁榮和崩潰
在個(gè)人電腦/互聯(lián)網(wǎng)普及期間（1996-2005年），美國股市取得了健康的收益，盡管并不引人注目。利潤和盈利在一定程度上超過了國內(nèi)生產(chǎn)總值，但標(biāo)準(zhǔn)普爾500指數(shù)的漲幅與名義國內(nèi)生產(chǎn)總值漲幅基本一致。美元升值相對溫和，除新興市場經(jīng)濟(jì)體外，外匯凈值變化不大。同樣，在此期間，美聯(lián)儲(chǔ)基金利率和10年期收益率均有所下降，而與國內(nèi)需求周期同步。石油價(jià)格在1997-1998年新興市場危機(jī)期間急劇下降，但到2005年有所回升。
但是，這一時(shí)期內(nèi)這些相對溫和的變化掩蓋了這一時(shí)期內(nèi)更大的經(jīng)濟(jì)和市場繁榮與蕭條。在最初的生產(chǎn)力繁榮時(shí)期，市場變動(dòng)的模式（盡管不是幅度）符合（過度）預(yù)期的生產(chǎn)力繁榮--股票大幅上漲，估值攀升至極端水平。
伴隨著這些舉措，國內(nèi)經(jīng)濟(jì)大幅繁榮。投資占GDP的比重攀升，儲(chǔ)蓄率下降，經(jīng)常賬戶惡化。1997-1998年間，隨著亞洲金融危機(jī)和俄羅斯違約事件的爆發(fā)，美聯(lián)儲(chǔ)基金利率和長期債券收益率均有所下降，但隨著國內(nèi)需求的蓬勃發(fā)展，基金利率在2000年升至新一輪周期的峰值。長期收益率也有所上升，但仍低于1996年的水平，因?yàn)榈颓曳�(wěn)定的通脹抑制了期限溢價(jià)。美元在20世紀(jì)90年代末大幅升值（2002年初達(dá)到頂峰），這主要?dú)w因于1997年和1998年新興市場的貶值，但美元作為資本流動(dòng)的首選接受者，對其他發(fā)達(dá)經(jīng)濟(jì)體的匯率也有所上升。然而，隨著繁榮轉(zhuǎn)為蕭條，股票大幅下跌，利率下降，美元的大部分強(qiáng)勢逆轉(zhuǎn)。
1996-2005年期間，利潤和收益超過了GDP，但標(biāo)準(zhǔn)普爾500指數(shù)的漲幅與名義GDP漲幅基本一致。
瘋狂的二十年代
20世紀(jì)20年代，隨著電力應(yīng)用的普及，生產(chǎn)力得到提高，這方面的證據(jù)較為稀少，但也提供了一些相似的教訓(xùn)。同樣，在生產(chǎn)力繁榮的同時(shí)，股票也出現(xiàn)了持續(xù)上漲和估值急劇攀升，但1929年的股災(zāi)最終還是接踵而至。利率和外匯的故事是由于貨幣政策和匯率管理方面的差異，很難與當(dāng)前情況相匹配。在此期間，通貨膨脹率極低。但美聯(lián)儲(chǔ)的貼現(xiàn)率再次跟隨經(jīng)濟(jì)和股票周期，在1924年隨著經(jīng)濟(jì)疲軟而下降，之后穩(wěn)步上升，并隨著股票泡沫加速破滅而達(dá)到新高。
總體而言，這兩次經(jīng)驗(yàn)表明，對資產(chǎn)市場影響最大的是股票和股票估值，這兩次都以泡沫告終。利率和外匯的行為似乎更多地受到國內(nèi)需求的驅(qū)動(dòng)，而非生產(chǎn)率增長趨勢變化帶來的持續(xù)結(jié)構(gòu)性轉(zhuǎn)變，盡管20世紀(jì)90年代為生產(chǎn)率大幅提高的經(jīng)濟(jì)體可能面臨外匯升值壓力的觀點(diǎn)提供了一些支持。
泡沫問題
根據(jù)歷史經(jīng)驗(yàn)，近期美國股市已經(jīng)成為人工智能相關(guān)生產(chǎn)力增長預(yù)期的焦點(diǎn)。我們的股票策略師已經(jīng)為人工智能引發(fā)的生產(chǎn)力繁榮可能從根本上證明的股票指數(shù)上漲制定了基準(zhǔn)（見第16頁）。那么，市場是否會(huì)像歷史經(jīng)驗(yàn)所表明的那樣，超過這些估值，從而產(chǎn)生泡沫，最終以破滅告終呢？
泡沫是一種復(fù)雜的現(xiàn)象，通常由動(dòng)力和自我實(shí)現(xiàn)的價(jià)格動(dòng)態(tài)驅(qū)動(dòng)。但有幾個(gè)原因可以解釋為什么生產(chǎn)力繁榮會(huì)導(dǎo)致市場價(jià)格過高。
首先，投資者可能會(huì)陷入外推法的謬誤。有了真正的創(chuàng)新，生產(chǎn)率的提高將是實(shí)實(shí)在在的。在短期內(nèi)，生產(chǎn)率的加速增長甚至可以提高整個(gè)經(jīng)濟(jì)的利潤份額。但是，平均而言，競爭或投資在隨后的幾年里在很大程度上侵蝕了最初的收益。這意味著，在創(chuàng)新期開始時(shí)，利潤增長較快的階段往往會(huì)隨著時(shí)間的推移而被 "償還"。如果市場將最初的利潤增長視為持續(xù)性增長，那么盈利軌跡的長期潛在變化可能會(huì)被高估。
其次，投資者可能會(huì)陷入?yún)R總謬誤。在創(chuàng)新時(shí)期，一些單個(gè)公司可能會(huì)在一個(gè)新的投資機(jī)會(huì)的推動(dòng)下實(shí)現(xiàn)驚人的盈利增長。但是，如果認(rèn)為單個(gè)公司的情況與總體情況相同，那就大錯(cuò)特錯(cuò)了。即使在單個(gè)公司層面，競爭和市場進(jìn)入最終也會(huì)限制持續(xù)高利潤的潛力。由于潛在的“贏家”有時(shí)比“輸家”更明顯，投資者可能會(huì)在廣泛的潛在贏家中為增加盈利的機(jī)會(huì)定價(jià)。其結(jié)果可能意味著整個(gè)經(jīng)濟(jì)的利潤增長率不太可行。
第三，泡沫本身所推動(dòng)的活動(dòng)似乎為樂觀情緒提供了理由。隨著資產(chǎn)價(jià)格上漲，可能會(huì)鼓勵(lì)投資和消費(fèi)支出的繁榮。這本身可能會(huì)提高為這些領(lǐng)域供貨的公司的盈利能力。但是，如果增加的收入和利潤最終是建立在不可持續(xù)的需求之上，從而導(dǎo)致經(jīng)濟(jì)失衡，那么這些收益最終也將被收回。換句話說，資產(chǎn)價(jià)格被高估所造成的國內(nèi)經(jīng)濟(jì)繁榮可能會(huì)助長人們的看法，即更高的利潤增長是可以維持的。例如，在20世紀(jì)90年代末，國內(nèi)經(jīng)濟(jì)繁榮造成了儲(chǔ)蓄與投資的嚴(yán)重失衡，這種失衡最終在經(jīng)濟(jì)蕭條時(shí)得到緩解，但卻在一段時(shí)間內(nèi)造成了更快的需求增長。
第四，如果生產(chǎn)率增長加速導(dǎo)致貨幣政策比 "應(yīng)該 "更寬松，則可能助長資產(chǎn)價(jià)格高估。出現(xiàn)這種情況可能有幾個(gè)原因：生產(chǎn)率增長加速可能導(dǎo)致通脹下行；中央銀行可能遲遲沒有意識到中性利率已經(jīng)上升；或者不可持續(xù)的經(jīng)常賬戶惡化可能推遲繁榮帶來的通脹后果。當(dāng)經(jīng)濟(jì)繁榮與其他抑制通脹的力量重疊時(shí)，這種風(fēng)險(xiǎn)尤為突出，美國在20世紀(jì)90年代末就是如此。
保持真實(shí)的挑戰(zhàn)
綜上所述，泡沫可以在沒有這些條件的情況下形成，而且并非所有的高生產(chǎn)率時(shí)期都會(huì)導(dǎo)致泡沫。但生產(chǎn)率持續(xù)提高時(shí)期所面臨的挑戰(zhàn)是，潛在的經(jīng)濟(jì)變化既強(qiáng)大又真實(shí)。它們?yōu)橘Y產(chǎn)價(jià)格上漲提供了基本面支持，并為一些公司創(chuàng)造了巨大收益的基礎(chǔ)--即使這種基本面改善隨后被過于廣泛或過于顯著地定價(jià)。即將到來的潛在人工智能生產(chǎn)力繁榮與過去導(dǎo)致這些問題的一些關(guān)鍵特征相同：突破性創(chuàng)新可能導(dǎo)致生產(chǎn)力和盈利能力大幅提高，從而為大量新投資奠定基礎(chǔ)，并激發(fā)對更廣泛創(chuàng)新周期的信心。
如果市場確實(shí)為人工智能生產(chǎn)力的繁榮付出了過高的代價(jià)，這有可能影響一系列廣泛的資產(chǎn)價(jià)格變動(dòng)。20世紀(jì)90年代的歷史表明，這種動(dòng)態(tài)不僅可能與一段不可持續(xù)的高股價(jià)時(shí)期相關(guān)聯(lián)，而且還可能與更大的需求繁榮、更大的外匯升值以及領(lǐng)先國家的更高利率相關(guān)聯(lián)。（無忌）
