预测次贷危机、做空英伟达的投资大师麦克尔·伯里（Michael Burry）、Anthropic的联合创始人杰克·克拉克（Jack Clark），以及科技观察者德瓦克什·帕特尔（Dwarkesh Patel），三个人进行了一场辩论，主题是：

AI，究竟是人类历史上最伟大的技术革命，还是一场即将破裂的资本泡沫?

杰克·克拉克提出了一个非常有趣，但有悖于常识的观察：“2017年，AI圈的主流共识是白板策略，让AI从零开始，在《星际争霸》《Dota2》等游戏中反复试错，最终进化出通用智能。”

DeepMind和OpenAI都押注这条路线，培养出了超越人类的游戏AI。

但历史证明，这条路走不通。

真正改变游戏规则的是另一条路径：大规模预训练+Transformer架构+缩放定律。

《Attention Is All You Need》论文提出的Transformer让大规模训练变得高效，而缩放定律则揭示了一个简单却强大的真理——你投入的数据和算力越多，模型就越聪明，这种关系可以被精确建模。

杰克·克拉克说“现在的AI是它一辈子最差的时候！今天Claude或GPT-4的能力已经是地板而非天花板。如果你上次体验AI还是在几个月前，你对前沿技术的判断已经严重失准。”

这种快速迭代让AI实验室开始回到智能体研发，但这次它们站在了预训练大模型这个强大的肩膀上。

DeepMind的SIMA2可以探索3D环境，ClaudeCode可以自主编程，它们的底层都是预训练模型赋予的先天智慧，就像每个未来的《星际争霸》AI都已经读过中文原版《孙子兵法》。

然而，就在讨论分为沉浸在技术突破的兴奋中时，麦克尔·伯里抛出了一盆冷水。他讲了一个巴菲特的故事：

沃伦·巴菲特在60年代末拥有一家百货商店。当街对面的百货商店装了一部自动扶梯时，他也必须跟着装。最终，没人从这个昂贵的项目中获益。利润率没有持久提升，成本结构也没改善，两家店还是处在完全相同的竞争位置上。

这个自动扶梯理论直击AI投资狂潮的要害。

所有科技巨头都被FOMO（错失恐惧症）驱动着购买GPU、建数据中心时，却没有人能真正获得持久的竞争优势。

“因为你的竞争对手也在做同样的事，最终双方只是把AI能力变成了做生意的必备成本，而非利润来源。”

伯里的数据更加触目惊心：“英伟达售出了4000亿美元的芯片，但终端用户的AI产品收入不到1000亿美元。”这个4:1的基础设施/应用收入比，在他看来是典型的泡沫特征。

更糟糕的是，芯片现在每年更新一代，今天斥巨资建造的数据中心，可能在两三年后就成为搁浅资产。

他特别点名了微软CEO萨提亚·纳德拉的一句话：我撤回了一些项目并放慢了建设速度，因为我不想在这一代芯片上被卡住四五年的折旧。这在伯里眼中是确凿证据——连最乐观的建设者都开始担心资本陷阱。

伯里最关心的指标是ROIC（投入资本回报率），这是衡量公司还有多少增长空间的黄金标准。过去，微软、谷歌这些软件巨头的ROIC极高，因为软件几乎零边际成本，一旦开发完成就能持续产生现金流。

但AI改变了一切。这些公司正在变成资本密集型的硬件企业，需要持续投入巨额资本购买GPU、建数据中心、支付电费。

纳德拉在采访中说，他希望通过AI在沉重的资本支出周期中维持ROIC，但伯里回应：“我看不到这一点，甚至对纳德拉来说，这听起来也只是一个希望。”

更隐蔽的问题是股权薪酬（SBC）。伯里计算出，英伟达大约一半的账面利润被股权薪酬吃掉了。

“当一半员工身价2500万美元时，他们的生产力提升还算数吗？扣除真实的SBC成本后，这些AI明星公司的利润率会大幅缩水。”

德瓦克什试图反驳：“为什么ROIC比绝对回报更重要？AI让科技公司的潜在市场从广告（4000亿美元）扩大到劳动力（数十万亿美元）。”

但伯里坚持：“如果一家公司靠借债或烧光现金流去做低回报投资，它只是虚胖，市盈率最终会跌到8倍，也就是那些没有增长前景的传统企业的水平。”

关于AI是否真的提升生产力，讨论陷入了数据的迷雾。

Anthropic对内部开发者的调查显示，60%使用Claude的人自称生产力提高了50%。但METR的独立研究却发现，开发者在熟悉的代码库中使用AI工具后，合并Pull Request的时间反而增加了20%。

杰克·克拉克坦诚地承认：“数据是相互矛盾且稀疏的。人们的主观感受和客观现实可能南辕北辙——自我报告的生产力暴涨，恰恰可能掩盖了真实生产力的停滞甚至下降。Anthropic正在开发新的监测工具，希望在2026年拿出研究成果来澄清真相。”

德瓦克什提出了一个更深层的疑问：“如果AI真的能让开发者效率提升10倍，为什么三大AI实验室（OpenAI、Anthropic、谷歌）的竞争比以往任何时候都激烈？要么内部吃自家狗粮无法形成护城河，要么AI的生产力增益远比表面看起来要小。”

最讽刺的是就业市场的沉默。

德瓦克什说：“如果你在2017年给我看Gemini 3或Claude 4.5，我会以为它能让一半白领失业。但现在AI对劳动力市场的影响需要用'电子表格显微镜'才能看到。工业革命曾导致义务教育年限延长，以延缓年轻人进入劳动力市场，但AI革命至今没有引发任何类似的社会震荡。”

如果说这场讨论有一个让所有人都感到震惊的点，那就是谷歌的落后。

《Attention Is All You Need》的八位作者全是谷歌员工，谷歌拥有搜索、Gmail、安卓的海量数据，拥有TPU芯片，甚至早就开发出了内部的大语言模型。

然而就是这样一家拥有所有技术积淀的巨头，却眼睁睁看着OpenAI凭一个ChatGPT聊天机器人引爆了AI革命。伯里难以置信：“谷歌在AI领域追赶一家初创公司，这简直令人难以置信。”

更诡异的是，这场革命是一个聊天机器人开启的。ChatGPT的用例从一开始就很有限——搜索、学生作弊、编程，但它却触发了数万亿美元的基础设施竞赛。

伯里打了个比方：“这就像有人造了一个原型机器人，然后世界上每个企业都开始为机器人未来砸钱。”

竞争格局也让人困惑。德瓦克什观察到，AI领域的领先优势极度不持久——2017年是谷歌，几年前是OpenAI，现在三巨头每隔几个月就轮流站上领奖台。似乎有某种力量（人才挖角、信息流通、逆向工程）在不断抹平任何单一实验室的滚雪球优势。

杰克·克拉克认为，虽然所有实验室都在用AI辅助开发，但存在木桶效应：“代码生成提速10倍，但代码审查只提速2倍，整体并没有质变。”

讨论到最后，三位嘉宾难得达成了共识：“能源才是AI发展的终极制约因素。”

伯里给政策制定者的建议异常激进：“拿1万亿美元，绕过所有抗议和法规，在全国各地布满小型核反应堆，建立全新的国家电网，用核能防御部队保护每个设施。这不仅是为了AI，而是为了国家经济安全。只有廉价充沛的能源，才能让美国在竞争中跟上中国，才有希望通过经济增长偿还国债。”

这个建议把AI议题拉到了国家生存的高度。杰克·克拉克强烈赞同：“AI将在经济中扮演重要角色，它从根本上依赖底层基础设施。就像历史上的大规模电气化、道路建设一样，我们需要为能源做同样的事。大型AI数据中心是新型能源技术的理想测试客户，我特别期待AI能源需求与核技术的融合。”

在所有关于模型参数、训练算法、应用场景的辩论背后，电力正在成为那个无法绕过的物理约束。

这场圆桌讨论没有给出标准答案，却留下了两个值得深思的问题：

第一，AI的价值最终会流向谁？

如果伯里的自动扶梯理论成立，AI供应链上的所有公司都无法获得超额利润，那么价值只会流向终端客户。这对人类整体是好事，但对投资者却是噩梦。

而如果杰克·克拉克是对的，AI能力的快速迭代终将形成护城河，那么现在就是押注未来巨头的最佳时机。

第二，我们该相信时间表还是数据？

德瓦克什指出，AI实验室的收入增长速度（2026年是400亿还是1000亿美元）比任何基准测试都更能说明问题。

但伯里坚持，在看到应用层收入突破5000亿美元或数百万工作岗位被AI取代之前，一切都只是信仰。

历史会给出答案，但在那之前，我们都在这场万亿美元的豪赌中各自下注。（转载自字母AI）