高盛還討論了人工智能領(lǐng)域目前最引人注目的投資機會，以及投資者最應(yīng)關(guān)注的近期風(fēng)險。

編者按：本文來自微信公眾號騰訊科技（ID：qqtech），微新創(chuàng)想經(jīng)授權(quán)轉(zhuǎn)載，頭圖來源攝圖網(wǎng)

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是否太過分，是人們關(guān)注的焦點。

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)濟學(xué)家隨后評估了人工智能對生產(chǎn)力和經(jīng)濟增長的潛在巨大影響。高盛的股票策略師估計，生成式人工智能技術(shù)可能推動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會，以及投資者最應(yīng)關(guān)注的近期風(fēng)險。

• “我們進入我認(rèn)為的‘軟件3.0’ 時代……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的。——加里·馬庫斯

• “人工智能目前可能還沒有進入炒作周期……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間才能啟動。”——卡什·雷根

• “在過去幾個月里，絕大多數(shù)因人工智能主題而表現(xiàn)優(yōu)異的公司，在整個市場中仍以相對合理的市盈率進行交易。”——埃里克·謝里丹

目錄

一、宏觀新聞和觀點

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)力繁榮時期的市場

---

一、宏觀新聞和觀點

我們將簡要介紹全球市場最重要的經(jīng)濟體。

美國

高盛最新的專有數(shù)據(jù)/觀點的重大變化

–鑒于我們對經(jīng)濟增長的預(yù)測高于共識以及美聯(lián)儲官員發(fā)出的信號，我們最近將美聯(lián)儲終端利率預(yù)期上調(diào)至5.25-5.5%（加息25個基點，最有可能在7月份）。

–鑒于債務(wù)限額的尾部風(fēng)險已經(jīng)過去，而且我們更加確信銀行收緊貸款只會適度拖累國內(nèi)生產(chǎn)總值，因此我們最近將12個月的衰退概率下調(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/趨勢

–美國勞動力市場；我們估計勞動力市場的趨緊到2024年初才會緩解到大流行前的水平。

日本

高盛最新的專有數(shù)據(jù)/觀點的重大變化

–我們最近將2023財年新的核心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/趨勢

–日本央行政策；我們繼續(xù)預(yù)計收益率曲線控制（YCC）將在7月份進行調(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)和更強勁的工資-價格動態(tài)，但在我們看來，工資-價格螺旋分化是不太可能的。

–日本消費者信心大幅上升。

歐洲

高盛最新的專有數(shù)據(jù)/觀點的重大變化

–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個基點），原因是歐洲央行更新了通脹預(yù)測，且在6月會議上未提及“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)計英國央行將在6月份加息50個基點（之前為25個基點），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9月份最后一次加息25個基點，最終利率為5.75%（之前為5.5%）。

我們關(guān)注的數(shù)據(jù)點/趨勢

–歐元區(qū)核心通脹率，我們預(yù)計到今年年底將降至3.7%。

新興市場

高盛最新的專有數(shù)據(jù)/觀點的重大變化

–我們最近將2023年印度實際國內(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/趨勢

–盡管大多數(shù)發(fā)達國家央行仍在繼續(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在其第一財季財報中大幅上調(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。事實上，英偉達的股價自上調(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，騰訊科技全文編譯注）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。

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)險投資公司Conviction的創(chuàng)始人莎拉·郭進一步解釋說，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。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)和消費者體驗的幾乎所有方面。

高盛全球高級經(jīng)濟學(xué)家約瑟夫·布里格斯（Joseph Briggs）認(rèn)為，這種變革潛力可能會產(chǎn)生深遠的宏觀影響。他估計，在美國和其他發(fā)達國家廣泛采用該技術(shù)后，10年內(nèi)可將年勞動生產(chǎn)率增長提高約1.5個百分點，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，在這一點上，圍繞該技術(shù)實際能帶來什么–以及市場定價是多少–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，美國紐約大學(xué)心理學(xué)和神經(jīng)科學(xué)名譽教授加里·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；雖然人工智能機器可以進行反射性統(tǒng)計分析，但它們幾乎不具備有意推理的能力。雖然這些機器可以學(xué)習(xí)，但這種學(xué)習(xí)主要圍繞單詞的統(tǒng)計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實現(xiàn)，但今天我們離它還很遙遠，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)力繁榮時期，如電力（1919-1929年）、個人電腦和互聯(lián)網(wǎng)（1996-2005年）廣泛普及之后，股票價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錯誤的領(lǐng)域，因為一大批投資者在深入了解該領(lǐng)域的同時，也堅持采用相同的投資啟發(fā)式。她警告說，錯誤判斷這種轉(zhuǎn)變的時機是投資中的一個常見陷阱。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場、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)變是由全球最強大的技術(shù)公司推動的，因此人工智能可能并沒有進入炒作周期。

那么，當(dāng)今最引人注目的人工智能投資機會在哪里？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，但她也看到了整個堆棧中的機會，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？謝里丹正在密切關(guān)注消費者計算習(xí)慣改變的前景，這可能會顛覆現(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)實可能會很困難。雷根擔(dān)心，技術(shù)越普及，其價值就可能越低。

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，人工智能的進步迎來了技術(shù)范式的轉(zhuǎn)變，這帶來了豐富的投資機會，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)變革的時間表，而且很難區(qū)分人工智能營銷和人工智能現(xiàn)實。

艾莉森·內(nèi)森（Allison Nathan）：作為人工智能領(lǐng)域的長期投資者，是什么吸引你進入這個領(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工作時期就開始關(guān)注人工智能。機器學(xué)習(xí)（ML，騰訊科技全文編譯注）推動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)，它們利用機器學(xué)習(xí)進行推薦、廣告和服務(wù)定價、檢測垃圾郵件和欺詐等許多其他應(yīng)用。看到上一代機器學(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)典的機器學(xué)習(xí)方法應(yīng)用到其他領(lǐng)域。一個顯而易見的領(lǐng)域是網(wǎng)絡(luò)安全領(lǐng)域，如Awake、Abnormal或Obsidian Security等公司，因為它們的目標(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)域的機會，以及自動駕駛汽車和送貨機器人等全新用例。我們預(yù)計，除了互聯(lián)網(wǎng)巨頭之外，其他公司也會希望利用這些機器學(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會。

此外，在過去十年中，學(xué)術(shù)和工業(yè)實驗室在人工智能領(lǐng)域取得了令人難以置信的進步，如卷積神經(jīng)網(wǎng)絡(luò)（CNN，騰訊科技全文編譯注）、生成式對抗網(wǎng)絡(luò)（GAN，騰訊科技全文編譯注）、強化學(xué)習(xí)（RL，騰訊科技全文編譯注）等。尤其是基于Transformer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)投資機會仍在前方。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：人工智能的最新進展并不僅僅是千篇一律。這些新的更通用、更強大的能力擴大了機器學(xué)習(xí)的相關(guān)范圍，實現(xiàn)了截然不同的產(chǎn)品用戶體驗。在機器學(xué)習(xí)出現(xiàn)之前，我們有“軟件1.0”–由人類逐個功能編寫的確定性代碼，一次執(zhí)行一項任務(wù)。2017年，時任特斯拉自動駕駛團隊的技術(shù)專家安德里·卡帕西（Andrej Karpathy）創(chuàng)造了“軟件2.0”（Software 2.0）一詞來描述機器學(xué)習(xí)驅(qū)動的軟件開發(fā)，即主要工作不再是實際編寫軟件，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)量水平實現(xiàn)單個任務(wù)的工程設(shè)計，勞動密集型程度高且成本高昂，這一直阻礙著機器學(xué)習(xí)的廣泛應(yīng)用。

今天，我們正在進入我所認(rèn)為的“軟件3.0”時代。在這個時代中，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)變的時間表是投資中的一個常見陷阱。我完全相信這一轉(zhuǎn)變將推動實質(zhì)性的價值創(chuàng)造，但這是一個十年以上的轉(zhuǎn)變。與此同時，錯誤定價的領(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技術(shù)，或者至少如何考慮其風(fēng)險狀況。在他們深入了解這一領(lǐng)域的同時，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，似乎都會看其領(lǐng)軍人物是否曾是OpenAI或DeepMind的研究人員，因為這個問題比特定產(chǎn)品或研究論文是否會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，因為大多數(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個月。因此，投資者需要耐心等待。與互聯(lián)網(wǎng)、移動和云計算一樣，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)秀軟件需要時間和企業(yè)家的智慧。沒有人會因為Napster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)市場各個階段的經(jīng)驗教訓(xùn)。所有公司最終都會按照現(xiàn)金流的倍數(shù)進行估值。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會在哪里？

莎拉·郭：我們正在進行全棧投資。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，遠遠落后于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)仍將以大型實驗室為中心：OpenAI、谷歌、DeepMind、Anthropic等。但大的模型機會依然存在，例如在動作/代理、圖像、語音、視頻和機器人領(lǐng)域。我們尤其期待通過更好的代碼模型實現(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，而且這種情況可能會繼續(xù)下去，部分原因是Meta等大公司的貢獻。因此，將存在一系列模型提供商。針對公司或消費者特定數(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會。

實際上，我最感興趣的機會是應(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，騰訊科技全文編譯注），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：在廣泛的機會集中，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)是將勞動密集型環(huán)節(jié)自動化。

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。我個人傾向于早期投資是目前接觸這項技術(shù)的最佳途徑，部分原因是這個領(lǐng)域還很年輕，因此純粹的上市機會還不存在。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，這種錯位都是一個巨大的機會。

艾利森·內(nèi)森：當(dāng)前人工智能領(lǐng)域投資的最大風(fēng)險是什么？

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)實將是一項艱巨的工作。這是一個高度技術(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，那么在財報電話會議和公司聲明中進行人工智能營銷也不會有什么好處。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（人工智能自動化可能取代大量人力工作或降低產(chǎn)品成本）是一個復(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)品團隊，并創(chuàng)造性地考慮新產(chǎn)品的定價和包裝。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？

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，就很難對這種業(yè)績提出異議。或者，在消費者業(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)品后得到實質(zhì)性改善，這就是你希望看到的。

另一個重大風(fēng)險是公眾和監(jiān)管機構(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，必須投資于風(fēng)險緩解。但是，考慮到這項技術(shù)可以在科學(xué)、教育和醫(yī)療保健等關(guān)鍵領(lǐng)域取得重大進展，如果我們在這項技術(shù)真正發(fā)揮其巨大潛力之前就停止對其進行監(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)榮譽教授。他對人工智能進行了廣泛的研究，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到這個目標(biāo)，但目前我們還遠遠沒有實現(xiàn)通用人工智能（AGI，騰訊科技全文編譯注）。

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自動完成功能，該功能已在互聯(lián)網(wǎng)的很大一部分內(nèi)容上進行過訓(xùn)練。這些工具并不了解這個世界，因此據(jù)了解，它們會產(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，是因為它們采用了與人腦類似的神經(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，與某些人的觀點相反，這些工具并不像人類那樣進行推理。人工智能機器最多只是進行一些諾貝爾獎得主丹尼爾·卡尼曼（Daniel Kahneman）稱之為系統(tǒng)1思考（system 1 thinking）–反射性統(tǒng)計分析，而很少進行系統(tǒng)2的思考–刻意推理。人工智能機器正在學(xué)習(xí)，但它們學(xué)習(xí)的大部分內(nèi)容是文字的統(tǒng)計，以及通過強化學(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。人類有一個內(nèi)部的世界模型，這個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跟隨其他詞，但人類在與他人和周圍世界互動的過程中可以學(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，但也會產(chǎn)生一些錯誤信息，例如，這可能會對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)院的工程和計算機科學(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)自己處于機器人來找你的境地，只要把門關(guān)上就可以了。現(xiàn)在，機器人仍然無法打開車門，也無法可靠地駕駛汽車。我們離實現(xiàn)通用人工智能（AGI，騰訊科技全文編譯注）還很遙遠。

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？

馬庫斯：某種程度上。從社會學(xué)的角度來看，有些東西出了問題。巨型近似機器，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器上，而不是其他可能更有價值但更難快速實現(xiàn)和盈利的想法上。因此，資本主義的動力肯定幫不上忙，而且很可能減緩了理論上可能實現(xiàn)的技術(shù)進步。盡管如此，智能問題是一個極其困難的問題，而在計算背景下研究這個問題的大多數(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)新的舞蹈動作或完成任何有趣的人類活動都需要多種不同的智能。期望機器在短短75年內(nèi)掌握所有這些技能可能并不現(xiàn)實。

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)時代，在那個時代，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)為我們最終不會實現(xiàn)這一目標(biāo)。有些人認(rèn)為，智能根本無法被植入機器，但我不相信這種觀點。

例如，機器永遠無法感受到疼痛，但它們或許能夠理解人在疼痛時的感受，以及感受到疼痛后可能采取的行動，如吃藥或看醫(yī)生。因此，機器最終可能會對人類有更清晰的了解，并變得更加可靠和真實。問題是什么時候。我經(jīng)常被認(rèn)為是悲觀主義者，但幾個月前我曾與著名軟件架構(gòu)師格雷迪·布赫（Grady Booch）進行過一場辯論，他持悲觀立場，認(rèn)為生成式人工智能不會在我們有生之年、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)某個時候?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，這項技術(shù)的拐點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，往往不知所措。《連線》記者史蒂文·利維（Steven Levy）提供的一個很好的例子是，2015年谷歌自動駕駛汽車工廠發(fā)生的事情–汽車剛剛學(xué)會識別駛過路上的落葉堆是可以接受的，因為這種特殊情況不在它們的訓(xùn)練集中。從那時起，無人駕駛汽車的投資已達千億美元。然而，2022年4月，一輛特斯拉電動車在飛機貿(mào)易展上被“召喚”穿過停車場，直接撞上了一架價值350萬美元的噴氣式飛機。就這樣，它撞上了，卻毫不知情。這應(yīng)該成為一個嚴(yán)酷的警示：錢在那里，并不意味著結(jié)果會在那里。

珍妮·格林伯格：那么，從技術(shù)、政策、社會的角度來看，智能人工系統(tǒng)成為現(xiàn)實需要哪些條件？

馬庫斯：必須制定適當(dāng)?shù)募畲胧⒃谡_的方向上分配資金。態(tài)度和心態(tài)也必須改變。機器學(xué)習(xí)社區(qū)的人們過于自信。他們堅信自己已經(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)家和工程師可能會固執(zhí)于那些最終行不通的想法，從而大大延緩了進展。20世紀(jì)初，科學(xué)家們努力研究基因是由什么構(gòu)成的。格雷戈爾·孟德爾（Gregor 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)，因此他們花費了數(shù)十年時間試圖找出哪些蛋白質(zhì)。這是一個錯誤的問題；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，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，機器學(xué)習(xí)社區(qū)必須在某個時候調(diào)整方向。我希望這種重新定位最終會發(fā)生，機器學(xué)習(xí)社區(qū)將找到正確的答案，屆時生成式人工智能的進展將非常迅速。

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。我不會說現(xiàn)在投資人工智能還為時過早；對那些擁有聰明的創(chuàng)始團隊、對產(chǎn)品市場契合度有很好理解的公司進行投資很可能會取得成功。但也會有很多失敗者。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)可能會對模型輸出產(chǎn)生偏差影響，這令人不安，因為這些系統(tǒng)正開始塑造我們的信念。另一個令人擔(dān)憂的問題是人工智能系統(tǒng)的真實性–如前所述，眾所周知，它們會產(chǎn)生幻覺。壞人可能會利用這些系統(tǒng)蓄意濫用，從傳播有害的醫(yī)療錯誤信息到破壞選舉，這可能會嚴(yán)重威脅社會。

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，我們需要建立一個全球性的人工智能機構(gòu)，讓各國政府、大型科技公司、非營利組織、學(xué)術(shù)界和整個社會都參與進來，共同尋找治理解決方案，并在大規(guī)模部署新技術(shù)之前對其進行審核，就像我們在醫(yī)學(xué)領(lǐng)域所做的那樣。

幸運的是，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。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)道路上的一個重要開端。

五、詳解人工智能

人工智能是一門創(chuàng)造智能機器的科學(xué)。人工智能是一個寬泛的概念，包含多個不同的子領(lǐng)域，包括機器學(xué)習(xí)、自然語言處理、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)。

人工智能是一個最廣泛的術(shù)語，用于對模仿人類智能的機器進行分類。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)。

機器學(xué)習(xí)（Machine Learning，騰訊科技全文編譯注）是計算機科學(xué)的一個子領(lǐng)域。

計算機的性能、經(jīng)驗。大量的數(shù)據(jù)輸入計算機，然后計算機會發(fā)現(xiàn)這些數(shù)據(jù)并利用這些數(shù)據(jù)進行預(yù)測和決策。有三種主要類型的機器學(xué)習(xí)模型：

（1）無監(jiān)督機器學(xué)習(xí)，使用算法分析無標(biāo)記數(shù)據(jù)集；

（2）全監(jiān)督機器學(xué)習(xí)算法。

（3）半監(jiān)督機器學(xué)習(xí)算法，介于前兩者之間。

自然語言處理（NLP，Natural Language Processing，騰訊科技全文編譯注）是人工智能的一個子領(lǐng)域。

自然語言處理是計算機科學(xué)的一個子領(lǐng)域，其研究重點是使計算機具有與人類相似的理解文字和口語的能力。自然語言處理將計算語言學(xué)與統(tǒng)計、機器學(xué)習(xí)和深度學(xué)習(xí)模型相結(jié)合，使計算機能夠理解文本和口語。

自然語言處理將計算語言學(xué)與統(tǒng)計、機器學(xué)習(xí)和深度學(xué)習(xí)模型相結(jié)合，使計算機能夠理解人類語言。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)實世界中的一個例子：Siri和Alexa等聊天機器人也依賴于自然語言處理。

神經(jīng)網(wǎng)絡(luò)（Neural Networks，騰訊科技全文編譯注）是機器學(xué)習(xí)的一個子領(lǐng)域。神經(jīng)網(wǎng)絡(luò)的每個神經(jīng)元或節(jié)點接受輸入，進行計算并產(chǎn)生輸出。如果任何單個節(jié)點的輸出，如果單個節(jié)點的輸出高于指定的閾值，則該節(jié)點被激活，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，騰訊科技全文編譯注）是一種機器學(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例。

深度學(xué)習(xí)（Deep Learning，騰訊科技全文編譯注）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）探索了機器智能的可能性，并開發(fā)了圖靈測試（Turing Test）來測試機器表現(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)域進入寒冬期。

1980年代：機器學(xué)習(xí)的興起使人工智能重新煥發(fā)生機。

1990年代至2000年代：隨著互聯(lián)網(wǎng)大數(shù)據(jù)的出現(xiàn)和計算能力的提高，人工智能的創(chuàng)新迅速擴大。

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)列表

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的自然語言處理計算機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是一款計算機程序，它能在棋盤游戲中戰(zhàn)勝圍棋冠軍李世石。

2016年2月，漢森機器人公司（Hanson Robotics）首次推出了一款名為索菲亞（Sophia）的仿人機器人，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，英偉達市值突破1萬億美元。其股票在人工智能驅(qū)動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。為什么人們對這項技術(shù)如此興奮，尤其是人工智能已經(jīng)存在了一段時間？

雷根：生成式人工智能與傳統(tǒng)人工智能主要有兩點不同。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)練計算機對人類行為、商業(yè)結(jié)果等進行預(yù)測。其二，它允許人類用自然語言與計算機交流，這在以前是從未有過的。

人工智能的出現(xiàn)對個人和職業(yè)生產(chǎn)力的影響是巨大的–如果計算機能夠生成高質(zhì)量的內(nèi)容，人們就可以將節(jié)省下來的時間用于更有價值的活動。如果計算機能夠生成高質(zhì)量的內(nèi)容，人們就可以將節(jié)省下來的時間用于更高附加值的活動。

謝里丹：人們現(xiàn)在非常關(guān)注人工智能，因為消費者和企業(yè)的想象力已經(jīng)趕上了這項技術(shù)。Alphabet在2017年的開發(fā)者大會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在智能手機已經(jīng)存在的情況下推出時一樣，使其能夠非常迅速地擴展。這些都是“解鎖”的時刻。iPhone花了幾年時間才成為消費者大規(guī)模使用的設(shè)備，而ChatGPT則是我們追蹤過的最快達到2億月活躍用戶的應(yīng)用。因此，人工智能的解鎖時刻已經(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間才能起步。20世紀(jì)90年代初從大型機向分布式系統(tǒng)的轉(zhuǎn)變，以及21世紀(jì)初從分布式計算向云計算的轉(zhuǎn)變，都花費了比許多人預(yù)期更長的時間，因為大型老牌公司對這些轉(zhuǎn)變持批評態(tài)度。IBM支持大型機系統(tǒng)，反對當(dāng)時相對較小的甲骨文公司的分布式架構(gòu)。現(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算轉(zhuǎn)向云計算，警告說云不安全、不經(jīng)濟、不能很好地擴展等。多年后，這些反對意見才被克服，云計算才站穩(wěn)腳跟。只有當(dāng)大型、成熟的公司開始運行云計算時，才會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，推動人工智能技術(shù)周期的是世界上一些最強大的技術(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，它就是真實的。當(dāng)客戶開始感興趣時，這就不是炒作。客戶對此很感興趣。我們正在與全球企業(yè)的首席信息官進行討論，他們對這項技術(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)生在市場獎勵生產(chǎn)力提高的時候。因此，這并不像一個炒作周期。

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，你永遠不知道自己身處泡沫之中，但在過去幾個月里，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)價值與眼球/點擊量、可尋址市場動態(tài)或純粹的興奮情緒作為估值的驅(qū)動因素，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，這項技術(shù)真正對公司、工人和消費者產(chǎn)生影響還需要多長時間？

謝里丹：在推出ChatGPT（OpenAI）和Bard（Alphabet）之后，消費互聯(lián)網(wǎng)公司現(xiàn)在正進入構(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)實世界中部署，以了解哪些方案可行、可擴展并獲得采用。從臺式機到移動計算的轉(zhuǎn)變是一個很好的類比。在iPhone問世四年后，Alphabet和Meta等公司才開始將自己稱為移動優(yōu)先的公司–這是基礎(chǔ)設(shè)施建設(shè)所需的時間，到那時公司才可以開始談?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，開發(fā)人員的工作效率提高了15-20%。通過自動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)達市場經(jīng)濟體專業(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：我要補充的是，對消費者的影響可能需要更長的時間才能體現(xiàn)出來，因為通常需要多年的時間才能徹底改變根深蒂固的搜索、購物、消費等行為。盡管ChatGPT的月均活躍用戶已經(jīng)達到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)在消費者應(yīng)用方面產(chǎn)生真正的影響還有相當(dāng)長的一段時間。

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。英偉達最近發(fā)布了2024財年第二財季110億美元的營收預(yù)期，這導(dǎo)致其股價大幅上漲。其他公司何時實現(xiàn)收益貨幣化的時間表因公司類型而異。對于消費互聯(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)用商店就是一個很好的類比。蘋果的App Store和谷歌的Play Store是計算機移動操作系統(tǒng)層的二元應(yīng)用分發(fā)機制。

雷根：對于軟件公司來說，貨幣化可能會更快。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，公司可能會向客戶收取較低的月費，讓他們玩玩這項技術(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)將擁有更大的定價權(quán)。

重要的是要記住，我們進入生成式人工智能只有五個月左右的時間；而云計算的前五個月看起來什么都不是。因此，貨幣化的能力將會增長。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，尤其是因為在分銷和產(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)模提供計算和存儲服務(wù)的大型云計算公司）也可能很快獲得收入。云計算提供了大規(guī)模部署人工智能所需的計算資源和基礎(chǔ)設(shè)施。因此，人工智能驅(qū)動的舉措可能會導(dǎo)致企業(yè)客戶增加云計算支出，而在此之前的一年里，由于對經(jīng)濟的擔(dān)憂，大多數(shù)企業(yè)客戶都優(yōu)化了支出，這可能會為2023年和2024年的超大規(guī)模企業(yè)創(chuàng)造積極的收入軌跡。云計算超大規(guī)模企業(yè)也處于有利地位，因為它們已經(jīng)花費了10年時間和數(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實的云收入基礎(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算行業(yè)的收入貢獻微乎其微，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，人工智能軟件的總可尋址市場將達到1500億美元。基礎(chǔ)設(shè)施軟件公司也將從中受益。大規(guī)模運行生成式人工智能需要大量的計算能力和數(shù)據(jù)存儲。當(dāng)云計算出現(xiàn)時，一些人認(rèn)為不再需要數(shù)據(jù)中心和IT員工，因為云計算可以做任何事情。但是，隨著數(shù)以千計的云應(yīng)用的出現(xiàn)，所需的基礎(chǔ)設(shè)施急劇擴大，更不用說數(shù)據(jù)中心需要能夠與云對話，這進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)生故障的機會。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：是否會為新公司/小公司留出空間？

雷根：當(dāng)ChatGPT出現(xiàn)時，一些風(fēng)險投資家認(rèn)為它將顛覆所有公司。現(xiàn)在，他們普遍認(rèn)為微軟、Adobe、Salesforce等公司不會被顛覆，因為它們擁有大規(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，新進入者不會顛覆基礎(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）公司會從云計算中成長起來，也沒有人預(yù)料到Uber會從移動優(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)療保健、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。在每一輪計算周期中，有趣的應(yīng)用開發(fā)者都會涌現(xiàn)；我認(rèn)為沒有理由相信這一次會有所不同。如果說之前的風(fēng)險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，給政治家和監(jiān)管者敲響了警鐘，在過去十年的大部分時間里，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。

我們報道范圍內(nèi)的科技公司和私人領(lǐng)域的公司都希望加強監(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)管機構(gòu)合作，幾乎在技術(shù)創(chuàng)新的同時就為這項技術(shù)設(shè)立防護欄。還有一種頗為憤世嫉俗的觀點認(rèn)為，大型科技公司之所以主張在技術(shù)周圍設(shè)置防護欄，是因為這些公司周圍形成的護城河，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。

艾利森·內(nèi)森：監(jiān)管幾乎與創(chuàng)新同步進行，這是否會增加投資人工智能領(lǐng)域的風(fēng)險，因為監(jiān)管可能會扼殺創(chuàng)新？

謝里丹：監(jiān)管不是風(fēng)險。監(jiān)管通常會改變資本分配方式和行業(yè)的單位經(jīng)濟效益。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)心所投資的公司會被新進入者顛覆。監(jiān)管肯定會減緩創(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)險呢？擔(dān)心什么？

謝里丹：潛在的計算習(xí)慣改變是一種風(fēng)險，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。移動被認(rèn)為會顛覆搜索引擎，社交媒體被認(rèn)為會顛覆搜索引擎，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。如果消費者的行為因為人工智能而遠離搜索引擎，或者搜索引擎因為人工智能而需要改變，這可能會導(dǎo)致與投資者所習(xí)慣的完全不同的經(jīng)濟結(jié)果。因此，這些都是需要關(guān)注的重大風(fēng)險。

雷根：我最擔(dān)心的投資者風(fēng)險是，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或?qū)崿F(xiàn)貨幣化？今天，這項技術(shù)還沒有普及，因為訓(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，但目前很少有計算機科學(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。大型語言模型確實能夠?qū)W習(xí)，因為它是仿照人腦構(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)速度非常快，這項技術(shù)就會得到廣泛傳播。到那時，這項技術(shù)可能就不再有價值了。

八、人工智能對經(jīng)濟的潛在巨大影響

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問題：我們是否正處于任務(wù)自動化快速加速的邊緣，這將大大節(jié)省時間和勞動力成本，導(dǎo)致生產(chǎn)力爆發(fā)，并加快經(jīng)濟增長速度。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)將年勞動生產(chǎn)率增長提高約1.5個百分點，并最終將全球年GDP提高7%。

人工智能對勞動力市場的影響

生成式人工智能對經(jīng)濟的最大影響可能來自其對勞動力市場的影響。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)省勞動力的自動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化的工作活動，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，我們對每個職業(yè)的基本工作任務(wù)的重要性和復(fù)雜性進行加權(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，許多工人花費大量時間執(zhí)行人工智能模型非常適合自動化的任務(wù)。特別是，我們估計，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化，而在這些面臨自動化的職業(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)每個職業(yè)在美國的就業(yè)比例對職業(yè)層面的估計值進行加權(quán)后，我們估計目前四分之一的工作任務(wù)可能會被人工智能自動化，其中行政（46%）和法律（44%）職業(yè)的風(fēng)險尤其高，而建筑（6%）和維修（4%）等體力密集型職業(yè)的風(fēng)險較低。

利用歐洲的數(shù)據(jù)，我們估計歐元區(qū)類似24%的工作任務(wù)有可能由人工智能實現(xiàn)自動化。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)險估計值進行重新加權(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%的工作實現(xiàn)自動化，其中發(fā)達國家的份額大于新興市場。

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)崗位可能會提高勞動生產(chǎn)率，從而顯著促進全球經(jīng)濟增長。我們認(rèn)為人工智能驅(qū)動的自動化可以通過兩個渠道提高全球生產(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)會部分受到人工智能自動化的影響，在采用人工智能后，他們可能會將至少部分騰出的能力用于生產(chǎn)活動。這種動態(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，勞動生產(chǎn)率的年增長率在數(shù)年內(nèi)可提高2-3個百分點。

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，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)療保健、教育和食品服務(wù)等服務(wù)行業(yè)的勞動力需求。

在更長的時間跨度內(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)機會，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年時間內(nèi)實現(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開始。

根據(jù)上述假設(shè)，我們估計廣泛采用生成式人工智能可使美國的整體勞動生產(chǎn)率年增長率提高約1.5個百分點。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)（如電動馬達和個人電腦）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)勞動力行業(yè)構(gòu)成的差異可以解釋人工智能對勞動生產(chǎn)率增長影響的大部分差異，我們估計對其他發(fā)達經(jīng)濟體的生產(chǎn)率也有類似程度的促進作用，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個百分點以上（外匯加權(quán)平均值），盡管這種影響在新興市場經(jīng)濟體中可能會延遲。

影響巨大，但也有高度不確定性

盡管我們估計人工智能的廣泛應(yīng)用對生產(chǎn)率增長的推動作用相當(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)力增長的促進作用可能在0.3-3.0個百分點之間，盡管在大多數(shù)情況下，這種促進作用在經(jīng)濟上仍然是顯著的。

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)濟產(chǎn)生影響的時機尤其難以預(yù)測。例如，電動機和個人電腦帶來的生產(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)濟影響更快實現(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，生成式人工智能將在未來1-3年內(nèi)降低勞動力需求。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，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)濟潛力。事實上，將估計的生產(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)濟增長預(yù)測來說是一個重大的上行風(fēng)險。

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，與人工智能相關(guān)的潛在生產(chǎn)力提升可能會在中長期內(nèi)為標(biāo)準(zhǔn)普爾500指數(shù)的盈利和股價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。

對美國生產(chǎn)力、收益和股票的潛在提振

我們的經(jīng)濟學(xué)家估計，人工智能的廣泛應(yīng)用（我們假設(shè)將在10年內(nèi)實現(xiàn)）可在10年內(nèi)將美國生產(chǎn)率的年增長率提高1.5個百分點，并在10年內(nèi)將實際GDP的趨勢增長率提高1.1個百分點。根據(jù)我們的股息貼現(xiàn)模型（DDM，騰訊科技全文編譯注）中的這些假設(shè)，我們估計標(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個百分點，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)對其進行充分定價，主要原因有四點：

1.我們的經(jīng)濟學(xué)家估計，采用人工智能對生產(chǎn)力增長的影響每年從0.3個百分點到3.0個百分點不等，這取決于采用的速度、人工智能的力量以及勞動力轉(zhuǎn)移的廣度。基于這一系列的生產(chǎn)率情景，我們估計標(biāo)準(zhǔn)普爾的上行空間為

500指數(shù)的公允價值可能小至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更大。

2.政策應(yīng)對措施可能會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。如果采用人工智能導(dǎo)致企業(yè)利潤增加而犧牲勞動力、政策制定者可以通過提高企業(yè)稅率來應(yīng)對。

實際公司稅率需要提高8個百分點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)境可能會抵消標(biāo)準(zhǔn)普爾500指數(shù)公允價值的大部分潛在增長。雖然生產(chǎn)率提高導(dǎo)致價格下降可能會抑制通脹，并對利率構(gòu)成下行壓力，但我們的經(jīng)濟學(xué)家指出，人工智能可能會增加投資需求，進而提高對中性利率的估計，而中性利率是貨幣政策制定者決策中的一個關(guān)鍵因素。我們估計，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個基點，就能完全抵消采用人工智能帶來的公允價值上升。

4. 標(biāo)準(zhǔn)普爾500指數(shù)的價格更明顯地與近期的周期性動態(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)濟數(shù)據(jù)疲軟，經(jīng)濟衰退的可能性增大（預(yù)測者一致認(rèn)為未來12個月經(jīng)濟衰退的可能性為65%，而我們估計的可能性為25%），無論人工智能的長期影響如何，標(biāo)普500指數(shù)的價格都可能下跌。

狂熱期望的危險

在指數(shù)層面，當(dāng)前的股票風(fēng)險溢價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到極端水平。然而，從股票層面來看，英偉達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。互聯(lián)網(wǎng)繁榮時期的歷史先例表明了高預(yù)期的危險性。盡管大多數(shù)TMT公司在2000年至2002年間仍能實現(xiàn)強勁的銷售增長，但由于未能達到投資者的高預(yù)期，導(dǎo)致市盈率大幅縮水50%以上，股價暴跌。因此，過高的增長預(yù)期是另一個值得關(guān)注的風(fēng)險。

十、過去生產(chǎn)力繁榮時期的市場

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生產(chǎn)力持續(xù)大幅增長的時期，一個關(guān)鍵問題是這將如何影響主要的宏觀市場。我們將以史為鑒，探討創(chuàng)新驅(qū)動的生產(chǎn)力繁榮對宏觀市場的影響，重點關(guān)注兩個重要事件：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了市場。1997-1998年的新興市場危機對全球經(jīng)濟和資產(chǎn)價格產(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)時經(jīng)濟向和平時期經(jīng)濟的過渡相重疊。由于數(shù)據(jù)的有限性和金融市場的變化，無法對這兩個時期的主要市場進行全面比較。

但是，此前這些生產(chǎn)力繁榮時期的市場也有一些共同點：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期的一些關(guān)鍵特征相同，那么這種繁榮/蕭條的循環(huán)會再次發(fā)生嗎？

九十年代的繁榮和崩潰

在個人電腦/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)濟體外，外匯凈值變化不大。同樣，在此期間，美聯(lián)儲基金利率和10年期收益率均有所下降，而與國內(nèi)需求周期同步。石油價格在1997-1998年新興市場危機期間急劇下降，但到2005年有所回升。

但是，這一時期內(nèi)這些相對溫和的變化掩蓋了這一時期內(nèi)更大的經(jīng)濟和市場繁榮與蕭條。在最初的生產(chǎn)力繁榮時期，市場變動的模式（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)濟大幅繁榮。投資占GDP的比重攀升，儲蓄率下降，經(jīng)常賬戶惡化。1997-1998年間，隨著亞洲金融危機和俄羅斯違約事件的爆發(fā)，美聯(lián)儲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，因為低且穩(wěn)定的通脹抑制了期限溢價。美元在20世紀(jì)90年代末大幅升值（2002年初達到頂峰），這主要歸因于1997年和1998年新興市場的貶值，但美元作為資本流動的首選接受者，對其他發(fā)達經(jīng)濟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，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)儲的貼現(xiàn)率再次跟隨經(jīng)濟和股票周期，在1924年隨著經(jīng)濟疲軟而下降，之后穩(wěn)步上升，并隨著股票泡沫加速破滅而達到新高。

總體而言，這兩次經(jīng)驗表明，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，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)濟體可能面臨外匯升值壓力的觀點提供了一些支持。

泡沫問題

根據(jù)歷史經(jīng)驗，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。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)。那么，市場是否會像歷史經(jīng)驗所表明的那樣，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，通常由動力和自我實現(xiàn)的價格動態(tài)驅(qū)動。但有幾個原因可以解釋為什么生產(chǎn)力繁榮會導(dǎo)致市場價格過高。

首先，投資者可能會陷入外推法的謬誤。有了真正的創(chuàng)新，生產(chǎn)率的提高將是實實在在的。在短期內(nèi)，生產(chǎn)率的加速增長甚至可以提高整個經(jīng)濟的利潤份額。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，利潤增長較快的階段往往會隨著時間的推移而被 "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被高估。

其次，投資者可能會陷入?yún)R總謬誤。在創(chuàng)新時期，一些單個公司可能會在一個新的投資機會的推動下實現(xiàn)驚人的盈利增長。但是，如果認(rèn)為單個公司的情況與總體情況相同，那就大錯特錯了。即使在單個公司層面，競爭和市場進入最終也會限制持續(xù)高利潤的潛力。由于潛在的“贏家”有時比“輸家”更明顯，投資者可能會在廣泛的潛在贏家中為增加盈利的機會定價。其結(jié)果可能意味著整個經(jīng)濟的利潤增長率不太可行。

第三，泡沫本身所推動的活動似乎為樂觀情緒提供了理由。隨著資產(chǎn)價格上漲，可能會鼓勵投資和消費支出的繁榮。這本身可能會提高為這些領(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)濟失衡，那么這些收益最終也將被收回。換句話說，資產(chǎn)價格被高估所造成的國內(nèi)經(jīng)濟繁榮可能會助長人們的看法，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)濟繁榮造成了儲蓄與投資的嚴(yán)重失衡，這種失衡最終在經(jīng)濟蕭條時得到緩解，但卻在一段時間內(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)價格高估。出現(xiàn)這種情況可能有幾個原因：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)濟繁榮與其他抑制通脹的力量重疊時，這種風(fēng)險尤為突出，美國在20世紀(jì)90年代末就是如此。

保持真實的挑戰(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)率時期都會導(dǎo)致泡沫。但生產(chǎn)率持續(xù)提高時期所面臨的挑戰(zhàn)是，潛在的經(jīng)濟變化既強大又真實。它們?yōu)橘Y產(chǎn)價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。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。

如果市場確實為人工智能生產(chǎn)力的繁榮付出了過高的代價，這有可能影響一系列廣泛的資產(chǎn)價格變動。20世紀(jì)90年代的歷史表明，這種動態(tài)不僅可能與一段不可持續(xù)的高股價時期相關(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）

本文為專欄作者授權(quán)微新創(chuàng)想發(fā)表，版權(quán)歸原作者所有。文章系作者個人觀點，不代表微新創(chuàng)想立場，轉(zhuǎn)載請聯(lián)系原作者。如有任何疑問，請聯(lián)系http://www.i0562.net/。