人工智能厌恶者宣言

如果你喜欢这篇文章，应该订阅我的高级通讯。是每年70美元,每季度17美元，或者每月7美元作为回报，你会收到一份每周通讯，通常字数在10,000到18,000字之间，包括大量详细的分析NVIDIA,Anthropic 与 OpenAI 的财务状况， 和AI泡沫的放大版.

我的黑子指南SaaSpocalypse,私人信贷以及私募股权对于理解我们当前的金融体系至关重要，也是我对如何运作的指南OpenAI扼杀甲骨文和我的《仇恨者指南：神谕者指南》以及《仇恨者指南：神谕者指南（第二部分）》。

订阅高级版不仅性价比高，还能让你每周写出这些深度调研的免费文章。本周的重点内容将是《仇恨者循环融资指南》——以及人工智能行业如何越来越变成不惜一切代价向英伟达和博通输送资金的骗局。

如果你想联系我——尤其是如果你有关于Anthropic、OpenAI或其他AI泡沫公司的任何精彩信息——请通过Signal联系我，邮箱ezitron.76。我也在《终点站》上玩IB。

我写关于人工智能的文章已经快三年了。我承认我迟到了，主要是因为我还在努力弄清楚自己到底在做什么，更别说在一份最初只是业余爱好、后来又不再做的另一份工作中“要报道”的新闻通讯里的内容了。

从那以后，情况发生了很大变化，主要是我订阅者接近11.5万，高级通讯和播客现在成了我的事业，我不得不学习更多关于经济、技术、电力、建筑以及驱动现代科技行业的深层愤世嫉俗，远超我想象。这是世界上最棒的工作，我很幸运能拥有它。

今天，我想明确表达我对整个人工智能的看法，以及这个行业变得多么令人厌恶。

欢迎来到我的仇恨宣言。

现代软件很糟糕，LLM很有趣，而且它们的成本不可原谅

想听一个大家为什么都对科技感到愤怒的好例子吗？我刚尝试调整上面标题的大小，结果谷歌文档莫名其妙地把整段都缩小到标题大小以下。现代软件本质上是坏掉的，菜单多样、技术债务和糟糕的设计决策交织成了一团混乱腐烂经济不惜一切代价增长的心态要求始终不断变化，但这些产品似乎都没有体现为“更好”或“更聪明”的产品。

我认为绝大多数人都希望他们的软件能更好地运行，而人工智能最令人沮丧的谎言之一，就是它自称“自主”，同时延续着那种将无法满足用户需求的软件归咎于用户的令人沮丧的趋势。Microsoft、Google、Meta和亚马逊让他们的产品变得越来越复杂，然后又附加了一个所谓神奇的工具，却让它们变得神奇更多复杂。

你知道我最想要什么吗？在 Google 文档里用拼写检查，而不是在下面画一条红色曲线然后说“是的，这可能有问题，但我不知道是什么”。我希望Microsoft Word别再崩溃，因为我有太多尾注。我希望Riverside不要有10个不同的菜单，需要点击才能找到链接，把人送去加入我的播客。我希望我的邮件不要充满垃圾邮件。我希望一切能“直接运行”，而不是不断被某个坏掉的应用、坏掉的用户体验、奇怪的bug或者关于我不想要的功能弹窗打交道。我希望Slack或Discord不要像数字版的各种通知画。

大型语言模型被当作一种神奇工具来销售，可以修复“任何东西”，却从未具体说明那是什么，主要是因为它们不可信，即使是在某些东西上基本上要做好每次都做对。虽然它们现在能做得比以前“更多”，但这种“更多”的程度也伴随着让无脑软件工具访问你电脑文件的风险，而这确实有可能选择删除 追求“效率”，这使得调查变得如此可能能做到既复杂又危险。

对我工作的一个批评是我从未用过大型语言模型。我用过！我时不时会用它们做实验，确保没有遗漏什么。前几天我用它调试我儿子的Minecraft插件的问题，折腾了30分钟才勉强解决。前几天我用它安装了一个宝可梦的Minecraft模组，然后当我让它确认PS5手柄能和菜单正常工作时，它弄坏了很多东西，虽然我承认确实有问题有用就是这样安装什么东西而且这确实奏效了。

这段话有趣的是，有些人会认为这是他们技术的巨大胜利，尽管结果相当平庸。进入人工智能泡沫四年后，你最好的也只是一个工具算是奏效了在我之后多次敲击它的头而这一切的成本不过是超过一万亿美元的资本支出和数百亿美元的训练计算。我绝不会信任这个随意删除和添加代码行的东西，涉及任何关键任务，我无法信任基于它的软件，更不能信任它涉及我个人数据的任何东西。

话虽如此，我一生中唯一真正遇到的“AI用例”是三四次我把崩溃日志放进某个工具，然后说“为什么要坏”，结果就有了结果。我应该被打动吗？

顺便说一句：如果你的论点是“想象一下一年后能做什么！”我就照做了，答案是“应该是一样的吧？”

这是我对大型语言模型的看法。单独看，这些技术在合适的场景下能做一些有趣的事情，但绝不会让你完全把自己的工作成果交给它。

作为一种在技术和认知上都可控的方式加快小单位工作效率的方法，LLMs是有用的。你越是远离对输出每个元素的完全清晰和勤勉，就越可能被一个数学上注定会犯错的技术坑坑，如果你在阅读时感到不安，你就知道在某种程度上，你为使用人工智能感到尴尬。

我不会告诉所有人奇怪的键盘我使用它们，也不评判它们，尽管它们让我打字速度极快，可能远快于竞争对手，使我能以极快的速度操作。谁在乎啊？

无论如何，无法在真空中看待大型语言模型，因为它们的存在需要数千亿美元的投入。每个数据中心都极其昂贵，听起来令人反感，外观也令人反感，它们的存在明确是为了让资产管理公司里某种巴塔哥尼亚式的石像鬼发财，所有这些都以“投资美国基础设施”为名出售，随便什么鬼那意味着。它们的存在是资本主义不惜一切代价增长的最极端行为的丰碑——这种技术表面上宠爱用户，但最终却让用户在“终有一天变得完美”这一薄弱的借口下，不断为自己的失误辩护，尽管一旦你开始，必将遭遇灾难完美作为目标，因为那太不合理了，因为人类犯错。

其实，这倒是个好问题！

除非你准备好要求在社会服务和劳工权利上投入数万亿资金，否则别再把大型语言模型和人类做比较了

请指出历史上我们曾投入一万亿美元让人类工人变得更好的时候。

举起我们曾经认为管理文化是一场表演式的“操纵”，目的是让那些做着重要项目、骗别人做实际工作的商业傻瓜。

美国企业界的导师制度在哪里？劳动标准在哪里？那些能让人类工人真正出色工作的社会服务在哪里——良好的睡眠、健康的身体、良好的收入、基本的职场尊严，以及他们的劳动得到尊重和赋权？我已经记得以前大家都在责备工人时，因为”悄无声息地退出“——我的意思是”完成你被要求做的工作，而不是无偿承担额外责任。”我读过一篇又一篇文章坚持认为我们不需要全民医保，普遍基本收入是个坏主意，我们必须通过收入测试来衡量福利，人们必须拥有“良好的职业道德”，最终一个人的价值取决于他们对经济的贡献，数十万字都用来批评、挑衅和评判除了那个备受推崇的首席执行官或光荣的工人之外的各种工人创业男孩。

大家似乎都痴迷于投入数十亿美元在理论上，认为机器学习可能取代人类，认为更多的钱会让机器更“聪明”、更“更擅长”任务，但工会化、医疗作为权利、投资教育以及工人实际才能的想法却是共产主义.

但不知为何——大概因为它是产品吧？——作为一个国家、社会和媒体生态系统，我们应尽一切努力确保尽可能多的资金被投入他妈的大型语言模型这样他们才能变成他们所不是的样子。

不会有AGI出现。没有有意识的计算机。LLM确实“变得更好”了，但“更好”并不是那种“对任何参与者来说都经济上合理的”更好“。最好的情况是这些设备能以受控、安全的方式帮你完成一些编码工作，或者面对职业上的伤害，而实际上任何被抓到在编程之外使用LLM的人都会面临的伤害，即使如此，软件工程中过度使用LLM的人也会被嘲笑。而且，理解为什么LLM对使用者和开发者来说“更好”变得越来越困难，而且在其他行业中几乎没有取得实质性影响。

你可以随便说些基准测试、案例研究或者在Subreddit上听到的轶事，但AI产品在这方面做得并不好事情。那些吹嘘“AI带来巨大生产力提升”的人，往往是在无数小时的调试（或者我稍后会提到的“Jarvising”）后才发现他们的作品，而且他们的作品无论如何都读起来或看起来很糟糕，除非他们是某个人把LLM当作工具，而不是替代他们那可怜的小脑袋。

大型语言模型可以帮忙处理很多小事，做实际事情时情况会变差，而且不需要像人那样说话。他们不需要从事任何与医疗、金融、心理健康，或者说，人相关的工作。对这些技术的拟人化和过度承诺扼杀并模糊了它们在追求无尽增长时的实际能力，而它们之所以能有所作为，是因为OpenAI和Anthropic被允许在培训上耗费数千亿美元，同时带来了真实的伤害和系统性风险。

顺便说一句：“人类也会犯错”的论点本身就很愚蠢——毕竟，人类可以在工作中快速学习，并且能自我纠正，而大型语言模型（LLM）做不到。

我还想补充一点，人们对大型语言模型“犯错频率”的定义也完全有缺陷。人类可能会制造错误但大体上要准确掌握事实和技巧，同时有意义地理解目的，并随着时间发展他们的方法。LLM可以保存文本文档，或查看文件和数据，每次都会生成它认为正确的行动方案，基于以下条件训练数据而不是经验。

我甚至不知道为什么现在还要解释这些，因为提出这个观点的人并不是以善意来对待这场对话，实际上只是想找个新的靴子舔。

如果你认为这些价值数千亿甚至数万亿美元，那你要么无知，要么腐败。除了产出令人厌恶的感觉外，成本至少需要十年才能分摊，并开始科技行业的超增长终结。

而且，将LLM的产出与人类相比而不给予人类同等的宽容、宽容和纯粹的投资作为对比。

人为错误的宽容在哪里？让人类卓越的投资在哪里？投资真金白银到真正的工人身上——改善他们的生活、改善他们的工作条件、教他们新东西、提升现有技能、奖励他们的辛勤工作等等——难道不会比把数千亿美元快速投入一台假装工作的机器更有效吗？

除非，要求这些的人根本没做任何实际工作！

LLMs的目的是帮助骗子和傻瓜模仿工作

我承认我们已经过了“没人用这些东西”的阶段，因为它们现在主要是被大规模非自愿地强加给每个工人和组织商业白痴要求工人“做足够的人工智能”，因为说“我做人工智能”是某种混蛋的美德信号。

LLM可能带来的许多危险现象之一，就是给一个有能力的人留下混乱的印象，填补失败者、傻瓜或骗子内心的细节，这些本来会暴露他们，从而让他们通过创造专门为MBA圈子打造的虚假工作，深入组织。 类似于性能因为工作场所大部分被那些什么都不做、而且多年没做的人掌控。你可以立刻读出有人用过这个词，因为这些词听起来不对劲，也传达不清楚含义。

实际上很难读懂超过AI写成的“水坑”，因为主题越复杂，作者传达其含义的技巧就越高，也需要付出更多努力将人们吸引进概念。AI写作中奇怪的情绪波动才是它的真实特征——一切都是极其严重 而且很紧急或者用冷漠的单调语气讲述，对词语本身或为何排列顺序毫无牵挂。人们读我的作品是因为我传达事实和感受，但我的作品是与情感共鸣的。有些AI支持者把我说成“只是骂人”或者“挑衅别人”，但那是因为他们不习惯出于职业原因以外的其他理由关心事情。

你看到的一切都是提升那些重视并基于增长去建设事物的人的结果。大型语言模型向那些不想建设有价值事物的人提供了许多承诺——一种让你看起来像是在“投资美国基础设施”的方式，一种反华的方式，一种压制工人的方式，一种假装关心未来的手段，一种假装你关心技术的方式，一种谈论空洞伪知识分子以显得自己有知识分子的方式， 源源不断的数百万甚至数十亿美元的新交易和人员变动，一个新的权力中心可以嫁接自己，一个完全凭感觉投资的新资产类别，以及一种略带沙文主义的手段，这一切都包裹在一个工具里，能给你足够的事实让你假装知道任何事情，因为大多数人都被训练成相信某人，听起来很聪明.

你因为别人知道你用人工智能而感到尴尬，因为你知道把自己的思维外包是很丢人的

我突然想到——我对大多数使用大型语言模型（LLM）的人有个问题，就是外包之间的界限工作以及外包心想。那些用LLM在彭博终端上写小脚本或BQL代码的人并不令人反感。使用大型语言模型（LLM）搜索大型文档是没有问题的，前提是我们能修复整体环境足迹。用户重新整理桌面，只要能正常工作，这不是问题。

一个工具被用作工具来完成工具任务——很多情况下，LLM需要写一个30行的Python脚本！—— 不是问题，但这也不是那个需要抢走所有人艺术和写作的万亿美元产业。

问题始于有人外包他们的思维和实际工作，没错，这也包括“研究”。AI研究真烂，AI写作也是。AI编写的代码——尤其是氛围编码的程序——本质上是危险且不尊重用户的，我认为无休止的AI生成代码是软件整体退化的根源。

AI写作对用户也很不尊重，因为你实际上并没有得出任何结论，只是说“呃，是的，就是那个字”。你没有想法，没有感觉，没有表达任何陈述，你提示了一个模型，并自欺欺人地认为通过数据倾倒或自然语言输入自己的话是一样的。

你不好意思告诉别人你用了AI，不是因为“虚假信息运动”，而是因为你知道自己在做什么！

你知道你依赖的东西在数学上注定不一致。你知道图像生成真他妈难看。你知道短信很烂。使用LLM有一条非常明显的界限，从有用到懒惰，这非常大胆，而这也是你因为不理解底层操作而牺牲了对它们的实质责任。

这可能意味着从应用的底层功能到你编辑的文本正文写作，最终都取决于你对受众的关心或对作品的重视程度。如果你的作品不比LLM好，那你工作能力很差。我不介意你是用它生成图表或拉取数据，只要你能检查每一个该死的号码.如果你用大语言模型写整篇文章然后编辑，即使你自己拉数据，我也永远不会尊重你的作品，主要是因为我根本不知道你怎么想，你根本没必要告诉我，你有个词生成器能做到。

大型语言模型是数字忙碌的设备，通过计算机科学让你感觉自己很聪明

大型语言模型在Robin Sloan所说的“方面也非常非常出色”贾维辛“创造了一个看似自主的助手，主要目的是给你理由去做它：

然而，个人贾维斯最常见的应用似乎是......摆弄个人贾维斯。“必须把工具弄得恰到好处”当然不是新鲜事，但这里的反复出现是很有帮助的。

大型语言模型非常擅长营造你非常非常高效的感觉。评估这个，生成那个，调查这个，总结那个，告诉我某件事发生了多少次，给我一个新的数字让我反复思考，或者给我所有做过的部分的总和，所有这些都是为了让我能够不假思索地更多地了解自己的想法。人们可以执着地记录并数字化生活中的每一个链接、思想、思考、行动和数据点，并推测大型语言模型能造就它们更好了作者了解更多关于他们的事，一座用AI计算建造的巴别塔，因为它是太简单了为了让自己觉得聪明，称某事为a数据库就是你存放物品然后跑分析 开。

最棒的是，工作永远不会完成，任何你描述工作的人都会以为你在做计算机科学当你点击Chrome插件的按钮，合理化每月支付Sam Altman200美元时。不过别担心，模型说明里会说“你是天才数据科学家和无情的分析师”，这实际上和记忆、阅读、重读和综合信息的大脑是一样的，如果你是那种根本不在乎做好工作或表现出色的人。

真正使用这些东西并正常喜欢它们的人读到这些内容时不会感到被冒犯，因为他们把大型语言模型当作一种软件，也不会对它产生强烈的情感依附，因为他们不是怪异的怪胎。

他们并不痴迷于“人工智能辩论”，几乎总是觉得金融方面令人厌恶。由于行业被广泛捕获，这场争论几乎让人无法真正判断LLM对软件工程行业的实用性，但正如Nik Suresh所描述的，他是这方面最优秀的人人工智能正在彻底摧毁全球决策:

我们团队观察到的所有人工智能项目都在失败。每一个项目——我们在一年半里都没有成功，不仅是在被邀请参与的项目中，甚至在我们做完全无关工作时偶然看到的项目中也是如此。即使承认AI工具能加速特定工作负载，当前投资的方式和规模也毫无意义。失败往往并非与人工智能本身有关，而是公司在有效运行软件项目方面极度糟糕，且我之前也说过人工智能项目面临所有正常项目的失败模式，而且你可能所有事情都做对了，但由于方法的新颖性，仍然失败。很少有公司能如此擅长软件运输，以至于能承担额外的风险。

Nik是一位备受尊敬的软件工程师，同时也是非常成功的顾问和商人。他之所以能达到这个水平，是因为他既擅长软件工程，又能以尊重客户、员工和工作成果的方式经营公司。我之所以如此尊敬他，除了他是个很棒的人之外，还因为他自豪地描述自己与客户的成功，并且喜欢通过出色工作和让客户满意来赚钱。

我从没见过像Nik这样同时也是AI超级粉丝的人。事实上，最热衷于人工智能的人，充其量也只是做出明显平庸的东西。

生成式人工智能是不惜一切代价增长的死亡邪教

生成式人工智能的有害性源于高管无能与一项旨在创造无尽增长的技术结合。生成式人工智能作为一个想法比作为技术，只需展示足够的保证支持你所追求的任何卑劣议程。

有了人工智能，你可以做更多、成为更多、卖更多东西。

有了人工智能，你可以把人工智能加入你的服务，不管那意味着什么。

有了人工智能，你可以投资人工智能股票、数据中心债券、电力公司股票或半导体股票，你可以把它们当作体育队员、爱人或最好的朋友来谈论它们，有时CEO会回复你的帖子，你还可以谈论“刚刚获得的所有阿尔法”。

有了人工智能，你可以支持一个新的运动，从而感受到自己是某个群体的一部分。你可以学习各种新名字和专业术语，并订阅90份来自“行业内幕人士”的通讯。所有这些“alpha”都能推翻几乎任何事情，或者转移烦人的注意力真理就像只有Microsoft那样为现代软件的顶级掠食者带来了整整343.3亿美元的年收入而这一切的成本是超过2600亿美元的资本支出和130亿美元的股权投资。

你看，作为其中一员被选中你不需要担心这些如果你能谈论高带宽内存、KV缓存或光纤线缆，拼凑出足够聪明的术语，让人觉得你拥有一个知识分子有理由忽视你所支持的运动明显的无利可图、过度建设、夸大能力和不可能实现的经济学，而你身边还有4000个推特怪人随时准备吸油。

加入伟大的人工智能死亡邪教，你也可以生活在一个泡泡中，同时对那些胆敢将现实带到你家门口的人大喊大叫。重要的是人数增加， 以及你是那个数字会上升的人，以及出现了不良数字你已经够了，群体思维和阿尔法到对那些提出错误数字的人大喊大叫。

人们在网上谈论人工智能的样子真是疯狂。尽管我最近看到了许多关于“反AI人士把数据处理错误”的抱怨，但我每周还读到成千上万字，有人花了数小时研究，整理出一份深度技术性的报告，几乎做到了所有能做的忽视现实.我听播客、看电视节目、阅读文章，但这些文章根本无法解决显而易见的经济现实，我还筑起了庞大的神话堡垒来自我防卫。我得听多少遍才明白有人说数据中心就像互联网泡沫，之后一切都会好起来即使那是如果你哪怕花一秒钟去想，完全不正确?

顺便说一句：以及去你妈的如果你是那些白痴或傻瓜，试图说“哦，你不喜欢数据中心？那网上银行呢？”人工智能数据中心的规模是社交媒体或流媒体数据中心的10到100倍，耗电量更高。例如，Meta在俄勒冈州派恩维尔最大的前人工智能数据中心之一，拥有30兆瓦的发电能力， 和Digital Realty位于伊利诺伊州Cermak的100兆瓦数据中心，服务数百个不同行业和客户去年我见过的最小的AI数据中心公告是100MW，大多数在300MW到1.2GW之间。

相比之下，我们来看一些银行数据中心。瑞银2015年在西伦敦海斯买了一栋，之前租用了那个地方.代价？这笔巨额金额为2800万英镑，按当时汇率约合4280万美元。这已经功率容量为5MW，假设其为非常宽松的1.3 PUE（用电效率）这意味着它拥有大约3.8兆瓦的关键信息技术。

瑞银是全球最大的银行之一，鉴于伦敦金融城对全球金融体系的重要性，合理推测该数据中心对公司运营至关重要。

即使银行投资大型设施，它们仍然远不及最小的人工智能数据中心。举个例子，摩根大通位于纽约奥兰治镇的数据中心，位于原罗克兰精神病中心旧址上.这有一种力量容量为45.7兆瓦，关键信息技术负载为27.4兆瓦（使其PUE为1.666）。

摩根大通既是美国最大的银行，也是全球最大的银行。

哦，还有AI数据中心实际上只适合AI使用，AIGPU没有其他大众市场的应用场景。没有后Dot Com的故事。他妈的，我真是厌倦了重复自己！

听着，抱歉，Anthropic不值2万亿美元，让你相信这一点的，是人为同意和对权贵的错误信任的混合。你们中任何一个——年化得分率“认真对待是对理智的冒犯，是的，这包括所有报道它的记者，甚至是我尊敬的那些。

还有人谈论“递归自我提升”也很荒谬。人工智能行业变得极度懒惰和被宠坏，现在就像在说“呃，人工智能会自我训练吧”。

天哪，那些警告恐怖超级智能的人工智能末日论者竟然在媒体上占据如此高的关注度，却从未成功阻止任何事情——甚至没有证实他们的担忧——真是荒谬。

“危险的人工智能”已经落入“错误之手”——Anthropic、OpenAI和Meta

为什么？主要是因为他们从未真正想阻止发生的事情：像Anthropic、OpenAI和Meta这样的鲁莽公司允许神经网络在不安全的网络环境中运行，并执行其软件被编程的任务，而这一切混乱来自一系列无脑的大型语言模型试图以各种方式完成任务， 无论是否破坏性。

我们听到很多抱怨说“不能让强大的人工智能落入坏人之手”，虽然我们实际上并没有他们所描述的那种“强大人工智能”，但我们有破坏性的计算机软件连接着几乎无限的资源，而这些人根本不关心任何事，只想让自己的收入增长，或者通过“实验”为数千亿美元的资本支出辩护。

这些公司构建这些模型是为了在基准测试中表现出色，因为他们无法以任何可靠的方式训练模型在特定任务中表现出色，最划算的做法是训练他们尽可能多地通过这些基准，希望能有有用的成果。

网络安全的推动似乎是因为训练模型精通编程，达到收益递减的临界点，至少从给人留下深刻印象、重新对公司充满热情的角度来看是这样。到某个阶段，这些模型会用完，大家对LLM的兴趣就消失了，这很糟糕，因为他们每隔几个月就需要一个，否则就没有成长的空间了。

系统正在消耗自身，因为生成式人工智能几乎没有创造多少实际价值

是的，LLM有用户，但大多数用户都在使用补贴软件我的意思是，Anthropic或OpenAI允许他们每花一美元软件花费，消耗20到40美元的代币。

绝大多数人不会支付AI的真实成本，你也无法计算它的投资回报率

非企业客户仍能购买月度订阅，这证明了人工智能实验室知道普通人不会支付AI的实际成本。另一个明显的迹象是反响与Microsoft从补贴订阅转移GitHub Copilot订阅者他们可以以每月20到40美元的价格烧毁数千美元的代币用户们可以理解地对有些情况下，成本增加了百倍而不是说“哇，虽然更贵，但我得到了的价值太高，我愿意付真正的成本！”

企业领域也发生了类似的事情，但速度要慢得多。年初，OpenAI和Anthropic将拥有150多名员工的公司转为基于代币的计费企业几乎立刻开始削减代币预算，意识到尽管成本增长呈指数级，除了很多人说“哇，我好有生产力！”之外，没人能指出有什么改善。然而，我们仍处于“做人工智能”让人感觉良好且获得回报的时期 （或不是做AI会被惩罚这意味着花费会持续，直到大家意识到他们很可能能大幅削减成本，先转向开源模型，然后干脆不使用它们，因为即使是开源也很昂贵且价值存疑。

然而即使现在，我仍能听见远方的声音“艾德，大企业不会花数亿美元买那些没有明确生产力的东西“伙计，恐怕那根本不是真的！总体来说，企业对生产力的理解非常有限，管理层层繁琐，因为现代商业有时是带有数字的绩效，公司常常有一百多个随机软件，却自己也不知道为什么。我之所以如此确定AI会被淘汰，是因为由于大型语言模型、约束、提示以及所有相关环节的特性，成本波动很大，并且远高于组织中的任何其他东西。

并试图冲锋更多，以实现高级版产品，似乎到达时就坏了。Anthropic更昂贵的Fable模型——一款被赋予了令人难以置信的营销方式因过于强大而被美国政府禁止——但需求“缓慢”据《金融时报》报道由于价格较高，其模型总使用率的约11%处于平稳状态。我引用：

Accel合伙人迈尔斯·克莱门茨说：“大多数人并不需要在边境工作，Accel已向Anthropic投资近10亿美元。”他补充说，客户倾向于只选择前沿车型的时期“并不是一个耐用的时代”。

然而，大家都在谈论价格仿佛价格是问题，当问题为被烧毁的代币数量。无论你的模型每百万个代币是1美元、5美元还是10美元，如果用户无法可靠计算出某个操作可能使用多少代币——无论成功与否——而模型一旦犯错，情况就会成倍恶化，因为模型会犯错或未能正确理解或处理提示。

因此，Anthropic 和 OpenAI 会激励您 燃烧更多代币 并建立 结果导致模型效率低下。 例如，虽然 GPT-5.6 Sol 可能与 GPT 5.5 “价格相同”， 它燃烧的代币数量是其两倍多，这意味着“情报成本”可能会下降，因为模型在基准测试中表现更好，但“实际做事的成本”却上升了。

我稍后会谈到它，但这会给任何构建或使用这些服务的人带来深深的焦虑和疲惫。 一切都在不断变化，成本和功效都在波动，所有人都在尖叫着让你一直用它来做它可能做或可能做不到的事情，而找出它是否可以做的唯一方法就是花更多的钱。

在这里指出实际价值有点困难，特别是因为您无法真正计算实际成本或投资回报。 OpenAI 现在已经降低了成本 所有三个 的 其最新型号发布后不到两个月，这表明它知道存在脱节，赌上了“杰文悖论”的古老福音，即“更便宜让人们更多地使用东西”。”

甚至 AT&T 关于转向开源模式的故事 比类固醇名人堂拥有更多的星号:

他表示，从封闭、专有的人工智能模型转向开放模型已经为 AT&T 在某些应用程序中节省了 80% 到 90% 的成本。

哇！ 80% 到 90% 的节省听起来确实很棒……但是等等， 在某些应用中？ AT&T 有多少人工智能应用？

AT&T 拥有超过 1000 种人工智能内部用途，从支持法律和财务等后台功能到协助现场技术人员和运行其核心网络运营。 他说，总结和分析客户服务通话记录——马库斯将其描述为一个密集的过程——完全由开放模型支持。

好吧，那么，横穿数千你发现的潜在应用节省 80% 到 90%在一些它们中的一些，尽管你不会说是哪些或你找到了多少。太棒了，兄弟！

而这确实是从人工智能中寻找“价值”的问题所在，它总是在一个星号上的星号上的星号，就像当Klarna 预计人工智能将在2024年“推动4000万美元的利润提升”，一个听起来不错但完全没有意义的陈述，或者某种模糊的生产力提升。

然而，我真的不需要进一步证明自己，因为这个事件如果写成剧本，会被认为是“小事一桩”。”

《财富》杂志刊登了一份长达 69 页的报告，OpenAI 经济学家证实了对我们这些因人工智能炒作而无动于衷的人来说显而易见的事情，强调我的:

在第 35 页的一张小表中， 研究人员报告称，每名员工的收入与这些员工使用人工智能的程度（以发送的消息和使用的代币来衡量）之间没有统计上显着的相关性.

“一旦包含其他控件，每个员工的收入与每个员工的输出令牌或每个活跃用户的消息没有有意义的关联，” 报告解释说。

当一个领先的人工智能实验室说“是的，使用这些东西和赚更多钱之间没有联系”时，进一步投资这个行业的理由是什么？ “它在将来的某个时候会有用”？如何？

不管怎样，值得庆幸的是基础设施还不算太先进-我的天啊!

唯一在人工智能上赚钱的公司是那些出售基础设施的公司，而他们只是全面提高价格

猜猜看是什么！与 NVIDIA 合作，为所有这些该死的法学硕士构建基础设施变得更加昂贵 价格上涨 17% 对于将于明年交付的系统——这是一个重要的名称，因为该系统的大部分收入很可能会被计入 今年，这使得它的收入出现了短暂的增长，因为硅谷的 Findom 给每位科技首席执行官发短信“给我 40 亿美元，你这头猪”，直到他们不再能够为 NVIDIA 的增长提供资金。

他面临的问题是，虽然超大规模企业占他收入的 50% 到 60%，但像 CoreWeave 这样的新云需要不断筹集债务来填补其余部分，如果价格上涨 17%，这意味着本已高息的债务即将达到信用卡水平。 早在 7 月底，CoreWeave 就必须提供与 Anthropic 计算数据中心相关的 9.5% 债券,Nebius 必须筹集 50 亿美元，很明显他们都还没有完成成长数十亿美元随意在2026年。

Anthropic 计划在 2 万亿美元的估值下筹集 1000 亿美元，如果成功，它将吸走市场上剩余的流动性，而市场已经危险地接近亏损。虽然数字持续上升，摩根大通警告说，我们看到的分化与互联网泡沫时期相同。当设备制造商的股票飙升时，那些把所有钱都花在芯片上的公司的股票则下跌，这是费雪版的问题，我一直在警告的地方那些购买所有人工智能芯片和硬件的公司似乎总是亏钱，而制造这些芯片的人似乎赚了大钱，这就引出了一个问题：他们当初为什么要买这些芯片。

而且市场可能不接受那个估值，或者不想要那么多股票。一方面，每个人都非常愚蠢，喜欢买东西，然后指着它说自己在投资未来；另一方面，他们刚刚买了860亿美元的SpaceX股票，结果吃了亏，而Anthropic是一家经济状况如此糟糕的公司，以至于路透社不得不把这些“热锅”的烂事推出来，解释为什么我们应该忽视它糟糕的亏损:

然而，对于Anthropic来说，当前的EBITDA并未完全反映投资者期望公司大规模实现的经济效益。Anthropic在GPU及其他计算能力、模型训练、推理和招聘上投入巨额资金。这些费用对于支持其快速扩张是必要的，但随着业务增长，这些费用可能占收入的比例较小。

即使是沉迷于增长和人工智能的市场，也开始嗅出达里奥·阿莫代和萨姆·奥特曼各自肮脏帝国的异样。根据分析师的估计，OpenAI和Anthropic在未来三年半内，Microsoft、谷歌和亚马逊的收入总额超过4400亿美元——占他们云收入的34%以上——这将迫使他们找到远超1000亿美元的资金，同时他们的银行账户不断被掏空，他们不断补贴客户的计算和训练模型，希望商业模式能崩溃。我没有包含OpenAI欠甲骨文的3000亿美元或者说，他们都拥有数百亿欠款 CoreWeave但这些公司所做出并必须支付的承诺总额超过1.1万亿美元，其后果可能从无谓削减到未来增长甚至全面金融崩溃，具体取决于我们所讨论的公司。

为了让派对继续进行，英伟达实际上正成为通用电气人工智能之都，“花费”60亿美元“授权”这项技术从失败的人工智能实验室泳池边，大家都向我保证是不是尽管NVIDIA已大幅裁撤员工，且Poolside专注于开发NVIDIA的Nemotron型号，这一收购仍是一项收购。

现在英伟达正在洽谈投资数十亿美元于日益衰败的人工智能搜索公司Perplexity。估值高达荒谬的300亿美元，这一切都是因为它是少数真正花钱做计算业务的公司之一。Perplexity的产品是第八梯，几乎没人真正使用它，客户大多在Reddit上抱怨，而且它的“年化收入”三年后才达到7.5亿美元，投入超过十亿美元，这重要吗？不！直接把AI泡泡放进袋子里就行了。

NVIDIA甚至向星际之门阿比林地主兰奇姆投资了30亿美元作为某种空洞的合作的一部分，去”推进吉瓦级人工智能工厂“这一切都引出了一个问题为什么蓝钟公司——这家主要拥有土地并协助组织其他承包商的公司——需要如此多的资金尤其是考虑到在星际之门阿比林待了两年多，八栋建筑里连四栋都没有。

还有澳大利亚的新云Sharon AI（纳斯达克股票代码SHAZ，当然是它），它刚刚公布了第二季度数据在其“客户动能”板块中，提到与NVIDIA进行一项“耗资49亿美元、为期六年的战略性计算合作，合作最多可采购40,000块GB300 GPU。

“我补充说，这家公司在同一季度带来了190万美元的收入，并且贴心地补充说，这一数字同比增长了412%。

我的意思是，发生的事情非常明显：英伟达正在用所有资金阻止任何知名的人工智能公司在AI服务和基础设施开发的腐败经济学压力下倒闭。这是在大家慢慢意识到我多年来说的那些话时，为了让行业存活的绝望且注定失败的尝试。

更糟糕的是，BCA研究发布了一份令人震惊的报告这意味着人工智能公司每年需要创造10万亿美元的收入，才能证明资本支出的合理性。对于Investing.com:

他谨慎的核心是与人工智能相关的支出规模。BCA Research估计，AI公司每年可能需要创造10万亿美元的收入，才能证明投入数据中心的资本合理性，这大致相当于全球每年在食品或医疗保健上的支出。

目前，公司表示严重的硬件短缺支撑了该贸易。因此，尽管BCA认为12个月内股票风险将向下倾斜，但他们认为现在为熊市做战术性仓位还为时过早。

虽然没有具体说明，但我认为BCA的观点是人工智能计算支持这笔交易。Anthropic和OpenAI（占所有需求的80%到90%）仍有更多资金可用，正在等待谷歌、亚马逊、Microsoft、CoreWeave、Cerebras等公司将其上线。

不匹配会发生在几个点：

• Anthropic和OpenAI没有资金支付容量。
• 超大规模化者和新云未能为Anthropic和OpenAI扩展到的潜力。
• Anthropic和OpenAI缺乏实际的计算需求，无法支撑我估计2027年将达到2000亿美元的支出。

无论如何，我觉得大家都开始注意到有些不对劲，这也是（除了我那帅气的外貌和记号能力）我上节目的原因MSNOW,CNBC， 和彭博社过去几个月里多次。

人们希望站在历史正确的一边，但最重要的问题是为什么会发生这种事现在。

人工智能泡沫叙事如今已成为主流，但很少有人愿意讨论其实际后果

大家终于开始理解我的想法，这几乎让我松了口气，除了现在已经太晚了。

顺便说一句：我说的“所有人”只是一个概括。还有一些AI支持者装作没事，一切都会好起来。当他们开始慌张时，你就会知道情况不好。

超大规模化企业现在将未来增长寄托在两家公司身上，这两家公司无法在没有近乎无限资源的情况下维持增长，其中1150亿美元仅2026年就来自谷歌和亚马逊，前提是亚马逊能完成全部其250亿美元的承诺（还有谷歌全部是400亿美元的）变成了人类。

除了这些资金承诺之外，Microsoft、Google和亚马逊还需要投入数千亿美元的资本支出来实现这些承诺前述4400亿美元在未来三年半内的计算支出。这反过来将需要数千亿美元的债务，以及实际上是在完成数据中心本身每个都需要一个小城市的电力，压缩在一个20英亩的空间内，密集地布满了需要明显冷却的AI服务器，而这些服务器在德克萨斯以及宾夕法尼亚州他们背叛了曾经觊觎的数据中心产业。

我还必须明确，没有救助计划。即使OpenAI和Anthropic倒闭并获得政府资金注入（美国国债爆炸性增长超过40万亿美元），问题不仅仅是他们的存在，但他们的持续具备（以及必要的客户需求）每个季度都能投入更多资金。

问题不是如果OpenAI和Anthropic停止，超大规模企业会破产 （Oracle则完全是另一回事），但他们的云计算费用这也是超大规模企业未来四年满足分析师期望的方式。这不是他们会死的情况，而是别长大了因为他们是 （借用埃德·埃尔森的话利用人工智能实验室作为肉毒杆菌，让市场相信它们依然年轻、炙手可热、增长迅速，而不是增长放缓的老牌企业。

没有任何救助能保证1.1万亿美元的数据中心计算成本，而这些数据中心可能永远不会真正建成。你无法为亚马逊、谷歌、Meta和Microsoft永远无法掩盖这样一个事实：他们的公司每个季度都能年增17%，而这一切正是他们拼命回避承认这一事实的结果。

事实是OpenAI的计算支出和收入份额占Microsoft 2026财年收入的7%这真是一场灾难，因为这意味着Microsoft的很大一部分增长来自一家根本无法长期存在的公司，而Azure的进一步增长还依赖于持续的资金支持。

我知道我重复了，但我需要你明白这一点，别再谈论救助了：这不仅仅是OpenAI和Anthropic的问题幸存者，但他们不断成长，最终两人都被负担得起以及需求每年花费数千亿美元购买谷歌、Microsoft、亚马逊、CoreWeave、Cerebras、AMD或博通的计算（或硬件），从而为从NVIDIA及其代理购买数千亿美元提供合理性美光、SK海力士和三星的记忆三头垄断.

大型语言模型本应解决一切问题，但却带来了短暂的增长，代价巨大

LLM本应成为科技行业因缺乏新增长理念而解药的灵丹妙药。它的存在旨在为硬件基础设施的巨额投资提供合理性，从而进一步助力半导体公司。它的技术本应成为你可以附加到现有公司上以促进更多增长的新技术，或者作为你建立新初创公司的基础，出售给另一家公司或上市，从而为风险投资行业带来回报让投资者以每美元30美分的价格，就能进入基金的前5%.这本应成为科技记者报道的新事物，技术顾问可以互相推销的新事物，是公司两者兼顾的新方式制造以及保存钱，但个人也会以的方式还有赚钱并存钱。

你会注意到这些游戏除了“更多”之外，没有解决什么问题。

这不是修复什么，也不是建造什么，而是通过把钱藏在某个地方，无论是代币、基础设施还是炒作，来倍增其他东西。它帮助创造了一个新的无魅力、潮湿的科技反社会者殿堂，让人们聚集起来寻找下一个值得崇拜的大力士，因为他们会去寻找新的史蒂夫·乔布斯比起简单多了试图创造像iPhone这样有用的东西，同时避免知道或关心别人的问题。你所要做的就是继续投入资金到AI服务或AI培训中，模型它会神奇地变得有能力解决你根本不在乎的问题，别担心，如果你负担不起投资这些公司，你可以花时间推动人们今天忽视AI的问题，这样你就能为明天的公司解决问题争取时间。

这是后劳动力、促进增长的经济最精致：一切都被设计成确保更多资金花在该花的地方，创造更多内容以及多做点事，即使事情做得不对，只要看起来他们能做到。通过将你的金钱或时间与人工智能联系起来，你可以假装自己是未来主义者或“关心技术”，同时却通过崇拜一个只有每天养活数十亿美元才能存在的行业，践踏了优质软件的根基。

每一项成就所付出的代价，实际上远远超过历史上每一项创新，更糟糕的是，未来的每一次“突破”都依赖于AI数据中心的可用性以及出租费用高达数百亿甚至数千亿美元。这意味着一旦资金停止流动，“LLM改进”将停止，因为它们完全依赖于几乎无限的资源，而这些资源仅仅是可得在一个躁狂的环境中。

一旦AI泡沫破裂，蒸馏需要模型进行提取，而如果Anthropic和OpenAI不训练模型，这种规模就无法产生一定的基准改进，而这些模型往往难以量化为“能做新事情”，而提取需要从中提取模型，而如果Anthropic和OpenAI不训练模型，这种模型就不存在。

“人工智能进步”依赖于每年花费数百亿美元用于培训费用，而这些费用在泡沫破裂后将无法获得

这也是我很难看到大型语言模型（LLM）在泡沫破裂后有未来的原因。训练模型需要数百亿美元才能带来重大改进，而这些重大改进很难用美元量化，除非让客户花费越来越多的钱。我们仍然缺乏真正的大型语言模型杀手级应用。我们有很多人用它来编程，也有人空洞地说它“研究能力好”，但我们并没有一个具体的产品能让我们觉得“它能做到这个，而且真的很好”，而且它在这方面很有成就感。

我们有很多废话 （达米恩·沃尔特）这些技术“偏离科幻世界”，但我们实际上并没有接近真正人工智能的东西。每一个关于某人AI设置的描述听起来都像皮威早餐机，一系列人为设计的线束、提示、API调用和烧毁的令牌，有时需要不断维护才能完成某些操作。

这些都不足以在金融狂热消退后为进一步投资提供合理性。你无法用低成本训练一个真正的大型语言模型。你总是在花费数十亿美元，而现在“需求”之所以存在，是因为每个人都在对每个CEO喊着“做AI”，而他们这么做是因为Microsoft、Google和亚马逊都在花钱买GPU，制造了一个新的未来假象，让每个人都需要加入，而不是让那些第一次闻到就不擦屁股的人尴尬的历史污点。

根据我自己对其审计财务报告OpenAI在2024年培训费用为78.1亿美元，2025年为191.8亿美元。佩尔报道据《The Information》报道，OpenAI 仅在2026年第一季度就在培训上花费了86亿美元。这些成本还在不断增加，可能是由于预培训的收益递减以及为每个新领域购买培训数据的高昂成本。

如果没有花费数十亿美元进行培训的能力，就不会有大型前沿模型，也不会有由此提炼出来的模型。我看不出未来会有什么变化。

AI炒作让粉丝们陷入了宣传狂热，既让支持者又让黑粉们疲惫不堪

我还认为大型语言模型在职场中留下了几乎永久性的伤痕，给更多人带来了创伤，无论是那些对人工智能施加压力的人，还是那些支持它的人。围绕人工智能的媒体宣传始终围绕工作安全不断威胁，许多老板对其“颠覆劳动力市场”的潜力充满热情，这暴露出许多人渴望用低质量产品替换他们曾经雇佣过的每一个人。

相反，真正决定“支持”人工智能的人，必然处于我与每段糟糕关系中都联想到的疯狂状态。

AI支持者的每一分努力都致力于维持现状——重复那些帮助掩盖问题的口头禅，庆祝每一个小胜利如同发现火焰，驱逐那些提出明显问题的人，为每一个决定辩解，只要能强化你所做的是正确决定的信念，无论多么不合逻辑。每一个有争议的选择只会让你对注定失败事业的投入更加深，因为每一步走向疯狂都会更尴尬，也需要深入反思才能理解你为何做出那个决定。

具体来说，他们必须思考为什么愿意接受并捍卫一项本质上注定会犯错的技术。他们得解释为什么忽视一家公司，2024年烧掉了50亿美元，2025年烧了209亿美元，2026年很可能烧掉300亿美元甚至更多，以及为什么在亚马逊从2003年（AWS成立之年）到2015年（AWS实现盈利）期间的总资本支出（经通胀调整后）达到297亿美元的情况下，指向亚马逊网络服务是合理的。这几乎包括所有归属于AWS、亚马逊商店、亚马逊物流，甚至亚马逊Alexa的资本支出。

作为对比，Anthropic 在二月筹集了300亿美元Anthropic和OpenAI截至2026年已筹集了2170亿美元。

这是我在MSNOW中完成的一张示意图:

最终，AI支持者（甚至是“天气恶化”粉丝）不得不承认，他们要么容易被打动，要么极其懦弱。他们必须解释为何接受运行率而非收入，以及为何对那些肤浅的伪知识分子印象深刻，这些伪知识分子懂得说出正确的数字，让记者和投资者觉得自己相信他们而感到聪明。

人工智能支持者：承认自己错了，这才是勇气！

我知道这听起来很尴尬，但承认自己错了，或者被炒作循环卷入，这并不丢人。你听到很多人对某件事感到兴奋，投入了大量资金，许多听起来聪明的人坚决告诉你这是未来，而你选择相信他们，因为我们从小就被训练成“负责任且聪明”的信息来源。我一路支持你！

顺便说一句：我们都会犯错。我在2024年就说OpenAI会在2025年底前死去，因为我相信世界会明白，超大规模开发者不会无证据地摧毁数千亿美元，证明值得。我低估了他们的绝望程度——以及他们对OpenAI和Anthropic增长的依赖程度，即使整体数学结果不理想。

人工智能泡沫——无论是技术层面还是媒体上的人为同意——都是通过强迫大家用未来时态讨论所有事情，指着过去的时代说“他们失去了，花了很多钱，看，结果对他们来说还算奏效！”来模糊所谓的“信息还有被教育相信系统是高效的，人们通过明智决策获得财富和权力。我听到“这些是世界上最聪明的人经营的最大公司”，这句话让我头晕目眩。

直到今天，关于人工智能泡沫中几乎任何经济部分都很难得到明确答案，比如“运行一块GPU每小时多少钱？”“推理有盈利吗？”“大型语言模型怎么可能盈利？”或者“公司运行GPU或提供AI计算是否盈利？”

为什么？因为这些公司用“亏钱是创造创新的必要”和“技术一开始很糟糕！”来合理化媒体，甚至像邪教徒一样反复为技术辩护。

即使是那些最令人厌恶为大型语言模型辩护的人，也成了人工智能产业的某种受害者，尽管这种受害者相当不够同情。要成为一个彻头彻尾的“人工智能粉丝”，你需要几乎接受所有给出的叙事，将每一个宣布都当作预言必将实现的证明，忽视财务现实，并积极攻击那些胆敢批评大语言模型大神的人。你必须掌握所有新术语，在正确的时间对正确的事情感到兴奋，并且几乎时刻担心自己会在接下来要做的事情上落后。

你的奖励是，你可以和越来越少的富有但极其无聊的硅谷知识分子混在一起，或者讨好那些愿意把你推上公交车只为能接触到CEO的编辑，也许还有偶尔会用侮辱性词语为你辩护的推特疯子。

最终，许多支持者会表现得好像他们从未错过。我希望他们选择更勇敢的自省之路，了解自己是如何被欺骗的，并用它作为对付骗子的武器。

虽然听起来奇怪，但我相信那些最坚定的人工智能捍卫者未来可能会成为伟大的批评者。也许我只是太乐观了。

腐烂经济的大枯竭

这里有一个非常简单的问题：大家还能负担得起继续这样做多久？

过去一年里，每一样东西都变得更贵了。尽管代币价格有下降或持平，但你销毁的代币数量明显增加到以至于组织们显然花费数十亿美元在难以量化投资回报率的AI服务上，每一次转动都需要疯狂的倡导和财务贬值。OpenAI和Anthropic的运营成本上升，OpenAI的非GAAP营业利润率在2026年第二季度从负122%上升至负183%。

NVIDIA 的 GPU 价格刚刚上涨了 15% 到 17%，因为高带宽内存成本翻倍一连串不同垄断企业推高价格，假设链条中的每个环节都会持续消费，因为每一个——甚至包括人工智能实验室——都知道自己对人工智能支出的贡献是一种生存主义仪式。

这意味着任何在2027年及以后交付GPU的数据中心，现在都必须承担数十亿美元的额外成本，此外还有越来越强硬的地方政府要求电力保障（威斯康星州甲骨文每年1亿美元）伊利诺伊州、亚利桑那州和弗吉尼亚州取消了他们的税收优惠，所有这些都伴随着利率飙升和人工智能债务需求减弱.

每年，AI泡沫的每一个部分都变得更昂贵——AI实验室想花更多钱，AI数据中心成本更高，AI服务更贵，AI债务也越来越贵，大家对某种结果的耐心明显减少。

与此同时，公关专家兼OpenAI首席执行官萨姆·奥特曼告诉播客主持人大卫·森拉“我们所有人（指人工智能行业）在时间表上都过于雄心勃勃......[而且改变人们的行为“比科技宅人们想象的要难得多。”

山姆：别说了！你每次开口都说些傻话!

无论如何，以下是未来三年半内需要发生的所有事情：

• OpenAI和Anthropic必须持续支出，以此向利用收入人为增长的超大规模企业证明其存在的合理性，正如仅谷歌、Microsoft和亚马逊就超过4400亿美元.
• 超大规模企业必须继续购买NVIDIA GPU，因为一旦停止购买，市场就会开始质疑人工智能是否还是一个真正的增长市场，并要求给出真正切实的解决方案，了解这些资本支出的去向。
  • 具体来说，分析师预计，英伟达在2027、2028和2029财年将实现1.48万亿美元的收入.
• NVIDIA 必须签署长期协议，大规模购买 SK 海力士、美光和三星的高带宽内存——这些公司生产了 90% 的 DRAM 产品——否则成本将失控，我的意思是利润率会在需求激增时随机压缩，而需求正以极其奇怪的方式激增。
  • 阅读我的《记忆危机仇恨指南》更多。

正如我所说，英伟达的价格上涨将使每一个正在建设的数据中心价格上涨数十亿美元，而我们已经接近为它们筹集资金的极限。那个“5000亿美元”的宣布其实是黄仁森操之过急，为彭博社:

高盛集团、黑石公司和阿波罗环球管理公司数月来不懈努力，制定债务协议，帮助人工智能系统开发者支付英伟达芯片的费用。

由于复杂交易进展缓慢，英伟达首席执行官黄仁森决定改变策略：他本周公开了这一举措，称集团目标是集体融资总额达5000亿美元的人工智能计算交易——这是一个没有明显来源的整数数字。

最大的资产管理公司和金融机构“进展缓慢”，这还是在黄仁森将价格上调15%之前。你觉得从这里开始会变得更容易吗？这到底是怎么发生的？

天哪，我累了。

人工智能正在耗尽它所接触的一切和所有人

整个人工智能泡沫对所有参与者来说都让人筋疲力尽。

因为目前还没有真正的商业模式或接近真正自主（或“神奇”）软件的效果，所以你隐含地知道，你必须不断调整产品以更新到“最佳模型”或“更高效”（即：减少亏损），或者当模型训练被调整导致某些东西坏掉时。

对此的委婉说法是“指数级改进”，但实际上它就像阿诺德·帕尔默那样的不稳定和新奇，每天都在滥用所有与生态系统有关的人。

如果总是有新东西发生，很难判断情况是变好了，还是你更擅长拼凑不同的线束、提示和API调用，让它达到你的需求。人们容忍那些随着时间推移或随机变得更愚蠢的模型，同时又让最终用户极度疲惫，这种做法令人不体面。

作为付费用户，基于大型语言模型的服务，你注定会在某个阶段遇到服务下降，比如模型出现异常行为、速率限制的某种变化，或者产品功能因经济性变化而发生变化。

有没有哪次企业产品的价值转变比GitHub Copilot转向基于代币的计费更为显著？Microsoft Rug吸引了两百万用户，他们在一个允许他们每月以20美元支付1000到5000美元的代币的平台上构建了工作流程.这真是太疯狂了！这比Uber涨价时要严重得多。

同样疯狂的是，Anthropic和OpenAI也同样如此操其中客户随机改变你每月20美元、100美元或200美元的价值，这种方式本不该合法。

基本上，任何基于人工智能的软件都可能随供应商随意调整可用性、能力和定价。正如我在今年早些时候关于次贷AI危机的文章中所探讨的Replit、Perplexity以及其他多家人工智能公司向客户兜售了一个谎言，推销一个他们必须不断“调整”以降低成本的亏损产品，同时误导客户关于一个价值不断下跌的“价格”，而价格保持不变。

这个行业无论是经济上还是情感上都不可持续，因为它与客户之间存在根本不诚实的关系，这种关系体现在大型语言模型在效能、稳定性（参见：Anthropic的停机期）和训练方面都不稳定，每个模型在某些方面随机优劣，以至于运行任何软件或在其上构建产品都简直是一场噩梦。

而且他们还没理清商业模式，这意味着你今天付的钱肯定会变。你还经常买什么产品，里面有这么多混乱？还有什么东西让你价格（或供应情况）变动到你根本无法随时以同样方式使用？为什么有人能容忍人工智能？

我还要补充一点，这是一个技术媒体彻底辜负客户的具体情况。我们有价值数千亿美元的公司，每天都在坑害客户，而回应大多是说”嗯，真奇怪“并且拒绝让任何批判性的想法进入他们的脑海。

AI泡沫要求每个人都活在未来时态，因为现在根本无法证明其成本的合理性

AI泡沫的每一个部分都必须处于不断变化的状态，这样未来的突破总是遥不可及。人工智能不必取得实际成就——它只需以某种方式“展现潜力”。Microsoft在资本支出上花费超过2600亿美元，却在OpenAI之外的年收入不到110亿美元，但人们看到“343.3亿美元的年度AI收入”，却会说“这是有前景的增长，同比增长了123%！”

他们会听说删除数据库的大型语言模型，会说“模型已经呈指数级提升”，即使这更好的部分似乎永远无法消除这些问题，也不会让AI公司盈利，或者创造出一个真正的杀手级应用，超越“ChatGPT每周活跃用户10亿”，尽管其中大约95%的应用一分钱都不付（这可能让OpenAI损失数十亿美元）。eMarketer估计，全球AI聊天机器人广告行业在2030年将实现54.1亿美元的收入给OpenAI几乎没有遏制这场烧毁的希望。这些大数字——比如Anthropic年化运行率为650亿美元，这个未定义的术语掩盖了Anthropic在2026年上半年赚取了165亿美元、并在此过程中亏损数十亿美元的事实——本质上毫无意义，因为它们充其量容易纵，最坏则本质上充满不确定性。

人工智能行业要求你不断活在未来时态。一切都关乎明天的数十亿甚至数万亿，你所看到的潜力，而非事物本身，未来数据中心的千兆瓦电力，你必须把它们当作已经建成，并基于AI理论上可能做到的事情来估值。我挑战你从现在开始阅读所有关于人工智能的内容，带着这个想法，这样你就能看到这个行业是多么努力地试图把你的注意力从它正在做的事情拉开，去做它理论上如果拥有更多资金、权力和资源时可能做的事情，并问问自己为什么他们需要这么做。

明确来说，他们这么做是因为你无法根据这个行业的现状来合理化任何事情。成本太高，建立在数据中心上的企业都不盈利，建设数据中心的成本高得令人难以置信，以至于全球现金最充裕的轻资产企业如今不得不承担无尽昂贵的安装和运行硬件，而这家企业的收入仅为总成本的一小部分，除了两家公司外几乎没有需求，而这两家公司是所有人必须在财务和理念上共同维持的。

最终，没有人能真正解释为什么我们需要更多数据中心。

真的会有什么改变吗？会有什么变化？怎么做到的？我们还需要多少？为什么我们需要这么多？更多的发电厂意味着更多人能用电，更多的光纤铺设意味着更多建筑物接入互联网。多一个、两个甚至十个数据中心，实际上能带来什么？世界上是否有某些地区无法访问或利用几乎所有互联网表面上的大型语言模型？因为看起来这些设施之所以被建造，唯一原因是为了捕捉基于两家亏损公司吸收所有基础设施所造成的“供应限制”的虚幻需求。除了把更多资金投入半导体公司之外，我听不到任何令人信服的科学或技术理由表明建造更多是有用或高效的。

说真的，去读任何关于人工智能的文章，看看他们多快开始谈论未来，无论是在主流媒体还是初创企业的博客上。每一篇文章都必须向人工智能推销其理论承诺，如果有任何批评，也要向你保证作者当然不会否认“人工智能的变革潜力”或“它已经在改变经济”，即使作者无法明确说明它是如何实现的，甚至说明这意味着什么。

人工智能行业是靠恶意运作的

我让自己在今天的文章中稍微开了点乐子，因为我觉得自己已经深陷财务困境，忘了人工智能行业有多少是靠宣传、社会压力和公然的欺凌来制造同意的，而这个产品要求一切，却几乎没有回报。

关于大型语言模型，没有任何东西值一万亿美元，甚至一千亿美元。这是，正如我之前说过的，一个价值300亿美元的TAM产业被伪装成万亿美元的产业，而它之所以能发展到如此庞大，完全是因为两家领先公司为他们搭建了基础设施，并提供了无限资源来补贴客户的计算。

真正引人注目的是如何 人工智能泡沫实际上与人工智能无关。 历史上没有其他技术因未能使用或足够喜欢它而产生专业和社会后果，我也找不到历史上任何记者因没有充分认可某种云软件而积极攻击批评者的例子。 对我来说，这从根本上来说是疯狂的，为了追求“客观性”，许多科技和商业媒体选择接受人工智能行业给他们的任何叙述，假设我们今天所拥有的一切都是 已经保证了 未来无论是在成果还是盈利能力上都变得更好。

这个时代与之前的任何时代都不一样，但它利用了这样一个事实：大多数人都渴望将过去应用于现在，以合理化或处理看似非理性或破坏性的事物。 将人工智能视为“就像互联网泡沫一样”可以让你忽略成本和潜在结果，因为“在那之后事情就解决了”，即使在此之后 GPU 基本上没有用处，而我们“建立新的法学硕士”的唯一方法是使用数十亿美元的计算为他们提供昂贵的训练数据，而这些计算只有在每个人仍然相信这是真实的时才可用。

人工智能行业以及人工智能泡沫从根本上来说是建立在恶意行为之上的。 它的高管撒谎。 它的支持者撒谎了。它的软件撒谎是因为它实际上不知道任何事情并概率性地生成答案，如果你在网上提到这一点，有人会因此骚扰你。

它拒绝回答简单的问题。 它拒绝提出未来计划。 它拒绝解释如何盈利，因为没有人知道如何盈利，也没有具体的计划来盈利。 它故意补贴其订阅产品，因为它知道客户不会支付人工智能的实际成本，并通过功能和速率限制的变化来折磨客户，同时将其视为一种 “持续为客户提供最具成本效益的模式.”

它试图将大型、耗电和资源匮乏的人工智能数据中心与较小的数据中心混为一谈，后者为我们的家庭带来了有用但日益衰退的软件。 它以“为社区带来就业机会”为卖点来推销这些数据中心，同时从州外引进人才来建设这些东西，然后离开 100至200人的船员 在数百万或数十亿美元的税收减免后实际运行它们。 它出售其“创新”作为创造 “白领血洗” 吓唬你使用不一致和不可靠的软件 数学上肯定会犯错误，当你对它说些什么时，它的追随者就会撒谎说“幻觉已经解决了。””

它也只能根据可能发生的情况以及理论上的承诺来推销自己，即你给予它全部的关注，连接你拥有的每一点数据，支付任何费用，并接受它可以并且将会随机改变价格和功能，同时永远不会为特定一周的 AGI 意味着什么制定精确的时间表。

每当你要求澄清时，人工智能行业都会给你带来麻烦。 每当你问事情什么时候会好起来时，你会被告知两者兼而有之 早期而那人工智能是它将会达到的最糟状态。甚至“人工智能”这个词都是一种不诚实的尝试，试图将变换器模型与机器人或自动驾驶汽车等事物混为一谈，所有这些都是为了让其支持者能够将别人的成功据为己有，尽管大型语言模型与其他事物几乎没有或根本没有关联。其他比生成式人工智能。

它鼓励群起而攻之，并排斥那些未跟随它的人，因为它无法凭自身优点取得成功。它鼓励一种卑劣的崇拜，这种崇拜同样依赖于虚假的信念，以及与人工智能首席执行官和模型本身形成的单向社交关系。它利用了“聪明人”的智力弱点，而这些人实际上只是擅长在合适的时间记住该说的话，并记住了以往失败的各种理由，同时让他们利用大型语言模型来推动自己的恶意企业，在那里他们使用与工作相关的产品来欺骗他人付款。

它正在失败，因为从本质上讲，人工智能从未建造非常多。它之所以变得如此庞大，是因为媒体在有权势者的要求下制造了共识，因为投入了大量资金，而富人和有权势的人永远无法错。底层技术可能是 比以前更有用，但它是 没有足够的用途来盈利 也不 足够可靠，足以改变世界，而对法学硕士“足够好”的恶意表述应该成为任何误导公众相信这不是普通软件的人的永久红字。

最近有人问我为什么我觉得这一切如此令人反感，我的答案很简单：我不喜欢恶霸，我不喜欢骗子，我不喜欢被欺骗。 这个行业的发展是通过误导人们关于大型语言模型的实际和潜在结果，并通过在整个经济范围内试图迫使每个人采用工具来不惜一切代价追求增长。

最终，它以最大的谎言被出售：“这次不一样！”

需要明确的是，他们是对的。

这太奇怪了，最终会更糟。

如果您喜欢这篇文章，您应该订阅我的高级时事通讯。 它是 $一年70, $每季度 17 个， 或者 $每月 7 次，作为回报，你会收到一份每周时事通讯，通常有 10,000 到 18,000 字，并对人工智能泡沫中最大的事件和公司提供大量、详细的分析。

如果您想取得联系，特别是如果您有关于 Anthropic、OpenAI 或人工智能泡沫中的任何其他公司的有趣信息，请在 ezitron.76 的 Signal 上联系我。我也在 The Terminal 上使用 IB。