全球資本市場正經歷以人工智能為核心的新一輪科技投資熱潮。

一方面，科技投資以罕見強度重塑增長結構，在傳統(tǒng)行業(yè)承壓背景下，科技部門以高強度資本開支扮演了類財政刺激角色。另一方面，在財政擴張與隱性貨幣化預期下，市場對流動性收縮的敏感度下降，估值擴張呈現(xiàn)典型泡沫動力學特征。

但在投資熱潮之外，另一種因AI技術發(fā)展帶來的職業(yè)困境或許更貼近普通人的現(xiàn)實。AI提升了基礎性工作的執(zhí)行效率，工作助手看似“變多了”，但KPI、考核的壓力卻越來越高，“為什么我們比以前更累？”成為職場白領們共同的職業(yè)困境。

全球知名投資人拉斯?特維德（Lars Tvede，下稱拉斯）日前在接受澎湃科技（www.xinlihui.cn）專訪時指出，短期內不需要擔心AI有泡沫，但泡沫可能會在未來兩三年內出現(xiàn)。目前AI相關投資（約占全球GDP的2%）仍處于絕對合理的區(qū)間，遠低于歷史上如19世紀鐵路熱潮時期的泡沫水平。他認為，僅以當前可見的商業(yè)模式來評判AI未來的經濟潛力，是一個巨大的誤判。未來幾年，局面將截然不同。

全球知名投資人拉斯?特維德（Lars Tvede）

拉斯是一位橫跨金融、科技與未來研究領域的丹麥學者、連續(xù)創(chuàng)業(yè)者。2016年，他與人共同創(chuàng)立了風險投資基金“北歐之眼”（NordicEye），該基金成為北歐有史以來最賺錢的風險基金之一。他也是《超智能與未來》一書的作者。

在這部著作中，拉斯?特維德結合了其對長周期經濟規(guī)律的深刻洞察與對前沿科技的敏銳捕捉。他提出，人類社會正站在指數(shù)級變革的邊緣，技術進步不再是線性的，而是呈現(xiàn)出一種自我強化的“超趨勢”。書中重點探討了機器智能如何跨越奇點，從單純的計算工具演變?yōu)榫邆渥灾鬟M化能力的“超智能”體，以及這一變革將如何重塑商業(yè)模式、勞動力市場乃至人類文明的演進路徑。這些基于歷史維度與未來視角的論述，正是他研判當下AI泡沫是否成立、以及未來技術將走向何方的邏輯基石。

以下是澎湃科技對話投資人拉斯·特維德（Lars Tvede ）內容：

澎湃科技：我們怎么理解超級人工智能？具體指什么？路徑遠不遠？

拉斯·特維德：我傾向于把超級智能（super intelligence）和超智能（hyper intelligence）區(qū)分開來。超級智能（super intelligence）是指AI在某些關鍵領域顯著超越人類的能力，它無需樣樣精通，但在重要任務上表現(xiàn)突出。而超智能（Hyper intelligence）則意味著AI進入自我迭代的階段，不再需要人類主導開發(fā)，其進化速度將遠超人類理解范圍。

目前AI的進步仍主要由人類推動，但2018至2020年間已出現(xiàn)自我改進的雛形，這種能力正在指數(shù)級增長。一旦機器自主改進成為主流，其發(fā)展將徹底脫離人類的認知框架。

我認為2024年至2028年將是人類史上最驚心動魄的技術爆發(fā)期。同時，AI處理成本每年都會下降90%左右，計算效能每3、4個月就能翻一番，遠超摩爾定律的速度。比如，AI工具平臺WalkingFace上的模型數(shù)量已達220萬，每過5至6個月就翻倍。這種技術擴張速度是前所未有的。

澎湃科技：在你看來，現(xiàn)在AI的熱潮是否會演變成泡沫？

拉斯·特維德：我認為目前并不存在AI泡沫。當然，任何新興領域都伴隨風險，但當前的情況與過去的泡沫時期有本質區(qū)別。

首先，從投資規(guī)?？?，當前AI相關投資占全球GDP的比重約為2%。這個數(shù)字雖然已經高于互聯(lián)網泡沫時期的水平，但遠低于19世紀鐵路建設熱潮的占比。與歷史上那些真正形成泡沫的投機狂潮相比，目前的投入水平處在絕對合理的區(qū)間。 

更重要的是，AI技術本身具有革命性的特質。它不像鐵路或公路，建成后性能就固定了。AI工廠在初始投入后，能通過軟件的自我迭代不斷升級，這就像鐵路建成后能自行延長、提升效率一樣。這種自我改進的能力在2018至2020年期間開始顯現(xiàn)，目前正在加速，其效率提升的潛力是傳統(tǒng)基礎設施無法比擬的。 

談到市場供需，情況更是與互聯(lián)網泡沫時期的光纖產能過剩完全相反。現(xiàn)在的情況是核心資源供不應求。英偉達和AMD的芯片產能根本無法滿足市場需求，數(shù)據中心都在滿負荷運轉。

還有些人擔心巨頭之間的“循環(huán)融資”會帶來風險，但我認為這種模式的本質是健康的風險共擔。微軟、谷歌這些公司的AI支出接近其強大的自由現(xiàn)金流，它們資金充足，發(fā)債更多是出于財務優(yōu)化而非生存需要。唯一風險較高的是OpenAI這類缺乏多元現(xiàn)金流的公司。

這與2000年互聯(lián)網泡沫破裂前的情景不同，當時企業(yè)盈利已連續(xù)兩年下滑，利率卻在攀升。而現(xiàn)在，我們是盈利強勁增長，同時利率在下降，這是一個非常有利的宏觀環(huán)境。 

只有在一種情況下它們才可能會崩盤，即股價從現(xiàn)在開始大幅、快速上漲，如果接下來它們漲得很猛、漲得很高，走勢會變成直線上升，接著就會出現(xiàn)反轉、掉頭向下。 但現(xiàn)在的股價并沒有出現(xiàn)完全垂直的漲幅，而且它們的估值也不算昂貴。

所以，我的判斷是，泡沫最終可能會在未來兩三年出現(xiàn)，但不是現(xiàn)在。

澎湃科技：在你看來，像OpenAI這類大模型公司的盈利、商業(yè)化難題怎么化解？

拉斯·特維德：未來AI公司不能只依賴大模型，而是需構建護城河，比如打造垂直行業(yè)AI操作系統(tǒng)、建立擁有數(shù)據圍墻花園的私有云部署或生成式工作流系統(tǒng)。

另外，個人AI將是關鍵方向——它存在于個人設備中，通過長期學習用戶習慣形成不可替代的助手。

頂尖企業(yè)的團隊都很聰明，他們已經意識到了這些趨勢且在積極布局。因此，僅以當前可見的商業(yè)模式來評判AI未來的經濟潛力，是一個巨大的誤判。未來幾年，局面將截然不同。

澎湃科技：就在訪談的這幾天，伊爾亞·蘇茨克維（Ilya Sutskever）在接受外媒采訪時也提到一個觀點，他認為大模型的預訓練（pre-training）階段已經耗盡了數(shù)據，可用的數(shù)據非常有限，他認為，scaling law的階段已經結束，AI將會回到以科研驅動的路徑。我想聽聽你的觀點。

拉斯·特維德：關于 scaling law，我也聽到了很多討論。我想從兩個方面來談這些問題。

第一點，與其只是不斷擴大已有的算力基礎設施，我們其實可以不再只依靠把模型“做大”、堆算力，而是讓AI系統(tǒng)內部出現(xiàn)更多專業(yè)化、分工明確的“小模塊/小專家”（export system），并不單依靠更大的規(guī)模。這其實需要更聰明的結構和更聰明的算法，這相當于重新回到了大腦的結構。

第二點，數(shù)據，當前用于訓練模型的數(shù)據主要來自互聯(lián)網。但未來的模型將更多依賴由 AI 自身生成的數(shù)據，即合成數(shù)據（synthetic data）。盡管“合成數(shù)據”這個詞聽起來像是虛構的，但許多合成數(shù)據事實上是高度真實的，它們來自仿真（simulation），尤其是通過“自我博弈”（self-play）產生。

自我博弈最早的典型案例來自圍棋等棋類AI。AI通過上百萬次自我對弈進行學習，每秒就能完成大量對局，相當于持續(xù)進行內部錦標賽。此后，這類方法被推廣到三維空間等更復雜的問題求解上，其計算速度比人類快數(shù)百萬倍。AI能夠掃描所有可能路徑并進行模擬，相當于在虛擬環(huán)境中演示現(xiàn)實世界行為，從而生成大量人類終生都無法積累的數(shù)據；即便人類能夠手動生成，也會面臨極高的成本。

所以，我認為AI最終會創(chuàng)造比人類更多數(shù)據的方式，我們完全不必擔心數(shù)據會耗盡。

澎湃科技：現(xiàn)在很多白領工作者正面臨新的困境：AI讓基礎任務效率更高，工作完成得更快了，但工資卻沒有上漲，而KPI和工作量卻常常在增加。所以很多人在想，為什么我們越來越累？你認為這是AI技術發(fā)展帶來的“個人困境”嗎？

拉斯·特維德：我同意，特別是（AI發(fā)展）到了中期階段，這一轉變會變得艱難。從長遠來看，我們知道技術從未系統(tǒng)性地造成失業(yè)——當人們因為技術的發(fā)展在某個行業(yè)失去工作時，新的工作機會會在其他行業(yè)出現(xiàn)。

在經濟學上，這一現(xiàn)場被稱為“薩伊定律”（Say’s Law）。但這一次技術變化發(fā)生得非?？?，而新的工作崗位需要時間才能出現(xiàn)。

我認為，AI和機器人幫助人們讓越來越多的東西變得更便宜，甚至免費，這是技術發(fā)展自然而然的趨勢。但事實是，提高薪資會變得更加困難。如何用經濟來應對這一點，會是巨大的挑戰(zhàn)。

未來會被技術分成三個“世界”，以三種不同的路徑運行。

第一種“世界”是技術“超大規(guī)模化”（hyperscaling）擴張出現(xiàn)的“超級強者”。這些地方聚集著一些真正雄心勃勃、富有創(chuàng)造力、勤奮努力的人，同時還擁有大量資本和大量技術。

在這些地方，會有非?？焖俚慕洕鲩L，以及技術帶來的顯著改善。只要有正確的政策和環(huán)境來吸引資金（而不是吸引人口），同時擁有足夠低廉的電力成本，這些地方就會成為增長的中心。

與此同時，在同一個國家里，其他大部分地區(qū)可能不會有那么多的技術或資本的涌入，但這些地區(qū)仍然會享受到一些好處，比如基礎醫(yī)療變得好很多，許多小型項目變得免費等。

隨著人工智能和機器人創(chuàng)造出越來越多的財富，我們可能不再需要大量人口向少數(shù)“超級增長中心”聚集。因為物質已經極為豐富，那些增長較慢的地區(qū)也不會是“糟糕的選擇”，相反它們可能會變得非常宜居。

這就是第二種“世界”，有時候我認為，經濟學家只關注前一種經濟（超級規(guī)?；脑鲩L中心），但他們更應該關注“慢節(jié)奏”的經濟部分：我們該如何在那里發(fā)展文化和自然環(huán)境？因為未來人們會想要另一種生活節(jié)奏。

第三種“世界”比較令人難過。那些國家和地區(qū)將仍然依賴出售廉價勞動力生存，人們領取極低的薪水生活。而未來的問題在于，這條路已經走不通了，你無法在價格上擊敗機器人，因此這樣的地區(qū)未來只能依靠極低成本來競爭。

從中國的角度來說，中國希望擁有那些超級科技樞紐（tech hubs），而且中國經濟已經擁有非常復雜的部分。中國未來要避免依靠廉價勞動力競爭，而是要像現(xiàn)在這樣，推動更高端、更復雜的企業(yè)模式。

澎湃科技：在你看來，我們個人在這個時代里該如何保持競爭力？

拉斯·特維德：生活在當今世界，一定要學會如何使用人工智能。每個人都應該大量使用它，并且努力熟悉它的規(guī)律。因為它在不斷變化，你使用得越多，就越能理解如何協(xié)作。

現(xiàn)在確實要考慮一個現(xiàn)實問題，即傳統(tǒng)的大學學位可能不再那么有價值。我自己雖然也有大學學位，但那種學習方式屬于“以防萬一的學習”（just-in-case learning），我當時學到的知識里有90%是我后來從未使用過的。

所以我相信現(xiàn)代大學教育的重要性正在下降，因為技術變化太快了，有時還不一定朝著更好的方向變。

因此，與其“以防萬一（just-in-case）”去學習，不如采用“及時學習（just-in-time）”的方法。這意味著，當你真正需要解決一個問題時，你才會去學習相關知識。

“及時學習（just-in-time）”的方式意味著你真正專注的是當下有用的東西。而且，從時間投入產出比來看，“及時學習”無疑更有效率。

我第三點建議，我希望年輕人能選擇一種“有方向感的人生”，花大量時間去了解自己。我們多年以來習以為常的許多穩(wěn)定職業(yè)之后可能都將由機器完成。所以，最好的做法是，弄清楚你到底是誰？你喜歡做什么？你的大腦適合怎樣的工作方式？然后沿著這個方向走。

尤其是，如果我們回到我之前提到的“三種世界”：超級高速增長的世界、較慢的發(fā)展世界、低發(fā)展的世界——你應該去思考：你到底屬于哪一個世界？弄清楚你在哪里會感到快樂、在哪里能更高效，然后朝著那個方向走。