朱松纯：AI热潮的回望与反思、思想自主、未来展望

二、AGI营销（Marketing）：硅谷、华尔街、华盛顿三重奏

这个叙事的效果是显著的。它成功地将全球资本、硅谷技术与华盛顿政策捆绑在一起，形成了强大的合力。从市场数据看，以"美股七巨头"为代表的科技巨头股价飞涨，市值总和一度超过标普500指数其余493家公司的总和。按照这一叙事的设想：只需要少数几个天才加上无限供给的智能体，就可以改变竞争格局。2025年特朗普再次就职后，进一步任命"白宫人工智能沙皇"，发布"AI曼哈顿计划"，试图将通用人工智能作为中美科技竞争的战略武器。

从更深层的战略逻辑来看，这套硅谷、华尔街和华盛顿的“三重奏”，本质上是美国以AI为杠杆撬动全球资源配置的战略。借助“AGI竞赛”的宏大叙事与资本泡沫，美国成功将全球资本虹吸至本土AI产业：从华尔街到硅谷，从主权基金到养老基金，数以万亿美元计的资金源源不断注入美国的数据中心、电网扩容、先进芯片产能等AI基础设施。这一策略与1999年互联网泡沫的底层剧本如出一辙——彼时纳斯达克泡沫破灭后，遍布全美的光纤网络与一代技术人才，支撑了此后二十年的美国科技霸权。

如今，美国对AI泡沫采取“纵容”态度，正是看准了这一点：泡沫终将破灭，但泡沫期建成的基础设施、聚集的全球顶尖人才，将永久性地留在美国本土，成为不可迁移的战略资产。正如美国财长贝森特所言：“AI最大的风险是让竞争对手走在我们前面。”在这套逻辑下，关键是通过叙事驱动的资本洪流，完成美国的AI基建布局、锁定全球高端人才，以技术代差确保领先优势。以叙事为手段，以泡沫为工具，将金融投机转化为不可移动的物理资产与人力资本，是这场“三重奏”的最终目标。

在国际叙事的宏大背景之下，市场层面的营销不断放大AI的重要性与紧迫性。营销的核心在于"讲故事"——当旧的增长故事遇到瓶颈，资本、媒体和产业就需要寻找新的叙事来维持增长预期。在这一过程中，有三类技术误判经由商业包装成为撬动投资的杠杆。

第一类是"大模型即AGI"。这种说法把大语言模型等同于通用人工智能，或者认为大模型再往前走几步，AGI就会自然出现。但事实上，大语言模型处理的是语言序列的概率分布问题，它在本质上是一个统计模式匹配工具，并不具备真正的理解、推理和因果认知能力。把语言层面的流畅对话等同于通用人工智能，这中间存在概念的偷换。这种论断在商业层面起到了显著的营销效果——它让市场相信，只要沿着大模型这条路继续加大投入，通用人工智能就指日可待。而从学术角度看，这种说法模糊了大语言模型与AGI之间的本质区别，对公众认知和资源分配都造成了误导。

第二类是"规模定律"（Scaling Law）。这一论断认为，只要把数据量、模型参数和算力规模不断做大，通用人工智能就会自然涌现。当时有说法称需要百万张GPU，后来又说要千万张。国内一些重要人工智能会议的主题设置，基本上就是在为这套叙事做传播——信息从美国传过来，我们这边请来美国的专家再讲一遍，形成了一种信息倒灌和放大的效果。现在越来越多的人开始承认，单纯靠规模扩展走不到通用人工智能。 

营销：资本驱动与媒体炒作（hype）幻象

第三类是"人类危机叙事"，将AI渲染为可能灭绝人类的威胁。这个话题在英国、旧金山、首尔、巴黎都开过峰会，成立过研究机构，也有不少科学家联名呼吁暂停大模型研发。但回过头来看，这些危言耸听的论调，相当程度上是部分AI初创企业营销策略的组成部分——把自己的技术说得越强大、越危险，越有利于吸引资本关注，维持高估值。Anthropic便是典型案例：该公司一边宣称其新模型Mythos 5功能过于强大、存在安全风险而不向公众开放，一边借此制造稀缺感吸引资本关注，随即启动IP0冲刺万亿美元估值，这种以“危险”为卖点、以恐惧促营销的操作，被业界称为“奥本海默式营销”。当然，这不是说AI的安全和监管不重要，而是说把问题夸张到人类灭绝的程度，背后有资本运作的逻辑。

在这一过程中，我们国家的媒体尤其是自媒体成为趋势的放大器，大量"炸裂体"标题贩卖焦虑、传播不实预期。上述言论经由商业逻辑的包装与营销，成为撬动市场预期、吸引资本投入的杠杆。问题在于，当营销的速度和声量远超技术本身成熟的速度时，便为泡沫的产生埋下了隐患。

炸裂体：过去5年的AGI报道风格，制造了广泛的社会焦虑

三、产业泡沫：价值透支与资源错配

泡沫的本质，是技术价值被过早、过度地折现。每当旧的增长故事遇到瓶颈，资本就需要寻找新的概念维持预期。从2016年至今，产业界经历了四轮热点轮换。

第一轮以“AI四小龙”为代表，聚焦以人脸识别为核心的判别式模型。商汤科技、旷视科技、云从科技、依图科技四家企业成为资本追逐的核心标的，融资纪录被一再刷新——商汤B轮4.1亿美元，旷视C轮4.6亿美元，彼时创下全球AI领域单轮融资最高纪录。我在2017年发表的《浅谈人工智能》中就指出，人工智能有六大核心领域，视觉识别只是其中一个很小的子领域。四小龙将全部筹码押注在“人脸识别”这一技术热点上，当2022年大模型成为主流时，其技术积累无法直接迁移，迅速在AI 2.0时代边缘化。

资本狂热的背后，是企业估值与商业基本面的严重脱节。“四小龙”的商业模式高度依赖政府安防订单与企业定制项目，项目周期长、回款慢、毛利率低，始终未能建立起可持续的盈利能力。商汤科技2018至2024年累计亏损达546亿元；旷视科技2024年终止IPO进程，核心业务被迫转向物流机器人；云从科技2024年营收暴跌36.69%，八年累计亏损超45亿元；依图科技撤回科创板申请后团队规模收缩超70%。业内一度流传：“10家AI企业有9家在亏损，还有一家正在申请破产。”第一波AI泡沫，就这样在资本退潮后裸露出技术路径短视与商业模式缺失的双重困境。

第二轮是2021年前后的元宇宙热潮。Facebook宣布更名为Meta并全面投入元宇宙，国内腾讯、字节跳动等巨头迅速跟进，字节跳动以90亿元高价收购VR硬件厂商Pico。这一轮热潮中最具泡沫特征的现象，是虚拟房地产的炒作。2021年11月，六大元宇宙平台的虚拟地块每周交易量峰值达10亿美元，Republic Realm以430万美元购入一块虚拟土地。进入2022年，随着加密货币市场走弱，六大元宇宙平台的虚拟土地平均价格在半年内跌幅超85%，整体销售数量在不到一年内下降87.5%。正如美国投资人马克·库班所言：“在现实世界中，土地是一种稀缺资源，但这种稀缺性并不适用于元宇宙——在这些虚拟世界里，你可以修建无限的房产。”

Meta自身的遭遇为这轮泡沫写下了最具代表性的注脚。其元宇宙部门Reality Labs在2020年至2025年底累计亏损超过700亿美元，而全系列Quest头显全球销量仅约2500万台，远不足以填平亏损。2023年，Meta战略重心被迫从元宇宙转向AI，股价回升已与元宇宙叙事毫无关系。

与此同时，大量企业仅通过对既有业务“贴标签”的方式获取高估值，随着虚拟地产价格暴跌和媒体关注度下降，上述项目中的大部分迅速沉寂。中国监管部门也陆续出手：2022年2月，处置非法集资部际联席会议办公室专门发布风险提示，指出需防范以“元宇宙”名义进行的四类非法金融活动。这一轮泡沫再次印证了一条规律：当概念炒作的速度远超技术成熟度，当投机预期取代真实用户需求成为定价基础，泡沫的破裂只是时间问题。

第三轮是2022年底ChatGPT引爆的生成式大模型“百模大战”。这一阶段的核心叙事围绕两条主线展开：一是Scaling Law（规模效应定律）的“大力出奇迹”逻辑——只要堆砌足够多的算力、数据和参数，更强大的智能就会自然涌现；二是AGI即将实现的愿景——OpenAI CEO萨姆·阿尔特曼在全球巡回演讲中反复宣称AGI将是人类“迄今为止最伟大的技术飞跃”。在这套叙事的驱动下，中美大模型初创企业的估值在短期内急剧攀升。OpenAI估值从2023年初约290亿美元飙升至2026年3月的8520亿美元，Anthropic更是从2021年创立时的1.8亿美元暴涨至2026年5月的9650亿美元。2025年初，国内大模型“六小虎”均超过200亿元人民币。

AGI成为叙事锚点：硅谷、华尔街、华盛顿三重奏

估值神话的背后是触目惊心的亏损现实。无论是AI独角兽还是互联网巨头，普遍陷入“高投入、高亏损”的困局。AI属于“重资产+高运营成本”模式，前期需要投入巨额资金用于算力基础设施建设与研发成本，而模型商业化收入的增长远远滞后于成本扩张的速度；行业巨头们也纷纷陷入“囚徒困境”，为避免在技术迭代中掉队，在商业化模式尚不明朗的情况下，还要持续加码投入。OpenAI 2025年营收约130.7亿美元，但净亏损高达385.3亿美元，其对云服务商的算力采购承诺更是高达6650亿美元，时间跨度延伸至2030年。更宏观地看，截至2025年底，谷歌、Meta、微软等科技巨头在AI领域累计投入5600亿美元，但实际AI业务收入仅有350亿美元，投入产出严重倒挂。更令人担忧的是，一些大语言模型公司，以AGI为叙事去实现估值的神话，但其发展既没有技术支撑，也缺乏可持续盈利的商业模式，最终必将导致散户股民血本无归。

与此同时，一种特殊的资本闭环风险正在形成：微软持有OpenAI股权并向其提供云服务，英伟达通过“投资换订单”确保大模型企业成为其算力大客户。传统风投“不与现有被投企业竞争对手合作”的规则已被改写，红杉资本同时持有OpenAI、xAI和Anthropic的股份。与其说是在“押注赢家”，不如说是在“所有赛道上各占一张牌桌”。资本在巨头间循环，而真正有创新潜力的中小企业融资空间被急剧压缩。

Scaling Law叙事本身也在遭遇挑战。OpenAI下一代旗舰模型相较于现有模型的提升远不如GPT-3到GPT-4的跃升，Google Gemini在加大投入后也未达预期，Anthropic被曝暂停推进Opus 3.5。前OpenAI首席科学家Ilya Sutskever公开表示，传统无监督预训练已经达到极限。当Scaling Law和AGI愿景这两大叙事支柱逐一受到质疑，算力价格持续走低而大模型公司亏损仍在扩大，泡沫的结构性特征也更加凸显。自从22年11月ChatGPT发布以来，我在多次公开演讲、媒体采访、文章发表以及咨政建言时，强调大语言模型不是AGI，也不能将其等同于通用智能。我的这些观点和主张一度备受争议和质疑，如今随着大语言模型的热潮退去，真相才逐渐浮出水面。

第四轮是2023年以来持续升温的具身智能热潮。2023年，英伟达CEO黄仁勋提出“人工智能的下一个浪潮是具身智能”，将这一概念迅速推向资本风口。2025年前三季度，国内机器人创业企业融资总额约500亿元，是上年同期的2.5倍。宇树科技、智元机器人、银河通用等企业迅速跻身独角兽行列。中国人形机器人公司已超过150家，半数以上为初创或“跨行”入局，资本将具身智能与人形机器人简单画上等号，大量同质化项目蜂拥而入，技术成熟度与商业化落地之间的鸿沟仍未真正弥合。

“世界模型”作为具身智能热潮中的衍生概念，其泡沫特征更为鲜明。据报道，2024年9月，World Labs以10亿美元估值完成2.3亿美元融资；16个月后，估值飙升至50亿美元。2026年3月，AMI Labs完成约10.3亿美元种子轮融资，估值达35亿美元，成为欧洲有史以来最大的种子轮融资。而在实际技术研发与应用落地过程中，“世界模型”这一术语被严重泛化——视频生成模型、3D重建工具、多模态大模型都纷纷贴上“世界模型”标签，尚未出现可大规模落地和商业化盈利的技术产品。

需要清醒认识到，具身智能领域许多企业的估值被严重高估。实现具身智能是一个极为困难的问题：上世纪八九十年代，日本和韩国就在努力尝试攻克机器人，始终没有实现理想结果，到2011年福岛核电站泄漏事件，等来的是一个令人失望的结果。现在很多初创企业动辄宣称自己做出了机器人的大脑，这基本不可能。我们的团队早在2013—2014年就开始攻关具身智能，到现在才初步实现了“通脑”。所以不能寄望于短期内的大量融资能够解决数十年尚未攻克的技术难题。我在商业和经济上不一定能提供准确的预判，但能够在技术上给出相对客观的判断，现在具身智能领域的投融资热潮实际上是提前预支了技术的价值。

泡沫破裂的深层本质，并非简单的估值回归或技术路径证伪，而是一种集体信仰的系统性崩塌。回顾这四轮泡沫的起落，支撑每一轮狂热的底层逻辑，本质上都是对某种“信仰”的非理性押注，而这些信仰正在被现实逐一瓦解。

泡沫破裂的本质是信仰的崩塌

算力信仰——相信只要堆砌足够的GPU和算力集群，通用智能就会“大力出奇迹”般自动涌现。业界流传“训练下一代大模型需要百万张GPU”的说法，此后更有声音将这一数字推高至千万张。事实是，当前全球最先进的大模型，训练所需算力也远未达到百万张卡的规模。这种论调更多是算力供应商和资本市场联手制造的焦虑叙事，将“算力军备竞赛”塑造成通往AGI的唯一门路，但这种信仰在今天正被架构创新和效率优化的现实所瓦解。

数据信仰——认为只要拥有足够的数据就能解决一切问题，把性能提上去。但实际上，并没有那么多数据可供穷尽所有情况。这种信仰的危害在于，它让人们不愿意去研究新的模型，而是被动地等待数据，这对产业创新和理论突破的损害是深层的。

大模型信仰——将智能体的流畅对话与强大的文本生成能力等同于通用智能，认为模型参数的扩张能够带来模型性能的指数级提升。这一信仰正在被Scaling Law逼近极限的技术现实击破。当模型性能随模型参数的提升边际递减、成本却指数级增长，“算力至上”的教条已然动摇。大模型既不是AGI的终点，也不是通向AGI的唯一路径。

“马斯克”信仰——部分投资者对科技领袖个人魅力和宏大叙事的盲目追随。这一信仰被2008年诺贝尔经济学奖得主保罗·克鲁格曼直斥为“庞氏骗局”：持续用新一轮融资和更宏大的故事支撑上一轮投资者的账面回报，而非依靠真实的商业价值创造。克鲁格曼指出，马斯克财富的暴涨依靠的是“自我实现的信仰”，而非真正落地的产品，从超级高铁到全自动驾驶，从脑机接口到火星殖民，承诺越宏大、兑现越迟缓，市场的反应反而越狂热。然而事实是，马斯克说的事情80%没有做成：超级高铁（Hyperloop）项目在2023年底正式关闭；全自动驾驶的承诺从2016年至今已推迟十余次；脑机接口Neuralink的人体试验进展远低于预期；火星殖民的时间表一再后移。这些宏大叙事与其说是技术路线图，不如说是维持资本市场信仰的工具。

“天才少年”信仰——将辍学创业或刚毕业一两年的青年人推上管理者岗位，作为企业营销和吸引投资的噱头。近年来，AI行业出现了大量"天才少年"叙事：十几岁的创业者被包装成"下一个马斯克"，刚走出校门的研究生被任命为首席科学家或技术副总裁。这些年轻人大多还未窥见AGI领域的全貌，既不具备管理经验，也缺乏决策所需的长远目光和判断力。企业利用"天才"标签制造话题、吸引资本，却将巨大的技术风险和商业责任压在缺乏历练的肩膀上。这种对"天才"的过度消费，本质上是将人才当作营销工具，而非真正尊重创新与积累。

当然，泡沫并非全无正面效应。几轮投资热潮客观上加速了AI基础设施建设——数据中心与智算中心规模在短期内迅速扩大，若干关键技术突破也受益于资本和人才的高密度投入。正如互联网泡沫后，真正具备核心技术与商业模式的企业存活下来并推动了产业成熟，AI产业同样将在泡沫调整后走向更健康的发展阶段。

但我们必须正视泡沫的代价，包括大规模的资金亏损、人才资源的严重错配、社会对技术的非理性预期，并从中汲取教训。通用人工智能作为一门大科学、大工程，是一个像太平洋一样广阔而深不可测的领域，广泛涵盖计算机视觉、自然语言、机器学习、认知推理、机器人学、多智能体等核心领域。许多参与者在不了解其深度和广度的情况下便贸然跳入，最终导致资源的巨大浪费。我们需要的是对AI进行准确定义与科学认知，深耕科技原始创新，探索可持续的商业落地模式与差异化的竞争路径，构建起技术逻辑与商业逻辑的完整闭环。