來論｜AI發展的技術突破和創收方向

文/吳煒

在關於AI發展的質疑觀點中，主要的論點有兩個：一是認為經濟和盈利無法支持可持續性運用，AI行業收入遠低於成本，2025年全球生成式AI預計收入610億美元，但廣義基礎設施投資（含GPU集群、數據中心軟硬件、存儲等）已達4000億美元，導致結構性虧損。非訓練推理成本上升，數據中心租金（如Blackwell GPU）無法覆蓋回報率。二是認為AI的技術發展面臨瓶頸，當前AI模型（如大語言模型LLM）本質上是「高級自動完成」，基於統計模式預測，而非真正理解，無法處理新型邏輯任務或避免幻覺，導致錯誤輸出。美國心理學家，也是著名的AI交叉領域研究者Gary Marcus對實現達到類人水平的通用智能（AGI）持悲觀態度。波士頓諮詢2024年調查顯示企業採用率放緩，74-80%的企業未能從AI中捕捉商業價值。

筆者認為第一個問題容易應對，正如電力、互聯網、高鐵等重大基礎設施，如果有利於國民經濟未來長期發展，有助於提高生產效率和社會經濟運行效率，相關固定資產投資就是值得的，而且會呈現出長期收益。當年眾多互聯網企業也是經歷過一段時間的巨額虧損後迎來持續的顯著回報。筆者也相信波士頓諮詢調查的真實性，因為彼時的AI性能確實未必讓所有企業體驗良好。因此真正解決疑慮的關鍵點是，AI當前的技術到達什麼程度？能夠完成什麼任務？而未來發展能否滿足人類期望和需求？

經過近年的發展，AI模型已經從生成式模型進化成高度集成、多模態、代理驅動的系統。在這一進程中，核心技術基礎是大語言模型、擴散模型和強化學習（RL）。現在的前沿模型（如GPT-5，Gemini2和Grok4）的參數量已達萬億級，支持長上下文（百萬Token以上）和多模態輸入（文本+圖像+視頻+音頻）。多模態集成統一了視覺、語言和動作表示，構建世界模型捕捉物理因果結構，支持檢索增強生成。注意力機制也得到升級，包括門控（過濾噪音信息）、稀疏性和長上下文處理，使模型更高效和智能。擴散模型也不再僅記憶數據，而是分階段學習生成高質量樣本。在這些技術支持下，模型已能夠進行步步推理、工具調用和搜索使用。自驗證機制顯著改善，從而減少幻覺錯誤。目前測試IQ等效水平已達130-147，接近人類專家。筆者使用AI模型近一年，親身感受其功能迭代，效用越來越強大和幻覺的減少，以及對投資研究工作的幫助。

現在的AI應用，可以通過AI代理處理多步任務、端到端編碼和工作流自動化。在企業中，有40%的應用是嵌入任務特定代理，處理HR、調度、庫存等。而物理AI最典型的體現是工業機器人和人形機器人，在工廠、倉庫環境中正在試點或普及，起到減少缺漏提升輸出的效果。在研究和創造領域，AI正在數學、生物學、材料學等學科提升研究效率，在藝術創作領域幫助人類實現從想法到內容的無縫對接。筆者已運用AI進行輔助醫療、教育和物品材料識別，而團隊同事亦藉助AI創作視頻廣告等宣傳物料。至於自動駕駛更是眾多汽車廠商努力的AI應用方向。

未來的AI技術突破焦點將從參數縮放轉向架構創新、集成和對齊（AI行為目標及輸出與人類價值和意圖保持一致），大概率將實現人類主導AI輔助的copilots到工作流替換，使系統可以自主使用工具、長時規劃和適應部署，從而使企業可以採用多代理系統（Agentic AI）協調長運行工作流，以及機器人實現端到端執行。預計人形機器人三年內可以超越頂級外科醫生，5年內可以自主完成整形手術。而模型本身將強化持續學習能力，今年計算就將轉向推理主導，減少巨型重度訓練，增加個性化。此外在適應性結構（從靜態Transformer到動態路由、自重寫系統）、量子與空間計算結合、對齊安全和治理上均會有技術發展，最終實現類人的通用人工智能（AGI）乃至超人類創新（ASI）。伴隨着技術發展，機器人和自然、社會科學研究發明和發現加速，而計算成本降至最低。

伴隨着技術的突破，AI應用的可創收領域也會越來越廣泛。根據高盛最新發表的研究報告（AI將如何影響全球勞動力？），在現有條件下，AI應用已顯示出實際的投資回報（ROI），促進勞動生產力水平提升約15%。而全球領先的在線支付基礎設施公司Stripe的數據顯示，其平台上的AI公司達100萬美元年收入的中位數時間僅11.5個月，遠遠快於傳統技術公司。蓋洛普的調查也顯示，美國公立學校2232名樣本老師使用AI備課比例達60%，每周可節省6小時，每年可節省1個半月工作時間。未來企業級AI的滲透和垂直運用、具身智能與機器人、世界模型和多模態架構、生物製造與交叉產業，以及內容生成與Agent系統均將帶來可觀收入。去年開始內地AI漫劇（動畫微短劇）這一新興產業爆發，市場規模預計將達千億人民幣，就是AI產業的收入落地探索典型案例。

綜合多家研究機構測算，自2022年Chat GPT問世以來，AI應用帶來的收入每年複合增速達25%且有加快態勢，長期展望年收入可達萬億美元級別，如果實現AGI和ASI則可挑戰數十萬億美元。因此，當前AI投資熱潮是基於真實的技術進步、經濟價值的基礎設施需求，並非純粹投機泡沫。短期虧損只是長期投資過程中的前置虧損，產業革命潛力支撐了擴張需求。

人類的科技進步正進入加速螺旋式上升階段，石器時代持續了300萬年，青銅器時代持續了2000年才有了鐵器（試着想想目前也就是公元2000餘年），而工業革命後人類的科學迭代越來越快。學習、實踐、總結互相交叉驗證，實現了正向反饋和循環，進而融會貫通，推動科技進步進入螺旋式上升。身處這個階段，不論是早年的互聯網，還是近年的新能源，以及現在進行時的人工智能，均會在發展過程中克服一個又一個技術難題。電力不足，可以考慮核電乃至鑽研核聚變。芯片純度要求更高，可以探討太空芯片。放長眼光看，關於AI發展的技術瓶頸和創收憂慮都會被證明是可以解決的。在積極擁抱AI帶來的生產力革命同時，理論界真正應該着眼的，是生產關係即將發生變化。