当 AI 泡沫破裂时，苹果将“看着一切燃烧”
当前 AI 热潮的怀疑者认为，大语言模型公司正在以类似金融泡沫的方式，在基础设施和被补贴的 token 上烧钱，而一旦把真实成本转嫁给客户，是否能实现可持续利润仍然充满不确定性。支持者则反驳说，能力快速提升、开发者采用率强劲，以及企业愿意为每位员工支付高额费用，说明需求具有持久性，即便估值最终会修正。苹果相对谨慎的做法——专注端侧 AI、避免大规模云端押注——被描述为一种明智的风险管理：如果泡沫破裂，这种策略会显得高明；但如果集中式“前沿”模型成为长期平台，这也可能让苹果落后。
对 AI 泡沫与盈利能力的看法
- 许多人都同意当前的 AI 估值看起来像泡沫，但对严重程度看法不一：从“剧烈崩盘并伴随衰退风险”到“类似互联网泡沫的修正，但技术会长期存在”。
- 怀疑者认为：
- AI 供应商在结构上并不盈利：巨额资本支出、昂贵的推理成本、以及规模上可与 2008 年前抵押贷款产品相比、但更不透明的证券化债务。
- 即使推理利润率改善，已投入的基础设施和债务也可能永远无法偿还；部分资本支出会变成沉没成本。
- 乐观者反驳：
- 企业愿意付费（例如每位开发者的高 token 预算）表明存在明确的商业价值。
- 主要实验室的收入增长以及每个 token 成本下降，表明存在走向可持续利润率的路径，尤其是在按使用量计费的情况下。
LLM 对软件开发的有用性
- 观点两极分化：
- 一些开发者报告了显著的生产力提升，说自己已经无法想象没有 AI 的工作，并提到参与“无 AI”研究的意愿越来越低。
- 另一些人（尤其是系统/C++ 开发者）认为 LLM 在代码生成方面很差，只适合审查或生成样板代码，并觉得 10 倍提升的说法被夸大了。
- 几位评论者强调“要看情况”，取决于技能、领域和工作流；工具被视为放大器，而不是替代品。
对批评者分析的评估
- 支持者称赞其对收入、资本支出和循环融资的深入剖析；认为他是少数几个系统性挑战炒作的人之一。
- 反对者则说：
- 论点把扎实的金融取证与对技术演进轨迹的误解混在一起。
- 数字和来源被选择性摘取；当被反驳时，移动标准线而不是承认错误。
- 关于 AI 缺乏商业价值、能力已平台期、以及幻觉问题无法解决的说法，被认为是过时或夸大的。
Token、订阅与成本经济学
- 争论焦点在于订阅是否从根本上亏损：
- 一方认为，理论上“拉满”每个用户的上限远远超过订阅收入，意味着需要补贴。
- 另一方认为，平均使用量很可能远低于上限（类似健身房会员），许多用户并未充分利用工具，而且通过更便宜模型的路由将扩大利润率。
- 也有人担心，如果价格上涨或新鲜感消退，轻度用户会流失，只剩下重度用户和高阶用户，从而迫使平台收紧限制。
苹果的 AI 与硬件策略
- 一些人认为苹果相对克制地使用云端 AI 是明智之举：
- 避免了巨额 AI 资本支出和债务。
- 专注于 NPU、端侧模型和“私有云”算力；目标是销售终端设备，而让其他人在商品化的 token 上竞争。
- 另一些人则认为：
- 苹果误判或落后于生成式 AI，把自己的模型搞砸了，现在依赖外部提供商。
- 由 AI 需求部分驱动的 DRAM 和晶圆厂稀缺，已经通过更高的 BoM 成本伤害了苹果；AI 崩盘带来的好处只会在短期痛苦之后才出现。
端侧 vs 云端、安全与搜索
- 有人预测，强大的端侧模型加上安全的离设备推理将会兴起，这由隐私和不断上升的 token 成本推动。
- 另一些人怀疑普通用户是否真的在意数据本地性到足以拒绝廉价的集中式服务。
- 少数人强调“国家安全”以及本土 AI 和数据中心的战略重要性；另一群人则称这只是补贴和控制的借口。
- 还有几位指出，AI 正迅速成为新的搜索界面；拥有分发渠道的既有玩家（尤其是搜索默认入口）可能会获取其中大部分价值。
VR / Vision Pro 与苹果的过往表现
- Vision Pro 被拿来作类比：要么被视为：
- 一个警示故事，说明苹果误判了需求，推出了一款昂贵的小众设备来安抚投资者。
- 要么作为证据，表明苹果可以在 VR、汽车等被过度炒作的类别上抽身而退，而无需把公司押上去。
- 这段历史影响了人们对苹果是否会在旁边“看着 AI 燃烧”，还是已经错过了一个关键平台转变的看法。