AI 泡沫正在破裂；只是我们还不知道

Token 价格、每项任务成本与企业支出

• 有几条评论指出，API token 价格正在下降，但每项任务使用的总 token 数以及整体使用量却在上升。
• 对“每项任务成本”是否真的在下降存在分歧：
  • 一种观点：对于在同等质量下的固定任务，随着时间推移，成本显然更低了。
  • 另一种观点：随着模型获得更大的上下文并进行更多“推理”，为了得到可接受的结果会消耗更多 token，因此现实中每项有效任务的成本可能在上升。
• 普遍认同的是，即便单位成本下降，企业在 AI 上的总支出也在急剧增长。

是否存在 AI / 数据中心泡沫？

• 许多人认为，泡沫集中在数据中心和 GPU 扩建上，其驱动力是对 AI 需求的预测以及乐观的收入假设。
• 担忧在于，超大规模云厂商正在为可能利用不足的产能背负巨额债务，而且这些产能可能依赖脆弱的初创客户。
• 也有人认为需求仍在快速增长，模型公司和云服务商都有相当可观的真实收入，AI 支出只会转移，而不会崩溃。

大型科技公司、模型供应商与商品化

• 讨论在于谁能在崩盘中幸存：
  • 有人认为 Google、Apple 和 Nvidia 等现有巨头相对安全；也有人指出，Nvidia 的收入如今几乎完全依赖数据中心。
  • Anthropic 和 OpenAI 被认为当前增长强劲，但如果模型商品化、价值转向大规模推理，它们可能会暴露风险。
• 一些人预测推理环节的高利润率可能会持续；另一些人则认为竞争和低转换成本会压缩利润率。

宏观经济与“泡沫时点”

• 线程提到了更广泛的股市泡沫、高估值倍数，以及反复出现的美国主导的金融危机。
• 有人希望泡沫尽早破裂以限制损害；也有人担心，鉴于 AI 在指数中的权重，其系统性影响会很大。

长期技术轨迹 vs. 炒作

• 许多人看到了与互联网泡沫时代的相似之处：真正具有变革性的技术，加上投机性过度投资和循环融资。
• 预计即便当前估值大幅修正，AI 仍会持续存在并增长。

劳动、社会与用例

• 有报告称，呼叫中心和类似“无人机式”的工作已经开始被替代，令人担忧大规模失业和社会不稳定。
• 一些人认为，当前过于关注办公自动化，而对科学/生物技术和机器人重视不足。

AGI 定义与机器人炒作

• 评论者指出，前沿实验室对 AGI 的定义（“在大多数有价值的知识工作上比人类更好”）与大众科幻式的想象并不一致。
• 对家用机器人时间线和可行性存在分歧；许多人认为，即使软件进步很快，硬件规模化本身也天然缓慢。