Ed Zitron 的 AI 怀疑论预测到底有多准确？
一篇广为流传的博文审视了 AI 批评者 Ed Zitron 的预测记录，认为他关于模型停滞、大型科技公司崩溃以及 AI 泡沫即将破裂的许多自信判断，已经被后续的收入增长和能力提升证明为错误。评论者分成两派：一派认为 Zitron 是一个数字上粗糙、被受众捕获的末日论者；另一派则认为他在方向上是对的，指出 AI 基础设施繁荣建立在不可持续的债务驱动支出和循环融资之上。讨论进一步扩展到对 AI 鼓吹者与怀疑论者激励机制的质疑、超大规模云厂商 AI 财务信息的不透明，以及在一个快速变化、充满炒作的领域里要诚实思考有多困难。
对 Ed 角色和动机的看法
- 许多人把他看作“注意力经济”的一部分：一个靠高参与度的反 AI 观点赚钱的职业唱反调者。
- 不少评论提到“受众捕获”：一旦他建立起一批铁杆怀疑论者，若回头或变得温和，就会危及他的生意。
- 也有人仍把他视为泄露财务文件和资本数字的来源，只是基本忽略他的评论。
- 少数人认为，他在系统层面上的方向大体是对的，尽管他本人可能令人难以忍受，或在技术上很薄弱。
他的预测的准确性和价值
- 线程总体同意，他那些具体、带时间点的预测（AI 达到顶峰、实验室崩溃、超大规模云厂商像“行走的尸体”）迄今一直是错的。
- 为他辩护的人常退回到“他只是为时过早，不是错了”，而其他人则反驳说这无法证伪，和错了没有区别。
- 讨论也在于：只盯着他的数值错误和错过的时间线，是否公平地回应了他关于 AI 经济学的核心论点。
AI 经济、泡沫与循环融资
- 许多评论者同意，AI 支出看起来有泡沫特征：巨额资本开支、微薄或不透明的利润，以及对创造性融资的依赖。
- 循环交易被大量讨论（超大规模云厂商投资实验室，而实验室随后又预先承诺把支出回流到这些云平台上；被补贴的 token 人为抬高表观收入）。
- 其他人则反驳说，确实存在可观的真实收入增长，超大规模云厂商手头现金充裕，而且中介的利润率会随着时间压缩。
科技巨头的健康状况与 AI 战略
- 对 Google、Meta 和 Microsoft 这类公司是否正在“死去”存在分歧：
- 一方指出裁员、产品变得更烂，以及 AI 作为一种绝望式增长叙事。
- 另一方则指出创纪录的营收和利润，认为以这种意义上说“死去”具有误导性。
LLM 的用处与局限
- 普遍共识是，LLM 确实很有用（尤其是在编程中），但并非魔法，也并非在任何场景下都经济划算。
- 有些人认为当前能力已经接近天花板；也有人认为自 2024 年以来能力和效率都有明显提升。
关于批评本身与预测文化
- 这篇文章因汇总预测失败而受到称赞，但也有人觉得它选择性强、过于拘泥字面，而且对更深层的宏观批评着墨不多。
- 几位评论者指出，AI 鼓吹者和怀疑论者都应该按过往记录来评判，而不是凭感觉；媒体激励也会把所有意见领袖推向过度自信的预测。