什么是人工智能泡沫？

在当前阶段，尽管对人工智能（AI）的投资巨大，但企业仍需找到一种可行的商业模式，而不仅仅是依赖订阅服务。AI驱动的广告业务在过去20年中为互联网企业带来了巨额利润，但AI无法通过类似方式实现盈利。最大的科技公司也意识到，他们需要推出那些被反复炒作的改变世界的产品，即能够完全替代同事并在现实世界中完成任务的AI。

目前，投资者主要关注这些数据中心建设将解锁的未来强大AI系统的潜力。但最终，最大的支出方如OpenAI，需要向投资者证明他们在基础设施建设上的投入是值得的。

此外，AI的技术方向仍存在不确定性。大型语言模型（LLMs）预计将继续是更高级AI系统的关键，但行业领导者对实现通用人工智能（AGI）所需的关键突破仍存在分歧。一些人押注于能够理解物理世界的新型AI，而另一些人则专注于训练AI以像人类一样进行广泛学习。换句话说，所有这些前所未有的投资可能最终支持了错误的方向。

这一时刻显得尤为荒诞的是，那些投入数十亿美元的人会公开承认这一切可能崩盘。正如Taylor所言，AI确实会改变经济，但同时我们正处于一个泡沫中，很多人会损失大量资金。他认为这两者都是真实的。

他将当前的情况比作互联网泡沫。Webvan失败了，但Instacart后来成功了，这与Webvan的理念几乎相同。亚马逊创始人杰夫·贝索斯在10月表示，当尘埃落定时，社会将从这些发明中受益，AI对社会的好处将是巨大的。

高盛将当前的AI热潮比作1997年的科技股，当时距离互联网泡沫破裂还有几年时间。该银行指出，投资者应关注五个1990年代末出现的警告信号：投资支出达到顶峰、企业利润下降、企业债务上升、美联储降息以及信贷利差扩大。目前我们还未达到1999年的水平，但不平衡正在迅速积累。著名投资者迈克尔·布里曾准确预测了2008年的住房泡沫崩溃，最近也将当前的AI热潮与1990年代的互联网泡沫进行了比较。

也许AI最终会拯救我们免受自身的非理性繁荣。但目前，我们正处于一个过渡阶段，每个人都明白未来会发生什么，但仍在继续吹大泡沫。正如Altman在晚餐时所说：“有人将损失巨额资金，我们不知道会是谁。”（来源：麻省理工科技评论  https://www.technologyreview.com/2025/12/15/1129183/what-even-is-the-ai-bubble/）

生成式AI hype让我们忽略了AI更重要的突破

近年来，人们对人工智能（AI）的理解出现了一些误解，这主要是由于生成式AI的炒作。生成式AI虽然能够创造出令人惊叹的演示效果，如聊天机器人、换脸和合成视频，但它们却分散了人们对另一种更实用的AI技术——预测式AI的注意力。预测式AI专注于具有明确答案的任务，系统只需处理信息以确定正确答案。例如，植物识别就是一种基本的预测式AI应用，用户只需用手机摄像头对准植物，就能识别出它是哪种蕨类植物。

相比之下，生成式AI的任务没有固定的正确答案，系统需要结合训练数据创造出新的内容，如生成一张新的蕨类植物图片。尽管生成式AI吸引了大量关注和投资，但预测式AI在实际应用中已经取得了显著进展。例如，它在天气预测、食品安全、音乐制作、照片整理和驾驶路线预测等方面发挥了重要作用，使我们的日常生活更加便捷。

回顾过去20年，预测式AI的发展令人瞩目。2005年，AI还无法区分人和铅笔；2013年，AI仍无法准确识别照片中的鸟类，甚至难以区分行人和可乐瓶。然而，随着时间的推移，预测式AI在鸟类识别、医疗诊断、地震预测和气象预报等方面取得了巨大进步。如今，AI不仅能识别特定种类的鸟类，还能准确检测出可能导致健康问题的病变和心律不齐。这些技术的进步使得地震预测和洪水预报更加可靠，同时也让自动驾驶汽车成为现实。（来源：麻省理工科技评论  https://www.technologyreview.com/2025/12/15/1129179/generative-ai-hype-distracts-us-from-ais-more-important-breakthroughs/）

中国专家呼吁制定具身人工智能的全球模型和安全标准

台湾省计算机科学家、世界知名华人计算机科学家姚期智表示，具身人工智能仍缺乏关键基础，强调需要可解释的“世界模型”和更多样化的数据收集方法。12月12日至14日，在上海举行的一场行业活动中，姚期智指出，核心能力如“推理、规划和控制”最终应整合在一个统一框架中，并强调了世界模型的重要性，而非单纯模拟。他还提到，应探索可扩展的新数据收集方法以解决训练数据稀缺问题，并指出机器人应从执行孤立任务进化为全身协调。姚期智，2000年图灵奖得主，清华大学人工智能学院院长，还呼吁建立开放的行业基准和安全标准，而非各自为战。

姚期智在“全球开发者先锋峰会”和“国际具身智能技能竞赛”上发表了上述观点。该竞赛由政府主办，吸引了来自不同领域的开发者参与，比赛场景包括工业装配、家庭服务、插花、医疗和老年护理、餐饮服务等。参赛团队展示了他们在实际任务中的应用能力。

上海也在峰会上展示了其实力，成立了本地行业联盟，浦东新区推出了一系列支持措施，包括免费提供计算资源、人才住房以及创业资金。

此次峰会不仅展示了具身智能技术的最新进展，还促进了相关行业的合作与发展。

（来源：南华早报  https://www.scmp.com/tech/big-tech/article/3336463/chinese-expert-calls-world-models-and-safety-standards-embodied-ai?module=top_story&pgtype=homepage）

为什么英伟达的H200不太可能阻碍华为和Moore Threads等中国公司的芯片雄心

美国批准英伟达H200人工智能处理器的出口，将显著提升中国在计算能力上的水平，而非直接威胁国内芯片产业。尽管H200的性能优于华为技术和Moore Threads等竞争对手的产品，但分析人士认为，这将为中国提供急需的支持。

H200的总处理性能（TPP）为15,832，超过了目前市场上所有国内供应商生产的AI芯片，以及之前允许出口到中国的最先进Nvidia处理器H20。TPP衡量的是芯片每秒能完成多少计算。

H200是英伟达Hopper系列芯片的最新一代，其性能比2022年起被禁止出口到中国的H100更先进。特朗普政府批准H200的出口，预计将为中国的主要云服务提供商，如阿里巴巴集团、腾讯控股和字节跳动带来提振。这些公司需要这些芯片来构建云基础设施并支持自有的AI模型。

根据Bernstein研究报告，国内竞争对手还包括华为的Ascend 910C和阿里巴巴的芯片设计单位T-Head。Ascend 910C据报道今年开始生产，TPP为12,800；而PPU 2.0的TPP预计将达到类似水平，但其生产状态尚不明确。（来源：南华早报  https://www.scmp.com/tech/big-tech/article/3336490/why-nvidias-h200-unlikely-derail-chip-ambitions-chinas-huawei-moore-threads?module=top_story&pgtype=homepage）

职场中人们最常用的前五种人工智能应用方式

近年来，越来越多的美国人开始在工作中使用人工智能，并找到了多种应用方式。

根据盖洛普在2025年第三季度进行的一项关于工作场所AI使用情况的调查，23%的美国员工每周至少使用AI几次，而45%的员工表示他们每年使用AI几次。这一比例较2024年第二季度有了显著增长，当时只有12%的员工表示他们每周多次使用AI，27%的员工表示他们每年使用几次。

此外，表示每天使用AI的员工比例也有所上升，从2024年第二季度的4%增加到2025年第三季度的10%。

调查还询问了采用AI的员工们如何使用这项技术。以下是五种最常见的用途：

42%——整合信息或数据 41%——产生创意 36%——学习新事物 34%——自动化基本任务 20%——识别问题

61%的使用AI的美国员工表示他们使用了像ChatGPT或Claude这样的聊天机器人，而36%的员工表示他们使用了AI驱动的写作和编辑工具。另有14%的员工表示他们使用了AI编程助手。

随着AI的广泛应用，一些人看到了潜在的负面影响。哈佛青年民意调查发现，18至29岁的美国人中有59%认为AI会威胁到他们的就业前景，尽管大多数受访者表示他们信任这项技术来帮助他们完成学业和工作任务。

另一项盖洛普在6月进行的调查显示，公司领导层比普通员工更频繁地使用AI。（来源：商业内幕  https://www.businessinsider.com/most-common-ai-use-workplace-gallup-poll-2025-12）

2025年主导企业AI部署的三大趋势

人工智能在后端任务中的应用日益增多，表明即使是看似乏味的工作也能推动业务发展。企业如何对待员工是决定人工智能采用成败的关键因素。最重要的是，企业的初始策略和动机至关重要。当企业以人工智能为主导时，往往会失败；而当企业以要解决的问题为主导时，则能取得成功。

在实施人工智能的过程中，还需要考虑数据管理、安全和治理等方面。但这些方面的影响是双刃剑，既有可能促进也可能阻碍人工智能的努力。

避免为人工智能而人工智能

咨询公司韦斯特蒙罗的AI和新兴技术负责人埃里克·布朗表示，许多企业在经历了人工智能概念验证失败后，感到沮丧，从而产生了“人工智能疲劳”。这些企业在探索错误的应用场景或误解人工智能是否适用于任务时，往往陷入困境。具体来说，他们往往首先提出要追求人工智能，而不是首先明确要解决的问题。例如，一家企业召集顶尖数据科学家成立了一个新的“创新小组”，试图部署人工智能，但最终浪费了大量资源，因为这些想法虽然有趣，但并未解决公司实际问题。在团队建议下，该公司让业务部门识别关键挑战，最终发现了一个人工智能可以真正发挥作用的领域，并通过与业务部门合作，成功部署了解决方案。

反面例子是BigRentz，该公司专注于解决实际问题，最终通过人工智能彻底革新了整个业务。CEO斯科特·康纳表示，他们并没有将公司建立在人工智能之上，而是发现人工智能是最佳工具。此外，BigRentz使用了传统的机器学习技术，表明即使在生成式人工智能流行的今天，早期的人工智能技术仍然有价值，关键是要找到适合问题的解决方案。

霍尼韦尔则从一开始就制定了明确的战略，创建了一个详细的框架来指导其人工智能开发和部署。如今，该公司每个部门和战略业务单元都在使用生成式人工智能，且有24个生成式人工智能项目正在生产中，还有12个项目即将启动，比一年前多了16个。

“我必须考虑这些用例的价值和如何衡量它们？”霍尼韦尔首席技术官苏雷什·文卡塔拉亚卢表示，公司考虑任何潜在的人工智能努力时，首先考虑的是价值增值。

乏味的工作带来成果

避免“炫目对象综合症”是明智的建议，尤其是在人工智能炒作从聊天机器人、代理到其他技术时。另一个原因是，许多组织发现，人工智能在后台任务中的应用真正带来了差异。律师事务所特鲁曼·佩珀·洛克正在广泛使用人工智能，包括为所有员工创建自己的AI聊天机器人助手。首席创新官威廉·高斯表示，目前，人工智能在后台行政任务中最有用，他认为这些任务是很好的起点，因为风险较低。例如，当公司完成最近的合并时，他的团队创建了一个代理能力，重新起草了1600名新律师的传记，这些传记需要更新以包含新公司的信息，并匹配现有写作风格。高斯表示，这使得过程比上次手动工作六个月的效率大大提高，公司总共节省了20万美元的时间。

同样的情况也出现在医疗领域。尽管可靠健康伴侣聊天机器人的努力进展不大，但人工智能工具正在通过医疗系统的后台部署。医生使用LLM记录和转录与患者的对话，生成医疗文件，从而有更多时间与患者互动，减少工作时间外的文书工作负担。他们还使用LLM快速创建复杂医疗记录的概要，更轻松地查询医疗数据库。

“我们从临床医生的盘子上拿走的行政任务，我认为这些是人工智能快速发展的领域，”巴布森学院凯瑞·墨菲·海利创新与创业中心专注于医疗创新和改进的研究员威尔杰安娜·格洛弗表示。

保持人为核心

尽管讨论了许多用例和商业策略，但人工智能转型的核心仍然是人。人工智能是否会导致裁员尚不清楚，但即使目前没有裁员，未来可能会发生变化。人工智能已经极大地影响了人们的工作，从招聘和培训到分配的任务和期望。公司如何应对当前变化和对未来的变化焦虑，直接影响员工对人工智能转型的态度。

今年与我交谈的许多高管都提到了“变革管理”，指的是组织如何从当前状态转变为新的、期望的状态，同时实现最大程度的成功采用和最小的干扰。霍尼韦尔的另一位人工智能负责人、首席数字技术官希拉·乔丹警告说，不能低估这一点。安永首席人工智能官兰·关建议，企业可以构建各种出色的AI工具来解决业务问题，但同样重要的是确保员工准备好并愿意使用这些工具。其他人则谈到需要弥合过度热衷于人工智能的信徒（他们可能为了人工智能本身而追求人工智能）和人工智能怀疑论者之间的差距。

关键部分是公司领导者要控制好关于人工智能能带来什么的承诺和期望。一些开发人员和软件工程师——由于人工智能编程工具的普及，他们是最早受到工作影响的一批人——表示，他们对许多高管夸大人工智能的能力和夸大其能做什么感到沮丧。其他人则感到负担过重，需要更快地编写更多代码或使用特定工具，感到被高管的不切实际的期望所困扰，这些高管不了解他们的日常工作，只是一味地推动生产力。当这些变化由有实际经验的技术经理或甚至开发人员本身宣布时，往往会带来更积极的态度和更好的结果。

即使人工智能能带来无限的生产力，一些高管也担心将太多工作（尤其是入门级工作）外包给人工智能对未来劳动力的影响。例如，Filevine公司的联合创始人兼CEO瑞安·安德森表示，他担心年轻律师使用人工智能副驾后无法培养自己的创造力和收集信息的能力。

“过度依赖人工智能，”他说，“可能会像人工智能带来的激动人心的机会一样有问题。”找到正确的平衡应该是企业在2026年推进人工智能时的一个关键议题。（来源：美国财富  https://fortune.com/2025/12/15/three-trends-companies-ai-enterprise-tech-aiq/）