在我们开始之前，请欣赏我在网络峰会上的演讲：为什么现在所有科技产品都是垃圾？我没写标题。
如果我们今天看到的不是未来的一瞥，而是现在的新术语怎么办？如果人工智能实际上无法做比我们今天所看到的更多的事情，并且没有明确的时间表它何时能够做更多的事情怎么办？如果整个炒作周期已经建立，并由准备好并愿意相信职业修饰者的话的顺从媒体推动，结果会怎样呢？
我在一年中的大部分时间里一直在警告你们，生成式人工智能没有杀手级应用程序，也无法证明其估值的合理性（ 二月），生成式人工智能已经达到顶峰（ 三月），我恳请人们考虑从 GPT-4 到 GPT-5 的跳跃并不显着的可能性，部分原因是缺乏训练数据（ 4 月）。
我在7 月份表达了担忧，即支撑生成式 AI 的基于 Transformer 的架构是一个死胡同，而且我们几乎没有办法超越我们已经看到的产品，部分原因是训练数据的限制和使用所述训练数据的模型的局限性。 8 月份，我总结了人工智能启示录的“苍白之马”事件，其中许多事件已经发生，这意味着末日确实即将到来，并再次补充说，GPT-5 可能“不会改变游戏规则，不足以发挥重要作用” ，更不用说[添加]一个新的架构来构建未来（和更强大的）模型。”
在这些文章中，我反复指出——除了缺乏核心价值主张、训练数据匮乏或不可持续的经济学之外——生成式人工智能是一个死胡同，因为概率模型会产生幻觉，它们权威地陈述事物。那不是真的。幻觉问题远未得到解决，而且至少在目前的技术下可能永远不会消失，这使得它无法完成许多需要高水平可靠性的业务任务。 。
自三月份以来，我一直对媒体轻信人工智能将改变社会的“不可避免”的方式表示非常沮丧，尽管缺乏任何真正有意义的产品来证明由一家每年烧钱超过 50 亿美元的公司， 大型科技公司花费 2000 亿美元建设数据中心，生产人们不想要的产品。
我重复自己的原因是，重要的是要注意生成式人工智能的问题有多明显以及持续了多长时间。
你需要了解我要向你提供的所有内容的背景。
侧边栏：为了准确解释这里发生的事情，有必要回顾一下这些模型的工作和训练方式。我会保持简单，因为这是一个提醒。
基于 Transformer 的生成式 AI 模型，例如 GPT（ChatGPT 背后的技术）使用“推理”生成答案，这意味着它根据“训练”得出结论，这需要为其提供大量训练数据（主要是抓取的文本和图像）来自互联网）。这两个过程都需要您使用大量的高端 GPU（图形处理单元）。
理论是（是？），你向这些模型投入的训练数据和计算越多，它们就越好。我有一段时间假设他们的回报会递减——既因为训练数据耗尽，又基于基于变压器的模型的局限性。
正如他们所说，这就是问题所在。
几周前，彭博社报道称，OpenAI、谷歌和 Anthropic 正在努力构建更先进的人工智能，而 OpenAI 的“Orion”模型（也称为 GPT-5）“没有达到公司预期的性能”，并且“到目前为止，Orion 还没有被认为是像从 GPT-3.5 到当前模型 GPT-4 那样的巨大进步。你会惊讶地听到原因是因为“找到新的、未开发的高质量、人造训练数据来源变得越来越困难，这些数据可用于构建更先进的人工智能系统，” 我说的事情将会发生3 月份，同时还补充说“AGI 泡沫正在一点点破裂”， 这是我在 7 月份更加有力地说的。
我也想停下来，在一个特定的点上盯着匕首：
这些问题挑战了近年来在硅谷盛行的福音，特别是自两年前 OpenAI 发布 ChatGPT 以来。许多科技行业都押注于所谓的扩展法则，即更多的计算能力、数据和更大的模型将不可避免地为人工智能力量的更大飞跃铺平道路。
唯一将此视为“福音”的人是不愿提出尖锐问题的媒体成员和不知道自己在说什么（或者打算误导）的人工智能创始人。 Generative AI 的产品实际上已经被困在琥珀中一年多了。一直没有有意义的、行业定义的产品，因为正如经济学家 Daron Acemoglu 在 5 月份所说的那样，“更强大”的模型并不能解锁新功能，也不能真正改变体验，也不能用基于 Transformer 的模型构建什么。或者，换句话说，稍微好一点的白象仍然是白象。
尽管烧毁了数十亿美元并出现了数千个光鲜亮丽的头条新闻，但很难指出任何真正重要的人工智能生成产品。 即使是 Apple Intelligence（Apple 唯一需要添加到最新 iPhone 中的东西）也完全乏味，并且很大程度上基于设备模型。
是的，有人使用 ChatGPT—— 据称每周有 2 亿人，每次提示都会让公司损失金钱——但几乎没有迹象表明实际的生成式人工智能软件得到了广泛采用。 The Information 在 9 月份报道称，微软 4.4 亿企业客户中，有 0.1% 到 1% 的人正在为其人工智能驱动的 Copilot 付费，而在 10 月底，微软声称“人工智能有望成为每年 100 亿美元的市场”。年业务”，这听起来不错，但您需要考虑以下几件事：
- 微软没有“人工智能业务”部门，这意味着年度“100 亿美元”（或每季度 25 亿美元）收入数字分为在 Azure 上提供云计算服务、向订阅 Microsoft 365 的傻瓜出售 Copilot、出售 Github Copilot ，以及基本上任何带有“AI”的东西。微软根据非具体标准挑选了一个数字，并声称这是一件大事，但考虑到 2024 年其资本支出可能会超过 600 亿美元，这实际上是相当可悲的。
- 请注意“收入”这个词，而不是“利润”。微软每年要花多少钱才能赚到 100 亿美元？据 CNBC 报道，OpenAI 目前花费 2.35 美元赚 1 美元， 微软首席财务官艾米·胡德 (Amy Hood) 表示，OpenAI 将在今年 10 月削减微软的利润，使其损失 15 亿美元，“主要是因为 OpenAI 的预期亏损”。一年前， 《华尔街日报》在 2023 年 10 月报道称，微软在 GitHub Copilot（一款拥有超过 100 万用户的产品）上每个用户每月平均损失 20 美元。如果属实，这意味着一年至少损失 2 亿美元（根据我查看的文件，截至一个月前，它有 180 万用户，但我选择的是较低端）。
- 微软尚未透露生成式人工智能在特定业务部门中到底增加了多少收入。一般来说，如果一家公司在某件事上做得很好，他们就会煞费苦心地表明这一点。相反，微软在 8 月份选择“修改”其报告结构，以“更好地了解云消费收入”，如果您预计自己将在数年后经历数年来最糟糕的交易日，那么您就应该这样做。 接下来的财报就像微软十月份所做的那样。
我必须明确的是，这些投资和产品中的每一项都被大肆宣传，随着时间的推移，它们将呈指数级增长， 最终 2000 亿美元的资本支出将带来显着的生产力提高和令消费者和消费者着迷的新产品。企业纷纷抢购。相反，大型科技公司发现自己正在兜售越来越昂贵的几乎相同的大型语言模型的迭代——这是它们都必须使用相同的训练数据的直接结果，而这些数据现在已经用完了。
另一个假设——即所谓的缩放法则——是简单地用更多 GPU（用于运行和训练这些模型的昂贵且耗电的图形处理单元）构建更大的数据中心，并向它们提供尽可能多的训练数据尽可能地，他们只是开始萌芽新的能力，尽管没有什么证据表明他们会这样做。微软、Meta、亚马逊和谷歌都烧掉了数十亿美元，因为他们认为这样做会创造出一些东西——无论是人类水平的“通用人工智能”，还是我不知道的一种能够证明成本合理的产品——而它已经变得令人痛苦显然这是行不通的。
就在我们说话的时候，各媒体已经在拼命尝试证明这不是问题。 《The Information》 在与彭博社类似的报道中试图给生成式 AI 的猪涂上口红，将 GPT-5 缺乏有意义的进展视为很好，因为 OpenAI 可以将其 GPT-5 模型与其 o-1“推理”结合起来” 模型，然后该模型将执行某种操作，例如 OpenAI 首席执行官兼职业骗子Sam Altman 所说的“编写更多非常困难的代码”， 他暗示 GPT-5 可能会像“虚拟大脑”一样发挥作用。可能。
首席山谷啦啦队队长凯西·牛顿 (Casey Newton) 上周在 Platformer 上写道，训练模型的收益递减“可能没有你想象的那么重要”，他的证据是，他声称“并不容易夸张”的 Anthropic 并不认为缩放定律即将结束。需要明确的是，在牛顿写了两篇文章的 14,000 篇专栏文章中，Anthropic 首席执行官达里奥·阿莫迪 (Dario Amodei) 表示，“ 人工智能加速的神经科学可能会极大地改善甚至治愈大多数精神疾病”，这种夸张的说法应该让你在公共场合涂上柏油和羽毛。
那么，让我总结一下：
- 整个“人工智能”热潮背后的主要技术是生成式人工智能——基于变压器的模型，如 OpenAI 的 GPT-4（以及即将推出的 GPT-5）——并表示技术已经达到顶峰，使它们“更好”的唯一方法带来的回报正在递减。 “（向他们提供训练数据并向他们投入大量计算）表明，正如我之前所说，我们可能已经达到了人工智能的巅峰。
- 生成式人工智能极其无利可图。该行业最大的参与者 OpenAI今年预计将损失超过 50 亿美元，而竞争对手 Anthropic（也生产自己的基于 Transformer 的模型 Claude） 今年预计将损失超过 27 亿美元。
- 每家大型科技公司都投入了数十亿美元（ 仅 2024 年亚马逊就高达 750 亿美元）来建设数据中心并购买 GPU 来专门填充所述数据中心，以便他们可以训练自己的模型或其他公司的模型，或者提供服务客户将生成式人工智能集成到他们的业务中，但这似乎并没有大规模发生。
- 理论上，他们的投资可以用于其他产品，但这些数据中心主要专注于生成人工智能。 据 Business Insider 报道，微软计划在 2024 年底之前积累 180万个GPU ，耗资数百亿美元。
- 更糟糕的是，许多集成生成式人工智能的公司是通过连接 OpenAI 或 Anthropic 制作的模型来实现这一目标的，这两家公司都在经营无利可图的业务，而且收费可能远远不足以覆盖其成本。正如我在 9 月份的次贷人工智能危机中所写，如果这些公司开始收取他们实际需要的费用，我假设这将增加他们客户的成本，直到他们无力经营自己的业务——或者至少，将不得不删除或缩减其产品中的生成式人工智能功能。
整个科技行业已经以一种没有出路的技术为导向，这种技术需要燃烧数十亿美元来提供不必要的产品，而这些产品的服务成本比任何人支付的都要多。他们的大战略是投入更多的资金来解决这个问题，直到这些基于 Transformer 的模型之一创造出一种新的、更有用的产品——尽管事实上 GPT 和其他模型的每次迭代都是迭代的。从来没有任何证据（除了越来越容易被操纵的基准）表明 GPT 或其他模型会变得有意识，也没有证据表明这些模型会比今天、三个月前、甚至一年前做得更多。
然而，不管你信不信，事情可能会变得更糟。
人工智能的繁荣帮助标准普尔 500 指数在 2024 年创下历史新高，这在很大程度上要归功于芯片巨头 NVIDIA，该公司生产训练和运行生成式人工智能模型所需的 GPU 及其背后的软件架构。 NVIDIA 的显着增长部分归功于其利用 CUDA 架构的能力——该软件层可让您使用 GPU 进行复杂的计算，而不是简单地使用它们以越来越高的分辨率渲染视频游戏——当然，它还不断创造新的GPU 以数万美元的价格出售给那些希望在生成人工智能上投入数十亿美元的科技公司，这导致该公司的股价去年上涨了 179% 以上。
早在 5 月份，NVIDIA 首席执行官兼专业嘉年华巴克者黄仁勋表示，该公司目前在 AI GPU 生产方面处于“一年节奏”，其最新的“Blackwell”GPU（特别是用于生成式计算的 B100、B200 和 GB200 型号） AI）预计将于 2024 年底到期， 但现在至少推迟到 2025 年 3 月。在我们进一步讨论之前，值得注意的是，当我说“GPU”，我指的不是游戏 PC 中的那种，而是放置在带有多个其他GPU 的专用服务器中的一个更大的芯片，所有这些都与专用外壳、冷却和网络基础设施集成。简而言之，这是确保所有这些芯片高效协同工作并防止它们过热所必需的东西，因为它们变得非常热并且始终全速运行。
新 Blackwell 芯片的最初延迟是由生产中的设计缺陷（ 现已修复）引起的，但正如我上面所建议的，问题不仅仅是制造芯片——而是确保它们能够大规模工作，为了他们被买来的工作。
但如果这也不可能呢？
几天前， The Information 报道称 NVIDIA 正在解决计算领域最古老的问题——如何给这该死的东西降温。报道称，NVIDIA 已经“多次”要求供应商改变其 3000 磅重、75 个 GPU 服务器机架的设计，以克服过热问题，The Information 称这是“NVIDIA 提出过的最复杂的设计”。 ”据报道，在展示这些机架几个月后，工程师发现它们……即使使用 Nvidia 较小的 36 芯片机架也无法正常工作，从那时起他们就一直在努力修复它。
虽然人们可以用流行语和图表让投资者眼花缭乱，但物理定律是一个更加严厉的女主人，如果 NVIDIA 在第一批安装开始前几个月还在苦苦挣扎，那么目前还不清楚它如何实际推出这一代芯片，更不用说继续其发展了。每年的节奏。据《The Information》报道，这些变化是在生产过程的后期进行的，这让那些迫切需要这些变化的客户感到害怕，以便他们的模型可以继续做一些他们稍后会解决的问题。引用信息：
订购新芯片的大型云提供商的两名高管表示，他们担心这种最后一刻的困难可能会推迟明年 GPU 集群启动和运行的时间表。
NVIDIA 在热性能方面遇到如此严重的困难，这一事实非常非常糟糕。这些芯片非常昂贵—— 每片高达 70,000 美元——而且正如我所提到的，它们会全速运行，产生大量必须散发的热量，同时与 35 到 71 个其他芯片相邻。 ，这些数据又将被密集地封装，以便您可以将更多服务器塞进数据中心。新的、更强大的芯片需要全新的方法来机架安装、操作和冷却它们，并且所有这些部件必须同步操作，因为过热的 GPU将会死亡。虽然这些装置很大，但它们的一些内部组件尺寸却很小，除非适当冷却，否则当有人在 ChatGPT 中输入“Garfield with Gun”时，它们的电路就会开始崩溃。
请记住，布莱克威尔应该代表着性能上的重大飞跃。如果 NVIDIA 不能解决其冷却问题（并且解决得很好），那么其客户无疑会遇到热节流，即芯片降低速度以避免造成永久性损坏。尽管其成本比其前身高得多，但它可能会消除从新架构和新制造工艺中获得的任何性能提升。
NVIDIA 的问题不仅在于控制这些热性能问题，而且在于既能控制这些问题，又能指导客户如何做到这一点。 据 The Information 报道，NVIDIA 曾多次试图影响其客户的服务器集成遵循其设计，因为它认为这将“带来更好的性能”，但在这种情况下，人们不得不担心 NVIDIA 的 Blackwell 芯片是否能够可靠地冷却。
虽然 NVIDIA 或许能够在其机架内单独解决这个问题，但随着他们从 2025 年上半年开始发货和集成数十万个 Blackwell GPU，这一问题如何大规模发挥作用还有待观察。
当你意识到这些芯片是如何安装在巨大的“超级计算机”数据中心时，事情会变得更糟，其中运行着数万个（在埃隆·马斯克的“庞然大物”数据中心中多达十万个）GPU与生成人工智能模型相结合。 《华尔街日报》几周前报道称，建设这些大型数据中心带来了全新的工程挑战，一位专家表示，大型科技公司可能会使用多达一半的资本支出来更换大量损坏的部件。部分原因是这些集群始终全速运行其 GPU。
请记住，去年生成式人工智能及相关基础设施的资本支出已超过 2000 亿美元。如果其中一半用于更换损坏的齿轮，那么当没有盈利途径时会发生什么？
无论如何，NVIDIA并不关心。它已经通过销售 Blackwell GPU 赚了数十亿美元—— 毕竟它们已经卖完了一年——而且目前还将继续这样做，但任何制造或冷却问题都可能代价高昂。
即便如此，在某些时候，有人不得不问这样一个问题：如果我们已经达到了人工智能的巅峰，为什么我们还需要所有这些 GPU？尽管这些芯片具有非凡的“威力”，但 NVIDIA 的整个企业 GPU 商业模式都围绕着这样一个理念：在这些问题上投入更多的力量最终将创造出一些解决方案。
如果情况并非如此怎么办？
科技行业杠杆率过高，在生成人工智能方面投入了两倍、三倍、四倍——这种技术的作用并不比几个月前多多少，也不会比现在多多少。每一家大型科技公司都投入了数百亿美元建设大型数据中心，目的是“抓住人工智能需求”，但似乎从未考虑过他们是否真的在构建人们想要的、愿意付费的、或者愿意购买的东西。以某种方式让公司赚钱。
虽然有些人声称“代理是下一个前沿”，但现实是代理可能是最后的生成式人工智能产品——多个大型语言模型和集成相互碰撞，试图模拟人类可能会做的事情，但要付出一定的代价这对大多数企业来说是不可持续的。 虽然 Anthropic 的模型演示据称通过提示控制几个浏览器窗口，对于像 Casey Newton 这样轻信的人来说可能看起来令人印象深刻，但 Anthropic 补充说，这些受控演示“缓慢”且“犯了很多错误”。哎呀， 简直就像是出现幻觉了！我当然希望他们能解决这个完全无法解决的问题。
即使确实如此，Anthropic 现在已经成功地取代了……入门级数据工作者职位，但价格不确定且可能无利可图。在许多组织中，这些工作已经被外包或自动化，或配备了更便宜的承包商。
这种大规模妄想的淫秽令人作呕——它是错误决策的庞然大物，是科技界最有权势人士的从众心态，也是公然试图操纵媒体，让他们相信一些不可能的事情是可能的。媒体也买了它，钩子、线子和坠子。
数千亿美元被浪费在建设巨型数据中心上，以处理那些不适合真正的产品市场的软件的数据，同时试图将其打造成各种形状，使其假装自己是有生命的、有意识的，甚至是一个有用的产品。
在我看来，没有任何途径可以将生成式人工智能及其相关产品转变为类似可持续发展的业务，而大型科技公司似乎唯一的途径就是投入尽可能多的资金、权力和数据来解决问题。有可能，一条似乎是另一个死胡同的途径。
更糟糕的是，这场运动并没有真正产生任何成果。我使用过一些我发现有用的人工智能产品——例如人工智能驱动的期刊——但这些并不是人们将其与“革命”联系在一起的产品，而是有用的工具，如果它们能够使用，那将是一个令人欢迎的惊喜。不需要燃烧数十亿美元，超额完成排放目标，并窃取数百万人的创造性作品来培训他们。
我真的不知道接下来会发生什么，但我会告诉你我的想法。
如果我们真的处于基于 Transformer 的模型的收益递减阶段，那么就很难证明购买 Blackwell 以外的 NVIDIA GPU 的进一步迭代是合理的。整个生成式人工智能运动的生死存亡都取决于这样的想法：更多的计算能力和更多的训练数据可以让这些事情变得更好，如果情况不再如此，那么就没有理由继续购买更大更好的产品。毕竟，这有什么意义呢？
即使是现在，当微软或谷歌拥有大量 Blackwell GPU 时，到底会发生什么？模型不会变得更好。
这也让 OpenAI 和 Anthropic 的日子变得更加艰难。 Sam Altman已经变得富有和强大，他谎称 GPT 将如何以某种方式导致 AGI ，但此时此刻，OpenAI 到底想做什么？它能够开发新模型的唯一方法是通过大量计算和训练数据来解决问题，而它唯一的其他选择就是开始将其推理模型装订到其主要的大型语言模型上，此时会发生一些事情，一些事情如此之好，以至于几乎没有人为 OpenAI 工作或在媒体上工作，似乎能够告诉你它是什么。
抛开这些不谈， OpenAI 也是一家糟糕的企业，必须烧掉 50 亿美元才能赚到 34 亿美元，而且没有证据表明它有能力降低成本。我从风险投资家和人工智能幻想家那里经常听到的一句话是“芯片将降低推理成本”，但我没有看到任何证据证明这种情况发生，我也不认为这种情况会发生得足够快，足以让这些公司扭转局面。周围的事情。
你也能感受到绝望。 据报道，OpenAI 正在将广告视为缩小收入和亏损之间差距的一种手段。正如我在《Burst Damage》中指出的那样，引入广告收入流需要大量的前期投资，无论是在技术还是人才方面。 OpenAI 需要一种定位广告的方法，以及一个销售广告的团队，或者使用第三方广告网络，这将大幅削减其收入。
目前尚不清楚 OpenAI 可以向广告商收取多少费用，也不清楚其每周 2 亿用户中安装广告拦截器的比例是多少。或者，就这个问题而言，广告是否会为 OpenAI 提供一种不正当的激励，使本来就不可靠的产品变得更加糟糕。
Facebook 和谷歌——正如我之前指出的——为了增加人们在其网站上花费的时间，从而增加他们看到的广告数量，他们的产品明显变得更糟。就 Facebook 而言，它将你的新闻源埋藏在人工智能生成的大量污泥和“推荐内容”之下。与此同时，谷歌逐渐降低了搜索结果的质量，以增加收到的查询量，以确保用户看到更多广告。
OpenAI 也可能同样容易陷入同样的诱惑。大多数使用 ChatGPT 的人都试图完成一项特定任务——比如写一篇学期论文，或研究一个主题，或其他什么——然后他们就离开。因此，与社交网络或搜索引擎相比，他们可能看到的广告数量无疑会相对较低。 OpenAI 是否会试图通过削弱其模型的性能来让用户停留更长时间（编写更多提示）？
即使 OpenAI 听取了更好的天使的意见，现实仍然存在：广告无法阻止不断上涨的赤字，最终淹没公司。
这是一个真正令人沮丧的情况，唯一的选择是立即停止，或者继续烧钱，直到热度变得太多。训练 GPT-4o 需要花费 1 亿美元， Anthropic 首席执行官 Dario Amodei 几个月前估计，训练未来模型将花费 10 亿到 100 亿美元，一位研究人员声称训练 OpenAI 的 GPT-5 将花费约 10 亿美元。
引用拉姆斯菲尔德主义的话，这是在提到“未知的未知数”之前。特朗普的当选冒着听起来像是陈词滥调的风险，以我们尚未完全理解的方式改变了一切。 据《华尔街日报》报道，马斯克成功讨好特朗普，这要归功于他早期对特朗普竞选活动的全力支持。据报道，他现在住在海湖庄园，与世界领导人通话，并在特朗普组建内阁时在他耳边低语。
而且，正如《华尔街日报》所声称的那样，他的敌人担心他会利用自己的影响力来伤害他们或他们的企业——主要是萨姆·奥尔特曼，他在马斯克的世界里是“不受欢迎的人”，这很大程度上是由于新的营利性方向开放人工智能。虽然这些公司很可能会由于不可避免的现实问题（比如资金耗尽，或者没有能够产生利润的产品）而失败，但马斯克的敌人现在必须与一个新的敌人抗衡——一个得到联邦政府全力支持的敌人。 ，既不原谅也不忘记。
而且，至关重要的是，他不怕违背伦理或道德法则来促进自己的利益，或者给那些被视为轻视他的人带来痛苦。
即使马斯克不利用他新获得的政治力量来伤害 Altman 和 OpenAI，他仍然可以以普通公民的身份追求这家公司。上周五，他提交了一份禁令，要求停止 OpenAI 从表面上的非营利性企业向营利性企业的转型。即使他最终失败了，如果马斯克设法拖延或暂时推迟这一进程，也可能对 OpenAI 造成致命一击。
这是因为，在最近的融资中，OpenAI 同意，如果在两年内未能成功转型为营利性企业，它将把最近 66 亿美元的股权投资转换为高息债务。这本来就是一个紧迫的期限，它不能承受任何延误。该债务的利息支付将大幅增加其现金消耗，并且无疑会发现很难获得进一步的外部投资。
除了奇迹之外，我们即将进入生成人工智能领域的绝望时代。我们已经两年了，除了 ChatGPT 之外，我们还没有杀手级应用程序，没有行业定义的产品，这个产品消耗了数十亿美元，但没有人能真正描述它。微软、Meta、谷歌或亚马逊似乎都无法提出一个有利可图的用例，更不用说他们的用户真正喜欢的用例，也没有任何人为“任何东西”筹集了数十亿美元的风险投资。人工智能”贴在一边—— 投资者对人工智能的兴趣正在降温。
目前尚不清楚这场闹剧会持续多久，因为目前还不清楚任何人通过投资 OpenAI、Anthropic 或任何其他生成人工智能公司的未来几轮会得到什么。在某些时候，他们必须赚钱，而整个梦想都是围绕这样一个想法建立的：所有这些 GPU 和所有这些钱最终都会带来革命性的东西。
然而我们所拥有的却是笨重、丑陋、凌乱、盗窃、破坏环境且平庸。生成式人工智能是一种鲁莽的追求，它显示出大型科技和风险投资头脑中完全缺乏创造力和理智，除了它可以烧掉的钱和山姆的次数之外，从来没有任何真正令人印象深刻的东西。奥特曼可能会说一些愚蠢的话并因此被引用。
老实说，我不知道这里发生了什么。未来总是要求大型科技公司投入更多资金来制造更大的模型，这些模型在某个时候会变得有用，但这种情况并没有发生。为了实现这一目标，大型科技公司在基础设施上投资了数千亿美元，专门为了实现一个目标，并将人工智能置于其业务的前沿和中心，声称这是未来，却从未考虑过如果不是未来他们会做什么。
收入还没来。产品还没来。 OpenAI 的下一个模型“Orion”将表现平淡，其竞争对手的模型也将如此，在某些时候，有人会在其中一个超大规模中眨眼，人工智能时代将结束。你听说过的几乎每一家生成式人工智能公司都极度无利可图，而且几乎没有任何创新能够将它们从基础模型的萎缩中拯救出来。
当我写这篇文章时，我感到悲伤和疲惫，当我看到我多次试图警告人们时，我感到筋疲力尽，对许多媒体成员未能反击像萨姆·奥尔特曼这样的人的过度承诺和彻头彻尾的谎言感到沮丧，当我认为这个行业的经济影响崩溃时，充满了恐惧。一旦AI泡泡弹出，就没有其他超增长的市场，这反过来又导致大型科技股的血腥泥浆，因为他们意识到他们没有大创意来说服这条街的发展永远。
有些人会在这里吹嘘“正确”，是的，这样做有些满意。然而，知道这种泡沫破裂的结果将是巨大的裁员，缺乏风险投资资金以及更脆弱的技术生态系统。
我将以泡泡麻烦的名言结束，这是我在apri l中写的一篇文章：
您如何解决所有这些难以置信的困难问题？当Openai或Anthropic用完数据时，它们会做什么，而合成数据不会填补空白，或者更糟的是，其产出的质量大大降低了？如果GPT-5（例如GPT-4）不能显着提高其性能，而他找不到足够的计算来迈出下一步？当Openai和人类意识到自己可能永远不会赚钱时，他们会做什么？微软，亚马逊或Google如果需求从未真正腾飞过什么，而它们留下了数十亿美元的数据中心？ NVIDIA的芯片需求结果下降了悬崖，该怎么办？
我不知道为什么更多的人不会从屋顶上尖叫，因为AI繁荣有多不可持续，以及它面临的某些挑战的不可能。没有办法创建足够的数据来训练这些模型，到目前为止，我们几乎没有看到生成的AI会赚到除Nvidia资金以外的任何人。我们正在达到这样的地步，物理学（例如热量和电力）正在妨碍进一步的进步，考虑到我们现在的位置，一旦您削减了噪音，就很难忍受投资更多该死的平庸。恐怕没有iPhone时刻。
那时我是对的，现在我现在。生成的AI不是一场革命，它是渴望成长的管理顾问所取代的科技行业的发展，这些顾问既不知道真实人物面临的问题也不知道如何解决问题。这是一个令人作呕的废物，是增长腐败力量的纪念碑，也表明当权者不再为您，客户工作，而是对风险投资家和市场的工作。
我也想清楚地表明，这些公司都没有计划过。他们认为，如果他们将足够多的GPU一起扔在一起，他们将把生成的AI（用于生成物品的概率模型）变成某种有感知的计算机。将世界视为一系列阴谋和宏伟的策略，更容易，更舒适，并且看到它的本质更加恐怖 – 非常富有和有能力的人愿意愿意大量的钱相当于几个PDF及其肠道。
这不是Big Tech的大型计划，可以借口建立更多的数据中心，而是二十年来成长的思维的死亡痛苦，因为向更多的服务器投入一大笔资金，而更多的工程师似乎总是会创造更多的增长。实际上，这意味着负责人和他们采用的策略对改善客户的生活并不感兴趣，而是在增加收入增长，这意味着他们创造的产品并不是要解决任何其他问题而不是“什么会让某人给我更多的钱”，这并不一定意味着“为他们提供服务”。
生成的AI是腐烂经济的完美怪物 – 一种缺乏实际目的的技术，好像它可以做任何事情，一个没有真正的商业模式或杀手级应用程序，因为大型技术不再是创新的，而是克隆，而是垄断。是的，这么多的钱可能是如此愚蠢，是的，他们将燃烧数十亿美元，以追求一个非特异性的梦，涉及向您收取金钱并将您捕获到他们的生态系统中。
我不是想成为一名厄运者，就像我不是在三月份成为一个人一样。我相信所有这一切都无处不在，在某个时候，Google，Microsoft或Meta将眨眼并撤回其资本支出。在此之前，您将获得很多关于“在培训新模型之外可以找到AI收益”的绝望故事，尽管现实将灯光闪烁，并威胁要打电话给派对警察。
我担心未来的原因有很多，但是我总是有希望，因为我相信技术行业中仍然有好人，并且客户正在看到光线。蓝军感觉与众不同 – 迅速发展，与线程和Twitter竞争，同时出售诚实的产品和开放的协议。
还有其他关于未来的想法，这些想法不是像Sundar Pichai和Sam Altman这样的亿万富翁Shitheels的令人震惊的心态，它们可以并且将会从这些Kleptocrats造成的废墟中成长出来。