人工智慧還遠遠不夠智慧，警惕過度炒作風險。本文源自 卜淑情 所著文章 《高盛深度報告：生成式 AI 是炒作，還是真變革？》，由 Foresight News 整理。
（前情提要：聚集12位AI大神！馬斯克「xAI直播」講了什麼..特斯拉自動駕駛將大躍進？ ）
（背景補充：馬斯克踩著Space上天，再開新公司 xAI 探索「生命的意義」 ）
要說今年漲勢迅猛的板塊，AI 必須排第一。
在 AI 技術投資潮的推動下，蘋果、微軟、Google、亞馬遜、Meta、輝達和特斯拉「七巨頭」市值今年以來飆升 60%，至驚天的 11 兆美元。
而這種「火箭式」竄升，又推動納指今年以來大漲 34%，主導著標普 500 指數今年的大部分漲幅。
AI 概念漲上天，質疑聲開始頻繁出現。其中音量最高的是，AI 炒作是否太過分？生成式 AI 是否真得具備顛覆性潛力？目前它是否值得投資者投入巨大熱情？？
在高盛近期公佈的《Top of Mind》報告中，高盛策略師 Allison Nathan 和 Jenny Grimberg 與多個 AI 行業專業人士進行了深度對話，包括 AI 風投公司 Conviction 創辦人 Sarah Guo、紐約大學教授、新創公司 Robust.AI 執行長兼創辦人 Gary Marcus、高盛軟體和網際網路分析師 Kash Rangan 和 Eric Sheridan，試圖回答以上問題。
除此以外，他們還探討了 AI 領域當下最具吸引力的投資機會，以及投資者最應關注的風險。
AI 的革命性變化
生成式 AI 與傳統 AI 技術最根本的區別在於前者通過理解自然語言建立內容，而後者依賴的是程式語言，按照高盛軟體分析師 Kash Rangan 的說法，這是生成式 AI 技術的關鍵變革特徵。
- 第一，它能夠以文字、影像、視訊、音訊和程式碼的形式生成新內容，而傳統的 AI 系統訓練電腦對人類行為、商業結果等進行預測。
- 第二，它允許人類用自己的自然語言與電腦進行溝通交流，這是以前從未有過的；傳統上，電腦使用程式語言提示。
Guo 進一步解釋說，在軟體 1.0 時代人類需要編寫程式碼來執行特定任務，軟體 2.0 時代，則通過「艱苦」地收集資料來訓練神經網路，現在人類迎來了軟體 3.0 時代：
- 基礎模型可以通過開源或 API 使用，具有自然語言能力、推理能力，並具備關於世界的常識。
- 在這種模式下，公司不需要收集幾乎同樣多的培訓資料，使技術變得更有用、更容易訪問、以及更便宜。
自 ChatGPT 去年爆火出圈以來，許多人已經感受到生成式 AI 技術的強大。分析師認為，生成式 AI 可能會重塑社會生產的運作方式，為全球經濟增添新的增長引擎。
Guo 表示，生成式 AI 的變革潛力已經開始轉化為現實。任何 AI 投資公司現在都可以投資這些模型，增強業務或進行轉型。
Rangan 估計，在某些情況下，開發人員通過使用生成式 AI 工具，將生產力提高了 15-20%。
而伴隨著 AI 的普及，Guo 預計，未來更多領域，特別是法律、資料分析、圖片、語音和視訊生成等傳統服務業，將越來越多地由 AI 提供服務。
高盛 TMT 行業分析師 Peter Callahan 指出，散戶認為生成式 AI 技術具備平臺轉型的所有要素，有可能全方位改變企業和消費者的體驗。
另外，高盛高階全球經濟學家 Joseph Briggs 表示，這種變革潛力可能會對巨集觀經濟產生深遠影響。
他估計，美國和其他發達經濟體普及生成式 AI 技術後，能夠在未來 10 年內將年勞動生產率增速提高約 1.5 個百分點，全球 GDP 最終將提高 7%。
高盛美國股票策略師 Ryan Hammond 和 David Kostin 認為，美股也將從中受益，中長期內預計出現更為廣泛的反彈， 標普 500 指數的公允價值將比現在高出大約 9%。
人工智慧還遠遠不夠智慧，警惕過度炒作
長期看來，AI 技術的變革性是毋庸置疑的，但鑑於當前這項技術的發展進度，市場對它的炒作是不是太過分了？
Marcus 的答案為「是」，因為「目前的人工智慧還遠遠不夠智慧」。
他指出，當前 AI 所謂的神經網路的功能與人腦的神經網路完全不同。
AI 雖然可以進行「自反性」統計分析，但幾乎沒有成熟的推理能力。這些機器可以學習，但很大程度上圍繞著單詞的統計和對提示的正確反應，而非抽象概念。並且，它們不像人類那樣擁有「內部模型」以讓它們理解周圍的世界。
Marcus 向投資者發出警告：
要警惕 AI 能還沒有很多人想象的那麼神奇。
我不會說現在投資 AI 為時過早；一些投資於那些擁有聰明的創始團隊、對產品市場適應性有很好理解的公司可能會成功，但也會有很多失敗者。
Marcus 說，通用人工智慧（AGI）可能最終會實現，但人類距離這個目標還很遙遠，而且任何投資都不可能改變這一點。
此外，投資者還可以從歷史中學習一些經驗。
高盛市場策略師 Dominic Wilson 和 Vickie Chang 曾提到，在過去創新主導的生產力繁榮時期，例如，電力（1919-1929）、個人電腦和網際網路（1996-2005）普及之後，股價和估值飆升形成泡沫，最終走向破裂。
Guo 則認為，即使在今天，私募市場某些領域仍存在定價錯誤。雖然投資者對這些領域有更深入的瞭解，但仍然普遍採用相同的投資方法。
她警告稱，錯誤地判斷變革發生的時機是投資中常見的陷阱。作為一名早期投資者，她不太關注估值，而是選擇她認為有意義的市場、產品和企業。
高盛網際網路分析師 Eric Sherida 的看法稍有不同。
他認為絕大多數表現出色的 AI 概念股的交易價格，相對於公認會計原則每股收益 (GAAP EPS) 的倍數，仍較為合理。
Rangan 也認為，AI 可能並非處於炒作週期中，因為本次浪潮是由科技巨頭主導的，而非初創企業：
這一技術週期並不是由（AI）新貴主導的，不太可能出現虎頭蛇尾式的失敗結局或需要耗費很長時間才能開始。
20 世紀 90 年代初（電腦）從大型機向分散式系統的轉變，以及 21 世紀初從分散式向雲端計算的轉變，所花的時間比許多人預期的要長，均因為大型老牌公司是反對的關鍵聲音。
正如 Rangan 所說，國外 ChatGPT 背後公司 OpenAI 有微軟支援，Google推出了 Bard，投資 Anthropic 等 AI 初創公司，Meta 推出 LLaMA，國內百度、阿里等巨頭也釋出了自己的模型，全球 AI 競賽正在如火如荼的進行中。
鐵鎬和鐵鏟
質疑炒作的聲音不絕於耳，AI 當下還有哪些最引人注目的投資機會？
按照 Rangan 和 Sheridan 的說法，機會不僅僅在於開發基礎 AI 模型的大型科技公司，而且在於「鐵鎬和鐵鏟」 (Picks and Shovels) 企業。
「鐵鎬和鐵鏟」是投資界傳奇人物彼得・林區偏好的投資策略之一，即投資於間接受益於某一熱潮的公司。
Rangan 和 Sheridan 認為，在當前的 AI 潮中，半導體公司、雲端計算超大規模公司和基礎設施公司等服務於該領域的公司都可以在當前的「構建」階段獲得有利地位。
Guo 有類似看法，但也看到了整個堆疊的機會，並且對應用層最為興奮。
許多投資者對這一層不確定，認為所有的價值都在模型訓練本身，但在讓非確定性模型在生產用例中發揮作用方面，需要大量的創造力和工作。目前初創公司和現有 APP 公司都將在許多領域利用這些功能… 我們很興奮。
📍相關報導📍
聯合國成立區塊鏈小組！將制定 AI、數位身份等標準，可能於10月京都年會討論
