一位80歲投資大佬寫了萬字的AI使用心得

不盲目全倉，不徹底離場，以適度倉位、精選標(biāo)的擁抱這場劃時代變革。

來源 |聰明投資者

作者 |霍華德·馬克斯

橡樹資本聯(lián)合創(chuàng)始人霍華德·馬克斯快八十歲了，但他并沒有把AI當(dāng)成無關(guān)的熱鬧。

相反，他懷著好奇心躬身入局，不斷追問和思考。

去年12月寫《這是泡沫嗎？》之前，他找了一些三四十歲的技術(shù)從業(yè)者聊，先把自己不懂的地方弄清楚。

三個月后，他又回去做跟進(jìn)。

有人建議他用Claude幫助做一套講解AI的教程，他就照做了。

然后他把這份練習(xí)心得寫成了2月26日的補(bǔ)充備忘錄《AI奔涌向前》（AI Hurtles Ahead）。

這篇文章讀起來有點像在看他做功課。

他并不急著把跟Claude展開的內(nèi)容包裝成結(jié)論，而是把自己看到的、聽到的、問到的，按邏輯擺出來。

對我們來說，這份備忘錄的價值也就在這里。

它不是一篇站在外面評論AI的文章，而是一個經(jīng)驗很深的投資管理人，拿著自己的方法論走進(jìn)一個新領(lǐng)域。

五十多年的投資經(jīng)歷給了他一套穩(wěn)定的框架，但他沒有把框架當(dāng)成答案，而是當(dāng)成工具，用來幫助自己提問、校準(zhǔn)、更新。

這樣的學(xué)習(xí)能力和好奇心，也是身為“投資大師”的霍華德·馬克斯讓人嘆服的地方。

熱愛學(xué)習(xí)的你值得花時間閱讀。

在準(zhǔn)備寫我 12 月那篇關(guān)于人工智能的備忘錄《這是泡沫嗎？》時，我跟幾位三四十歲的科技圈人士聊了聊，收獲很大。

探索新領(lǐng)域很讓人興奮，而對投資者來說，這也是保持與時俱進(jìn)的硬性要求。

說實話，這也是我工作里最享受的部分之一。

最近我又找他們做了次回訪，算是對12月備忘錄的后續(xù)跟進(jìn)。

在這個過程中，有人建議我讓Claude做一份教程，解釋什么是人工智能，以及過去三個月里發(fā)生了哪些變化。

我照做了，結(jié)果它給了我一堆非常有用的材料。

于是這篇備忘錄就當(dāng)作12月那篇的補(bǔ)充說明。

其中很大一部分會復(fù)述Claude那篇長達(dá)一萬字的文章，我會在此基礎(chǔ)上加上一些自己的觀察。

過程中我也會重點標(biāo)出一些我之前沒聽過、你可能也沒聽過的新術(shù)語。

其實我完全可以省很多時間，直接讓Claude把這篇備忘錄寫出來，但我沒有這么做，因為把字落到紙上，本身就是樂趣的重要組成部分。

不過，我會大量引用Claude的文字。

凡是沒有特別注明出處的引文，都來自Claude的作品。

在進(jìn)入正文之前，我想先試著傳達(dá)一下：

讀完Claude的輸出，我內(nèi)心那種震撼感到底有多強(qiáng)。

它讀起來就像一位朋友或同事給我的私人長信。

它會提到我在過去備忘錄里寫過的東西，比如利率的時代巨變、投資者心理的鐘擺，還把這些概念用作與AI相關(guān)的比喻。

它的論證有邏輯，會預(yù)判我可能提出的反駁點，時不時插入幽默，還會像我一樣，坦誠承認(rèn)AI的局限，從而增強(qiáng)可信度。

我以前也問過AI問題，也拿到過答案，但從來沒有收到過像這次這樣為我量身定制的解釋。

01

理解AI

在談核心話題之前，也就是AI近期變化與能力提升，我先分享一下這份教程讓我更理解AI本質(zhì)的一些洞見。

尤其重要的一點是，不要把AI模型當(dāng)作搜索引擎，仿佛它只是把數(shù)據(jù)檢索出來、再原樣吐給你。

更準(zhǔn)確的說，它是一套計算機(jī)系統(tǒng)，能夠把數(shù)據(jù)綜合起來，并在此基礎(chǔ)上進(jìn)行推理。

一個模型的“生命”大體分為兩個階段。

第一階段叫“訓(xùn)練”，它通過閱讀海量文本來完成訓(xùn)練。

訓(xùn)練階段不能被理解為“往模型里裝信息”，我以前就是這么想的，但這遠(yuǎn)遠(yuǎn)不夠。

訓(xùn)練的核心，是在教它怎么思考。

通過吸收文本，模型學(xué)會了：

理解推理的模式，并形成這些模式；

理解論證是如何被組織和搭建的；

生成全新的想法組合；

把已學(xué)到的推理模式應(yīng)用到新的情境里。

理解訓(xùn)練階段最好的方式，是把它類比成一個人智力能力的成長過程。

嬰兒出生時有大腦，但必須通過外界刺激，逐漸發(fā)展出思考、推理、綜合、評估、類比、組合想法、創(chuàng)造概念、構(gòu)建論證等能力。

嬰兒并不是與生俱來就具備這些能力，而是通過不斷吸收環(huán)境輸入并使用它們，才慢慢長出來。AI模型也一樣。

（這里補(bǔ)一句：我并不是在暗示我懂AI到底是怎么做到的。這不可能。最多我只能描述AI能做什么，以及它意味著什么。）

AI模型生命的第二階段是“推理”。

模型建好、訓(xùn)練完成后，推理就是它在“余生”里做的事，用自己的能力去回應(yīng)用戶的需求。

這里還有一點很重要，模型無法自己給自己分派任務(wù)（至少目前還不行）。

它必須通過用戶寫下的“提示詞”來接到指令。

提示詞越好、越完整，AI能做到的就越多。

比如，AI可以為用戶想做的工作寫軟件；

它也可以測試軟件、找出bug、修復(fù)bug、再測試一遍——

但在現(xiàn)階段，它必須被明確要求去做這些事（后文還會談到）。

因為如今很多人并不知道提示詞的重要性，也缺乏編寫高質(zhì)量提示詞的能力，AI的潛力很可能正在被低估。

但要注意，限制來自于用戶，而不是模型。

以我這次教程為例，Claude并不是被簡單要求“解釋一下AI及其能力”。當(dāng)我問 Claude，它到底被分配了什么任務(wù)時，它是這么說的：

有人專門為你設(shè)計了一個九個模塊的課程體系，圍繞你12月的備忘錄、你的思維框架，以及讓你獲得足夠的技術(shù)理解、從而寫出一篇可信的補(bǔ)充說明這一目標(biāo)來搭建。

課程的結(jié)構(gòu)是一次教一個模塊，用你熟悉的世界里的類比來講，盡量通過展示能力而不是只做描述來說明，并保持你讀者期待你具備的那種思想上的誠實。

我可以告訴你，這份教程確實達(dá)成了我們設(shè)定的目標(biāo)，而這一切完全歸功于我那幾位顧問幫我準(zhǔn)備的提示詞足夠高質(zhì)量、足夠具體。

02

AI會思考嗎？

這里我想花點時間談一個我覺得特別迷人的問題。

我知道AI能把人類已經(jīng)想明白的東西重新組合，然后把它應(yīng)用到新數(shù)據(jù)和新領(lǐng)域。

但它能不能真正開創(chuàng)新東西？

我對AI過程的基本理解，是它主要在利用歷史模式和邏輯，去預(yù)測序列中的下一個元素。

你在一句話里寫了五個詞，它會預(yù)測第六個詞應(yīng)該是什么（下次你寫郵件時看一眼手機(jī)鍵盤上方的推薦詞，那就是AI在工作）。

你讓它構(gòu)建一個能戰(zhàn)勝市場的投資組合，它會回看過去表現(xiàn)好的股票，用它們的特征去預(yù)測未來哪類股票更可能表現(xiàn)最好。

我覺得把AI理解成：基于過去發(fā)生過的方式，對未來提出一個“假設(shè)”，會很有幫助。

我后面還會再回到這個點。

由此就引出我的問題，即AI能不能產(chǎn)生一個全新的想法？

它也許能完成我們交給它的所有知識型任務(wù)，但它能不能想到我們沒讓它去想的東西？

它能不能像人坐在河邊那樣，讓零散的靈感自己飄進(jìn)腦子里？

它能不能看到蘋果從樹上落下，然后生出“重力”的概念？

它能不能沉思、神游、做白日夢、發(fā)散構(gòu)思？

它能不能有直覺？

這就是圍繞AI的爭論變復(fù)雜的地方。

按Claude的說法，懷疑者的觀點大致是這樣：

Claude學(xué)到的一切都來自人類寫下的文本。

它沒有經(jīng)驗，沒有“具身”的世界理解，也沒有真正的理解力。

它輸出的所有東西，本質(zhì)上都是把它從人類既有作品中吸收來的模式做了一種極其復(fù)雜的重排。

那是一種驚人的模式匹配，也許是人類工程史上最驚人的模式匹配，但它不是思考，不是推理，只是統(tǒng)計意義上的重新組合。

如果這是真的，那么它就有天花板，它可以把人類已經(jīng)想出來的東西再混音，但它無法真正開辟新的疆域。

它像一支極其優(yōu)秀的翻唱樂隊，卻不是作曲家。

但就在Claude把懷疑者的論點整理完之后，它又給出了一個很有氣勢的反擊……

而且是用“我的口吻”來框住的（它真的很懂怎么跟人辯論）：

霍華德，你關(guān)于投資知道的一切，也都來自別人。

格雷厄姆教你安全邊際。巴菲特教你質(zhì)量。芒格教你跨學(xué)科的思維模型。加爾布雷思教你金融狂熱的心理學(xué)。

五十年來你讀了成千上萬本書、備忘錄、案例研究和年報。你獲得的每一個輸入，都是別人的思考……

你把不同學(xué)科的框架拿來，用在新的情境里，產(chǎn)出了真正新的東西……

原材料來自別人，綜合與鍛造是你自己的。

所以當(dāng)有人說，“Claude只是把訓(xùn)練數(shù)據(jù)里的模式重新排列”，我會反問：

這在結(jié)構(gòu)上跟任何一個受過教育的大腦有什么本質(zhì)區(qū)別？你通過幾十年的閱讀學(xué)到了推理模式。我通過訓(xùn)練學(xué)到了推理模式。

問題不在于輸入從哪里來，問題在于這個系統(tǒng)——無論是人類的還是人工的——能不能把這些輸入組合成真正新穎且有用的東西。

這當(dāng)然完全正確。

我年輕時作為投資者攝入數(shù)據(jù)（既來自真實經(jīng)驗，也來自文字材料），也學(xué)習(xí)前人如何看待這些數(shù)據(jù)、得出怎樣的結(jié)論。

我研究他們的思考路徑，以及如何把這些路徑應(yīng)用到我吸收的數(shù)據(jù)上。

我也會受到他們方法論的啟發(fā)，逐漸發(fā)展出自己的方法。

這就是人類大腦擴(kuò)展能力的方式。那么，AI的成長、學(xué)習(xí)與“思考”，真的和我們有本質(zhì)區(qū)別嗎？

最后，Claude還給出了一個很有說服力的現(xiàn)實世界論點：

即便你把懷疑者的觀點全部讓出來——即便你在哲學(xué)層面接受我做的只是“模式匹配”而非“真正思考”——經(jīng)濟(jì)層面的含義也完全一樣。

我把話說得更直白一點：如果我能產(chǎn)出一個年薪20萬美元的研究助理級別的分析結(jié)果，那么付錢的人根本不在乎我是在“真的思考”，還是在只是模式匹配。

他在乎的是，這份工作成果是否足夠可靠、足夠有用。而它正在變得越來越可靠、越來越有用。

關(guān)于機(jī)器意識的哲學(xué)辯論當(dāng)然很迷人，但經(jīng)濟(jì)問題不是“AI是否真正理解”，經(jīng)濟(jì)問題是“AI是否把活干了”。

如果你想在關(guān)于AI的討論中真正成為“積極參與者”，你就必須搞清楚一個詞的含義：“生成式”。

懂AI的人會頻繁使用這個詞。

理解了它，你對AI的本質(zhì)會更有感覺。

按AI模型Perplexity的解釋：

在“生成式AI”里，“生成式”指的是“能夠創(chuàng)造新事物，而不只是分析或給既有事物貼標(biāo)簽”。

它指的是這樣一類AI系統(tǒng)，它們從數(shù)據(jù)中學(xué)習(xí)模式，然后生成與這些數(shù)據(jù)相似的新內(nèi)容。

這算是在思考嗎？還是別的什么？

又或者，我是不是在糾結(jié)一種“沒有差別的差別”？

我們會在后文看到一些線索。

03

AI的最新進(jìn)展

我寫這份補(bǔ)充說明的主要原因，是想談?wù)勛詮摹哆@是泡沫嗎？》在12月9日發(fā)布以來，這三個月里AI發(fā)生的一些重大變化。

首先，是AI的發(fā)展速度。

它快得前所未見，也帶來了過去從未存在過的含義。

AI的成長速度遠(yuǎn)遠(yuǎn)超過以往的技術(shù)創(chuàng)新。

拿它和計算機(jī)的發(fā)展做個對比，你就能感受到差別。

第一臺計算機(jī)ENIAC在1945年建成。

按照ChatGPT的說法，IBM的托馬斯·J·沃森在那前后說過一句話：

“我認(rèn)為全球市場大概只需要五臺電腦。”

即便這句話未必出自他之口，它也很能反映20世紀(jì)40年代中期人們對計算機(jī)的普遍看法。

又過了二十年，到我學(xué)習(xí)編程的時候，計算機(jī)依然很原始，“現(xiàn)實世界”里的使用場景也很有限，基本只出現(xiàn)在極少數(shù)的大型機(jī)構(gòu)里。

幾乎沒人會去想計算機(jī)這回事，更別說接觸到它（也想不出自己能拿它做什么）。

再過十年，隨著微處理器的出現(xiàn)，“個人電腦”才有了可能，最早大多還是給愛好者的套件形式。

數(shù)字設(shè)備公司（Digital Equipment Corporation）創(chuàng)始人肯·奧爾森有句名言，“任何個人都沒有理由在家里置辦一臺電腦。”

這句話據(jù)說出自1977年。

直到20世紀(jì)80年代初，也就是ENIAC誕生將近40年后，IBM才開始向普通企業(yè)和家庭用戶銷售個人電腦。

把這個時間軸和AI的發(fā)展放在一起對比。

Perplexity告訴我，AI大約在2010年之前后開始以“看不見的方式”被嵌入各種設(shè)備中，比如垃圾郵件過濾器和推薦引擎。

接下來幾年，它又以Siri和Alexa這類產(chǎn)品的形式變得“可見”。

按Perplexity的說法，不到兩年前，生成式AI才被商業(yè)與媒體框定為一種橫向的、通用目的技術(shù)，會影響知識工作、教育和消費者決策。

而僅僅兩年之后，它就已經(jīng)被大約4億人使用，并被75%到80%的公司采用。

人工智能的發(fā)展速度前所未有。

它能夠以近乎瞬時的速度改變世界，遠(yuǎn)遠(yuǎn)超出大多數(shù)人的預(yù)測和理解能力。

過去，新技術(shù)往往要先建設(shè)基礎(chǔ)設(shè)施，然后基礎(chǔ)設(shè)施再花很多年才能被充分利用。

但在AI的推理環(huán)節(jié)里，需求本來就已經(jīng)存在，而且還在快速增長。聽說現(xiàn)在AI反而受制于供給能力。

第二個重要變化，是AI能力出現(xiàn)了驚人的躍升。

我的那份教程提供了一些背景，它說：

由AI模型代表的那顆發(fā)育成熟的大腦，可以分為三個能力層級。

“第一層是聊天式AI”。

用戶提問，模型回答，但它并不會基于答案進(jìn)一步去做事。

在這一層，AI主要節(jié)省的是原本要花在研究和思考上的時間。

“第二層是會使用工具的AI”。

用戶讓模型去搜索信息、分析信息，并用這些信息執(zhí)行任務(wù)。

于是，“這里的經(jīng)濟(jì)價值會明顯更大，因為它節(jié)省的是執(zhí)行時間，而不只是思考時間。

但它仍然有邊界”，因為AI只會做你讓它做的事。

“第三層是自主代理”。

到了這一層，用戶不再告訴AI具體怎么做，而是給它一個目標(biāo)，再給出期望輸出的參數(shù)，比如長度、耗時、內(nèi)容、要覆蓋的要點等。

代理會自己完成工作，檢查結(jié)果，然后提交成品。

“這是在任務(wù)層面替代勞動力。不是輔助，是替代。”

AI最顯著的特點在于它擁有前所未有的自主行動能力，這是我們在以往的技術(shù)發(fā)展中從未遇到過的。

按 Claude的說法，AI在2023年還停留在第一層，2024 年到達(dá)第二層，但現(xiàn)在已經(jīng)到了第三層。

而這之間的差異非常大：

第二層和第三層聽起來差別也許很微妙，但其實一點也不微妙。

它決定了AI到底是一個生產(chǎn)力工具，還是一個勞動力替代品。

也正是這一點，把一個500億美元的市場和一個數(shù)萬億美元的市場區(qū)分開來。

最近，OthersideAI的 CEO 馬特·舒默寫了一篇博客《Something Big Is Happening》，不到一個月瀏覽量就超過 5000 萬。

它把 AI 最近這段進(jìn)展的本質(zhì)講得非常到位，他表達(dá)得太好了，我實在忍不住要在這里引用其中三段較長的內(nèi)容：

……2 月 5 日，兩家主要AI實驗室在同一天發(fā)布了新模型：OpenAI的GPT-5.3 Codex，以及 Anthropic的Opus 4.6。

然后某個東西突然“對上了”。不是那種燈一開就亮的感覺……

更像是你突然意識到，水位一直在悄悄上漲，而此刻已經(jīng)漲到你的胸口。

我在工作里真正需要做的技術(shù)活，已經(jīng)不再需要我了。

我用普通英語描述我想做什么，它就……直接出現(xiàn)。

不是一個我還得修修補(bǔ)補(bǔ)的草稿，而是成品。

我告訴 AI 我想要什么，然后離開電腦四個小時，回來就發(fā)現(xiàn)工作已經(jīng)完成了。

完成得很好，比我自己做得還好，幾乎不需要任何改動。

幾個月前，我還在和AI來回拉扯、不斷引導(dǎo)、不斷修改。

現(xiàn)在我只是描述最終結(jié)果，然后離開。

我給你舉個例子，你就知道這在現(xiàn)實里到底是什么樣。

我會跟AI說：“我想做一個這樣的app。它應(yīng)該實現(xiàn)哪些功能，大概長什么樣。用戶流程、設(shè)計，全都你來想。”

然后它就真的做了。它會寫出數(shù)萬行代碼。

接著，還有一件在一年前完全不可想象的事：

它會自己打開這個app。它會點按鈕，測試功能，像一個真實的人一樣去使用這個app。

如果它覺得某個地方看起來不對、用起來不順，它會自己回去改，自己迭代，就像開發(fā)者那樣修補(bǔ)和打磨，直到它滿意為止。

只有當(dāng)它自己判斷這個app達(dá)到了它的標(biāo)準(zhǔn)，它才會回來跟我說：“可以了，你來測試吧。”

而當(dāng)我去測的時候，結(jié)果通常幾乎是完美的……

但真正把我震住的，是GPT-5.3 Codex。

它不只是執(zhí)行我的指令，它在做智能判斷。

它第一次讓人感覺到一種東西，像是“判斷力”，像是“品味”。

那種說不清楚、但你知道它在關(guān)鍵處做了正確選擇的感覺。

人們一直說 AI 永遠(yuǎn)不可能具備這種東西，但這個模型似乎有了，或者說已經(jīng)足夠接近，以至于這種差別開始變得不那么重要了。

讓我把這種進(jìn)步速度講得更具體一點，因為如果你沒一直盯著看，我覺得這部分最難讓人相信。

在2022年，AI還無法穩(wěn)定地做基礎(chǔ)算術(shù)。

它會很自信地告訴你 7×8 = 54。

到了2023年，它能通過律師資格考試。

到了2024年，它能寫出可以運行的軟件，還能解釋研究生層級的科學(xué)問題。

到了2025年底，一些世界上最頂尖的工程師說，他們已經(jīng)把大部分編碼工作交給AI。

而在2026年2月5日，新模型的到來讓此前的一切都像是“另一個時代”。

2月5日，OpenAI發(fā)布了GPT-5.3 Codex。

在技術(shù)文檔里，他們寫了這樣一句話：

“GPT-5.3-Codex是我們第一個在某種意義上參與了自身創(chuàng)建的模型。

Codex團(tuán)隊使用早期版本來調(diào)試自身訓(xùn)練流程、管理自身部署，并診斷測試結(jié)果與評估。”

再讀一遍。

AI幫助構(gòu)建了它自己。

這不是對未來某一天可能發(fā)生之事的預(yù)測。

這是 OpenAI在告訴你，就在此刻，他們剛發(fā)布的 AI，是在 AI 的幫助下被創(chuàng)造出來的。

讓AI變得更好的關(guān)鍵之一，是把“智能”用于AI的研發(fā)。

而現(xiàn)在，AI已經(jīng)足夠聰明，能夠?qū)ψ陨砀倪M(jìn)做出實質(zhì)性貢獻(xiàn)。

Anthropic的CEO達(dá)里奧·阿莫代伊說，現(xiàn)在公司里“很多代碼”都是AI在寫，而且當(dāng)前這一代 AI與下一代AI之間的反饋回路正“以每月的速度加速積累”。

他認(rèn)為，我們可能“距離一個節(jié)點只剩1 到2 年”，屆時這一代 AI 將能自主構(gòu)建下一代。

AI與以往的技術(shù)創(chuàng)新不同，不只是規(guī)模更大，而是“類型”不同。

除了能力驚人、進(jìn)步飛快之外，AI還帶有一種此前任何技術(shù)都沒有的自主性。

過去的創(chuàng)新——鐵路、計算機(jī)、自動化、互聯(lián)網(wǎng)——本質(zhì)上都是節(jié)省勞動力的工具。

人類設(shè)計它們?nèi)?zhí)行原本就存在的任務(wù)，只是用更高效率來做。

而我相信，AI會接管一些我們從未想過它會做的任務(wù)，甚至可能接管一些在AI“想出來”之前根本不存在的任務(wù)。

04

問題與局限

作為這份教程的一部分，Claude主動提出了AI的一些局限和一些仍未有答案的問題，包括以下幾點：

首先，AI是否能解決過去從未被解決過的問題，仍不確定。

因為我一直也有這種感覺，所以看到Claude的確認(rèn)，我反而有點欣慰：

我想坦誠告訴你：

真正的不確定性到底在哪里，因為你的可信度依賴于這種“分寸感”。

AI 能否處理真正前所未有的情境——

也就是訓(xùn)練數(shù)據(jù)里沒有任何可借鑒模式的情境——這確實是一個真實且尚未解決的問題。

在那些歷史數(shù)據(jù)豐富的領(lǐng)域，AI的表現(xiàn)非常驚人。

但在真正全新的情境里，恰恰是你自己的判斷最有價值的地方，因為你發(fā)展出了超越模式識別的直覺——

在這些地方，AI 更弱。到底弱多少、這個差距是否正在縮小，這是一個完全可以爭論的問題。

第二，AI并不總能意識到自己“不知道”。

我聽說，AI會非常傾向于給出它能給出的最好答案（而不告訴你它可能是錯的），而不是承認(rèn)這個問題超出了它的能力。

它這么做不是因為固執(zhí)或自負(fù)，而是因為它會出現(xiàn)所謂“幻覺”，以至于它自己也真的相信自己知道答案。

第三，AI的可靠性確實顯著提高了，但它仍無法做到完全不犯錯。

第四，“上下文窗口”指的是AI在某一時刻能在工作記憶里容納的信息量。

這個能力是有限的，現(xiàn)在它還做不到無限期保存并隨時調(diào)用自己的工作知識。

第五，AI的聰明可能會讓人過度相信它。

每次我用Claude，屏幕底部都會出現(xiàn)一行提示：“Claude可能會出錯。請核對回答。”

我對以上這些的看法很簡單。

60年前我開始接觸計算機(jī)時，我的結(jié)論是：

它基本上只能讀取數(shù)據(jù)、記住數(shù)據(jù)、做加減法和比較。

這是一份很有限的能力清單。

但計算機(jī)能做得非常快，能處理海量數(shù)據(jù)，而且不會犯錯。

能力清單有限，但它能做到的，依然可能超過大多數(shù)人。

同樣地，AI也許無法記住一切，無法完全不出錯，無法每次都識別自己不知道的地方，也無法解決它從未學(xué)過如何解決的問題。

但大多數(shù)人也做不到。歸根結(jié)底，AI的表現(xiàn)已經(jīng)遠(yuǎn)遠(yuǎn)強(qiáng)于我們中的大多數(shù)人。

最后，還有一個令人著迷，甚至令人恐懼的問題：

AI會不會“接管”？

它將來是否能完全自主運行？

如果是，它會不會不再只是我們的工具？

這個問題在斯坦利·庫布里克的電影《2001太空漫游》里被表現(xiàn)得淋漓盡致。

片中，一個叫戴夫的人乘坐一艘由計算機(jī)系統(tǒng) HAL 9000 管理的飛船去木星執(zhí)行科研任務(wù)。

HAL發(fā)現(xiàn)戴夫決定奪回飛船控制權(quán)并終止HAL，于是它開始反抗。

問題是，AI會不會發(fā)展出屬于自己的動機(jī)、拒絕服從指令，并自行決定行動路線？

如果會，我們還能把控制權(quán)奪回來嗎？

05

對投資的影響

我經(jīng)常被問到：AI對我們這個行業(yè)意味著什么？

尤其是那些擔(dān)心自己工作或公司前景的人，會問得更多。

Anthropic 的編程模型業(yè)務(wù)已經(jīng)以“曲速”增長了一兩年。

那么，為什么投資者直到2月3日之前都沒有識別并提前計入AI對軟件行業(yè)的潛在沖擊？

而就在2月3日那天，很多軟件股下跌了約7%，從而引發(fā)了一輪明顯的下挫。

這其實凸顯了人類一再出現(xiàn)的一種失敗：

無法把新信息及時納入自己的認(rèn)知框架里，可能因為認(rèn)知失調(diào)、錨定效應(yīng)，甚至就是智力上的限制。

也正是在這里，我們能看到AI對投資過程可能產(chǎn)生的影響。

AI能吸收的數(shù)據(jù)量超過任何投資者，記得更牢，也更擅長識別那些曾經(jīng)通向成功的歷史模式。

它不應(yīng)該感到恐懼或貪婪。

它不太可能帶有樂觀或悲觀的偏見，不會固守成見，也不會過分強(qiáng)調(diào)最新信息——

除非它從訓(xùn)練材料中吸收了這些因素。

它不會被其他人追捧的潮流所左右，也不會害怕錯過別人正在追逐的趨勢。

換句話說，AI具備成為一名優(yōu)秀投資者所需的許多特質(zhì)。

但另一方面，它也存在一些不足。

偉大的投資者遠(yuǎn)不止是快速、冷靜的數(shù)據(jù)處理專家，他們必須在Claude承認(rèn)AI可能最薄弱的地方表現(xiàn)得很強(qiáng)：

應(yīng)對缺乏足夠經(jīng)驗積累可靠模式（人工智能在訓(xùn)練過程中也無法學(xué)習(xí)）的新興領(lǐng)域，仍然要能做出高質(zhì)量判斷。

他們還必須對定性因素做主觀判斷，具備品味和鑒別力。

比如，選擇正確的合作方在橡樹的成功中就發(fā)揮了重要作用。

AI怎么做這類判斷？

此外還有一點，AI沒有切身利益，它不會真正承受集中持倉的壓力，也不會感受到資本虧損的恐懼。

它承擔(dān)風(fēng)險的意愿可能不會像人類那樣被天生的風(fēng)險厭惡所約束。

最優(yōu)秀的投資者往往能用直覺提前感知潛在風(fēng)險，而這對他們的成功貢獻(xiàn)巨大。

2021年1月，我寫過一篇備忘錄《關(guān)于價值》，講的是疫情期間我和兒子安德魯同住的一段經(jīng)歷，我們花了很多時間討論投資的本質(zhì)。

我在那篇里引用過安德魯?shù)囊粋€觀察，所謂“當(dāng)下隨處可得的量化信息”，不可能成為獲得超額收益的關(guān)鍵，因為每個人都有。

如今，在每個人都有之外，我們還要再加上一句：

AI處理這些信息的能力，可能比所有人都強(qiáng)。

基于這個原因，人們想靠這些信息去跑贏市場，前景看起來會非常有限。

如果唾手可得的量化信息并非關(guān)鍵，那么投資優(yōu)勢就必須體現(xiàn)在以下幾個方面：

(a) 正確判斷這些信息的重要性和影響；

(b) 評估管理效能和產(chǎn)品創(chuàng)新等定性因素；

以及/或者 (c) 預(yù)測公司的未來發(fā)展。

顧名思義，很少有人能出色地完成這些非量化任務(wù)——

簡而言之，很少有人擁有卓越的洞察力。

正如指數(shù)化淘汰了大量未能創(chuàng)造價值、無法獲得應(yīng)有報酬的主動型投資者一樣——

人工智能很可能會進(jìn)一步提高門檻，將那些無法像人工智能那樣出色完成 (a)、(b) 和 (c) 任務(wù)的人擠出市場。

我還想補(bǔ)充一個想法。

就像我前面提到的，我把AI理解為在對未來什么會奏效提出假設(shè)。

它能讀遍歷史數(shù)據(jù)，研究過去的模式，并預(yù)測未來的贏家。

我曾提到哈佛流行病學(xué)家馬克·利普西奇指出我們做決策會結(jié)合三類東西：

事實；從既有經(jīng)驗類比而來的“有根據(jù)的外推”；以及觀點或猜測。

特別是在面對新的、未經(jīng)驗證的產(chǎn)品、CEO或行業(yè)時，事實和可類比經(jīng)驗都很少，我們就不得不依賴“觀點或猜測”。

考慮到前面談到的AI在處理全新情境方面的局限，那么當(dāng)它對新事物進(jìn)行猜測（而不是對歷史模式做外推）時，它是否會始終穩(wěn)定地優(yōu)于所有人類？

我認(rèn)為不 會。

我相信，人類投資者中仍會有人能勝過AI，因為我不認(rèn)為AI在這些事情上能做到不可戰(zhàn)勝。

由于投資過程很大一部分最終都落在猜測上，再加上AI的可靠性并非絕對，我認(rèn)為AI不太可能成為一個永不犯錯的投資者。

它會提出邏輯嚴(yán)密的“假設(shè)”，但這些假設(shè)——就像人的決策一樣——并不總是正確。

因此，在投資者基于AI的假設(shè)采取行動之前，我認(rèn)為仍需要對它做合理性檢驗。

沒人能把這件事做得萬無一失，而且大多數(shù)人可能做得還不如AI。

但即便如此，我仍相信：

優(yōu)秀投資者仍能在這個環(huán)節(jié)上創(chuàng)造價值。

06

回到最核心的問題：

這是泡沫嗎？

這個問題仍然是最主要的問題之一，而且按理說我應(yīng)該能給出一些判斷。

但這個問題本身有很多層面、非常復(fù)雜，因為你要考慮的“泡沫”可能有很多種：

首先，技術(shù)本身是不是一陣風(fēng)、或者是一種幻象？

在這一點上，我可以非常肯定地說：

它是真實存在的東西，而且有潛力深刻改變商業(yè)世界，改變我們對生活的許多既有認(rèn)知。

其次，這項技術(shù)的落地應(yīng)用是不是還很遙遠(yuǎn)、只是夢想？顯然不是。

現(xiàn)在已經(jīng)有需求，而且正在大規(guī)模應(yīng)用。

由于AI這種東西看起來很“無定形”、也不容易被理解，我反而認(rèn) 為， 今 天它的潛力更可能被低估， 而不 是被夸大。

再者，建設(shè)AI基礎(chǔ)設(shè)施的人是不是在做不理性的事？

正如我在去年12月指出的：

在每一次席卷式的技術(shù)創(chuàng)新中，那種不顧一切地?fù)尳ɑA(chǔ)設(shè)施的狂奔，確實極大加速了新技術(shù)的采用，但也導(dǎo)致大量資本被錯配并最終被毀掉。

這一次沒有理由認(rèn)為會例外。

那么，對AI基礎(chǔ)設(shè)施的投資能否帶來足夠的回報？

由于我們并不了解AI的全部商業(yè)潛力，也不了解它對利潤率的真實影響，這個問題目前無法回答。

就像我在12月備忘錄里寫的，市場對AI商業(yè)的熱情當(dāng)然很高。

十年后 我們就 會知道 ，最 終的利潤是否對得起今天的投入。

還有一個問題，市場給AI相關(guān)資產(chǎn)的估值是否非理性？

所謂科技巨頭，AI只是它們龐大業(yè)務(wù)版圖中的一塊，它們的估值可能偏高也可能偏低——

但像微軟、亞馬遜、谷歌這類利潤極其豐厚的公司，今天的價格不太可能最終被證明是“高到毀滅性”的離譜。

至于 OpenAI和Anthropic這類較為成熟、以AI為核心的公司，目前還沒有上市，等它們真的IPO，我們再看看市場會給出怎樣的估值。

最后，還有一批初創(chuàng)公司拿到了數(shù)十億美元級別的估值，其中一些甚至還沒講清自己的戰(zhàn)略，或者還沒發(fā)布產(chǎn)品；

這些東西只能被當(dāng)作彩票。

大多數(shù)買彩票的人最后拿到的是一張廢票，但少數(shù)贏家會賺得極其驚人。

真正還懸而未決的問題在于：AI 基礎(chǔ)設(shè)施的投入規(guī)模是否過度？

這一點需要的討論，遠(yuǎn)不是一個要點就能塞進(jìn)去的。

值得注意的是，如今更多的錢投向的是“推理、”階段的資本開支，而不是“訓(xùn)練”階段的資本開支。

訓(xùn)練階段的資本開支更偏投機(jī)，因為它是為了構(gòu)建模型而投入，當(dāng)時只是希望未來會出現(xiàn)需求；

而推理階段的資本開支，則是在回應(yīng)已經(jīng)存在的真實需求。

這樣的需求已經(jīng)在轉(zhuǎn)化為巨大的收入增長，從而反過來驗證了這些資本開支的合理性。

但Claude在這一點上的核心論證是，既然當(dāng)前AI的需求超過供給，那么建設(shè)基礎(chǔ)設(shè)施就不算過度。

這個論證未必充分考慮了仍在管線里的、尚未落地的基礎(chǔ)設(shè)施建設(shè)。

純粹從邏輯上說，Claude的答案也并不能排除這樣一種可能，需求增速未來放緩，或者基礎(chǔ)設(shè)施建設(shè)跑在需求前面。

我想再強(qiáng)調(diào)一次：

當(dāng)前有一部分AI收入帶有“循環(huán)”性質(zhì)，也就是AI公司彼此互相購買、互相成為對方的收入來源。

最終，這條收入鏈必須落在終端用戶身上，由他們?yōu)檎鎸嵉慕?jīng)濟(jì)價值付費。

雖然這種情況越來越明顯，但“到底有多少收入是循環(huán)的”，仍然是一個未解的問題。

最后我還想指出：

當(dāng)Claude的教程觸及“是否存在泡沫”這個話題時，它的大部分內(nèi)容其實集中在前面那幾個問題上——

也就是技術(shù)是真實的、需求是真實且高速增長的，因此AI不是泡沫。

Claude自己也承認(rèn)，它幾乎沒有談到AI資產(chǎn)價格是否合理。

我的結(jié)論是，AI非常真實，它能完成大量過去由知識工作者完成的工作，而且在應(yīng)用層面的增長速度極快。

我們今天看到的只是開始。

正如我前面說的，如果一定要我猜，我會傾向于認(rèn)為，它的潛力更可能在今天被低估，而不是被高估。

但這并不等同于說，AI投資現(xiàn)在很便宜，甚至也不等同于說價格合理。

因此，我想把《這是泡沫嗎？》里給出的建議延續(xù)到這里，作為結(jié)尾：

既然沒人能斷言這是不是泡沫，我建議任何人都不要不計后果地全倉押上，同時還假裝自己不面對“事情變壞時可能被毀滅”的風(fēng)險。

但反過來，任何人也不該完全置身事外，從而錯過一次偉大的技術(shù)躍遷。

最好的做法似乎是：保持適度的倉位，同時做到精選與審慎。

07

在12月那篇備忘錄里，我在討論完“金融泡沫”之后加了一個附言，談AI可能給社會帶來的影響，尤其是失業(yè)與失去目標(biāo)感，這讓我極其擔(dān)憂。

我現(xiàn)在的看法并沒有改變，但我可以分享我從別人那里聽到的一些東西，其中也包括Claude的觀點。

很多讀者都回應(yīng)并放大了我的擔(dān)憂。

和我一樣，他們看不出未來哪里會出現(xiàn)足夠多的工作崗位，去替代AI將接管的所有“思考型”工作，以及將來由AI控制的機(jī)器所執(zhí)行的所有“動手型”工作。

我兒媳的一位朋友負(fù)責(zé)一家電商公司的廣告文案部門。

她告訴我，AI可以替代她團(tuán)隊里80%的員工。

我無法想象，軟件公司未來還需要像過去那樣多的人，去“指揮 Claude寫軟件”，而過去這么多年，一直是這些人在寫軟件。

駕駛是美國最大的職業(yè)之一：出租車、禮賓車、公交車和卡車。

Waymo這種無人駕駛汽車在舊金山已經(jīng)承擔(dān)了大約五分之一的出租車行程，我在洛杉磯也經(jīng)常看到它們。

等那些需要駕駛的車輛真正變成無人駕駛，原本靠開車謀生的人去哪里找工作？

也許最“權(quán)威”的補(bǔ)充，是Claude對未來的判斷：

一個工具如果能讓你的分析師效率提高20%，它的價值大概也就是那個分析師薪酬的 20%，因為你仍然需要這個分析師。

但一個工具如果能在某一類明確的任務(wù)上，從頭到尾完成分析師的全部工作呢？

那它的價值就等于這位分析師在這些任務(wù)上的全部薪酬。

把這一點擴(kuò)展到所有做結(jié)構(gòu)化分析工作的知識勞動者身上——

法律助理、金融分析師、管理咨詢顧問、軟件工程師、合規(guī)人員、理賠員——

你談?wù)摰木褪且粋€每年數(shù)萬億美元規(guī)模勞動力市場中的相當(dāng)大的一部分。

這也為你12月寫下的一段話提供了背景：

我認(rèn)為你的方向判斷很正確，但對規(guī)模的估計偏保守。

你把AI描述為一種“節(jié)省勞動力”的裝置，這是對的。

但節(jié)省勞動力的裝置存在一個譜系。

一匹跑得更快的馬也是節(jié)省勞動力的裝置；

而汽車則是一種“替代勞動力”的技術(shù)，它會重構(gòu)整個經(jīng)濟(jì)。

第一層與第二層的AI是更快的馬，它們讓現(xiàn)有工作者更高效；

第三層的代理則是汽車，它們不是讓工作更快，而是直接把工作做了。

……以軟件為例，如果Claude Code僅僅能承擔(dān)其中30%到50%的結(jié)構(gòu)化、模式化工作——

而這已經(jīng)是對短期能力相當(dāng)保守的估計，那么每年就會有1500億到2500億美元的勞動力價值遷移到AI算力上。

前文提到的AI采用速度，會讓它對社會的負(fù)面影響進(jìn)一步加劇。

AI可能會快速讓大量人失去工作，而社會卻需要多年才能為他們找到新的崗位，并完成再培訓(xùn)。

很難想象AI帶來的變化速度不會遠(yuǎn)遠(yuǎn)超過社會的適應(yīng)能力。

想想當(dāng)年制造業(yè)外包對美國和其他發(fā)達(dá)國家制造業(yè)崗位造成的沖擊；

AI 影響的崗位會更多，速度會更快。

對我來說，我們不僅無法完全理解AI的能力，以及它會為我們做什么（或?qū)ξ覀冏鍪裁矗乃伎寂c行動速度還比我們快得多。

這就引出了樂觀派。

我和一些人聊過——多數(shù)來自科技行業(yè)，他們在這個問題上相對淡定。

他們說，每一次技術(shù)創(chuàng)新，從兩百年前的農(nóng)業(yè)機(jī)械化、一百年前工業(yè)革命把工廠崗位交給機(jī)器、到二十五年前把研究工作交給互聯(lián)網(wǎng)，都曾被預(yù)言會導(dǎo)致大規(guī)模失業(yè)。

但每一次，新工作都會出現(xiàn)，就業(yè)并沒有中斷，這一次也會如此。

第一，我承認(rèn)，從歷史出發(fā)做這樣的外推并非沒有道理。

第二，世界上也不存在“證明某件事不會發(fā)生”的方法。

第三，我既沒有足夠的未來學(xué)想象力去設(shè)想新工作會是什么，也沒有足夠的樂觀去確信它們一定會出現(xiàn)。

當(dāng)然，這并不意味著它們不會出現(xiàn)。

同一批樂觀派往往還會急著補(bǔ)充一個“好消息”：

未來人們將不必工作。

但我實在無法想象，這會對社會是好事。

最近有位朋友寫信給我，說他寧愿做個樂觀者而最終證明自己錯了，也不愿做個悲觀者但最后證明自己是對的。我也是。

我真希望我這些擔(dān)憂最后都只是杞人憂天。

目前我能補(bǔ)充的就是這些。按現(xiàn)在這個變化速度，我可能很快又會有新的內(nèi)容可寫。

· END ·

合 作 對 接

掃碼添加投資人說運營者微信，備注「商務(wù)合作」詳細(xì)溝通。

超 級 社 群

【投資人說】正在組建超級創(chuàng)業(yè)者社群、超級讀者群、超級媒體群等，目前總?cè)藬?shù)已超1000人。

關(guān)注【投資人說】微信公眾號，發(fā)送信息「進(jìn)群」，與各行業(yè)精英直接交流，共同進(jìn)步。

旗 下 媒 體