当华尔街唱衰AI：No Priors对“AI见顶论”的反击

在这一期No Priors播客中，主持人围绕高盛一份唱衰AI的报告展开激烈讨论，从模型规模、Transformer突破到市场竞争结构，逐条拆解“AI不值这么多钱”的核心假设。这不仅是一次技术辩论，更是一场关于产业变革如何真正发生的现实对照。

为什么这份高盛AI报告激怒了硅谷？

这一期播客的起点，是一份在投资圈广泛流传的高盛报告。报告的核心判断可以概括为一句话：AI可能已经“见顶”。报告引用MIT教授Daron Acemoglu的观点，认为AI最多只能影响不到5%的工作任务，而全球在模型训练上的万亿美元级资本开支，很可能是一种浪费。另一位受访者、高盛全球股票研究主管Jim Covello则从商业角度补刀：AI从一开始就是昂贵技术，和早期“便宜又颠覆”的互联网不同；即便AI带来效率提升，也会在竞争中被迅速“卷平”，企业难以获得长期超额收益。

播客主持人几乎是带着情绪回应这些判断。他直言自己“要站上肥皂箱说几句”，因为这些结论在他看来并非保守，而是建立在对当下AI技术形态的误解之上。这种分歧并不只是乐观与悲观的差别，而是对AI到底是什么、能做什么的根本认知冲突。

把大模型当成旧时代机器学习，是最大的误判

在拆解Acemoglu观点时，主持人语气变得更直接：这是“在谈论自己并不理解的东西”。对方质疑“规模是否真的有用”“更多数据是否能让客服变得更好”，而在播客看来，这恰恰忽视了过去几年已经反复验证的事实——规模、数据和算力，确实持续提升了模型能力。

关键分水岭在于Transformer。Transformer是一类以注意力机制为核心的神经网络架构，是当代大语言模型的基础。主持人认为，许多批评者仍停留在“老派AI”或传统机器学习的世界观里，把AI理解为“清洗数据+做回归”。但现实中的生成式模型，已经展现出跨任务、跨领域的通用能力，这不是简单的数据堆叠，而是架构突破带来的质变。

他们还用医疗行业常见的说法举例反驳：“数据是新的石油”。播客中直言：“数据不是新的石油。”未标注、无结构的数据价值有限，真正决定上限的是模型、应用方式，以及是否能把能力嵌入真实工作流。这种对技术机制的误解，直接导致了对AI潜力的系统性低估。

效率会被竞争吃掉？互联网已经给过答案

Jim Covello的另一个核心论点是：即便AI提升效率，这些收益也会在市场竞争中被迅速消化，最终没有赢家。播客认为，这是一个“看似理性、但被历史反复证伪”的假设。

主持人给出了一个非常直观的类比：如果因为“人人都能用互联网”，就断言互联网不会带来经济回报，那就无法解释为什么会出现Amazon，而不是Borders。“你想成为Amazon，而不是Borders。”关键不在于技术是否普及，而在于企业是否用它重构了成本结构和组织方式。

在他们看来，把AI优势假设为“标准化、均匀分布”，本身就是错误前提。正如互联网时代一样，真正的分化来自执行力、组织变革速度，以及是否敢于用新技术重做核心流程，而不是在旧模式上贴一层AI标签。

AI正在打开“原本不存在”的市场空间

当话题从“反驳唱衰”转向“真正令人兴奋的地方”，播客的气氛明显轻快起来。主持人指出，AI当前最有意思的地方，不是替代已知需求，而是在意想不到的方向上创造新市场。

驱动力主要有三个。第一是能力本身的扩展：语言、图像、视频生成之外，生物学和机器人等领域也在同步推进。第二是应用层的变化，许多过去“理论上可自动化、但实践中成本太高”的流程，现在第一次变得可行。第三则是市场牵引（market pull）：客户已经明确知道自己想要什么，而AI正好能解决。

他们特别提到“incubation（孵化）+并购”的模式：通过直接收购或深度介入传统服务型公司，跳过漫长的变革管理过程，用AI快速重构运营。这种方式风险不小，对运营能力要求极高，但在当下技术窗口期，机会也前所未有。

真正稀缺的，是同时懂技术和行业的人

在讨论为何“现在是个特殊时刻”时，播客点出了一个关键结构性矛盾：懂AI的人，往往不懂行业；懂行业的人，又不理解AI。这种错位，使得大量明显的机会迟迟没有被吃掉。

主持人分享，他们刚完成了一个医疗相关项目，正是基于这种互补逻辑展开。不是单纯做模型，而是把新一代生成式AI能力，嵌入到高度专业、长期低效的行业流程中。

延伸到团队建设，他们认为AI公司可以根据市场拉力选择“速度”，而未来会出现一批“并非一开始就是AI公司”的组织，但最终在结构上被AI彻底重塑。这种变化，正在悄然发生。

总结

这一期No Priors并没有给出简单的投资结论，而是提供了一套理解AI浪潮的思维框架：不要用旧技术范式评估新能力，不要用“平均化竞争”否定结构性赢家，更不要低估技术突破与组织变革叠加时的爆发力。对读者而言，真正的问题或许不是“AI会不会失败”，而是自己是否正在用过时的地图，试图理解一片正在生成的新大陆。

关键词： 生成式AI， Transformer， 模型训练， AI应用， No Priors

事实核查备注： 视频讨论对象为高盛（Goldman Sachs）AI报告；引用人物包括MIT教授Daron Acemoglu、高盛研究主管Jim Covello；技术名词包括Transformer、生成式AI；公司案例包括Amazon、Borders、Scale AI；未涉及具体财务数字，仅提及“万亿美元级资本开支”的宏观表述。