高盛泼冷水那天，AI 圈真正该警惕的不是泡沫

当高盛质疑“生成式 AI 是否被高估”时，很多人只看到了唱空。但这期《AI Daily Brief》做了一件更重要的事：把质疑一条条拆开，告诉你为什么 AI 远没到泡沫破裂的时刻，以及真正值得担心的点到底是什么。

高盛说 AI 像泡沫，但问题真的在这里吗？

这期视频一开始就很“挑衅”：Goldman Sachs 被外界解读为在给生成式 AI 泼冷水，质疑它是否具备足够的长期价值。表面看，这是一次典型的“华尔街 vs 硅谷”叙事，但主持人直接点破：高盛提出的问题并不蠢，只是被严重简化了。

核心质疑只有一句话——“用历史数据训练出来的模型，真的能复制人类最有价值的能力吗？”如果你只刷标题，很容易得出结论：AI 天花板已现。但视频真正要做的，是把这个问题拆解成几个维度：基础设施 ROI、企业侧 ROI、实际效用，以及长期成本（尤其是能源）。一旦拆开，你会发现：这不是‘是不是泡沫’，而是‘我们到底在用什么标准评估 AI’。

算不过账？AI 基础设施 ROI 的误读

高盛的第一枪，打在“钱”上：算力、芯片、数据中心，这一轮 AI 投入到底值不值？

视频里的反击非常关键——如果你用“传统 IT 投资回报周期”去衡量 AI 基础设施，那结论几乎必然是悲观的。但问题在于，AI 更像电力和互联网，而不是一套 ERP 系统。基础设施建设往往先于明确的商业模式出现。

更重要的是，这轮讨论经常忽略一个事实：AI 的边际成本下降速度极快。模型训练昂贵，但一旦部署，单位智能的成本在持续下探。如果只盯着当前账面 ROI，很容易错过真正的长期价值。

真正被低估的，是企业侧 ROI 和‘可用性’

比基础设施更有意思的，是企业侧 ROI。视频里明确区分了两件事：‘AI 能不能用’和‘AI 有没有被好好用’。

以编码助手为例，外界经常把它们描述成“作弊工具”，但现实是，它们是极强的生产力放大器。不是替代工程师，而是把工程师从重复劳动中解放出来。这个价值，很难用传统 KPI 立刻量化，但用过的人都知道回不去了。

这里有一句很值得记住的潜台词：如果你在公司里觉得 AI 没什么用，问题可能不在模型，而在流程、权限和组织结构。AI 的 ROI，往往不是模型给的，而是管理层是否愿意为它重构工作方式。

能源、舆论与 5 秒钟的真相

第三层质疑贯穿始终：就算 AI 有用，它会不会在能源和社会成本上失控？视频没有否认这个问题的严肃性，而是强调——你可以同时相信 AI 很有用，也对它的能耗保持警惕，这两者并不冲突。

而最讽刺的一幕，出现在结尾：在讨论媒体如何‘平衡报道’AI 风险时，主持人直接展示了一份用 AI 5 秒生成的演示文稿。不是炫技，而是提醒你——现实中的 AI 应用，已经远远走在舆论框架前面。

当头条还在纠结‘是不是泡沫’，真正的变化，已经在悄无声息地发生。

总结

这期视频给 AI 从业者最大的启发，不是“站队多头或空头”，而是学会拆问题。AI 不是一个单一产品，而是一整套正在演化的基础能力。短期 ROI 看不清，不代表长期价值不存在。

如果你在这个行业里，真正该问的是：我所在的位置，是否已经开始享受 AI 带来的非线性收益？如果没有，是技术不行，还是我们还在用旧世界的尺子，去量一个新世界的东西？

关键词： 生成式AI， AI泡沫， 代码生成， 企业ROI， AI基础设施

事实核查备注： 需要核查：高盛报告的原始发布时间与具体措辞；视频中对 Goldman Sachs 观点的引用是否为概述性转述；视频发布日期 2024-07-11 是否准确。