帶來AI第三次寒冬的可能黑天鵝
人工智能（AI）的發展並非一帆風順。曆史上，經曆了兩次著名的“寒冬”期，即研究熱情和資金支持急劇衰退的階段。源於技術承諾與現實交付間的巨大鴻溝，導致投資者信心崩盤和行業低迷。隨著AI進入2026年，我們正處於一個從炒作轉向務實應用的過渡期。盡管當前行業勢頭強勁，全球AI投資預計在2026年超過5000億美元，研究論文和企業采用率持續增長，但曆史教訓提醒我們，意外的黑天鵝事件可能隨時打破這種平衡。基於經濟學家、行業報告和曆史模式，來看看可能引發第三次寒冬的五大潛在黑天鵝因素，旨在為投資者、從業者和政策製定者提供前瞻性洞見。
第一次AI寒冬（約1974–1980年）源於早期技術的局限性。感知機和符號推理係統曾被寄予厚望，但無法處理複雜問題，如異或（XOR）邏輯門的計算瓶頸。計算硬件昂貴、政府資金（如美國Mansfield修正案導致軍方投資縮減）和公眾期望過高加劇了失望。英國Lighthill報告進一步質疑AI的實用性，導致資金鏈斷裂。
第二次寒冬（約1987–1993年）源於專家係統的泡沫破滅。這些係統依賴昂貴硬件（如LISP機器），但知識獲取瓶頸和維護成本高企，無法實現規模化應用。日本“第五代計算機”項目等巨額投資失敗，引發全球連鎖反應，許多AI公司破產。炒作周期就此循環，高期望後是穀底失望。
這些寒冬的共同模式是，技術瓶頸 + 資金撤退 + 公眾/媒體反彈。Gartner的AI 炒作周期模型顯示，當前AI正處於“幻滅穀底”的邊緣，焦點從大型語言模型（LLM）轉向代理係統（agents）和實際ROI。如果黑天鵝事件打破這一平衡，第三次寒冬可能在2026–2027年爆發，導致行業凍結3–5年。
截至今天，AI行業依然春意盎然，還看不到進入寒冬的影子。相反，它正從2023–2025年的“生成式AI熱潮”轉向更務實的階段。根據McKinsey報告，全球AI采用率已達65%，焦點包括小型高效模型、世界模擬和企業級代理工具。投資雖放緩，但仍強勁：2025年基礎設施支出超4000億美元，主要用於數據中心和芯片（如NVIDIA H200係列）。
然而，隱憂已現。在Gartner的企業調研中，絕大多數AI項目仍停留在試點或流程輔助階段，尚未形成可量化、規模化的正向ROI。同時，低質量內容泛濫（“AI slop”），以及能源/計算資源壓力日益凸顯。投資業專家警告，當前估值已經有點類似於2000年dot-com泡沫，如果回報未達預期，資金可能會被迅速撤出。大家應該強化“5%幸存者”思維，解構係統脆弱性，避免敘事陷阱：無限膨脹的預期與受限的物理世界/商業閉環之間的迎頭相撞。
黑天鵝事件的本性是不可預測，發生概率低但破壞性強。基於曆史和當前動態，以下五大因素最可能引發第三次寒冬。這些誘因本質上源於“無限膨脹的預期”與“受限的物理世界”之間的碰撞。
投資回報崩盤與ROI大規模失望。 AI基礎設施投資已累計萬億美元，但多數企業尚未見效。如果2026年Q1–Q2財報顯示生產力提升未達預期（如全球GDP增長未超3.5%），投資者可能集體拋售。Goldman Sachs預測，AI股票（如NVIDIA、OpenAI相關）市值泡沫已達頂峰，高利率環境（美聯儲可能維持5%基準）將放大衝擊。曆史類比：1987年專家係統泡沫破滅，導致資金鏈斷裂。潛在影響：融資市場凍結，初創企業倒閉潮，研究資金銳減。緩解因素：如果代理工具（如Auto-GPT變體）快速證明ROI，行業可軟著陸。
能源與計算資源危機。 在部分地區和高密度算力節點，AI數據中心已成為主要的新增電力需求來源，其增長速度遠超傳統工業與居民負載，可能導致電網超載或電價暴漲。如果出現大規模blackout、政策限建數據中心，或全球芯片供應鏈中斷（如中美貿易戰影響台積電），訓練/推理成本將失控。Bloomberg報告顯示，2025年已出現局部電力短缺；如果延續，Google、Meta這些科技巨頭將削減對應的資本輸入。曆史類比：1970s計算硬件短缺加劇第一次寒冬。潛在影響：模型開發停滯，中小企業退出市場。緩解因素：核聚變或高效芯片（如量子輔助）突破，但短期發生的概率低。
重大AI事故或倫理災難。 一個高影響力事件，如AI代理引發金融閃崩（類似2025年小型市場波動放大版）、致命自動駕駛事故、深度假視頻導致全球政治危機，或AI誘發大規模網絡攻擊/失業浪潮，可能引發公眾恐慌和監管風暴。歐盟AI Act已嚴格監管高風險應用。如果2026年發生“ChatGPT級”事故，美國可能跟進禁令。曆史類比：1980s專家係統倫理爭議加速資金撤退。潛在影響：媒體放大導致信任崩塌，政府/企業暫停投資。緩解因素：行業自規（如OpenAI安全協議）可緩衝，但黑天鵝的本質是意外。
技術瓶頸暴露與模型崩潰。 如果前沿模型在2026年遭遇“高原”（scaling laws失效，如OpenAI報告中提到的數據汙染），或中國開源模型（如DeepSeek係列）大幅領先導致西方公司競爭力崩潰，投資者信心將動搖。MIT研究顯示，scaling已接近極限（大模型的同質化）；合成數據循環可能導致模型退化。曆史類比：1970s感知機瓶頸。潛在影響：估值暴跌，研究轉向其他領域（如生物計算）。緩解因素：多模態/代理創新可能延續熱潮。
宏觀經濟或地緣政治衝擊。 利率意外上升、通脹重燃、經濟衰退，或中美衝突升級（如台灣問題影響芯片供應），可能放大AI脆弱性。IMF預測，2026年全球增長放緩至2.8%。曆史類比：1980s經濟衰退加速第二次寒冬。潛在影響：資金從高風險AI轉向穩定資產。緩解因素：AI作為生產力工具，可能在衰退中逆勢增長。
這些黑天鵝並非必然。當前AI正受益於曆史教訓，更注重務實ROI和風險管理。幻滅並非均勻發生，而更可能集中於通用平台層與過度敘事的agent概念。2026年可能成為“現實檢驗年”而非崩潰起點。投資者應采用“5%幸存者”思維：聚焦可持續應用（如醫療/氣候AI），分散風險，避免敘事陷阱，無限膨脹的預期與受限的物理世界/商業閉環之間的迎頭相撞。研究者可探索scaling之外的範式（如神經形態計算）。政府需平衡監管與創新，避免過度幹預。
最終，AI第三次寒冬的是否到來，取決於是否能橋接期望與現實。如果黑天鵝降臨，它將重塑行業；但正如前兩次寒冬後AI以新形式複興，這次也可能催生更成熟的生態。關鍵在於：警惕那些“無限膨脹的預期”，在物理世界中尋找真正的錨點。本文所指的寒冬，更可能體現為資本與敘事的降溫，而非技術能力的停滯。
更多我的博客文章>>>
