市場上似乎唯一的重要討論，就是人工智能究竟是在泡沫之中，還是正處於一場革命性階段的早期。
這裏有一種截然悲觀的觀點，來自獨立研究機構MacroStrategy Partnership。這個機構為220家機構客戶提供谘詢。在分析師朱利安·加蘭等人撰寫的一份報告中提出了這種看法。加蘭曾經領導過瑞銀的大宗商品策略團隊。
先來看最驚人的論斷——人工智能不僅是在泡沫之中，而且這個泡沫的規模是互聯網泡沫的17倍，甚至是2008年全球房地產泡沫的4倍。
要得出這個數字，就必須追溯到19世紀瑞典經濟學家克努特·維克塞爾。維克塞爾的洞見是，當企業平均借款者的債務成本高於名義GDP增長兩個百分點時，資本才能得到有效配置。
Screenshot在美聯儲長達十年的量化寬鬆把公司債利差壓得很低之後，到了現在，企業借貸成本終於再次高於名義GDP增長率兩個百分點，這個條件才重新成立。
需要明確的是，這不隻是人工智能支出，還包括住房和辦公地產、NFT以及風險投資。於是得出了這張“資源錯配”的圖表——變量很多，但可以理解為由人為壓低利率所推動的GDP中錯配的部分。
他還直接批評了大型語言模型本身。例如，他引用一項研究，顯示某軟件公司在不同任務上的完成率從1.5%到34%不等；即便在完成率達到34%的任務中，這一水平也無法穩定維持。
另一張圖表則來自Apollo經濟學家托斯滕·斯洛克，基於美國商務部的數據，顯示大型企業對人工智能的采用率已經開始下滑。
Screenshot他還展示了一些自己的現實測試，比如讓圖像生成器繪製一個白方即將獲勝前一步的棋盤，結果根本沒能做到。
他認為，大型語言模型已經到達擴展的極限。他說：“我們並不確切知道LLM何時會遭遇嚴重的收益遞減，因為我們沒有衡量語言統計複雜性的指標。要判斷是否遇到瓶頸，就得觀察LLM開發者。如果他們推出一個模型，成本是上一個的10倍，算力需求高出20倍，但效果卻沒有顯著提升，那就說明遇到了瓶頸。”
他說，這已經發生了：ChatGPT-3成本5,000萬美元，ChatGPT-4成本5億美元，而ChatGPT-5成本高達50億美元，不但推遲發布，而且推出後效果甚至並不明顯好於前一代。同時，競爭對手也很容易追趕上來。
他總結道：“你無法用它創造出真正有商業價值的應用，要麽太通用（比如遊戲），沒人買；要麽是重複的公共領域內容（作業類）；要麽受版權限製。廣告也很難有效投放。LLM每一代訓練的成本呈指數級上升，但準確率的提升卻快速遞減。模型沒有護城河，因此幾乎沒有定價權。而使用LLM最多的人，實際上是在消耗算力，這些算力的成本遠高於他們支付的訂閱費。”
他的結論非常嚴厲：不僅是本已停滯的經濟，會隨著數據中心和財富效應的見頂而陷入衰退，而且這種情況還會逆轉，就像2001年互聯網泡沫破滅時那樣。
他說：“危險不僅在於我們會陷入投資時鍾上的第四階段通縮性崩潰，還在於這會讓美聯儲和特朗普政府難以刺激經濟複蘇。這意味著會出現更漫長的再通脹過程，有點類似於20世紀90年代初儲貸危機後的情形，而且特朗普政府可能還會采取特別措施，比如通過推動美元貶值來試圖把就業崗位遷回美國。”
這家機構的投資建議是：增持資源類和新興市場，尤其是印度和越南；減持人工智能和平台類公司。
同時，他們建議做多黃金股票（GDX）、做多短期美國國債、做多波動率指數（VIX），以及做多日元兌除美元以外的大多數貨幣。
