第二次AI泡沫是如何破裂的？本次会不一样吗？

关于AI泡沫这事，其实并不稀奇，因为人类历史上已经有过三次AI革命了，这是第四次。

我简单跟大家介绍一下。

1956年，达特茅斯会议正式提出“人工智能”这一概念。当时的研究者非常乐观。有人预测，二十年内机器就能完成人类能够完成的大部分智力工作。

1965年赫伯特·西蒙说20年内机器能完成人类能做到的一切工作；

1970年马文·明斯基说3-9年就能出现人类平均智能的机器。

80年代的明星技术叫做“专家系统”。就是把专家的经验和知识写进计算机。让系统像专家一样做判断。

大量企业开始投入巨资建设专家系统。很多人相信：既然专家的经验可以被编码，那么未来专家也许会被系统取代。

但规则越来越多，维护成本越来越高。系统一旦脱离预设场景，就很容易失效。

最终，大量项目失败，企业停止投入。

2010年前后，深度学习取得重大突破。图像识别、语音识别等领域快速发展。

资本再次疯狂涌入AI赛道。其中最受关注的，就是自动驾驶。

当时很多企业和创业公司预测：几年之内，完全无人驾驶就会成为现实。

然而十几年过去了。自动驾驶虽然取得了巨大进步，但距离当年的宣传目标仍有明显差距。

大量创业公司倒闭、融资退潮、估值回落。

大家看，次次都是非常乐观的预测未来，但次次都打脸。

接下来，我跟大家讲讲第二次AI革命是怎么失败的。我个人觉得这跟本次的情况很像。

一、专家系统是什么？

第二次AI革命主要围绕“专家系统”这个东西打转。

所谓专家系统是指，一类模拟人类专家解决特定领域问题的智能计算机程序，其核心理念是“知识就是力量”。

它的工作原理是：专家系统=知识库+推理机。

知识库储存大量的专业知识、经验和规则。有点像专家的大脑记忆。

推理机则利用知识库和用户提供的信息进行逻辑推理和判断，模拟专家的决策过程。好比专家在思考。

本次AI革命的点火器是ChatGPT，第二次革命则是XCON专家系统！

它是卡内基梅隆大学为DEC公司开发的专家系统，专门为客户的计算机订单配置软硬件。该系统拥有约2500条规则，准确率高达95%-98%。

这个成功案例点燃了全球企业对专家系统的热情。

于是，很多领域都出现爆发式增长 。比如医学诊断、地质勘探、金融、工程和农业等。

二、为什么失败？

热情虽然点燃了，但最终还是失败了。

失败的原因有四个：

1.维护昂贵且困难。

更新知识库需要专门的知识工程师与领域专家密切合作，耗时耗力，成本极高。

2.知识获取遭遇瓶颈。

人类专家常常难以清晰、完整地总结出自己的知识和推理过程，导致系统知识库不完备。

3.稳定性差。

系统能力非常窄且僵化。一旦遇到知识库规则没有覆盖的情况，就会给出完全错误的结论，并造成严重损失。

这在工业领域非常致命。

即便是现在的AI技术在工业领域也很难广泛应用。即便是99.5%的准确率都不行！

因为工业流程很长，环节很多。99.5%的准确在长流程中，会降低到不到70%。

这在工业领域根本无法接受。

要知道，一旦出错，可是要亏很多钱的。

而且，AI的成本反而比人工贵很多！

换句话说，面对复杂多变的环境，AI的适应能力还差得远。

4.无法自主学习。

它不具备人类专家从经验中学习和适应新情况的能力。

基于以上的局限性，专家系统难以维持商业价值，最终市场崩溃。

随之而来的就是AI研究再度进入低潮。

包括这次AI革命，一旦泡沫破了，人们的热情照样会陷入低潮。

但技术进步还是会继续，只不过人们会更理性看待AI革命。

狂热期，资本通过讲故事夸大了AI的短期影响！

回看过去的AI革命和科技革命都是如此：夸大短期影响，忽视长期影响。

三、技术路径的打击

专家系统的失败，还有技术路径上的打击。

1987年，苹果和IBM的PC性能超越了昂贵的Lisp机器。

这就使得专门为AI打造的硬件市场在短时间内轰然倒塌 。

然后就是当时的AI巨头陨落！

曾是美国AI领军企业的“Thinking Machines 公司”，在1990年销售额仍有近6500万美元，但仅五年后（1993年）就宣布破产。

对那些大量的初创AI企业来说，则是大批量的倒闭，相关投资全都血本无归。

很多大企业也缩减或者完全取消了AI部门，后续的研发预算和市场投入也随之蒸发。

逗比的是，“AI”一词在很长一段时间内成为研究禁区，整个领域的学术和商业发展停滞了数年。

不过，跟这次科技公司资本开支相比 ，由于投入的金额没有这么夸张，所以整体损失不算特别大。

我们看看本次AI革命，谁能保证技术路径一定正确？

反正直到现在，也没有跑通商业模式。AI公司都还在巨亏中。

尤其是在C端的布局中，基本上就是纯烧钱。

前期，互联网公司担心AI会替代他们的流量入口，于是就想法设法接入Agent。

结果发现，接入Agent后，也没有改变流量市占率。

所以，反而直接证伪了AI替代流量入口的观点。

当下，无论是B端还是C端，都在探索阶段。谁知道什么东西能率先跑出商业模式呢？

很可能等结果跑出来的时候，会大吃一惊。

与专家系统一样，如果本次大模型投入产出比依然模糊，企业会像当年抛弃专家系统一样迅速收缩AI预算。

有意思的是，87年正好也发生了股灾！

发生股灾也跟Lisp机器市场的突然崩溃同步。是不是耐人寻味？

不过87年股灾还有程序化交易的推波助澜。

四、历史的押韵

科技革命最危险的时刻，不是技术被证明没用的时候 ，而是市场预期从“无所不能”转向“不过如此”的那个临界点。

一旦资本发现AI的边际收益递减，且杀手级应用迟迟未到，那么当前积聚的极高估值泡沫，就可能面临一次规模远超80年代的“价值重估”。

当下硬件的狂欢完全是建立在科技公司会维持资本开支增速的假设之上。

这是一个假设，并不代表他们一定能维持得住。

与当年的专家系统相似，数据中心建设的成本很高，非常烧钱。

烧钱还很难短时间获得与之相匹配的收入！

只要下游跑不通商业路径，上游的泡泡就化解不了。

大家可能会反驳，这次不一样。这次AI给我的工作提高了效率。可以整理会议纪要，可以生成图片和视频，可以提炼文章要点等等。

请仔细思考一下，这叫跑通商业路径吗？

以上这些应用，有很高的技术壁垒吗？能产生新需求吗？

五、泡沫是泡沫，科技是科技

作为投资者来说，一定要区分泡沫和科技本身。

无论有没有泡沫，科技都会不断向上发展。

泡沫则是对发展的预期进行了极度的夸大！

预期跑太快，现实没跟上，那就不知道会发生什么事了。

泡沫也有助于科技发展，因为有赚钱预期，人们才愿意参与！才愿意投资！

识别泡沫，谨慎与泡沫共舞是投资者需要注意的。

以我个人为例。

我在924之前半导体的仓位是25%，当时可没几个人看好它。反而被它折磨得死去活来。

今年开始，随着泡沫越来越大，就开始分批止盈！

我不指望一把卖在最高点，我也不猜泡沫什么时候会破。

即便最后清仓了，它还继续涨，我也不眼红。毕竟情绪驱动的时候，我没能力预测群众能疯狂到什么时候。

我现在还有小部分仓位的半导体，但全是盈利，亏光了都无所谓。我的本金和大部分盈利都已经落袋了。

我想说的是，如果有人在924之前鼓励你买科技，那是想帮你。只不过那个时候，你可能认为他在坑里。

但现在还在鼓吹你去买科技。你自己好好想想，对方有何居心？

当然，他也可能是为你好。因为他追进去就赚钱了，所以很想把赚钱的门路分享给你，让你一起 “赚钱”。

如果运气好，群众可以继续疯狂的话，确实还能赚钱！

事就是这么个事，每个周期都会发生，没什么大不了的。

喜欢我文章的朋友欢迎来我的同名公号：睿知睿见