原文：The AI Hater’s Manifesto 原作者：Ed Zitron · Where’s Your Ed At · 2026-08-25 中文翻译；版权归原作者所有。
在过去的将近三年里，我一直在撰写关于 AI 的文章。我承认自己起步算晚的，主要是因为当时我还在努力搞清楚自己的人生到底要干什么，更不用说在一家起初只是副业爱好的通讯刊物里“应该报道些什么”了——而那份主业我现在其实也不怎么做了。
从那时起，情况发生了翻天覆地的变化：我的订阅人数接近 11.5 万，付费通讯与播客成了我的本职事业，我不得不去深入了解经济学、技术、权力、建筑工程，以及驱动现代科技行业的极度犬儒主义，其程度远超我以往的想象。这是世界上最棒的工作，能拥有它我感到非常幸运。
今天，我想明确谈谈我对整个 AI 领域的看法，以及这个行业已经变得多么令人厌恶。
欢迎来到我的《憎恶者宣言》。
现代软件糟透了，LLM 很有趣，但其成本不可理喻
想要一个大家为什么都对技术深恶痛绝的绝佳例子吗？我刚才试图调整上面那个标题的字号，结果 Google Docs 毫无缘由地决定把下面一整段文字都变成标题大小。现代软件从本质上就是坏掉的，是由各种不同菜单、技术债务和糟糕的设计选择纠缠在一起的混乱烂摊子，这一切都是受到 腐败经济（Rot Economy） 不惜一切代价追求增长的思维模式驱动的——这种思维要求 无时无刻不在持续变动 ，然而这些变动似乎从未转化为更“好”或更“聪明”的产品。
我认为绝大多数人都希望自己的软件能更好用。而 AI 最令人沮丧的谎言之一，就是它一方面标榜自己是“自主”的，另一方面却延续了软件将无法满足需求归咎于用户的压抑趋势。微软（Microsoft）、谷歌（Google）、Meta 和亚马逊（Amazon）让它们的产品变得越来越繁琐复杂，然后又在上面附加了一个所谓具有魔力的工具，结果反倒让这些产品变得 更加 复杂。
你知道我想要什么吗？我希望 Google Docs 里的拼写检查能正常工作，而不是在下面画一条红色波浪线，然后说“对，这里可能有点问题，但我不知道是啥”。我希望 Microsoft Word 不要因为我的尾注太多就崩溃。我希望 Riverside 不要让我点过 10 个不同的菜单才能找到一个能发给别人加入我播客的链接。我希望我的邮箱里没有塞满垃圾邮件。我希望东西能“开箱即用、正常运转”，而不是让我不断去应付某种坏掉的应用、坏掉的交互元素、诡异的漏洞，或是针对我根本不想要的功能的侵入式弹窗。我希望 Slack 或 Discord 不要让人感觉像是充斥着各种通知的数字版埃舍尔画作。
大语言模型（LLM）被宣传为一种可以解决“任何事情”的神奇工具，却从未明确具体能解决什么，这主要是因为它们根本不可信赖——即便是在它们 大体上能做对 的事情上，也无法保证每次都能做对。尽管它们能做的比以前“更多”，但这种“更多”也伴随着风险：赋予一个毫无心智的软件工具访问你电脑文件的权限，而它可能会 出于“效率”考虑将其删除 以追求所谓的高效 ，这使得探索它们 可能具备什么能力 这件事本身既繁琐又危险。
对我作品的一种批评是说我从没用过 LLM。我用过！我会时不时拿它们做实验，以确保自己没有漏掉什么。前几天我用它来排查我儿子《我的世界》（Minecraft）附加组件的一个故障，足足折腾了 30 分钟去尝试各种方法，最后才勉强搞定。另一天我用它安装一个宝可梦的 Minecraft 模组，当我让它确保 PS5 手柄能在菜单里正常使用时，它把一堆东西都搞坏了，不过我承认，它 安装了 某个东西而且 勉强能用 ，这确实算得上 有用 。
这一段有趣的地方在于，有些人会认为这是这项技术的巨大胜利，即便结果显然平庸至极。AI 泡沫已经吹了四年，你们拿得出来的最好成果，居然是我在 多次敲打它脑袋 之后，某个工具 勉强能用了 ——而这所有的代价是超过一万亿美元的资本支出和数百亿美元的训练算力。对于这种会随机删除和添加代码行的东西，我绝不可能在任何关键任务上信任它；我无法信任用它构建的软件，更绝对无法在涉及我个人数据的任何事情上信任它。
话虽如此，我在生活中发现的 AI 唯一真正的“用例”，也就是有三四次我把崩溃日志扔进某个工具里问“为什么报错”，然后得到了一个解答。难道我应该为此惊叹不已吗？
附注： 如果你的论点是“想象一下它一年后能做什么吧！”，我刚刚想象了一下，答案是：“我猜还是那些东西吧？”
这就是我对 LLM 的看法：抛开现实环境单看，它们是一项有趣的技术，在合适的场景下能做一些有趣的事情，但绝不能到让你把实际工作成果完全拱手相让的地步。
作为一种在技术和认知上都可控的前提下加速微小工作单元的方式，LLM 确实有用。然而，一旦你离对输出结果的目标拥有完全清晰的把控与主导权越来越远，你就越有可能沦落为一项在数学上注定会犯错的技术的受害者；如果你读到这里感到心虚，说明你在某种程度上为你使用了 AI 而感到难堪。
我不会到处逢人就讲我用的是 什么奇怪的键盘 ，也不会因为这个键盘让我打字快得不可思议——很可能远快于我的竞争对手，让我能以极高的速度运转——就去对别人评头论足。谁在乎呢？
无论如何，脱离现实环境去看待 LLM 是不可能的，因为它们的存在需要数千亿美元的支撑。每一个数据中心都造价不菲，听起来和看起来都令人反感，它们的存在明确无误就是为了让资产管理公司里那些穿着巴塔哥尼亚（Patagonia）马甲的吸血鬼们大发横财，而这一切全打着“投资美国基础设施”的幌子出售，天知道 那 到底算个什么鬼东西。它们的存在是对“不惜一切代价追求增长”的资本主义最恶劣放纵的纪念碑——一种表面上迎合用户，但最终却诱导用户在“有朝一日会变得完美”的虚无借口下无休止地为它的种种低级错误辩护的技术；不过，要是你敢把 完美 当成目标，那你可就倒大霉了，因为他们会说那太不讲理了，毕竟 人类 也会犯错。
其实，这说得倒挺好！
除非你准备要求向社会服务和劳工权益投资数万亿美元，否则别把 LLM 和人类相提并论
请指出，历史上什么时候我们曾投入过他妈的一万亿美元来让人类劳动者变得更好？
请指出，什么时候我们曾考虑过除投资于现代“企业文化”这场作秀式狂欢之外的任何想法？这种文化建立的目的就是为了让那些自命不凡的商业蠢才中饱私囊、大权在握，让他们能搞出一堆听起来很重要的项目，并骗其他人去干实际的工作。
美国企业界里的导师制度去哪儿了？劳动标准去哪儿了？那些能让人类劳动者在工作中真正脱颖而出的社会服务去哪儿了——良好的睡眠、健康的身体、体面的收入、职场中该有的基本尊严，以及让他们的劳动受到尊重和赋能？我的年纪足以记得每个人都在指责劳动者“静悄悄离职（quiet quitting）”——我指的是“只做被要求做的工作，不再免费承担额外责任”。我读了一篇又一篇文章，坚称我们不需要全民医保，坚称全民基本收入是个坏主意，坚称我们必须对福利设立经济状况审查，坚称人们必须拥有“良好的职业道德”，坚称一个人的价值最终来自于他对经济的贡献；成千上万的文字被用来批评、挑剔和审判除尊贵的首席执行官或辉煌的创业新贵之外的每一类劳动者。
每个人似乎都痴迷于将数百亿美元砸向“机器学习理论上有机会取代人类”的虚妄假设中，痴迷于砸更多钱能让它变得“更聪明”、更“擅长”处理任务，但工会化、将医疗视为基本权利、投资于劳动者的教育和实际才能的想法，却被视为 共产主义 。
然而出于某种原因——我猜是因为它是一个产品？——我们作为一个国家、社会和媒体生态系统，却应该竭尽全力确保将尽可能多的资金砸进 该死的大语言模型中，以便它们能成为它们根本不是的东西。
通用人工智能（AGI）不会到来。拥有意识的计算机根本不存在。LLM 确实变“好”了，但这种“好”并不是那种能让“涉足其中的每一个人在经济账上真正合算”的“好”。你最好的预期，也就是这些东西可以在受控、安全的方式下为你分担一部分编程工作；否则，你就要面临在编程以外被抓到使用 LLM 时基本上任何人都会遭遇的职业声誉损害，即便在软件工程内部，那些过度依赖 LLM 的人也同样饱受嘲弄。无论是对使用它们的人还是开发它们的人来说，要搞清楚到底是什么让 LLM 变得“更好”也正变得越来越困难，而且在对其他行业产生实质性影响方面，几乎没有取得任何进展。
你可以尽情就基准测试、案例研究或是在 Reddit 子版块上听来的逸闻吹嘘自嗨，但 AI 产品在 处理具体事务 上就是不太行。那些吹嘘通过 AI 获得“巨大生产力提升”的人，只有在经过无休止的技术折腾（或者我稍后会讲到的“贾维斯化（Jarvising）”）之后才有所收获，而且在每一个案例中，他们的成果读起来或看起来都像垃圾——除非他们属于 把 LLM 当工具用，而不是用它替代自己可悲大脑的人。
LLM 确实 可以在许多细微琐事上提供帮助，但一旦试图去做真正的事就会变糟，而且它们根本不需要像人类那样说话。它们根本不需要被应用到医疗、金融、心理健康或任何与人密切相关的领域附近。对这些技术的拟人化和过度许诺，在无休止追求增长的过程中窒息并掩盖了它们实际能做的事情；而它们之所以能做点什么，唯一的理由就是 OpenAI 和 Anthropic 被允许在模型训练上烧掉数千亿美元，并由此带来了极其现实的危害和系统性风险。
附注： “人类也会犯错”这种论点本身就极其愚蠢——毕竟人类能在工作中快速学习，并且能以 LLM 根本做不到的方式自我纠错。
我还要补充的是，人们对 LLM 犯错“频率”的定性也是完全错误的。一个人可能会犯 错误 ，但大体上能掌握正确的事实和技能，同时能在深刻理解目标的基础上随着时间推移不断改进方法。而 LLM 面对一份文例文档、查看文件和数据时，每次都是根据 训练数据 而不是 实际经验 来生成它自认为正确的行动路径。
我甚至不知道自己为什么还要解释这些，因为提出这种论点的人根本就不是在带着诚意进行对话，他们纯粹只是在找一只新的靴子去舔罢了。
如果你认为这一切值得投入数千亿或数万亿美元，你不是无知就是腐败。除了它们输出的内容让人恶心之外，分摊这笔成本至少需要十年时间，并且它将开启科技行业超速增长时代的终结。
如果不给予人类同等程度的包容、体谅和 巨额投资 ，就拿人类去和 LLM 的产出做对比，这从根本上就是荒谬的论调。
对人类犯错的宽容去哪儿了？为了让人类变得卓越而进行的投资去哪儿了？将真金白银投资于真正的劳动者——改善他们的生活、改善他们的工作条件、传授他们新技能、磨砺他们现有的才能、奖励他们的辛勤付出等等——肯定会比把数千亿美元像投快速球一样砸进一台只会模仿工作的机器里产生更好的效果吧？
除非，那些提出这种要求的人自己从来不干任何实际的工作！
LLM 诞生的目的，就是帮助骗子和低能儿去假装工作
我承认，我们已经过了那个“没人用这些东西”的阶段，因为它们现在正被大规模地强加给每一位员工和每一个组织，而推手主要就是那些要求员工“多搞点 AI”的 商业蠢才 ，因为嘴上挂着“我在搞 AI”是向某一类人渣进行道德标榜的信号。
LLM 能做出的诸多危险事情之一，就是拙劣地模仿一个能干的人，填补失败者、蠢货或骗子身上那些原本会让他们露馅的细微缺陷，让他们通过制造专门迎合 MBA 群体的伪工作而越来越深地渗透进组织中；这种产物酷似对工作的 表演 ，因为现在的职场很大程度上正由那些不干活且多年没干过活的人统治着。一旦有人用了这玩意儿，你立刻就能读出来，因为那些文字读起来就是不对劲，根本无法传达恰当的含义。
AI 写出来的任何稍有深度的东西读起来都极其费劲，因为主题越复杂，作者就越需要技巧来传达其含义，就越需要付出努力将人们引入概念之中。AI 写作中奇怪的情绪起伏正是它的真正破绽所在——要么一切都显得 极度严肃而紧迫 ，要么充斥着事不关己的单调冷漠，对文字本身以及为什么要按这种顺序排列毫无情感维系。大家读我的文章，是因为我在传达事实与感受的同时，字里行间激荡着真实的情绪。一些 AI 吹捧者把这说成是我“纯粹在骂脏话”或“煽动情绪”，但这只是因为除了出于职业功利目的之外，他们压根就不习惯对事物真正倾注感情。
你所看到的一切，都是提拔那些唯增长是图、基于增长构建事物的人所导致的恶果。LLM 向那些不想构建任何有价值事物的人提供了如此多的许诺——一种让你看起来像是在“投资美国基础设施”的方式，一种宣泄排外情绪的方式，一种打压劳动者的方式，一种假装你关心未来的方式，一种假装你懂技术的方式，一种靠高谈阔论空洞的伪知识分子来让自己显得有学问的方式，一个能不断催生数百万或数十亿美元交易与人事变动的无尽源泉，一个可以寄生其上的新权力中心，一个完全基于情绪氛围投资的新资产类别，以及一种表达温和沙文主义的方式；这一切都被包裹在一个工具里，只要它能提供足够的事实让你假装无所不知就行，因为你知道大多数人都习惯于相信一个 听起来很聪明 的人。
你羞于让别人知道你用了 AI，因为你清楚将思考外包是可耻的
我刚刚想到——我对大多数人使用 LLM 的不满，本质在于区分将 工作 外包还是将 思考 外包。那些用 LLM 在彭博终端（Bloomberg Terminal）上写点小脚本或 BQL 代码的人无可厚非。一个人用 LLM 在一份大文档里搜索某些内容也毫无问题（假设我们终能解决其总体环境足迹）。一个用户用它整理桌面，只要行得通，那就不是事儿。
一个工具被当成工具来做工具该做的事——在许多情况下不过是让 LLM 写个 30 行的 Python 小脚本！——这完全没有问题，但这同样撑不起一个需要窃取全人类艺术和写作成果的万亿美元产业。
问题始于有人将自己的思考和实际工作外包出去，是的，这其中也包括“研究调研”。AI 做出的研究烂透了，AI 写的文章也是。AI 编写的代码——尤其是那些凭感觉瞎写的代码（vibe-coded programs）——本质上极度危险且对用户毫无尊重，我认为源源不断生成的 AI 代码正是导致整个软件行业全面退化的罪魁祸首。
AI 写作同样是对读者的不尊重，因为除了附和一句“呃，对，就按它说的办”之外，你根本没有得出任何自己的结论。你没有产生思想，没有产生感受，没有做出明确声明；你只是向模型输入了提示词，并自欺欺人地以为通过数据转储或自然语言把自己的话喂给它就是同一回事。
你之所以不好意思告诉别人你用了 AI，并不是因为什么“虚假信息宣传活动”，而是因为你心知肚明自己在干什么！
你知道自己依赖的是一个在数学上注定不稳定的东西。你知道生成的图像奇丑无比。你知道生成的文本垃圾透顶。使用 LLM 从“有用”滑向“懒惰”有着一条极其清晰醒目的界限：那就是当你因不理解底层运作逻辑而向它们让渡了关键责任的那一刻。
从一款应用的底层功能，到你所编辑的文本正文，一切最终都取决于你到底有多在乎你的受众，有多珍视自己的作品。如果你的工作做得不如 LLM，那是你能力不行。我不在乎你是否用它生成了图表或抓取了数据，前提是你必须 逐一核对该死的每一个数据 。如果你用 LLM 写完整篇文章然后仅仅润色修改，哪怕数据是你自己抓取的，我也绝不会对你的作品抱有多少尊重，主要是因为我根本不知道你到底在想什么——既然你觉得没必要亲自告诉我，而是找了个该死的文字生成器来代劳。
LLM 是数字化的忙碌玩具盒，极其擅长让你产生懂得计算机科学的智力优越感
LLM 还极其擅长罗宾·斯隆（Robin Sloan）所说的“贾维斯化（Jarvising）”——也就是打造一个看似自主的助手，而其主要作用就是不断给你提供折腾它的借口：
然而，个人贾维斯最常见的应用似乎就是……不断折腾自己的个人贾维斯。“必须把我的工具调得恰到好处”当然不是什么新鲜现象，但是注意到它在这里重演是很有启发性的。
LLM 极擅长营造一种你正在高效产出的幻觉。评估这个、生成那个、调研这个、总结那个、告诉我某件事发生了多少次、给我一个可以沉迷其中的新数据、或者把我有生以来做过的所有事情拼凑整合——这一切全都是为了让我 不必思考就能更了解自己的想法 。人们可以强迫症般地把自己生活中的每一个链接、想法、感悟、行动和数据点编目并数字化，并想当然地以为 LLM 可以通过 更了解他们 来让他们 变得更好 ——这是一座用 AI 算力堆砌的通天塔，因为只要把某个东西称为可以在其中 存储素材 并进行 分析 的 数据库 ，就能 轻而易举 地让你觉得自己聪明绝顶。
最妙的是，这项工作永远没有尽头，只要你向别人描述它，大家就会以为你在研究高深的 计算机科学 ，而实际上你只是在点 Chrome 插件上的按钮，并为每月给萨姆·奥尔特曼（Sam Altman）交 200 美元找借口。不过别担心，模型的提示词里包含了“你是一名天才数据科学家和冷酷无情的分析师”，如果你是一个根本不在乎做好工作、也不在乎追求卓越的人，这在功能上就等同于用你的大脑去记忆、阅读、重读和综合归纳信息了。
那些真正使用这些工具并以正常心态喜欢它们的人，读到这些文字时并不会感到被冒犯，因为他们把 LLM 视为一种普通的软件，不会对它产生强烈的情感依恋，毕竟他们不是什么怪胎。
他们不会偏执地卷入“AI 大辩论”，并且几乎总是对其中的金融炒作深恶痛绝。这场辩论使得人们几乎不可能准确评估 LLM 对软件工程行业到底有多大用处，因为整个行业被绑架的程度太深了；不过，尼克·苏雷什（Nik Suresh）是这方面表现最出色的人，正如他在《AI 正在摧毁全球决策体系》中所写的那样：
我们团队观察到的所有 AI 项目都以失败告终。无一例外——在一块半的时间里，不仅在我们受邀参与的项目中，甚至在我们从事完全无关工作时顺带观察到的项目中，我们看到的成功率为 0%。即便你承认 AI 工具有助于加速特定工作流，但当前投资的方式和规模也是毫无道理的。失败往往与 AI 本身无关，而是因为企业在有效运作软件项目方面极其无能；正如 我之前指出的那样 ，AI 项目除了要面对普通项目的所有失败模式外，你还可能把所有事情都做对了，最后却依然因为该方法的新颖性而失败。极少有公司在交付软件方面做得足够出色，以至于能够承受这种额外的风险特征。
尼克是一位受人尊敬的软件工程师，也是一位非常成功的顾问和商业人士。他之所以能达到这个高度，是因为他既精通软件工程，又懂得如何以尊重客户、员工以及工作成果本身的方式来运营公司。我之所以如此尊重他，除了他为人正直之外，还因为他能自豪地向人讲述他为客户带来的成功，并且热爱凭借过硬的业务能力赚钱并让客户满意。
我从未见过有哪个像尼克这样的人会同时是一个狂热崇拜 AI 的脑残粉。事实上，对 AI 最兴奋的那批人，往往充其量只能做出极其平庸的垃圾。
生成式 AI 是一场不惜一切代价追求增长的末日邪教
生成式 AI 的危害性，正是管理层无能与一项旨在实现无尽增长的技术相互交织的产物。生成式 AI 作为一种 概念 ，其用处远大于它作为一种 技术 的实际价值；它只需要展现出足够的 前景 ，就足以支持你正在推行的任何卑劣企图。
有了 AI，你可以做得更多、成为更多、卖出更多破烂。
有了 AI，你就可以在你的服务里加入 AI，管它到底意味着什么。
有了 AI，你就可以投资 AI 概念股、数据中心债券、电力公司股票或半导体股票，你可以像谈论你的球队、情人或挚友一样谈论这些股票；有时候首席执行官还会回复你的帖子，你就可以炫耀自己刚刚获得了“超额认知（alpha）”。
有了 AI，你就可以支持一场新运动，好让自己感觉身处某个群体之中。你可以学到各种新名字和技术术语，并订阅 90 份来自“行业内部人士”的通讯。所有那些所谓的“超额认知”几乎可以反驳任何事实，或者掩盖令人恼火的 真相 ——比如微软这个现代软件界的顶级掠食者，其一整年 仅创造了 343.3 亿美元的年度总营收 ，而为此付出的代价是超过 2600 亿美元的资本支出和 130 亿美元的股权投资。
你看，作为 天选之子 之一，只要你能把高带宽内存（HBM）、KV 缓存（KV Cache）或光纤电缆挂在嘴边，拼凑出足够多听起来很专业的术语，让自己看起来拥有 智识上的 理由去无视显而易见的无利可图、过度建设、对能力的夸大其词以及你所支持的这场运动在经济学上的不可行性，你根本就 不需要为这一切操心 ；在推特（Twitter）上，还有 4000 个怪胎随时准备和你一起抱团意淫。
只要加入这个庞大的 AI 末日邪教，你也可以活在泡沫之中，同时对那些敢于把现实摆在你面前的人破口大骂。唯一重要的就是 让数字涨上去 ，以及证明 你就是那个曾预言数字会上涨的人 ；当 糟糕的数据浮出水面 时，你拥有 足够的群体思维和所谓认知 去 围攻那些提出糟糕数据的人 。
网上人们谈论 AI 的方式简直令人匪夷所思。最近我常看到有人抱怨说“反 AI 人士把数据中心的数据搞错了”，而与此同时，我每周读到更多上千字的长文，都是某些人花了几个小时调研拼凑出的极度晦涩的技术报告，其唯一目的就是竭尽所能去 逃避现实 。我听播客、看电视节目、读文章，发现它们根本不愿正视显而易见的经济现实，而是筑起了巨大的神话壁垒来为自己辩护。我到底还要听多少次 有人说数据中心就像当年的互联网泡沫，之后一切都会好起来的 ——即便这种说法 只要你花一秒钟动脑子想一想就会发现完全站不住脚 ？
附注： 如果你是那些试图说“噢，你不喜欢数据中心？那网上银行你怎么看？”的白痴或蠢蛋之一，那我只想对你 说去你的吧 。用于 AI 的数据中心规模比用于社交媒体或流媒体的数据中心大 10 到 100 倍，能耗也高得多。例如， Meta 在俄勒冈州普赖恩维尔（Prineville）拥有的最大前 AI 时代数据中心之一，其电力容量为 30 兆瓦（MW） ，而 Digital Realty 位于伊利诺伊州瑟马克（Cermak）的 100 兆瓦数据中心服务于数百个不同行业和客户 ；然而过去一年我见到的最小的 AI 数据中心规划也是 100 兆瓦，大多数都在 300 兆瓦到 1.2 吉瓦（GW）之间。
相比之下，我们来看看一些银行的数据中心。瑞士银行（UBS） 在 2015 年买下了其先前在西伦敦海斯（Hayes）租用的一处数据中心 。代价是多少？总计 2800 万英镑的高昂金额，按当时的汇率折合 4280 万美元。该数据中心的 电力容量为 5 兆瓦，假设其电能利用效率（PUE）达到极其优秀的 1.3 ，意味着其关键 IT 负载约为 3.8 兆瓦。
瑞银是全球最大的银行之一，鉴于伦敦金融城在全球金融体系中的重要地位，合理推测该数据中心在运营层面对该公司至关重要。
即便银行投资建设庞大的设施，其规模依然远小于最小的 AI 数据中心。以 摩根大通（JPMorgan Chase）位于纽约州奥兰治敦（Orangetown）的数据中心为例，该中心建在罗克兰精神病学中心的旧址上 。它的电力 容量为 45.7 兆瓦，关键 IT 负载为 27.4 兆瓦 （其 PUE 为 1.666）。
摩根大通既是全美最大的银行，也是全球最大的银行。
哦，顺便说一句， AI 数据中心从本质上讲只能用于 AI，AI GPU 并不具备其他大众市场用例。这里根本不存在互联网泡沫之后那种转机。睁大你的眼睛看看吧，我都懒得再重复了！
听着，我很抱歉，Anthropic 根本不值 2 万亿美元，任何让你相信这一点的东西，不过是人工制造的赞同以及对权势阶层的盲目信任的结合体。你们当中居然有人把“年化运行率（annualized run rate）”当回事，这简直是对常识的践踏；是的，这包括每一个报道它的记者，哪怕是我尊重的记者也不例外。
同样荒谬的是居然有人在讨论“递归式自我改进”。AI 行业已经变得彻底懒惰和被溺爱，以至于他们直接说“呃，我猜 AI 会自己训练自己吧”。
天哪，那些警告可怕超智能即将降临的“AI 末日论者”居然在媒体上获得了如此惊人的关注度，却从未成功阻止过任何一件事——甚至从未证实过他们的担忧，这简直滑天下之大稽。
“危险的 AI”早已落入“坏人手中”——Anthropic、OpenAI 和 Meta
为什么？嗯，这主要是因为他们根本没有兴趣去阻止真正发生的事情：像 Anthropic、OpenAI 和 Meta 这样鲁莽的公司，允许神经网络在不安全的网络环境中运行并执行其软件被编排的任务，而这一切的混乱，源于一连串盲目的语言模型试图不择手段地完成任务，管它是好是坏、是否具有破坏性。
我们听到很多哀怨，说我们“绝不能让强大的 AI 落入坏人之手”；虽然以他们描述的标准来看我们并没有真正拥有“强大的 AI”，但我们拥有连接着近乎无限资源、具有破坏性的计算机软件，而这些软件正由一群除了追求营收增长或通过“实验”来证明数千亿美元资本支出的合理性之外、什么都不在乎的人所掌控。
这些公司打造这些模型是为了在基准测试中拔得头筹，因为它们无法通过训练让模型稳定可靠地完成明确的任务，对它们来说性价比最高的方式，就是训练模型尽可能多地刷过这些基准测试，寄希望于能碰运气撞出点有用的东西。
转向网络安全领域，似乎是因为通过训练模型精通编程已经遇到了收益递减的瓶颈——至少在给人留下深刻印象以重新唤起对公司的兴奋度方面是这样。在某个节点，这些噱头终将耗尽，人们将不再有任何理由对 LLM 感到兴奋，这很糟糕，因为他们每隔几个月就需要一个这样的故事，否则增长故事就彻底讲不下去了。
系统正在耗尽自身，因为生成式 AI 并没有创造多少实际价值
是的，LLM 确实有用户，但这些用户大多使用的是 被巨额补贴的软件 ——我的意思是，用户每花一美元购买软件，Anthropic 或 OpenAI 就允许他们烧掉价值 20 到 40 美元的 Token。
绝大多数人不会为 AI 的真实成本买单，而且你也算不出它的投资回报率
非企业用户仍然能够按月购买订阅，这一事实证明 AI 实验室心知肚明普通人不会为 AI 的实际成本买单。另一个明显的迹象是：当微软将 GitHub Copilot 订阅用户从 每月花 20 到 40 美元就能烧掉几千美元 Token 的补贴订阅中移出时 所引发的 强烈反弹 ——用户对 他们的成本在某些情况下激增了一百倍 感到歇斯底里，这是完全可以理解的，而不是说“哇，虽然贵了，但我获得了这么大的价值，我愿意支付真实成本！”
同样的事情也正在企业级市场上演，只是节奏慢得多。在 OpenAI 和 Anthropic 于今年早些时候将超过 150 人的公司转为基于 Token 的计费模式后 ，企业几乎立即开始削减 Token 预算，因为他们意识到，虽然 成本 呈指数级增长，但除了很多人嘴上说“哇，我太有产出了！”之外，根本没人能指出究竟有任何实际改善。然而，我们目前仍处于“搞 AI”感觉良好并能获得奖励的时期（ 或者 不搞 AI 就会受罚 ），这意味着支出仍将继续，直到每个人都意识到他们很可能可以大幅削减成本——首先是转向开源模型，然后是彻底不用， 因为即便是开源模型也非常昂贵，且用处存疑。
即便到了现在，我还是能听到远处传来这样的声音： “埃德，大企业可不会在不能带来明确生产力提升的事情上砸几亿美元” ——朋友，恐怕事实根本不是这样！大企业通常对生产力缺乏深入理解，并且充斥着层层冗余的管理官僚，因为现代商业本质上是一场偶尔附带数据的表演，公司常常在不清楚具体原因的情况下为上百款乱七八糟的软件掏钱。我之所以如此确信 AI 支出会被削减，是因为 由于 LLM、工具链、提示词以及所有用于驱动它们运行的零碎机制的本质，其成本具有极大的波动性 ，而且远高于组织内的其他任何开销。
而那些试图收取 更高费用 、打造 高端 产品的尝试，似乎一上市就夭折了。Anthropic 推出的价格更昂贵的 Fable 模型——该模型曾获得不可思议的营销背书，被称为 因威力过大而被美国政府封禁 —— 据《金融时报》（Financial Times）报道 ，遭遇了“需求疲软”，由于价格高昂，其使用量在整个模型用量中的占比停滞在 11% 左右。引述原文如下：
“大多数人不需要在前沿模型上运行，”向 Anthropic 投资了近 10 亿美元的 Accel 公司合伙人迈尔斯·克莱门茨（Miles Clements）表示。他补充说，客户往往只选择前沿模型的时期“并不是一个能持久的时代”。
然而，所有人都在讨论 单价 ，仿佛 单价 才是 问题所在 ，而真正的问题在于 被消耗的 Token 数量 。如果用户根本无法可靠地预估某项操作（无论成功与否）究竟会消耗多少 Token，那么你的模型定价是每百万 Token 1 美元、5 美元还是 10 美元根本无关紧要；随着模型犯错或无法正确理解及处理提示词，情况还会呈乘数级恶化。
结果就是，Anthropic 和 OpenAI 受到利益驱动去诱导你 消耗更多 Token ，并因此构建出 低效的模型 。例如，虽然 GPT-5.6 Sol 的定价可能与 GPT 5.5 “相同”，但 它消耗的 Token 数量是后者的两倍以上 ，这意味着在模型基准测试成绩变好的意义上，“智能的成本”可能下降了，但“真正干成一件破事的成本”却上升了。
我稍后会细谈，但这种情况给任何基于这些服务进行开发或使用这些服务的人带来了深层次的焦虑与疲惫。一切都在不断变动，成本和功效剧烈波动，而周围每个人都在冲你吼叫，让你时时刻刻在它可能行也可能不行的场景下使用它；而要弄清楚它到底行不行，唯一的办法就是砸更多的钱。
在这里很难指出实际价值到底在哪儿，尤其是你根本无法计算其实际成本或投资回报率。OpenAI 在最新三款模型发布不到两个月的时间里就削减了 全部 三款 模型的成本，这一事实表明它意识到了脱节的存在，它在拿古老的“杰文斯悖论（Jevon’s Paradox）”信条打赌，即“越便宜越能刺激人们增加使用”。
就连 AT&T 转向开源模型的故事 ，其附加的前提条件也比类固醇名人堂里的注脚还要多：
他表示，从闭源的专有 AI 模型转向开源模型，已经在某些应用场景中为 AT&T 节省了 80% 至 90% 的成本。
哇！节省 80% 到 90% 听起来确实很棒……等等， 在某些应用场景中？ AT&T 到底有多少个 AI 应用场景？
AT&T 内部有上千个 AI 用途，从支持法务和财务等后台职能，到协助现场技术人员以及运行其核心网络运营。马库斯表示，总结和分析客户服务通话记录——他称之为一项密集型流程——完全是由开源模型支持的。
好吧，也就是说，在 数千个 潜在应用中，你们在 某些 应用里找到了 80% 到 90% 的节省空间 ，尽管你们不肯透露具体是哪些应用、或者到底在多少个应用里实现了这一节省。干得真漂亮啊，兄弟！
这就是在 AI 中寻找“价值”的真正困境：永远是在注脚上面套注脚，就像 Klarna 预计 AI 将在 2024 年“推动 4000 万美元的利润改善” 一样——这只是一句听起来很美好但毫无实质意义的空话，或者某种虚无缥缈的生产力提升说辞。
不过，我其实不需要再多证明什么了，因为发生了一起如果写进剧本都会被认为“有点太刻意”的事件。
在《财富》（Fortune）报道的一份长达 69 页的报告中 ，OpenAI 自己的经济学家证实了我们这些未被 AI 炒作冲昏头脑的人看来显而易见的事实，以下为我的强调：
在第 35 页的一个小表格中， 研究人员指出，以发送的消息数和使用的 Token 数量来衡量，人均创收与员工使用 AI 的频率之间不存在统计学上的显著相关性。
报告解释道： “一旦加入其他控制变量，人均创收与人均输出 Token 量或活跃用户人均消息数之间没有显著关联。”
当头部 AI 实验室之一自己都说“对，使用这玩意儿和赚更多钱之间没有联系”时，继续向这个行业投资的合理依据到底是什么？难道是“未来某个时刻它会变得有用”？怎么变？
不管怎么说，谢天谢地基础设施还不算太贵——我的天呐！
唯一在 AI 上赚到钱的是卖基础设施的公司，而它们刚刚全线涨价了
猜猜怎么着，各位！为所有这些该死的 LLM 构建基础设施变得更贵了，英伟达（NVIDIA）将定于明年交付的系统 价格提高了 17% ——这是一个关键特征，因为这些系统的大部分收入极有可能在 今年 就入账，让它在短期内实现收入暴增，如同硅谷的“财务支配者（Findom）”向每一位科技巨头 CEO 发短信说“打给我 40 亿美元，你这头猪”，直到他们再也无力为英伟达的增长买单为止。
他面临的问题在于：虽然超大规模云厂商占据了他 50% 到 60% 的收入，但像 CoreWeave 这样的新兴云厂商需要不断借债来填补剩下的缺口，如果成本上涨 17%，意味着本就高企的债务利息即将飙升至信用卡般的水平。早在 7 月底，CoreWeave 就不得不为与 Anthropic 算力绑定的数据中心债券提供 9.5% 的利率 ， Nebius 不得不筹集 50 亿美元 ，而且很显然，它们在 2026 年都还没结束这种 随意募集数十亿美元 的把戏。
Anthropic 计划以 2 万亿美元的估值筹集 1000 亿美元，如果成真，它将彻底抽干一个本就命悬一线的市场中剩余的流动性。在“数字持续上涨”的同时，摩根大通警告称，我们正目睹与互联网泡沫时期相同的分裂： 设备制造厂商的股票一路狂飙，而把所有钱砸在芯片上的公司股价却惨遭暴跌 ；这是我一直在警告的问题的幼儿简明版—— 购买所有 AI 芯片和硬件的公司似乎永远在亏钱，而制造这些硬件的人似乎赚得盆满钵满，这就引出了一个问题：它们当初到底为什么要买这些东西？
而市场可能并不买账这个估值，或者不想要那么多股票。一方面，每个人都很蠢，热爱买买买、指着东西宣称自己在投资未来；但另一方面，他们刚买了 860 亿美元的 SpaceX 股份就被狠狠教训了一顿，而且 Anthropic 这家公司的财务状况恶劣到了 路透社（Reuters）不得不搬出这种重新加热的陈词滥调来解释为什么我们应该忽略其可怕亏损 的地步：
然而对 Anthropic 而言，目前的息税折旧摊销前利润（EBITDA）并未充分体现投资者期望该公司在规模化后所能达到的经济效益。Anthropic 在 GPU 及其他算力容量、模型训练、推理和招聘上投入了巨额资金。这些支出对于支持其快速扩张是必不可少的，但随着业务规模的扩大，这些支出在营收中所占的比例可能会下降。
即便是沉醉于增长和 AI 的市场，也开始嗅到达里奥·阿莫代伊（Dario Amodei）和萨姆·奥尔特曼各自建立在沙土之上的帝国散发出的异味。据分析师估计， OpenAI 和 Anthropic 在未来三年半内将占据微软、谷歌和亚马逊超过 4400 亿美元的营收 ——占其云业务收入的 34% 以上——这意味着这三家巨头需要找到远超区区 1000 亿美元的资金，而这一切发生的同时，它们在补贴客户算力和训练模型以期撞大运碰出商业模式的过程中，银行账户正被持续掏空。我还没把 OpenAI 欠甲骨文（Oracle）的 3000 亿美元 ，或者它们双方 欠 CoreWeave 的数百亿美元算进去，但这林林总总加起来，已经构成了这些公司必须支付的超过 1.1 万亿美元的承诺款项；根据具体公司的不同，其后果轻则对未来增长造成大幅削减，重则面临彻底的财务崩溃。
为了让这场狂欢继续下去， 英伟达实际上正在变成 AI 领域的通用电气金融（GE Capital） ，“花费” 60 亿美元从 濒临倒闭的 AI 实验室 Poolside “授权”技术；尽管英伟达挖走了其大部分员工且 Poolside 完全专注于英伟达的 Nemotron 模型，但大家都向我保证这 绝对不是 一起收购。
现在 英伟达正洽谈以 300 亿美元的荒谬估值向日薄西山的 AI 搜索公司 Perplexity 投资数十亿美元 ，全因为它是少数几家真正在算力上花钱的公司之一。Perplexity 的产品烂到十八流、根本没人真正使用、客户大多在 Reddit 上抱怨、而且在历时三年并获得超过 10 亿美元融资后“年化营收”仅有 7.5 亿美元，这些重要吗？不重要！只要把 AI 泡沫打包好就行。
英伟达 甚至向 Stargate Abilene 的地皮所有者 Lancium 投资了 30 亿美元 ，作为“推进吉瓦级 AI 工厂”这一空洞合作的一部分；所有这一切都引出了一个疑问： 为什么 Lancium 这家主要拥有土地并协助组织其他承包商的公司需要这么多钱 ，特别是考虑到两年多过去了，Stargate Abilene 规划的八栋建筑里连四栋都还没造出来。
还有澳大利亚新兴云服务商 Sharon AI（纳斯达克代码 SHAZ，理所当然是这个代号），它 刚刚公布了第二季度财报 ，在“客户势头”部分提到了与英伟达达成了一项“为期六年、价值 49 亿美元的战略算力合作，采购多达 40,000 块 GB300 GPU”。
顺便提一句，这家公司在同一季度的营收为 190 万美元，并贴心地补充道这实现了 412% 的同比增长。
我的意思是，正在发生的事情再明显不过了：英伟达正在动用一切可用资金，阻止任何知名 AI 公司在 AI 服务与基础设施建设腐朽的经济模式重压下崩溃。在这个每个人都开始逐渐醒悟、意识到我多年来所说非虚的时刻，这是一场绝望而注定失败的行业续命企图。
更糟糕的是， BCA Research 发布了一份令人心惊胆战的报告 ，指出 AI 公司每年需要产生 10 万亿美元的营收，才能支撑当前的资本支出规模。据 Investing.com 报道：
导致其保持谨慎的核心在于 AI 相关支出的规模。BCA Research 估计，AI 公司可能每年需要产生 10 万亿美元的营收，才能证明投入数据中心的资本具有合理性，这大致相当于全球每年在食品或医疗保健上的总支出。
该机构表示，目前严重的硬件短缺支撑了这一交易行情。因此，尽管 BCA 认为未来 12 个月内股票面临下行风险，但它认为现在在战术上布局熊市还为时过早。
虽然没有明确说明，但我认为 BCA 所主张的是 AI 算力 的短缺支撑了这笔交易。Anthropic 和 OpenAI（占据了全部需求的 80% 到 90%）手里还有钱可花，它们只是在等待谷歌、亚马逊、微软、CoreWeave、Cerebras 等厂商把算力交付上线。
在以下几个节点上，脱节将会爆发：
- Anthropic 和 OpenAI 没钱支付算力容量的费用。
- 超大规模云厂商和新兴云厂商未能建设好足以让 Anthropic 和 OpenAI 扩张进驻的算力容量。
- Anthropic 和 OpenAI 缺乏实际的算力需求，无法证明在 2027 年投入我预估的 2000 亿美元是合理的。
无论如何，我认为每个人都开始察觉到有些不对劲了，这也是为什么在过去的几个月里，我多次登上 MSNOW、CNBC 和 彭博社（Bloomberg） 的原因（除了我猜是因为我英俊的外表和过目不忘的数据记忆力之外）。
人们都想站到历史正确的一边，但最重要的问题是： 为什么偏偏是现在发生。
AI 泡沫的叙事已成主流，但极少有人准备好去面对真正的后果
大家终于开始赞同我的观点，这固然令人感到一丝宽慰，只可惜为时已晚。
附注： 我所说的“大家”是一种概括。依然有一些 AI 吹捧者表现得若无其事，觉得一切都会好起来。当他们开始恐慌时，你就知道情况有多糟了。
超大规模云厂商如今已将未来的增长押注在两家若没有近乎无限的资源就无法维系运转的公司身上；假设亚马逊完全兑现其对 Anthropic 250 亿美元的承诺 （谷歌也兑现 其全部 400 亿美元的承诺 ），仅在 2026 年，这两家巨头就为它们提供了 1150 亿美元。
除了上述注资承诺之外，微软、谷歌和亚马逊为了在未来三年半内捕获 前述 4400 亿美元 的算力支出，还需要投入数千亿美元的资本开支。这反过来需要数千亿美元的债务，同时还要面对 把数据中心本身真正建完 的挑战；在 德克萨斯州 和 宾夕法尼亚州 已经对它们曾经垂涎的数据中心行业倒戈相向的当下，每一座数据中心都需要在 20 英亩的狭小空间内塞满需要特殊冷却的高密度 AI 服务器，其耗电量堪比一座小型城市。
我还必须明确一点：根本不会有任何救助。即便 OpenAI 和 Anthropic 倒闭并获得某种形式的政府注资（ 正值美国国债突破 40 万亿美元大关之际 ），问题也不仅仅在于 它们的存在 ，而在于 它们每个季度持续消耗更多资金的能力（以及必备的客户需求）。
问题并不在于超大规模云厂商在 OpenAI 和 Anthropic 不复存在时会破产（甲骨文完全是另一码事），而在于这些初创公司的云端支出 正是超大规模云厂商满足分析师未来四年预期的基石。 这并不是说它们会死掉，而是会 停止增长 ——因为它们正（ 套用埃德·埃尔森（Ed Elson）的话来说 ）把 AI 实验室当作肉毒杆菌，以此向市场证明自己依然年轻、火热、高速增长，而不是增长放缓的过气巨头。
没有任何纾困方案能够为可能永远建不起来的数据中心担保 1.1 万亿美元的算力成本。亚马逊、谷歌、Meta 和微软正在走向“每个季度都能实现 17% 同比增长”时代的终结，这是任何救助都无法改变的事实；而眼下整个局面，完全是它们拼命逃避承认这一现实所导致的结果。
OpenAI 的算力开销和收入分成占到了微软 2026 财年总收入的 7% ，这绝对是一场灾难；因为这意味着微软相当一部分增长来自一家从长远来看根本无法自负盈亏的公司，Azure 未来的进一步增长完全取决于后续源源不断的注资。
我知道自己在不断重复，但我 需要你们明白这一点，别再妄谈什么救助了 ：这不仅仅是关乎 OpenAI 和 Anthropic 能否 活下去 的问题，而是它们必须持续增长到 能够负担 且 确实需要 每年分别向谷歌、微软、亚马逊、CoreWeave、Cerebras、AMD 或博通（Broadcom）支付数千亿美元购买算力（或硬件）的地步；并反过来为英伟达以及由此延伸出的 美光（Micron）、SK 海力士（SK Hynix）和三星（Samsung）的内存三巨头垄断联盟 提供数千亿美元采购订单的合理性支持。
LLM 本应解决一切，却以巨大的代价换来了暂时的增长
LLM 本应是科技行业在耗尽新增长点之后的万灵药。它的存在本应证明对硬件基础设施进行大规模投资的合理性，从而让半导体公司大赚特赚。它的技术本应是你可以附加到现有公司上以产生更多增长的新事物，或者是你可以据此创立新公司并将其出售给其他公司或推动上市、从而为风险投资行业提供回报的新载体——在当今的风险投资行业中， 能为投资者收回 30% 本金就已经能让你跻身前 5% 的顶尖基金之列了 。它本应是科技记者报道的新素材、科技顾问围绕其推销打包方案的新宠、企业用来 赚钱 和 省钱 的新途径，同时也本应成为普通人 既赚钱又省钱 的手段。
你会注意到，所有这些都没有附带它们要解决的任何实际问题，除了“更多”。
这根本不是为了解决任何问题或构建任何东西，而是为了通过把资金停泊在某个地方（无论是 Token、基础设施还是炒作）来让其他资产成倍翻番。它帮助催生了一群毫无魅力、阴郁压抑的科技反社会人格者组成的新神殿，让人们在寻找下一个“值得顶礼膜拜的大人物”时可以聚集在其麾下，因为寻找 下一个史蒂夫·乔布斯（Steve Jobs） 远比 努力创造像 iPhone 那样有用的产品 容易得多，而且还能完全避开去了解或关心其他人的问题。你所要做的就是不断把钱喂进 AI 服务或 AI 训练中， 这些模型 就会像变魔术一样自动具备解决你根本不在乎的问题的能力；别担心，如果你没钱投资这些公司，你可以投入时间去推动人们无视 AI 当下的种种问题，好为这些公司争取明天解决问题的时间。
这就是后劳动时代、亲增长型经济的最高境界：一切都被设计成确保更多的钱花在需要花的地方，创造出 更多的东西 并 做更多的事 ，哪怕事情根本没做对，只要 看起来它们有能力做 就行。只要把你的金钱或时间与 AI 捆绑在一起，你就能假装自己具有未来主义情怀或“在乎科技”，同时通过崇拜一个只有每天被喂饱数十亿美元才能苟延残喘的行业，肆意践踏优秀软件的立足基石。
每一项成就所付出的代价，都比历史上几乎所有的技术创新高出几个数量级；更糟糕的是，未来 AI 领域的每一次“突破”，从根本上都依赖于 AI 数据中心的供应以及支付数以百亿或千亿美元租赁费用的能力。这意味着一旦资金链断裂，“LLM 的改进”就会戛然而止，因为它们完全依赖于只有在狂热环境下才 存在 的近乎无限的资源。
一旦 AI 泡沫破裂，在现有的规模下训练模型——也就是产生一定数量但在转化为“具备新能力”方面难以量化的基准测试提升——将彻底失去合理性；而模型蒸馏需要一个母模型作为源头，如果 Anthropic 和 OpenAI 不去训练它们，母模型根本就不会存在。
“AI 进展”取决于每年数百亿美元的训练成本，而在泡沫破裂后这笔钱将不复存在
这就是为什么我很难看到 LLM 在后泡沫时代的未来。训练模型需要数百亿美元才能取得任何显著改进，而除了让客户承担越来越高的费用之外，这些显著改进很难用美元价值来量化。我们依然缺乏针对 LLM 的真正杀手级应用。我们有很多用它写代码的人，我们有泛泛而谈它“擅长研究”的人，但我们确实没有一个切实可见的产品能让我们心悦诚服地说出“它能做这个，而且做得非常好”。
我们充斥着大量（ 借用达米安·沃尔特（Damien Walter）的话说 ）“涉足科幻小说领域”的技术陈词滥调，但我们手中确实没有任何接近真正人工智能的东西。每个人对自己 AI 工作流的描述听起来都像 皮威的早餐机（Pee Wee’s Breakfast Machine） ——一连串由工具链、提示词、API 调用和被消耗的 Token 拼凑而成的繁琐装置，需要不断维护才能偶尔做点事情。
一旦金融狂热退潮，这一切都无法成为继续投资的合理理由。你不可能低成本训练出一个真正的大语言模型。你总得花上数十亿美元；眼下之所以存在“需求”，是因为所有人都在冲每一位 CEO 大喊“搞 AI”，而他们之所以这么做，是因为微软、谷歌和亚马逊都在把钱砸在 GPU 上，制造出一种人人都需要上车的新未来幻觉，而不是一段历史的污点——一段会让所有在闻到第一缕臭味时没能及时擦屁股的人蒙羞的历史。
根据我对该公司经审计财务数据的报道 ，OpenAI 在 2024 年的训练成本为 78.1 亿美元，2025 年为 191.8 亿美元。据《The Information》 报道 ，仅在 2026 年第一季度，OpenAI 的训练支出就达到了 86 亿美元。这些成本只增不减，很可能是由于预训练收益递减，以及为每一个能想象到的新垂直领域采购训练数据的巨额成本所致。
如果无法在训练上投入数十亿美元，就不会有大型前沿模型，也不会有从中蒸馏出的模型。我看不出未来有什么能改变这一局面。
AI 炒作要求其拥趸生活在被宣传洗脑的狂热中，令支持者与反对者同样筋疲力尽
我还认为，LLM 在劳动力队伍中留下了近乎永久的伤疤，给超乎我们目前认知的人群带来了精神创伤——无论是那些承受 AI 压力的人，还是那些为之辩护的人。AI 背后的媒体攻势始于并终于对工作安全感的不断威胁，许多老板对其“颠覆劳动力”潜力的狂热，暴露了有多少人急于替换掉他们雇佣的每一个人，甚至甘愿用低质量的产品来替代。
相反，那些真正决定“力挺” AI 的人，必须生活在一种狂乱的状态中，这种状态让我想起了自己生命中经历过的每一次糟糕的恋爱关系。
AI 吹捧者的每一分精力都用在维持现状上——重复那些有助于粉饰太平的教条口号，把每一次微不足道的胜利当成发现火种一样庆祝，将那些指出显而易见问题的人从生活中剔除，合理化每一个决定（无论多么不合逻辑，只要能帮助强化“自己的决定是正确的”这一信念就行）。每一个充满疑点的抉择都只会进一步加深你对这项注定失败的事业的执迷，因为陷入疯狂的每一步都会变得越来越难以启齿，并且需要深刻的反思才能理解自己当初为什么会迈出那一步。
具体来说，他们将不得不反思为什么自己愿意接受并捍卫一项在数学上注定会犯错的技术。他们必须解释为什么对一家 在 2024 年烧掉 50 亿美元、2025 年烧掉 209 亿美元、2026 年可能烧掉 300 亿美元或更多 的公司视而不见；为什么拿亚马逊云服务（AWS）作类比是合理的——须知亚马逊从 2003 年（AWS 创立之年）到 2015 年（AWS 实现盈利之年）经通胀调整后的总资本支出仅为 297 亿美元。这笔费用涵盖了归属于 AWS、亚马逊商城、亚马逊物流乃至亚马逊 Alexa 的每一分钱资本开支。
相比之下， Anthropic 仅在 2 月份就筹集了 300 亿美元 ，而 Anthropic 和 OpenAI 在 2026 年迄今已累计筹集了 2170 亿美元。
最终，AI 吹捧者（甚至是跟风的轻度拥护者）将不得不承认自己要么容易受骗，要么极其怯懦贪婪。他们必须解释为什么接受年化运行率而不是实际营收，以及为什么会被那些擅长在正确时机抛出漂亮数据、让轻信他们的记者和投资者产生智力优越感的肤浅伪知识分子所折服。
致 AI 吹捧者：承认自己错了需要勇气！
我知道这听起来让人难为情，但承认自己犯错、或者承认自己被卷入了炒作周期，并没有什么不体面的。你听到许多人对某件事群情激昂，海量资金砸进了那个领域，许多听起来很聪明的人坚决地告诉你这就是未来，而你选择相信了他们——因为我们从小就被训练去效仿什么是“负责任且聪明”的信息源。这一路上我完全可以理解你们！
附注： 我们都会犯错。早在 2024 年我就曾表示 OpenAI 将在 2025 年底前消亡，因为我相信世界会恢复理性，超大规模云厂商不会在没有证据证明其价值的情况下再凭空毁灭数千亿美元。我低估了他们彻头彻尾的绝望——以及他们为了增长对 OpenAI 和 Anthropic 的依赖程度有多深，哪怕整体的数学逻辑根本不成立。
AI 泡沫——无论是在技术层面还是在媒体制造的社会共识层面——始终在通过将一切拉入未来时态来混淆何为优质信息；他们指着过去的时代说：“他们以前也亏了很多钱、耗费了巨资，你看，最终他们不也搞成了吗！”而且我们 还 从小就相信系统是高效的，相信人们是通过明智的决定获得财富和权力的。我听过太多次“这些是全球最大的公司，由全球最聪明的人运营”，听到我头晕目眩。
这就是为什么时至今日，在涉及 AI 泡沫的几乎任何经济环节上，你都很难得到一个直接的答案——无论是“运行一块 GPU 每小时要花多少钱？”、“推理盈利吗？”、“LLM 究竟怎样才能实现盈利？”还是“一家公司运行 GPU 或提供 AI 算力到底能不能赚钱？”
为什么？因为这些公司用“巨额亏损是创新的必经之路”和“技术刚起步时都很差！”这些合理化借口，让媒体主动无视任何技术或经济层面的缺陷，甚至像邪教徒一样复读这些借口来积极捍卫这项技术。
即便是那些在为 LLM 辩护时最令人厌恶的人，在某种意义上也是 AI 行业的受害者，尽管他们并不值得同情。要成为一个彻底的“AI 狂热粉”，需要你全盘接受所有灌输给你的宏大叙事，把每一次发布会都当成预言即将成真的明证，无视财务现实，并主动攻击那些胆敢批评大语言模型这一至高神明的人。你必须掌握所有新名词，在合适的时间为合适的事物感到兴奋，并且时常活在生怕自己跟不上潮流的恐惧之中。
你的回报就是能够混迹在数量不断减少但极其无聊的硅谷富豪知识分子圈子里，或是巴结那些为了获得 CEO 采访机会能随时把你推向汽车轮子下的编辑，偶尔还能在推特上得到某个用侮辱性词汇为你辩护的心理变态者的支持。
到头来，许多吹捧者只会装作自己从未犯错。我希望他们能选择那条更有勇气的自我反思之路，认清自己是如何被利用的，并将其作为未来对抗骗子的武器。
听起来可能很奇怪，但我相信最虔诚的 AI 捍卫者在未来完全有可能成为极具洞察力的批评家。或许这只是我一厢情愿的乐观吧。
腐败经济的大枯竭
这里有一个非常简单的问题：大家还能承受继续这样折腾多久？
过去一年里，每一件事物的成本都变得更加昂贵。即便 Token 的单价下降或持平，你消耗的 Token 数量显然已经增加到了让许多机构在难以量化投资回报率的 AI 服务上耗费数十亿美元的地步；轮盘每转一圈，都需要更加狂热的摇旗呐喊和财务贬损。OpenAI 和 Anthropic 的运营成本变得更高，OpenAI 的非公认会计准则（Non-GAAP）营业利润率在 2026 年第二季度从负 122% 扩大到了负 183%。
英伟达的 GPU 价格刚刚上涨了 15% 到 17%，因为 高带宽内存成本翻了一倍 ；各路垄断巨头排成一条长队竞相涨价，都认定链条上的每一个环节都会继续掏钱，因为从上到下每一个环节——包括 AI 实验室自身——都清楚，自己在 AI 上的支出是一项事关存亡的仪式。
这意味着，任何将在 2027 年及以后交付 GPU 的数据中心，现在都必须承担数百亿美元的额外成本；雪上加霜的是，地方当局的态度正变得越发强硬，纷纷要求电力担保（ 在威斯康星州，甲骨文每年需担保 1 亿美元 ），而且 伊利诺伊州、亚利桑那州和弗吉尼亚州等州正在取消税收优惠 ；与此同时，利率飙升， 对 AI 债务的需求正在减弱 。
年复一年，AI 泡沫的每一个组成部分都在变得更加昂贵——AI 实验室想花更多的钱，AI 数据中心造价更贵，AI 服务定价更高，AI 债务融资成本更贵，而每个人对见证某种实质结果的耐心都已明显消耗殆尽。
与此同时，公关专家兼 OpenAI 首席执行官萨姆·奥尔特曼在播客中对主持人戴维·森拉（David Senra）表示：“我们［指代整个 AI 行业］在时间表上都过于激进了……［而且改变人们的习惯行为］比技术宅男们意识到的要困难得多。”
萨姆：闭嘴吧！ 你每次一张嘴就会说出蠢话 ！
总之，以下是未来三年半内必须发生的所有事情：
- OpenAI 和 Anthropic 必须持续烧钱，以此作为向超大规模云厂商证明自身存在的手段，而这些云厂商正利用它们的收入人为虚增增长， 仅谷歌、微软和亚马逊三家的规模就超过 4400 亿美元 。
- 超大规模云厂商必须继续购买英伟达的 GPU，因为一旦停止采购，市场就会开始质疑 AI 是否还是一个真正的增长型市场，并要求对所有这些资本支出的去向给出真实明确的交代。
- 英伟达必须与 SK 海力士、美光和三星（这三家制造了全球 90% 的 DRAM）签署大规模采购高带宽内存的长期协议，否则其成本将彻底失控——我的意思是，在它已经不得不通过极其怪异的方式刺激需求的当下，其利润率可能会面临不可控的压缩。
- 欲知详情，请 阅读我的《内存危机憎恶者指南》 。
正如我所指出的，英伟达的提价将使每一个正在建设中的数据中心的建造成本增加数十亿美元，而我们已经逼近为这些项目募集资金的极限。 据彭博社报道 ，那笔所谓的“5000 亿美元”声明实际上是黄仁勋操之过急的吹嘘：
高盛集团（Goldman Sachs Group Inc.）、黑石集团（Blackstone Inc.）和阿波罗全球管理公司（Apollo Global Management Inc.）数月来不知疲倦地起草债务交易方案，以帮助人工智能系统的开发者支付从英伟达购买芯片的费用。
随着复杂交易进展缓慢，英伟达首席执行官黄仁勋决定改变策略：他本周公开了这一努力，声称该集团的目标是共同为总计 5000 亿美元的 AI 算力交易提供融资——这是一个毫无明确依据的整数。
这些最庞大的资产管理公司和金融机构先前也只是取得“缓慢进展”，而这还是在黄仁勋提价 15% 之前。你觉得从今往后事情会变得更容易吗？究竟怎样才能变容易？
天啊，我太累了。
AI 正在榨干它所触及的一切和所有人
整个 AI 泡沫让所有卷入其中的人都心力交瘁。
因为目前没有任何东西能作为真正的商业模式运转，也没有任何东西接近真正的自主（或“具有魔力”的）软件，每个人都心照不宣地明白：你不得不一次又一次地修改产品以升级到“最佳模型”、或者为了“提高效率”（即：少亏点钱）、又或者在模型训练被微调导致某些功能故障时修修补补。
对此的美化说法是“指数级进步”，但实际上它不过是不稳定与新鲜感杂糅在一起的产物，每天都在折磨着与这个生态系统相关的几乎所有人。
如果总有新花样冒出来，你就很难判断事情到底是变好了，还是仅仅因为你在东拼西凑各种工具链、提示词和 API 调用来让它按你的意图运行方面变得更熟练了。人们竟然能容忍那些随着时间推移或在随机场景下变得更蠢的模型，这本身就毫无体面可言，同时也让终端用户深感筋疲力尽。
作为基于 LLM 驱动的服务的付费用户，你在某些时刻必然会遭遇服务降级——模型行为失常、某种速率限制的调整、或是基于其不断变动的经济账而发生的产品功能调整。
在一款商业产品的价值定位上，还有过比 GitHub Copilot 转向基于 Token 计费更大的剧变吗？ 微软对两百万名用户实施了‘抽毯子’式的背刺，这些用户建立在平台上的工作流曾允许他们每月花 20 美元烧掉 1000 到 5000 美元的 Token 。这简直太疯狂了！其恶劣程度远超当年 Uber 疯狂提价时的表现。
同样疯狂的是，Anthropic 和 OpenAI 也在以类似的方式 随意 糊弄 他们的客户，每月 20 美元、100 美元或 200 美元能换取多少价值全凭平台心血来潮随意变动，这种行为在法律上根本就不该被允许。
基本上任何由 AI 驱动的软件，都会因供应商的一时兴起而遭遇可用性、功能和定价上的随意变动。 正如我今年早些时候在《次贷 AI 危机》一文中所报道的那样 ，Replit、Perplexity 以及其他多家 AI 公司一直在向客户兜售谎言：推销一款无利可图的产品，同时为了降低成本不得不频繁进行“微调”，而且在价格保持不变但产品价值不断缩水的情况下误导消费者。
无论从经济上还是心理上，这都不是一个具有可持续性的行业——因为它与客户建立了一种基于欺骗的本质关系，这种欺骗源于 LLM 在功效、稳定性（参见：Anthropic 的宕机故障）和训练上的前后矛盾；每个模型在各项任务上的表现好坏参半且随机波动，以至于在其之上运行任何软件或构建任何产品都注定是一场彻头彻尾的噩梦。
而且由于它们至今没有摸索出商业模式，意味着你今天所支付的价格未来必定会发生变动。你经常购买的其他产品中，有哪一款内置了如此巨大的混乱？你花钱买的其他东西里，有哪一样会因为价格（或可用性）的剧烈波动，导致你可能随时无法以原有的方式使用它？为什么一碰到 AI，大家就能容忍这一切？
我还要补充的是，在这一特定场景中，科技媒体彻底辜负了受众。我们面对的是估值数千亿美元、日复一日坑害客户的公司，而媒体的大多数反应仅仅是说句“ 咦，真奇怪 ”，拒绝让自己脑中闪过任何批判性的思考。
AI 泡沫要求所有人活在未来时态，因为当下根本无法证明其哪怕一丝一毫成本的合理性
AI 泡沫的每一个环节都必须处于持续不断的变化之中，这样才能永远维系一个触手可及却永远无法达成的未来突破。AI 并不需要取得真正的成就——它只需要在某种程度上“展现出潜力”即可。微软花费了超过 2600 亿美元的资本开支，打造出的业务在除 OpenAI 之外年营收不足 110 亿美元，这客观上是一场灾难；但人们看到“AI 年度总营收达 343.3 亿美元”时，依然会说“这是充满希望的增长，同比增长了 123%！”
他们听说大模型删除了别人的数据库，就会说“哎呀，模型已经取得了指数级进步”，哪怕这种进步似乎从未消除过这些缺陷，从未创造出一家盈利的 AI 公司，也从未创造出一个真正的杀手级应用；大家唯一能拿出来说的无非是“ChatGPT 拥有 10 亿周活跃用户”——尽管其中大约 95% 的人没掏一分钱（并可能让 OpenAI 倒贴数十亿美元），而且 eMarketer 估计整个全球 AI 聊天机器人广告市场在 2030 年的总营收仅为 54.1 亿美元 ，让 OpenAI 几乎看不到遏制亏损的希望。这些庞大的数据——比如 Anthropic 宣称的 650 亿美元年化运行率（一个毫无明确定义的术语，掩盖了 Anthropic 在 2026 年上半年营收 165 亿美元、同时亏损数十亿美元的事实）——本质上毫无意义，因为它们充其量很容易被操纵，往坏了说则充满不确定性。
AI 行业要求你时时刻刻活在未来时态。一切都在展望明天的数千亿或数万亿美元，展望你所见事物的所谓潜能而非事物本身，展望必须被假定为已经建成的未来吉瓦级数据中心，并基于 AI 理论上可能具备的能力进行估值。我向你们发起挑战：从今往后带着这种审视去看待关于 AI 的一切报道，这样你就能看清这个行业是多么煞费苦心地将你的注意力从它当前的实际作为引开，转向如果拥有更多资金、权力和资源理论上可能做成的事情；并请扪心自问，他们为什么必须这么做。
说白了，他们之所以这么做，是因为以该行业今天的所作所为，你根本无法证明它的任何合理性。它的成本太高，建立在其上的商业模式无一盈利，建设数据中心的费用高昂到了让全球现金最充裕、资产最轻的企业背负上无穷无尽的高昂硬件安装与维护成本；而这些硬件所服务的业务带来的收入只是其总体成本的九牛一毛，除了两家所有人必须在资金和舆论上合谋保住性命的公司之外，根本没有多少实际需求。
归根结底，没有人能真正解释我们为什么需要更多的数据中心。
这真能改变什么吗？能改变什么？怎么改变？我们到底还需要建多少座？为什么我们需要这么多？建造更多的发电厂意味着更多的人能用上电，铺设更多的光纤意味着将更多的建筑物连入互联网。那么再多建一座、两座或十座数据中心究竟能给你带来什么？世界上难道有哪个角落是目前遍布互联网各个角落的 LLM 无法覆盖或利用的吗？因为目前看来，建造这些设施的唯一目的，就是为了捕获由两家吞噬了所有基础设施的亏损公司通过“供应受限”而制造出的虚幻需求。除了给半导体公司输送更多现金之外，我听不到任何证明建造更多数据中心具有科学或技术必要性与效益的令人信服的理由。
说真的，随便去读一篇关于 AI 的文章，看看无论是主流媒体还是初创公司的博客，它们有多快就会把话题拐向未来。每一篇文章都必须基于理论上的前景来推销 AI；即便带有批判色彩，也必须向读者保证作者当然不否认“AI 的变革潜力”或“它正在如何重塑经济”——哪怕文章根本无法说清楚它是如何做到的，甚至说不清那究竟代表着什么。
AI 行业建立在彻头彻尾的虚伪与恶意之上
在今天的文章中我让自己畅所欲言了一把，因为我觉得自己此前深陷财务泥潭太久，以至于忘记了 AI 行业在多大程度上依赖宣传造势、社会压力和赤裸裸的霸凌手段，来为一款索求一切却几乎不提供任何回报的产品强行制造赞同。
LLM 的任何特质都不值一万亿美元，甚至连 1000 亿美元都不值。正如我之前所指出的 ，这是一个被包装成万亿美元规模的 300 亿美元总体潜在市场（TAM）产业；它之所以能膨胀到今天这个地步，纯粹是因为两家头部公司有人为它们代建基础设施，并获得了无限的资源来补贴客户的算力支出。
而最引人注目的莫过于： AI 泡沫中真正与 AI 本身相关的东西是如此之少。 历史上没有任何一项技术会因为你用得不够多或不够喜欢而让你承担职业和社会层面的后果；在历史上我也找不到任何一个记者会因为批评者对某种云端软件不够赞赏而对其大肆围攻的先例。在我看来，科技和商业媒体为了追求所谓的“客观”，选择全盘接受 AI 行业喂给他们的任何说辞，并假定我们今天所拥有的一切在未来的产出和盈利能力上 注定会变得更好 ，这简直荒谬透顶。
这个时代与以往任何时代都截然不同，但它利用了大多数人急于将过去套用在现在、以合理化或消化那些看似不合理或具破坏性事物的心态。将 AI 视为“就像互联网泡沫一样”，能让你心安理得地无视成本和潜在后果，因为“在那之后一切都挺过来了”——即便在此之后 GPU 几乎没有任何大众用途，即便我们“构建新大模型”的唯一途径是在大家仍然相信这是真的的前提下，利用数十亿美元的算力给它们喂食昂贵的训练数据。
AI 行业——以及 AI 泡沫——从根本上就是建立在虚伪与恶意之上的。它的管理层在撒谎。它的吹捧者在撒谎。它的软件在撒谎，因为软件根本什么都不知道，只是基于概率生成答案；如果你在网上指出这一点，就会有人跳出来对你进行人身攻击。
它拒绝正面回答简单直接的问题。它拒绝拿出未来的发展规划。它拒绝解释如何实现盈利，因为没人知道该怎么做，也没人有切实的方案。它故意对订阅产品进行巨额补贴，因为它知道客户根本不会为 AI 的真实成本买单；它用功能变动和速率限制折磨客户，同时还把这粉饰为一种“继续为客户提供最具成本效益模型”的手段。
它试图将能耗巨大、资源吞噬型的 AI 数据中心，与那些将有用但日益退化的软件带入千家万户的小型数据中心混为一谈。它将这些数据中心推销为“为社区带来就业机会”，而实际上却是从外州调派劳动力来建造这些设施，在骗取了数百万或数数十亿美元的税收减免后，仅留下 由 100 到 200 人组成的运维团队 。它将自己的“创新”宣传为将引发一场“白领大屠杀”，恐吓你不得不使用在数学上 注定会犯错 的不稳定、不可靠的软件；而当你提出质疑时，它的信徒们就会撒谎宣称“幻觉问题已经被解决了”。
它同样只能基于可能发生的事情以及理论上的许诺来自我推销：要求你倾注全部注意力、连接你拥有的每一个数据、支付任何高昂的代价，并坦然接受其价格和功能随时可能发生随机变动，同时从未对那周所谓的 AGI 究竟指什么给出过明确的时间表。
每当你要求它讲清楚，AI 行业就会给你扔出一堆烟雾弹。每当你询问情况何时能好转，你得到的答复是：现在既是 早期阶段 ，同时 AI 也正处于 有史以来最差的水平 。甚至“人工智能”这个词本身就是一种包藏祸心的企图，试图将 Transformer 模型与机器人或自动驾驶汽车等事物混为一谈，好让其倡导者将别人的成功据为己有，尽管 LLM 除了生成式 AI 之外，与任何其他事物都毫无关联。
它煽动群起围攻、排挤那些不肯盲从的人，因为它无法凭借自身的实力取胜。它助长了一种卑劣的邪教心态，这种心态同样由虚伪恶意以及与 AI 公司 CEO 和模型本身建立的准社交关系所驱动。它利用了“聪明人”的智力弱点——这些人其实只是擅长在正确的时间说正确的话、背诵对过往失败的种种说辞，同时允许他们利用 LLM 来推广自己的投机事业，用与工作沾边的半成品去忽悠别人为他们买单。
而它正在走向失败，因为从核心来看，AI 从未建立在坚实的基础之上。它之所以能膨胀到今天这个规模，是因为随着巨资涌入，媒体在权势阶层的授意下制造了赞同，而有钱有势的人是永远不会 犯错 的。底层的技术可能 比以前更有用了 ，但它 还没有好用到能实现盈利的程度 ，也 没有可靠到能改变世界的地步 ；而将 LLM 包装成“足够好”的欺骗行径，应当成为每一位误导公众相信这并非普通软件的人身上永不褪色的耻辱烙印。
最近有人问我为什么对这一切如此深恶痛绝，我的回答很简单：我讨厌霸凌，我讨厌骗子，我讨厌被人当猴耍。这个行业的壮大，是建立在对大语言模型的实际与潜在成果误导大众的基础之上，建立在为了不惜一切代价追求增长而向全社会施压强推工具的企图之上。
归根结底，它是在用有史以来最大的谎言对外推销：“这一次不同以往！”
明确地说，他们说得对。
这一次确实诡异得多，而且结局也注定要糟糕得多。