文章核心观点 - 文章围绕“AGI能否实现”这一核心议题，呈现了两种对立的观点：一种基于物理和成本限制认为AGI和超级智能无法实现[3][7][28]，另一种则认为当前AI系统在软硬件效率上仍有巨大提升空间，通往更强AI的道路多样，实用化的“类AGI”能力可能并不遥远[33][36][66] 对AGI的悲观论据（物理与成本限制） - **计算受物理规律制约**：计算是物理过程，需要在局部计算与全局信息移动间取得平衡，随着晶体管缩小，计算变便宜但内存相对变贵，芯片面积主要被内存占据，导致算力可能因内存服务不足而成为“无效算力”[8][10][11] - **Transformer架构已接近物理最优**：该架构以最简单方式结合了局部计算与全局信息汇聚，是对信息处理单元的物理层面优化[11][12] - **线性进步需要指数级资源**：在物理现实和观念空间中，要获得线性改进，所需投入的资源呈指数级增长，观念创新因领域庞大而边际收益递减[13][15] - **GPU进步已停滞**：GPU在“性能/成本”指标上于2018年左右达峰，后续改进多为一次性特性（如16位精度、Tensor Core、HBM等），现已走到尽头，任何进一步改进都将是权衡而非纯收益[16][17] - **规模化收益面临极限**：过去GPU的指数级增长对冲了规模化所需的指数级成本，但现在规模化已变成指数级成本，物理极限可能在一到两年内逼近，规模化收益不再显著[20] - **基础设施优势可能迅速蒸发**：若研究/软件创新、强大的开源推理栈或向其他硬件平台迁移取得突破，前沿实验室的大规模基础设施优势可能一夜消失[21][22][26] - **超级智能是幻想**：超级智能自我改进引发爆炸增长的前提错误，智能改进受物理现实和缩放规律制约，线性改进需指数级资源，其发展更可能是填补能力空白而非推动边界外扩[28][29] - **AGI需具备物理执行能力**：真正的AGI需包含能在现实世界完成经济意义工作的实体机器人，但机器人领域数据收集成本高昂，现实细节复杂，许多问题经济上并不划算[25][27] 对AGI的乐观论据（效率与创新空间） - **当前AI系统被严重低估，效率远未达上限**：训练效率比几年前更低，例如DeepSeek-V3和Llama-4训练的MFU仅约20%，而2022年的BLOOM项目已达50%，当前模型设计并非为最高硬件利用率[39][41] - **推理效率存在更大提升空间**：最优化推理实现关注带宽利用率（MBU），FLOP利用率（MFU）常为个位数（<5%），这并非物理根本极限，而是当前自回归架构规模化带来的限制[43][44] - **新一代硬件提供显著算力提升**：Blackwell架构芯片的FP8吞吐量是Hopper的2.2倍，并支持原生FP4 Tensor Core，GB200等机架级方案可缓解通信瓶颈，高效FP4训练理论上可将可用FLOPs提升最多9倍[42][50] - **模型是硬件的滞后指标**：当前模型反映的是上一代硬件能力，而新一代超大规模集群（如10万卡以上）正在建设，意味着高达50倍的算力建设正在发生[47][48] - **明确的效率提升路径**：通过训练高效的架构协同设计、高质量高效率的FP4训练、推理高效的模型设计（如扩散式语言模型）等方式，可大幅提升硬件利用率[45][46][52] - **已有AI工具产生巨大经济影响**：以更务实的定义，一套在某些任务上比大多数人做得更好并能产生巨大经济影响的通用工具体系，可能并不遥远，例如当前模型已在编程等领域越过关键阈值[60][61] - **即便能力不提升，应用场景仍广阔**：假设模型能力冻结，系统层面的效率改进也足以让许多高影响力应用落地，且通过新的后训练范式、更好的样本效率等方法，可继续推进“有用AI工具”[62][63][65] 行业路径与理念差异 - **中美AI发展路径不同**：美国遵循“赢家通吃”思路，追求构建最大最强的超级智能模型；中国理念更侧重应用，认为模型能力本身没有应用重要，关键是实用性和以合理成本提升生产力[23][24] - **不同理念的可持续性**：在模型能力增速放缓的背景下，追求超级智能的目标可能遭遇困难，而推动AI经济扩散的务实思路可能更具长期优势[24][30]

求囤货照片 美国知名空头质疑英伟达出货数据 该帖文还指出，运行Blackwell芯片需要巨大能源，如果600万片GPU已经出货，且其中65%到70%部署 在美国的数据中心，那么它们将需要8.5吉瓦到11吉瓦电力，大约相当于新加坡总发电量。但美国在 2024年至2025年间仅增加约8.5吉瓦可用于数据中心的电力容量。这还是假设所有新设施都只使用英伟 达硬件，而不包含其他公司的产品。 该用户称，上述电力供应仅能勉强匹配英伟达宣称的GPU出货量。 伯里转发了该帖，并敦促X用户向他发送英伟达GPU在美国或海外被"大量"储存的照片或证据。"有些 人联系了我，"他写道，"事情变得越来越有趣，但我需要更多。" 美国本津加网站18日报道，伯里的这一动向源于社交平台X上一篇分析文章。该文质疑英伟达首席执行 官黄仁勋宣称的Blackwell芯片出货量是否与该公司营收数据以及美国数据中心容量相符。该文由X平台 自称是律师的用户Kakashii发布。 美国消费者新闻与商业频道(CNBC)报道，黄仁勋今年10月说，对英伟达芯片的需求仍在激增，并称该 公司过去四个季度已出货600万片Blackwell芯片。当时他预计，Blackwell ...

格隆汇12月19日｜凯投宏观(Capital Economics)在一份报告中称，新兴市场股票的AI泡沫尚未破裂，且 明年可能进一步膨胀。市场经济学家Elias Hilmer称："虽然今年新兴市场股票的估值普遍上涨，但仍普 遍低于美国。"他补充称，新兴市场与美国AI股票之间的巨大估值差距预计明年不会大幅收窄。然而， 如果该AI泡沫像凯投宏观(CE)预测的那样在2027年破裂，较低的新兴市场估值不太可能提供太多缓冲。 在这种情况下，台湾和韩国将面临大幅回调。他称，如果在该泡沫破裂后全球市场出现持续回调，不断 上升的风险溢价将对亚洲以科技股为主的新兴市场构成压力。 ...

" 算力闲置、Agent同质化，AI还有哪些泡沫？ " 作者丨 张嘉敏 编辑丨 徐晓飞 "美国2025年人工智能产业到底有多少是正向收益？ MIT调查结果显示，95%都是负向的，非常烂尾，只 有5%是成功的，令人吃惊。 " 在2025 GAIR主论坛"人工智能产业化的挑战和机遇"圆桌对话中，大会主席、加拿大皇家科学院院士杨强 教授又一次对人工智能的落地现状"泼冷水"。 在席卷而来的技术浪潮中，人工智能产业化面临哪些严峻的挑战？作为方兴未艾的产业，人工智能有哪些 泡沫和陷阱？展望未来，人工智能产业化还有哪些值得"押注"的方向？ 面对AI时代的多重拷问，这场圆桌论坛通过四位科学家、一线研究者的深度对话，提供了可供参考的思考 方向。参与本次圆桌论坛的嘉宾有： 四位"老朋友"齐聚一堂论道，激荡产业思潮。 郑宇教授开门见山，指出人工智能产业化的困境：大语言模型出来之后，在某些应用场景取得了成功，但 并没有大规模的商业应用和成熟的商业模式。 郑宇（主持人）：KDD China主席，京东集团副总裁，IEEE Fellow 杨强：加拿大皇家科学院院士 胡侠：上海人工智能实验室主任助理，领军科学家 薛贵荣：之江实验室科学模型总 ...

《金融时报》周四报道，即将离任的元宇宙平台公司（Meta）人工智能首席科学家杨立昆正就新创公 司融资事宜展开初步洽谈，拟募资 5 亿欧元（约合 5.86 亿美元）。在这家人工智能公司正式成立前， 其估值预计将达到 30 亿欧元。 该报道援引知情人士的话称，杨立昆已邀请法国医疗科技初创企业纳布拉（Nabla）创始人亚历山大・ 勒布伦担任新公司首席执行官。 杨立昆在推动 Meta 的人工智能发展蓝图中发挥了关键作用。他于上月宣布，将于年底离开这家社交媒 体巨头，专注于打造一家新创企业，目标是开发新一代超级智能人工智能系统。 此前已有行业领军者警示，市场对人工智能的狂热可能已脱离商业基本面。而这家初创公司在成立前就 获得巨额融资承诺并拥有高估值，或进一步加剧外界对人工智能泡沫的担忧。 杨立昆在推动 Meta 的人工智能发展蓝图中发挥了关键作用。他于上月宣布，将于年底离开这家社交媒 体巨头，专注于打造一家新创企业，目标是开发新一代超级智能人工智能系统。 此前已有行业领军者警示，市场对人工智能的狂热可能已脱离商业基本面。而这家初创公司在成立前就 获得巨额融资承诺并拥有高估值，或进一步加剧外界对人工智能泡沫的担忧。 该新 ...

纪要涉及的行业或公司 * 行业：人工智能（AI）、科技行业、美国股市、全球股市[1][2][6] * 公司：英伟达（NVIDIA）[28][29]、大型科技公司（如“Mag 7”）[12][25]、思科（Cisco）[28] 核心观点和论据 * **核心观点：人工智能正推动一个更大泡沫的形成，繁荣/萧条可能成为新常态**[1][3][30] * 自19世纪以来，重大技术飞跃（如工业革命、互联网）都伴随着持续多年的资产泡沫[2][6] * 人工智能得到了各国政府的强力支持，被视为与地缘政治优势相关的关键能力，这增加了泡沫形成的可能性[2][9] * 人工智能的巨大潜力与实现时间的高度不确定性，使市场容易产生泡沫式的繁荣与萧条[30] * **当前市场状态：整体未达泡沫峰值，但部分领域已显现泡沫迹象，且市场正变得更加泡沫化**[2][12][23][25] * **整体未达泡沫峰值**：美国银行泡沫风险指标（BRI）显示，美国整体股市及核心科技股（如“Mag 7”）尚未出现典型的泡沫式不稳定（指标超过0.8）[12] * **部分领域已现泡沫**：美国核能股、量子计算股、日经指数、韩国综合股价指数等已出现类似泡沫的不稳定现象[14] * **市场正变得更泡沫化**：自ChatGPT于2022年11月推出以来，泡沫指标在AI相关资产中总体呈上升趋势[26] * **支持泡沫正在发展的具体迹象（2025年）**[23][26] * **IPO表现**：2025年美国科技公司IPO的首周表现是自90年代末科技泡沫破裂以来最好的[26] * **市场行为**：市场正以90年代科技泡沫时期的速度从下跌中反弹，逢低买入的力度接近百年一遇的极端水平[26] * **波动性变化**：尽管市场上涨，美国波动率在2025年已重置得更高，VIX指数下限从12增加到15[26] * **分散度上升**：市值加权波动率分散度自1995年以来高于当前水平的概率仅为11%，主要出现在互联网泡沫时期[26] * **市场情绪**：对泡沫的担忧已达到全球金融危机以来的最高水平，AI泡沫在美国银行基金经理调查中被列为首要风险[26] * **估值与上涨空间：核心AI估值未达极端，显示仍有上涨潜力**[3][18][21][31] * 自2022年以来美国科技公司估值大幅上升，但仍低于90年代末互联网泡沫最繁荣时期的水平[18] * 互联网泡沫时期股价与基本面明显脱钩，而当前更广泛的市场中尚未看到这种情况[20] * 在研究的八个资产泡沫中，有七个的上涨势头几乎都出现在峰值附近，股票泡沫的峰值价格通常比其3个月移动平均线高出约20%，而纳斯达克指数目前的水平约为-2%[21] * 自GPT推出以来，美国科技核心股尚未突破泡沫指标的前五分之一，表明还有更大的上涨空间[31] * **主要风险与挑战**[3][25][28][29][30] * **时机风险**：预测泡沫顶部出现的时间极为困难，是最大的风险[3][31] * **规模与基本面风险**：美国大型科技公司规模庞大且盈利能力强，可能难以像典型泡沫资产那样产生剧烈波动和脱离基本面[25][28] * **AI发展不及预期风险**：若AI提高生产力的潜力被证明过于乐观，或通用人工智能（AGI）的实现需要更长时间，可能导致失望和市场大幅下滑[29][30] * **金融环境收紧风险**：杠杆的克星；所有重大泡沫顶峰之前都会出现金融环境收紧[43] * **投资策略启示**[33][35][37] * 在泡沫中，初期表现领先的资产往往在破裂前表现优异，抛售领头羊资产等同于预测泡沫顶部（高风险）[33] * 历史表明，在泡沫时期，持有集中度较高的资产（泡沫中心地区），同时辅以现金或衍生品进行风险分散，是更明智的选择[33][35] * “美国例外论达到顶峰”的观点与AI泡沫进一步发展的预期相悖[37] 其他重要内容 * **政府角色的变化**：与20世纪20年代的放任政策不同，当前各国政府对AI的主动支持加剧了泡沫形成的可能性[9] * **泡沫的典型特征**：由对价值不敏感的散户引领；价格上涨时波动性反而增加（与常态相反）；包含散户参与和杠杆作用[4][8][9][11] * **英伟达的案例**：市场集中度空前高涨，英伟达目前的市值超过了欧洲任何国家[28] * 如果英伟达的市盈率恢复到思科在2000年的峰值水平（约200倍），其市值将达到20.8万亿美元[28] * **需求预测**：英伟达CEO黄仁勋认为，到2030年AI领域年支出可能达到3-4万亿美元，长期有望达每年5万亿美元；麦肯锡预测到2030年数据中心累计支出约7万亿美元[29] * **对全球其他市场的看法**[43] * **欧洲**：尽管股市表现优于美国，但其估值仍然偏低，存在长期利好，但执行不力等地缘政治因素是主要风险 * **亚洲**：正经历泡沫式的追赶，但仍蕴藏着AI领域的上涨空间和价值；AI泡沫在中国最有上涨空间 * **最终结论与情景预测**[38][43] * 人工智能正助长更大的泡沫，预测顶部时机很难，但密切关注预警信号至关重要[38] * 可能出现的情景包括：为时已晚无法避免最终崩盘；金融环境收紧是最大风险；波动率保持支撑；泡沫持续时间越长，价格上涨空间越大；若对AI突破的信心停滞，熊市可能随之而来[43]

近期博通备受市场关注，很大程度上源于其与多家头部人工智能模型提供商的合作。例如，OpenAI已 与博通签订协议，采用其定制的人工智能芯片设计方案。博通也是谷歌TPU项目的重要合作伙伴，负责 TPU芯片的工程实现。受益于大规模数据中心建设带来的定制芯片需求，博通在人工智能芯片市场中所 占份额正持续扩大。博通公司首席执行官陈福阳预计，公司2026财年一季度人工智能半导体业务营收将 同比翻倍，达到82亿美元。但是，与不断增长的营 收预期形成对比的是公司的利润率下降。陈福阳表 示，由于"人工智能业务占比提高"，其2026年一季度毛利率将低于前三个季度水平。毛利较低的定制化 AI处理器销售占比持续攀升，挤压整体获利能力，引发市场对博通业务盈利性可能下滑的担忧。投资 者对大型科技公司在AI投资回报方面的担忧正在加剧。（经济日报记者 周明阳） 受博通与甲骨文业绩引发的人工智能泡沫担忧，加之美联储降息后市场对政策的谨慎情绪，以及美国国 债收益率的上扬，当地时间12月12日，美股主要指数全线下跌。芯片巨头博通股价收盘下跌11.4％，市 值蒸发约2200亿美元。 （来源：经济日报） 转自：经济日报 ...

12月10日，美联储宣布，将联邦基金利率目标区间下调25个基点至3.5%-3.75%之间。这是美联储年内第 三次降息。自再次执政以来，特朗普已多次公开指责美联储降息"动作迟缓"。尽管这一降息决定符合特 朗普的诉求，但他仍然批评降息幅度太小。这表明美联储与特朗普政府之间的分歧仍未有效弥合。外界 对未来美联储货币政策的研判，不能再仅依据传统的经济指标变化，更应考虑政治对货币政策的影响。 美联储内部的分歧也凸显货币政策政治化倾向。在本次美联储投票决定降息25个基点过程中，12名委员 中有3名投下反对票。这是自2019年以来出现反对票最多的情况，反映出美联储内部对于货币政策的分 歧正在加大。特朗普任命的美联储理事斯蒂芬•米兰投下反对票的理由是，他认为应降息50个基点。白 宫国家经济委员会主任哈西特表示，美联储有充足的降息空间，可能还需要进一步降息。特朗普则表示 降息幅度应扩大两倍。 减少财政债务利息支出是特朗普政府要求大幅降息的直接动因。截至2025年12月11日，美国国债超过 37.7万亿美元。按照3.5%的联邦基金利率测算，联邦政府每年需支付利息超过1.32万亿美元。而美联储 每降息一个百分点，联邦政府的债务利息 ...

12月15日（周一），高盛（Goldman Sachs）将2026年铜价预估从此前的每吨10,650美元上调至每吨 11,400美元，理由是精炼铜关税在2026年上半年实施的可能性降低，对可负担性的担忧成为当务之急。 与此同时，由于COMEX期铜上涨，本已创下历史新高的COMEX铜库存仍在持续增加。美国将精炼铜 排除在8月份生效的50%进口关税之外，但仍在对其进行审查。 芝商所发布的数据显示，12月12日COMEX铜库存达到450,618短吨，创历史新高水平。 高盛表示，特朗普政府有55%的可能性在2026年上半年宣布对铜进口征收15%的关税，并计划于2027年 实施，并可能在2028年提高到30%。 该投资银行表示，未来关税的前景可能会使美国铜价高于LME铜，并推升库存，这将收紧美国以外市 场的供应，而美国现在是全球铜价的关键驱动力。 高盛表示："对2027年铜价的预估维持在每吨10,750美元不变，我们预测一旦关税就位和美国以外市场 恢复平衡，那么LME铜价将回落。" 该行还将2026年全球市场供应过剩规模的预测从16万吨上调至30万吨。 （文华综合） 伦敦金属交易所（LME）三个月期铜周一上涨140.5 ...

文 | 竞合人工智能 摒弃"泡沫焦虑"与"规模崇拜"，以长期主义视角布局核心技术，以务实态度推进商业化落地，才是AI 产业健康发展的必由之路。 当博通单日暴跌12%、甲骨文回吐全年涨幅，英伟达遭大基金集体抛售，华尔街对AI泡沫的质疑从"是 否存在"转向"何时破裂"。这场始于ChatGPT的技术狂欢，在经历三年资本狂飙后，正迎来全球市场的 价值重估。美国AI投资究竟是理性布局还是非理性繁荣？中国AI产业又面临着投资不足与局部泡沫的 双重拷问？从软硬件到应用场景的全链条剖析，或许能揭示这场全球科技竞赛的真实图景。 01 结构性泡沫 美国AI的泡沫争议，本质是高投入与低回报的失衡困境 ，这种失衡在硬件、软件、应用三个维度呈现 出不同表征。 硬件层面，"算力军备竞赛"导致资本支出失控，而作为算力核心的英伟达，既是这场竞 赛的最大受益者，也逐渐显露泡沫承压的迹象。一方面，英伟达凭借A100、H100等高端GPU构建了近 乎垄断的技术壁垒，2025年Q3 AI芯片业务营收同比激增210%，毛利率维持在78%的超高水平，全球超 90%的AI训练算力依赖其产品，订单排期已排至2027年，成为AI硬件赛道无可争议的龙头；但另一 ...