【now.com財經】你願意花錢買一台準確率只有98%的計算機嗎？乍聽之下似乎還行——畢竟98分在任何考試裡都算優等。但換個場景：你是一家管理五百億美元資產的基金經理，你的風控模型每一百次運算就錯兩次，而你根本不知道是哪兩次。這不叫「微小瑕疵」，這叫「系統性災難」。更要命的是，這台計算機還會在你追問它「你確定嗎」的時候，用一副無比自信的語氣告訴你：「當然確定。」它不是在說謊，它是真的不知道自己不知道。
這就是今天大型語言模型的真實面目。而整個科技產業正以人類商業史上罕見的速度，把數以千億計的美元押注在這台計算機會自己變聰明這件事上。
讓我們先釐清一個被矽谷刻意模糊的根本事實：LLM不是智能，是統計學。它的全部「能力」歸結為一件事——根據訓練數據中的機率分布，猜測下一個最可能出現的詞。AI 專家Janusz Marecki對此的描述精準得令人不適：它在「擲骰子」。每一次回答都是一次近似值輸出，而非事實陳述。任務越複雜，誤差越疊加，最終你得到的不是分析，而是一篇文筆流暢、邏輯自洽、但內容可能完全虛構的散文。
華爾街喜歡用「幻覺」這個詞來輕描淡寫這個問題，彷彿它只是一個可以被下一版軟體更新修復的小bug。但這不是bug，這是架構。LLM的底層設計決定了它永遠無法區分事實與虛構，因為它從來就不「理解」任何東西。你不能透過往一台本質上是機率引擎的機器裡灌入更多算力，就讓它突然開始「思考」。這就像你不能透過把更多水倒進一個篩子裡，就期待它變成一個桶。
這是不可救贖的系統性缺陷。請把這句話用螢光筆劃起來，因為接下來我們要談的所有投資邏輯，都建立在這個前提之上。
即便我們暫時擱置準確率的問題，LLM還面臨一個更現實的瓶頸：它已經沒東西可以學了。
ChatGPT-4的訓練數據基本上吞噬了整個互聯網——書籍、論文、維基百科、Reddit帖文、新聞報導、程式碼庫，能爬的都爬了。幾年過去，互聯網上的數據量確實還在增長，但增長的部分是什麼？大量由其他LLM生成的內容。用AI生成的文本去訓練下一代AI，學術界有個非常形象的說法叫「模型坍縮」——就像反覆影印一份文件，每一代都比上一代更模糊、更失真，直到你手裡拿的東西跟原件毫無關係。
這意味著「規模化帶來突破」的敘事已經在物理層面撞牆了。不是你投不投得起錢的問題，而是就算你把全世界的GPU堆在一起，能餵給它的高品質訓練數據也就那麼多。這條曲線已經見頂，剩下的只是邊際遞減。
現在讓我們把目光轉向房間裡那頭最大的大象：OpenAI最近以8,520億美元的等效估值向散戶投資者募集了30億美元。請注意兩個關鍵詞——「散戶」和「等效估值」。當一家公司開始向散戶開放融資，並用「讓更多人有機會參與AI時代的上行經濟」這種話術包裝時，你應該本能地把手放到錢包上——不是為了掏錢，而是為了捂緊它。
8,520億美元是什麼概念？這個數字超過了全球除了極少數國家以外的GDP。而它對應的是一家產品核心技術存在不可修復缺陷、訓練數據即將枯竭、且已有免費開源替代品的公司。沒錯，你現在就可以去下載一個開源LLM到你的筆記型電腦上，不需要數據中心，不需要月費，隱私還有保障，而它的表現與那些燒掉數十億美元訓練出來的大型模型相差無幾。
當你的付費產品已經觸及能力天花板，而免費替代品正在逼近同一天花板時，你的定價權在哪裡？你的護城河在哪裡？你的八千五百億估值，建立在什麼東西上面？
各大超大規模雲端服務商——微軟、Google、亞馬遜、Meta——正在以令人瞠目的速度建設數據中心。其中相當一部分資金來自舉債。它們的邏輯很簡單：AI需要算力，算力需要基礎設施，誰先建好誰就贏。這是一個看似無懈可擊的三段論，唯一的問題是第一個前提正在崩塌。
如果LLM的能力天花板已經到了，如果更多的算力並不能讓模型更聰明，那麼這些耗資數百億、佔地數十萬平方英尺、吞噬電網容量的巨型數據中心，到底是資產還是負債？
這裡還有一個被大多數分析師忽略的供應鏈問題值得一提：全球約三分之一的氦氣產自卡達。氦氣是晶片製造過程中不可或缺的冷卻劑，沒有氦氣就沒有晶片，沒有晶片就沒有AI。當你的整條產業鏈對一個波斯灣小國的單一資源存在如此集中的依賴時，這不叫「供應鏈風險」，這叫「地緣政治人質」。當然，能源短缺和材料瓶頸並非不可解決的存亡問題，但它們讓投入成本持續攀升，而產出能力卻已停滯——這是任何投資者都不想看到的剪刀差。
把這些加在一起：不可修復的技術缺陷、見頂的訓練數據、蒸發中的定價權、膨脹的基礎設施債務、脆弱的供應鏈。如果這不是你教科書裡「資本錯配」那一章的完美案例，我不知道什麼才是。
去年此時，科技媒體和華爾街分析師幾乎眾口一詞地批評蘋果「在AI競賽中落後」。庫克沒有像其他CEO那樣在每一次財報電話會議上把「AI」這個詞重複四十遍，蘋果也沒有宣布要砸幾百億建超級數據中心。於是結論來了：蘋果掉隊了，蘋果不懂AI，蘋果完了。
一年後回頭看，這份「落伍」的成績單讀起來更像是一份精明的資本紀律清單。當競爭對手在一場可能是偽命題的軍備競賽中燒掉天文數字的資金時，蘋果保住了資產負債表的乾淨、維持了資本回報的效率、也避免了在一個能力天花板已到的技術路線上過度押注。在投資的世界裡，有時候最好的決策就是什麼都不做。而「什麼都不做」是需要巨大勇氣的，尤其當整個市場都在尖叫著告訴你「你必須做點什麼」的時候。
這不是說蘋果不會做AI——它當然會，但它等待的可能是真正的下一代技術範式，而不是把錢砸在一個本質上是「高級自動補全」的東西上。
許多頂尖研究者正在探索的方向是全新的架構——一種能夠像人類大腦那樣自我重組、在工作中學習、創造新知識而非僅僅重組舊知識的系統。這才是通往通用人工智能的路。而這條路的起點，不在任何一座現有的超級數據中心裡。
當前的LLM就像萊特兄弟的飛行者一號——它證明了某種東西是可能的，但你不會想要用它來經營一家航空公司。問題是，整個市場正在以波音787的估值去給飛行者一號定價，同時以空中巴士A380的產能去為它建造機庫。
過去，我們見過太多次這樣的循環：新技術出現，敘事狂熱，資本瘋狂湧入，然後在某個無人預期的時刻，市場突然清醒過來，意識到自己花了天價買了一個半成品。2000年的互聯網泡沫是這樣。互聯網本身當然是革命性的——但那不代表在1999年用五百倍市盈率買Pets.com是個好主意。
今天的AI投資格局有著令人不安的相似之處。技術是真實的，應用場景是存在的，但估值已經完全脫離了產品的實際能力邊界。你正在為一個98%準確率（在複雜任務上可能只有70%）的工具，支付一個隱含著「它很快就會變成100%準確」的價格。而我們剛剛花了整篇文章告訴你：它不會。
所以，當你考慮是否要在8,520億美元的估值上接盤時。請問清楚自己「這次是不是不一樣？」——還是每次都一樣？如果認為這是「能力圈」以外的決策，最好還是把錢放在那些保持了資本紀律、沒有在這場偽軍備競賽中把資產負債表燒出一個洞的公司上。等待真正的技術突破到來，然後再出手。
在一場所有人都在搶著衝進門的遊戲裡，站在門外有時候不是膽怯，而是清醒。
