在去年 12 月写下那篇关于“AI 是否是一场泡沫”的备忘录后，我和一些三四十岁的科技从业者进行了多次深入交流。对投资人来说，进入陌生领域、逼自己理解正在发生的技术变革，是保持认知更新的必要条件，也是职业中最有趣的部分之一。

几周前，我再次与他们交流，并做了一件有意思的事：我让 Anthropic 的模型 Claude 为我设计一套关于人工智能的教程，重点讲清过去三个月里发生了什么变化。它不仅生成了一份超过一万字的系统性课程，而且是围绕我的认知框架、过往文章和投资逻辑量身定制的。

这篇文章，是那次思考的延续。

我没有让 AI 直接替我写完它——毕竟，思考与落笔本身仍然是乐趣所在。但不可否认，我对 AI 输出内容的质量感到震撼。

一、理解 AI：它不是搜索引擎，而是“合成与推理机器”

在此之前，我对 AI 的理解仍停留在“高级搜索引擎”的层面——读取数据、整理信息、吐出答案。但教程让我意识到，这是严重低估。

一个 AI 模型的生命可以分为两个阶段：

1. 训练阶段（Training）

这并不是简单地“灌输知识”，而是学习如何思考。
通过阅读海量文本，模型学习到：
• 推理结构如何构建
• 论证如何展开
• 概念如何组合
• 逻辑如何迁移到新场景

这更像一个孩子成长的过程。婴儿出生时并不具备分析与综合能力，但在长期输入中形成思维框架。AI 亦然。

2. 推理阶段（Inference）

模型完成训练后，进入“推理阶段”，开始根据用户的指令（prompt）执行任务。

重要的一点是：AI 目前仍无法主动给自己设定任务。
它必须通过清晰、完整的提示词被“调动”。提示词质量，直接决定输出质量。

这意味着：
AI 的潜力并非被模型本身限制，而往往被使用者的表达能力限制。

二、AI 会“思考”吗？

这是一个绕不开的问题。

怀疑者的观点很清晰：

AI 只是对人类既有模式的统计重组。
它没有经验、没有身体感知、没有真正理解。
它是史上最强大的模式匹配器，但不是思想者。

换句话说，它像一个顶级翻唱歌手，而不是作曲家。

但反驳同样锋利：

人类的思想何尝不是建立在他人思想之上？
我们吸收框架，迁移应用，产生新的组合。
原材料来自他人，综合过程属于自己。

结构上，这和 AI 有何本质区别？

更进一步，即便哲学上仍存在争议，经济问题却极其现实：

如果 AI 能输出一个年薪 20 万美元研究员的成果，
那么它是否“真的理解”，对付费者来说并不重要。

关键问题不是：

“它是否真正思考？”

而是：

“它是否能完成工作？”

三、三个月的跃迁：速度前所未有

与历史技术演进相比，AI 的发展速度近乎失控。
• 1945 年 ENIAC 诞生
• 40 年后个人电脑才普及
• 又过了几十年互联网才重塑商业

而 AI：
• 2022 年还算不准简单算术
• 2023 年通过律师考试
• 2024 年可写可运行软件
• 2025 年顶级工程师开始将大量代码交给 AI
• 2026 年模型已经参与构建自身

OpenAI 在 2026 年 2 月发布的 GPT-5.3 Codex 明确表示：

该模型在训练、部署与测试过程中，已经协助改进自身。

这意味着什么？

AI 开始参与自身进化。

这是人类历史上第一次出现这样的技术结构。

四、从工具到“替代者”：能力的三级跃迁

AI 的能力演进，大致可以分为三层：

Level 1：对话 AI

回答问题，节省思考时间。

Level 2：工具型 AI

执行搜索、分析、生成任务，节省执行时间。

Level 3：自主智能体（Autonomous Agent）

给出目标与约束条件，AI 自主规划、执行、校验、迭代，最终提交结果。

区别在于：

Level 2 是效率工具
Level 3 是劳动力替代

这不仅是技术差异，而是经济结构差异。

五、局限与未解之问

尽管能力惊人，AI 仍有局限：
• 面对完全前所未有的问题时，能力仍存疑
• 存在“幻觉”现象
• 上下文记忆有限
• 不具备真正的风险感受

但问题在于：

这些缺陷，人类同样存在。

AI 或许不能做到完美，但它已经超过大多数人类在多数知识任务上的表现。

六、投资影响：优势与缺失

AI 在投资领域具备明显优势：
• 吸收数据能力远超人类
• 记忆力更强
• 不受情绪驱动
• 更少认知偏差

但它缺少：
• 对真正新事物的直觉判断
• 对质性因素的感知
• 风险的体感压力
• “把自己资金押进去”的心理重量

投资从来不仅是数据处理。
它包含判断、品味、远见与胆识。

我仍相信，少数卓越投资者仍能创造超越 AI 的价值，但门槛将显著提高。

七、AI 是泡沫吗？

问题可以拆解为几层：
1. 技术是否真实？——是。
2. 需求是否存在？——是，而且增长迅猛。
3. 基础设施是否可能过度投资？——历史经验告诉我们，很可能。
4. 估值是否合理？——尚无法判断。
5. 收入是否存在“循环内消化”？——确实存在。

我的结论没有改变：

AI 潜力可能被低估，
但这不等于所有 AI 资产都价格合理。

最合理的策略不是 All-in，也不是 All-out。

而是：

在审慎与选择性前提下，持有适度敞口。

八、真正令人不安的，是社会层面

比投资更大的问题，是就业结构。
• 广告文案岗位可能被替代 80%
• 软件工程师需求可能减少
• 自动驾驶已开始冲击驾驶职业
• 法律、金融、咨询等知识岗位面临重构

AI 从“更快的马”进化为“汽车”。

问题不是效率提升，而是：

工作本身是否消失。

历史告诉我们，每次技术革命都会创造新岗位。

但这一次的速度，远超社会再培训能力。

我既希望乐观者是对的，也无法完全摆脱担忧。

九、结语：

敬畏，而非确定性

我们面对的，不只是一次技术升级。

而是一种：
• 自主性前所未有
• 进化速度前所未见
• 经济影响极具穿透力
• 社会后果尚不可知

的系统级变化。

AI 正在狂奔。
我们理解它的速度，远远慢于它改变世界的速度。

我愿意保持审慎的开放态度：
• 不盲目兴奋
• 不消极拒绝
• 不孤注一掷
• 也不置身事外

如果趋势持续，以当前节奏看，
很快，我或许又会写下一篇新的补充备忘。

而那时，世界可能已经再次改变。

（完）