AI：泡沫真的是飞轮吗？ 麻省理工学院经济学家里卡多·卡瓦列罗在其最近的工作论文《投机增长与人工智能“泡沫”》中提出了一个引人入胜的论点： 真正的问题不是人工智能是否是一个泡沫，而是泡沫本身能否创造未来的基本面。 传统金融学认为估值来自基本面。未来的现金流决定了今天的价格。如果价格上涨远高于预期的现金流，我们称之为泡沫。这一逻辑支撑着价值投资、贴现现金流（DCF）模型和大部分有效市场假说。 Caballero将这种因果关系扩展到反馈循环中。价格不仅反映了未来，还有助于塑造未来。高估值提高了公司筹集资金的能力。这笔资金用于投资。投资建设生产能力。更高的生产率最终会产生更强的未来现金流。换句话说，最初看起来与基本面脱节的估值可能会成为创造这些基本面的过程的一部分。（这与乔治·索罗斯的反身性思想有些相似。） 该论文认为，每当市场估值影响投资决策时，价格上涨都会积极帮助创造未来的经济基本面。 这种机制可能适用于人工智能的关键原因是，人工智能与传统资本有着根本的不同。 传统资本收益递减。建造更多的工厂，最终需求饱和，产能过剩，资本回报率下降。 Caballero认为，人工智能最好被理解为一种可扩展的劳动力形式，就像资本一样。GPU、基础模型和AI代理不仅增加了更多的机器，还扩大了经济的有效劳动力供应。在他的框架中，人工智能资本执行了原本需要人力的任务。随着人工智能资本的积累，生产劳动能力也随之扩大，大大削弱了传统的收益递减规律。 这篇论文甚至走得更远。 人工智能投资也改变了收入分配。 越来越多的收入流向资本所有者，他们往往将收入的很大一部分存起来。更高的储蓄增加了长期资本的供应，压低了长期利率，并使经济能够维持更大的资本存量。卡瓦列罗称之为资金反馈：更多的资本形成会降低未来的融资成本，而更低的融资成本会鼓励更多的资本构成。系统开始表现出正反馈，而不是标准增长模型中嵌入的负反馈。 这导致了两种根本不同的长期均衡。 在一个世界里，人工智能投资仍然不足。资本积累缓慢，生产率增长持续疲软。 另一方面，人工智能继续吸引大量资金。大量投资流入数据中心、GPU、基础模型和人工智能代理，最终产生高资本、高生产率的均衡。 有趣的是，尽管存在这种优越的均衡，但理性市场可能永远无法自行达到它。 Caballero表明，从今天的低资本均衡开始，即使是完全理性的投资者也可能无法就更好的结果进行协调。逻辑是循环的：如果今天没有足够的资本，未来的生产力就无法加速；如果没有更高的未来生产率，今天的估值仍然低迷；没有高估值，企业就无法为必要的投资提供资金。经济陷入了自我强化的均衡状态。 这正是泡沫的重要性所在。 高估值使公司能够筹集资金。这笔资金为更多的GPU、更大的模型和更自主的代理提供了资金。这些投资最终提高了经济的生产能力。 泡沫不是目的地。 这就是桥。 这也是为什么该论文反复强调脆弱性。 真正的危险不是泡沫最终破裂。危险在于它过早爆发。 如果在建立足够的人工智能基础设施之前融资枯竭，投资就会停滞，人工智能发展就会放缓，预期的生产力增长也永远不会实现。但是，如果在估值正常化之前已经有足够的数据中心、计算基础设施、模型和人工智能代理，那么即使在投机溢价消失后，高资本均衡也可以维持下去。 修正的时机远比修正本身重要。 互联网就是一个典型的例子。 2000年，互联网泡沫破灭。然而，光纤网络、服务器、软件、数据中心和工程人才仍然存在。泡沫消失了，但互联网革命才刚刚开始。 AI可能会走上类似的道路。 不同的是，这次幸存下来的可能不仅仅是数字基础设施，还有智能本身。 更进一步 我相信卡瓦列罗的框架可以进一步扩展。 他的论文将人工智能建模为可复制的劳动力。 事实上，人工智能正日益成为可复制的研究人员。 如果人工智能不仅可以执行劳动，还可以进行科学研究、编写软件、设计芯片、发现新材料和发明更好的人工智能模型，那么它不仅会改变生产功能，还会改变创新功能本身。 从历史上看，创新取决于科学家、工程师和特别有才华的人的数量。因此，重大的技术革命通常需要几十年的时间才能展开。这是Kondratiev波持续时间长的根本原因之一。经济并非每五六十年就自然产生一次技术革命。相反，创新资源本身在历史上扩张非常缓慢。 人工智能可能是第一种能够打破这一限制的技术。 未来的创新将不再仅仅依赖于人类智能。 相反，它可能会成为人类加上数百万人工智能代理的组合输出。 最终，其中大部分甚至可能主要由人工智能本身驱动，由不断扩展的计算提供动力。 随着计算能力的不断增长，经济的创新能力也在不断增强。 创新本身首次成为一种可以资本化、规模化和持续扩张的生产要素。 现在，将其与编码代理、研究代理、自主科学发现和递归自我改进（RSI）的快速发展相结合。 反馈回路变得非常强大。 更多的人工智能加速了研究。 更快的研究产生更好的模型。 更好的模型进一步加速了研究。 这将成为真正的智能飞轮。 创新本身的速度开始加快，而不仅仅是生产效率。 “慢慢，然后突然” 这就是为什么我一直认为人工智能的经济回报可能会遵循“缓慢，然后突然”的模式 如今，投资者主要关注GPU、模型训练和数据中心的支出。 投资回报率似乎不大，导致许多人得出结论，人工智能只是另一个泡沫。 但这些投资主要不是购买今天的利润。 他们正在购买明天的情报资本。 一旦模型能力超过某些关键阈值，人工智能代理就开始在整个企业中运行，劳动力替代加速，生产率可能会经历高度非线性的跳跃。 在这一点上，曾经看起来过高的估值可能突然看起来完全合理。 Caballero的原始反馈回路是： 估值→ 投资→ 资本形成→ 基础 我怀疑人工智能最终可能会演变成更强大的东西： 估值→ 投资→ 计算→ 智能→ 创新→ 更多想法→ 更高生产力→ 更高的利润→ 更高的估值 产生积极反馈的对象不再只是资本。 这是社会的全部创新能力。 如果这一过程被证明是正确的，那么人工智能将不仅仅代表另一场技术革命。 它将从根本上改变技术革命本身的产生方式。 从历史上看，康德拉季耶夫的长波持续了四五十年，不是因为经济学要求这样的时间，而是因为创新资源稀缺：科学家有限，研发能力扩张缓慢，知识逐渐扩散。 AI正在改变这些假设。 我们可能会看到，在一个共同的人工智能平台上，多场工业革命同时展开，而不是逐渐缩短技术周期： 人工智能驱动的药物发现 人工智能设计的材料 人工智能创造半导体 人工智能机器人 人工智能生物制造 …还有更多。 创新本身已经工业化。 技术革命是连续的，而不是偶发的。 如果熊彼特把创新作为经济增长的引擎，罗默把知识作为增长的引擎的话，那么RSI和卡瓦列罗可能会共同指向增长理论的下一个前沿： 熊彼特的经济周期依赖于颠覆性创新，而颠覆性创新依赖于人类智慧，偶尔也依赖于罕见的天才。 人工智能可能是第一种将天才本身转化为资本形式的技术：一种可以融资、大规模复制、不断改进并最终能够自我改进的技术。 基于这一论点，无论当今的人工智能泡沫有多大，创新的指数级增长都可能使经济以比大多数人预期的更快的速度吸收它。