我们是否在把经济押注于一项注定失败的技术？

# 我们是在把经济押注在一项注定失败的技术上吗？ 来源：https://www.hardresetmedia.com/p/are-we-betting-the-economy-on-a-doomed *马特·谢勒是开放市场研究所的研究员，他的研究和倡导工作侧重于制定应对人工智能泡沫最终破裂的政策。他的Hard Reset系列文章将聚焦于凸显AI泡沫带来的风险，并对抗助长泡沫的炒作。本文仅代表他个人观点。* 如果你读过任何关于人工智能的媒体报道，你很可能会看到一些令人屏息的比喻，将AI与人类历史上最具变革性的发展相提并论。根据AI爱好者的说法，AI将以与祖先们掌握火（https://fortune.com/2023/04/17/sundar-pichai-a-i-more-profound-than-fire-electricity/）、经历工业革命（https://aiinstitute.hbs.edu/the-next-industrial-revolution-ais-economy-wide-influence-across-major-sectors/）以及电气化（https://scet.berkeley.edu/ai-is-the-new-electricity-insights-from-dr-andrew-ng/）相同的方式重塑我们的生活。 但是，如果今天的AI系统并没有引发一场技术革命，而是最终变得像……汪克尔发动机（Wankel engine）一样，那会怎样？ 在20世纪50年代和60年代，汽车在许多方面是美国社会和经济的核心。海滩男孩乐队唱着关于肌肉车的热门歌曲，新建的州际公路系统使通勤和长途公路旅行比以往任何时候都更容易，而通用汽车、埃克森和美孚在20世纪50年代和60年代几乎整个时期都占据了《财富》500强的前三名。 就在汽车的社会和经济影响力达到顶峰之际，一位名叫费利克斯·汪克尔的德国工程师开发出了一种新型发动机，据称其效率有可能远超已有近百年历史的内燃机。汪克尔发动机采用旋转式设计，理论上应该比复杂的活塞驱动发动机效率更高、更可靠。它也更小、更安静，且运动部件更少。 File:Wankel Cycle anim en.gif (https://substackcdn.com/image/fetch/$s_!DH8I!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2Feaffeb2c-ebf0-400c-9bdc-921b96b62e31_240x320.gif) *汪克尔发动机设计图。来源：WikiMedia Commons (https://commons.wikimedia.org/wiki/File:Wankel_Cycle_anim_en.gif)。* 正如布伦特·戈德法布和大卫·基尔希在2019年的著作《泡沫与崩盘》（Bubbles and Crashes (https://www.sup.org/books/economics-and-finance/bubbles-and-crashes)）中所描述的那样，汽车制造商和投资者都垂涎欲滴。当这项技术于20世纪60年代中期首次在欧洲推出时，包括一款能在4.3秒内从零加速到60英里的奔驰车，围绕这项技术形成了一个投机泡沫。投资者和媒体都忽视了那些偶有报道的设计缺陷——这些缺陷可能使汪克尔发动机无法实现其炒作承诺。当销量起步缓慢时，汪克尔发动机的支持者反而将这项技术的艰难推广归咎于过度监管。 感谢阅读！本文是公开内容，欢迎分享。 分享 (https://www.hardresetmedia.com/p/are-we-betting-the-economy-on-a-doomed?utm_source=substack&utm_medium=email&utm_content=share&action=share) 事实证明，该发动机的技术局限性使其在商业上不可行。通用汽车获得了技术许可，但在发现旋转式发动机的密封难题使得汪克尔发动机的效率与可靠性反而低于它理应取代的旧式发动机后，从未将其推向市场。那些曾承诺汪克尔革命的公司投资者最终血本无归。 > 正如戈德法布和基尔希所言，“投机者们低估了技术失败的可能性。” [](https://substackcdn.com/image/fetch/$s_!Y47h!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F5754fb9f-0063-478e-841e-cb63df4be0b9_2048x1151.jpeg)一台汪克尔发动机（图片来源：Zigmunds Dizgalvis via iStock） 对美国经济而言幸运的是，无论是通用汽车还是其他任何大公司，都没有把身家性命押注在汪克尔发动机上。没有一家汽车制造商解雇了他们的资深工程专家，或者关闭了传统动力总成汽车的生产线。如果他们那样做了，这个美国最重要的行业很可能会经历一场足以将整个国家拖入衰退的巨大崩溃。 汪克尔发动机的故事提出了我们今天应该扪心自问的重要问题：如果这个国家最大的行业真的全力押注于一项根本无力兑现其炒作承诺的技术，会发生什么？更进一步，如果整个经济在某种程度上都变成了一场押注于这样一项技术能否成功的巨大赌注，那又会怎样？ 我们可能即将找到答案。 如今，科技行业对美国经济的支配程度是汽车行业从未达到过的。美国最有价值的十家公司全是科技公司（https://companiesmarketcap.com/usa/largest-companies-in-the-usa-by-market-cap/），它们（除了部分但显著的例外——苹果）都将自己的未来押注在生成式AI的成功之上，尤其是那些支撑着ChatGPT及其竞争对手的大语言模型。AI行业正处于一场价值8万亿美元（https://www.cbsnews.com/news/ai-bubble-tech-selloff-investment-consumer-business-demand/）的支出狂欢之中，用于建设数据中心和购买训练及运行生成式AI模型所需的专用芯片。为了收回这笔日益依赖风险债务（https://www.bloomberg.com/news/articles/2026-07-02/ai-debt-deluge-makes-credit-market-look-safer-while-masking-risk）的投资，AI公司必须在2030年前创造数万亿美元的额外收入（https://www.bain.com/about/media-center/press-releases/20252/$2-trillion-in-new-revenue-needed-to-fund-ais-scaling-trend---bain--companys-6th-annual-global-technology-report/）。 希望似乎是，AI将通过自动化大量的白领工作来回报这一价值。SpaceX在其招股说明书中提出了这一前景，其中暗示（https://www.bloomberg.com/news/articles/2026-05-21/spacex-challenges-ai-rivals-for-control-of-26-5-trillion-market）白领工作是一个价值26.5万亿美元的市场，AI公司可以就此夺取。SpaceX的算法很可疑——正如经济学家阿斯沃斯·达摩达兰在最近一期播客（https://podcasts.apple.com/us/podcast/big-market-delusion-why-private-credit-is-ais-biggest/id1850303115?i=1000773840267）中指出的那样，26.5万亿美元超过了所有上市公司员工薪酬的总和。但即使真有价值26.5万亿美元的工作可以被自动化，生成式AI看起来也难当此任。 在过去的一年里，研究（https://www.deloitte.com/uk/en/issues/generative-ai/ai-roi-the-paradox-of-rising-investment-and-elusive-returns.html）和调查（https://www.deloitte.com/uk/en/issues/generative-ai/ai-roi-the-paradox-of-rising-investment-and-elusive-returns.html）多次（https://www.rand.org/pubs/research_reports/RRA2680-1.html）发现（https://www.cio.com/article/3850763/88-of-ai-pilots-fail-to-reach-production-but-thats-not-all-on-it.html），大多数公司并未从他们的AI投资中看到任何回报。这并不令人惊讶；AI系统经常出错（https://www.businessinsider.com/ai-agents-errors-hallucinations-compound-risk-2025-4），包括数量惊人的灾难性（https://futurism.com/artificial-intelligence/companies-ai-agents-botching-important-tasks）故障（https://www.zdnet.com/article/how-ai-agents-create-new-disasters-when-they-interact/）。这种“AI废话”意味着，在前端通过将任务委派给AI而节省下来的许多人力，在后端又因需要人类来清理AI造成的混乱而流失。 在展示其最大商业潜力的用例中，AI是计算机编程。正如纽约大学教授泽伊内普·图费克奇在最近一篇《纽约时报》（https://www.nytimes.com/by/zeynep-tufekci）专栏（https://www.nytimes.com/by/zeynep-tufekci）中所写，编程的输出“要么是可验证的正确或错误，要么是能运行或不能运行，并且可以通过自动化流程进行明确检查”。这使得编程成为生成式AI理应特别适合的任务。 但即便在编程领域，AI是否真正增加了价值也远未明朗。根据企业数据公司Entelligence（https://research.entelligence.ai/）的数据，在公司花在AI编码工具上的每一美元中，有44美分用于修复AI生成的错误，27美分用于重写代码，还有11美分因代码审查过程中的其他低效率而损失。换句话说，绝大多数AI编码支出都被修复AI编码错误所需付出的努力抵消了。每一美元中只有18美分作为已交付的产品真正到达用户手中。 [](https://substackcdn.com/image/fetch/$s_!pQK7!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F584fc9ca-52a2-4a69-8b3f-4ca6dbaf9a30_1858x358.png) *来源：Entelligence.ai (http://research.entelligence.ai/)* 即使是这个数字也可能高估了AI编码的价值。尽管自去年AI编码兴起以来，iOS应用程序的发布数量猛增，但使用量可观的应用程序数量和应用程序评论数量实际上却下降了（https://www.ft.com/content/8e9ae7a4-7209-4e2c-aa36-f3af77d6ce1f?syn-25a6b1a6=1），这表明即使是“已交付的产品”也常常毫无价值。 [](https://substackcdn.com/image/fetch/$s_!WsXn!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F5ac07c6d-703e-4e3e-a883-0ec249ed9081_1386x890.png) 请记住，编程可是生成式AI理应特别擅长的领域。在其他场景中，特别是在那些错误成本高昂的场景中，AI可能近乎无法使用。AI驱动的法律工具经常（https://hai.stanford.edu/news/ai-trial-legal-models-hallucinate-1-out-6-or-more-benchmarking-queries）生成不准确或不完整的案件摘要（https://hai.stanford.edu/news/ai-trial-legal-models-hallucinate-1-out-6-or-more-benchmarking-queries）、不存在的引述（https://www.govinfo.gov/content/pkg/USCOURTS-mied-4_23-cv-11310/pdf/USCOURTS-mied-4_23-cv-11310-1.pdf），甚至完全不存在的完整判决意见（https://www.courtlistener.com/docket/69866748/50/nunez-v-american-airlines-inc/#text）。此类错误不仅会导致尴尬和时间浪费；还可能招致司法制裁，以及（对公司律师而言最重要的）不得不注销计费时间，甚至支付对方律师费。 AI支持者试图通过声称AI只是经历了成长的阵痛来淡化其未能（以及其令人担忧的倾向于）创造经济价值的事实，他们往往引用诸如“生产力J型曲线”（https://en.wikipedia.org/wiki/J_curve#Productivity_J-Curve）和高德纳技术成熟度曲线这类受企业顾问青睐的可疑模型。这些模型表明，虽然新技术的生产力最初可能会下降，但在公司找出最佳使用方法后，生产力最终会上升。根据高德纳技术成熟度曲线，创新的新技术在经历最初的兴趣激增后会进入一个“幻灭的低谷”，但低谷最终会演变为“启蒙的斜坡”，并止于“生产力的高原”。 [](https://substackcdn.com/image/fetch/$s_!Bp2R!,f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F527a2eea-2c99-4229-af47-6e658f73349d_1117x727.png) *来源：Jeremykemp (https://en.wikipedia.org/wiki/User:Jeremykemp) 于英文维基百科 (https://en.wikipedia.org/wiki/)* 但许多技术从未从最初的成长阵痛中恢复过来。《经济学人》发现（https://www.economist.com/finance-and-economics/2024/08/19/artificial-intelligence-is-losing-hype），进入幻灭低谷的技术中，有十分之六再也没能回升。正如汪克尔发动机所示，这个低谷有时会加深成一场萧条。 可悲的是，一场萧条可能正是我们所有人前进的方向。与汪克尔发动机不同，世界上最大的公司正在全力押注生成式AI，在此过程中积累了数万亿美元的债务，并蚕食（https://www.lincolninst.edu/publications/land-lines-magazine/articles/land-water-impacts-data-centers/）了经济中其他部分的关键（https://www.bloomberg.com/graphics/2026-ai-boom-memory-chip-shortage/）资源（https://www.nrdc.org/stories/ai-boom-stressing-grid-it-doesnt-have-be-way）。科技公司正在解雇软件工程师，企业正在用AI取代行政人员，结果往往是如预料般可怕的（https://www.tomshardware.com/tech-industry/artificial-intelligence/claude-powered-ai-coding-agent-deletes-entire-company-database-in-9-seconds-backups-zapped-after-cursor-tool-powered-by-anthropics-claude-goes-rogue）（https://www.cbc.ca/news/business/ai-chatbot-bmw-dealership-9.7230226）。 目前，围绕AI的担忧（https://lpeproject.org/blog/the-real-ai-threat-is-the-bubble-not-the-apocalypse/）往往集中在：如果这项技术真的兑现了其炒作承诺，导致数千万人失业，会发生什么？但AI未能实现其臆想中的潜力，同样可能带来另一种经济灾难。当一个主导全球经济的行业将一个传统的赌注押在一项根本有缺陷的技术上时，会发生什么，这完全没有先例。如果AI最终被证明是失败之作，那么陷入火海的可能是整个经济。