泡沫不止上一次
这一章讲三件事: 上一轮的故事是怎么讲的、怎么破的; 卡住自动驾驶的到底是什么;以及这样的周期一共发生过几次。
它在全书链条里的位置: 第 16–18 章讲的是这一轮的钱怎么流。 这一章是唯一一次系统性降温,而且它给的每一条都是可核的事实。 第 20 章会把这一章的教训换算成一笔可以算的账。
1. 一个前后都圆得上的资本叙事
这一节先讲上一轮的故事是怎么讲的——它并不荒唐,这才是它可怕的地方。
书里开篇引了一句 1984 年的发言,时间点值得注意: 「担心大家把 AI 想得太好了,担心这种指望最终会把事情搞砸…… 重要的是,我们应该采取措施来阻止 AI 冬天的到来。」1
故事从 2016 年开始: 那年 3 月,一个下围棋的程序以 4:1 的大比分战胜韩国棋手; 2017 年 5 月,它又以 3:0 完胜中国棋手2。 而在此之前,许多围棋界人士和媒体认为,计算机要想在围棋上战胜人类还要再等 100 年3。
紧接着的一步更关键: 战胜之后五个月,新版本发布, 不采用任何人类棋谱作为训练数据,仅通过自我对弈完成强化学习, 且比之前的所有版本都要强大;那家公司的负责人说它**「不再受限于人类认知」**4。
四步连起来,就是一个完美的叙事5:
① 提前 80 年攻克围棋
↓
② 快速实现自我升级,不再受限于人类认知和专家数据
↓
③ 再一年后,击败电子竞技职业选手
↓
④ 快速横向扩展到医疗、能源等高端产业
书里把这个叙事提炼成六个字:技术有门槛,业务可复制5。
这六个字为什么对资本极有说服力? 书里说得很透: 让人听不懂的技术概念和豪华的科学家阵容,造就了极高的门槛,但一旦突破就能筑起壁垒; 而「不受限于人类认知和专家数据」的横向复制机会,则会妥妥地带来超高潜力回报6。
后面的事你能想到: 各行各业的公司都在想办法给自己贴上标签, 指望「挂个羊头」就能拿到更高的估值或补贴;发个合作公关通稿就能看到明天股票的红盘; 生产显卡整机的硬件公司市值水涨船高7。
2. 破在第二个字上:业务不可复制
这一节讲那个叙事的哪一半是真的,哪一半不是。
书里的判决很干脆:两年之后,产业和资本发现梦想中的叙事逻辑只实现了一半。 技术门槛确实不低,毕竟科学家和工程师都更贵了,但业务的横向复制却没有那么简单8。
最有分量的证据是一份内部文件。 2018 年 7 月,一家公司的医疗产品被曝出: 它的肿瘤诊断算法——算法就是一套写死的计算步骤,输入什么、按哪几步算、 输出什么,全部提前定死——经常给出不准确的、与国家治疗指南相悖的建议—— 书里给的例子是它建议一名新诊断出肺癌并出现严重出血症状的 65 岁患者, 接受化疗和一种药物;而这种药物的黑框警告提示它可能导致「严重或致命的出血」, 不应让严重出血的患者使用9。
为什么会这样? 文件里写着:诊断算法的有效性主要受训练样本数据的影响, 但这一算法的训练数据不足,且数据是由医生和工程师自行编写合成的,并非真实的历史病例10。
而客户那边的原话更狠: 「这个产品就是垃圾。我们购买它是为了公关营销,期待你们能实现所说的愿景。 但我们大部分情况下无法使用它。」11
书里把失败拆成两层,这两层今天仍然成立:
| 具体是什么 | |
|---|---|
| 跨行业复制几乎是妄想 | 每个行业的业务场景、目标、约束和数据都不一样,需要全新的方法论和长期跨学科合作;而那句「不再受限于人类认知」仅限于那个下围棋的程序12 |
| 同行业跨客户复制成本也很高 | 每个客户都要花很大精力准备自家的训练数据,还要面对生产环境下非常不确定的效果;甲客户做得好,不意味着同行业的乙客户也能做好,甚至甲客户这个月的成功,也不意味着下个月还会成功13 |
还有一层更技术的解释,来自 2015 年的一场演讲14: 它给软件工程带来了新的混乱,因为生产环境下数据必然会发生变化, 会使模型无法按预期输出稳定结果;如果把训练好的模型当作软件模块来集成, 模块的输出会受输入数据变化的影响,不能按模块之间的约定办事, 从而造成其他模块无法正常工作—— 而它什么时候、什么情况下会「违约」,无法被预先界定。
3. 主走查:一个医疗项目的四个阶段
这是本章的主走查。四步,每一步写出手里的数据变成什么样、要重调什么。
书里引了一位工程师的自述,把这四步说得非常具体15:
| 第几步 | 你手里拿到什么数据 | 要重调什么 |
|---|---|---|
| 1 首次接触 | 客户提供一小撮数据样本,让你理解业务数据 | 初步判断能不能做 |
| 2 概念验证 | 拿到大量真实的历史数据 | 认知变了:参数要重调 |
| 3 上生产环境 | 碰到更实时的数据 | 认知又变了:网络结构可能要重新设计 |
| 4 运行一段时间之后 | 必然会遇到各种新情况——客户调整人群定位、外部行业政策有变导致业务环境变化 | 甚至要对算法进行重新取舍 |
那位工程师的原话是: 「在这四个不同阶段,你所认知的客户数据特点和分布都会发生变化…… 没办法,这就是做 AI 行业项目的命,很麻烦,也很折腾。」15
书里对「折腾」这两个字的展开最值得抄: 是长期的折腾而不是一次性折腾;要在客户现场折腾而不是 远程折腾; 得让有经验的算法工程师而不是普通工程师去折腾16。
而最后一句是致命的:折腾完了能不能成、怎么折腾才能成, 即便是业界最顶尖的科学家也没法判断,因为没人知道其中的运作原理16。
4. 有人在颁奖台上把这一行比作炼金术
这一节讲这个行业内部最诚实的一次自我批评。
2017 年底,一场顶级会议上,一位「时间检验奖」的获得者在讲完获奖论文之后, 在大屏幕上出人意料地放出了一页:炼金术17。
他的意思是:方法虽然有不错的效果,但缺乏严谨完备可验证的理论知识, 业内人士根本不理解自己做的东西是怎么运作的18。
书里举的例子非常具体:不小心修改一个参数就会带来天翻地覆的变化; 极简两层网络中遇到的问题,在把网络做得更复杂之后就奇怪地消失了,没人能 说清为啥19。
更尖锐的是书里点名的那一招:它一次拿一大堆数据一起算(这叫按批处理),
算完之后再把这堆数按同一把尺子缩到差不多的范围——这叫归一化。 业界都知道它能加快训练速度,但似乎没人知道为什么, 也没有证据证明它一定管用,甚至整个业界都缺乏对相关概念的严格定义19。
他那句总结是全书最好的一句自嘲: 他不怕坐飞机,虽然自己不懂飞行原理,因为他知道有一大批专家掌握了原理; 而这一行最让人担心的是,他自己不知道原理,而且他知道其他人也不知道20。
反驳的那一方,反而坐实了这件事。 一位后来的图灵奖得主回应说: 这类网络确实没法在理论上证明自己一定收敛(收敛就是「越练越稳,最后停在一个结果上」),但我们在实践中效果很好, 千万别因为理论跟不上实践就大肆批判—— 书里的判断是:这段辩护实际上承认了他指出的问题21。
后果是什么? 书里给了一个很生动的比喻: 在不同客户环境下能不能调成功,靠的是 经验加运气,调对了不知道为啥对、错了也搞不清为啥错; 这样的经验不容易被传承和复制,只能依赖那些做过多个项目的「老中医」, 而老中医很稀缺,自然也很贵22。
5. 别想比安全员先下车
这一节讲另一条线,而且它今天仍然是最好的那面镜子。
先看资本上的落差: 那家最领先的自动驾驶公司, 估值一度达到 1750 亿美元,如今已下跌到了 300 亿美元; 2023 年 2 月它还执行了近期第二轮裁员,两轮共裁掉 200 多人,占员工总数的 8%23。 同期,两家汽车巨头关闭了他们合资的那家明星创业公司24。
卡住它的是什么? 书里的答案只有一句:因为安全员成为自动驾驶商业化的瓶颈25。
这句话的经济学在这里: 企业要规模化运营就要加大投放,车辆制造成本随之逐年降低; 但安全员作为边际成本却没有任何下降的趋势—— 于是安全员在单车边际成本结构中的占比越来越高; 无人车制造成本比普通出租车高,安全员成本至少不低于司机成本, 两项加起来明显高于普通出租车的运营成本26。
书里引的那句业内原话最直白: 「如果不拿掉安全员,所有这些商业模式都是空谈。」27
为什么六七年了还需要他? 书里给了两条,两条都不是技术乐观主义能解决的28:
- 长尾场景永远测不完——罕见的恶劣天气、复杂的城市路况、非标准的道路标志、 不可预测的路人行为;尤其在黑箱里,面对复杂情况的输入,模型始终会存在不确定的输出;
- 法规和社会接受度会谨慎——不时出现的事故报道会影响产业各方, 企业也会把握节奏,因为一旦出事,有可能前功尽弃。
产业最后是怎么绕的? 两条: 切入辅助驾驶的前装量产市场,先创造现金流; 以及摸索出远程云代驾的方式,在无人化的过渡期替代车上的安全员29。
书里那句收尾很有味道:先挣钱活下来,同时做好社会沟通和风险教育, 最终熬到真正实现无人化的美好未来;不过,在这波浪潮中, 无论是资本还是产业,想要下车的,请跟在安全员后面30。
6. 那条「一秒钟法则」,和作者给它加的注
这一节讲一句被引用了无数次的判据,以及书里对它的修正。
原话是:「如果普通人能在不到一秒的时间内完成某一项脑力工作, 那么我们很可能在现在或不远的将来用 AI 将其自动化。」31
书里的改写很不客气,而且它把这一整章的教训压进了一句话: 「……那么我们很可能在现在或不远的将来用 AI 将其自动化, 至少可以找到一个符合条件的客户,把我们最贵的算法『老中医』砸进去, 做一个能发公关宣传的样稿出来。」32
这句反讽的价值在于:它把「技术上可行」和「产业上成立」这两件事分开了。 能做一个样稿,和能规模化交付,中间隔着这一章前五节的全部内容。
7. 把尺度 拉长:泡沫不止上一次
这一节把书里散落在两章的两个例子接起来,它们是全书唯一一次把周期拉到四十年尺度。
第一个例子在六十年前。 ELIZA 是 20 世纪 60 年代在麻省理工学院开发的聊天机器人, 支持好几种对话脚本,其中一个可以模拟人本主义的心理治疗师,跟用户文本交流; 尽管智能有限,但它为后来的人工智能对话系统奠定了基础33。
书里那句对照很锋利:那就是 60 年前的角色扮演聊天产品, 只不过智能程度低,聊不了几轮就露馅34—— 而书里在同一章里还写着,今天那类产品「聊天体验还不错, 算是目前为止比较有特色的面向个人的应用」35。 同一件事,六十年,两次热。
第二个例子在四十年前,而且它带完整的金额和结局36:
| 时间 | 发生了什么 |
|---|---|
| 1984 年 | 日本通产省制订了关于第五代计算机系统的十年计划,拨款 8.5 亿美元 |
| 同年 | 那位专家系统之父被请去作指导,并写了一本书 |
| 随后 | 他拿着日本的计划回美国,以「日本威胁论」为名游说美国政府投资,他自己也从中拿了不少项目 |
| 三年之后 | 美国国防部那家研究机构认为这个方向失败,砍掉了大部分预算 |
8.5 亿美元在 1984 年是多大一笔钱? 给两个你自己就能核的参照,都不跨币种:
- 一是摊到时间上:这笔钱要撑十年,平均每年 8500 万美元;
- 二是折到今天的物价上:补充(不在书里,来自通用知识): 按美国官方统计的物价涨幅,1984 年的 1 美元大约相当于今天的 3 美元—— 所以那笔钱换成今天的美元,是 25 亿上下。
把两条合起来:一个国家举全国之力搞一个十年计划, 按今天的量级每年也就投两亿多美元。 这是一个「政府项目」的尺度,不是一个「产业」的尺度—— 而三年之后,连这个尺度的钱都被砍掉了大半。
把三次放在一起,这一章的落点就出来了:
1984 年 第五代计算机 ── 十年计划,8.5 亿美元 ── 三年后被砍
2016 年 下棋赢了人类 ── 技术有门槛、业务可复制 ── 两年后只兑现一半
2022 年 这一轮 ── ?
书里那位创业者角色给的定位是: 如果以大模型为主语,那就处在这个小周期的第一个上升波段, 会出现过度乐观情绪,未来还会往下掉一段,然后再上升; 如果把近十年的 AI 都算进这个周期,那现在处于第二个上升波段, 已经过了曾经的泡沫巅峰,也过了破灭的谷底,开始落地爬坡37。
注意这两个答案是矛盾的,而书里自己承认了这一点: 「要看是以大模型还是 AI 为主语,周期和位置有所不同,解释空间就会很大。」38
8. 最赚钱的那家 AI 公司,做的不是 AI 产品
这一节讲书里给的第三个案例,它是这一章唯一一个正面例子。
书里的时间线对得很妙39:
| 年份 | 那一边 | 这一边 |
|---|---|---|
| 2016 | 下棋赢了人类 | 一家公司内部孵化了一款短视频产品,三个月后改名 |
| 2017 | 自动驾驶公司拿到数十亿美元投资 | 那款产品每天打开它的人暴增到数千万,并以 10 亿美元收购了北美的一款同类产品 |
| 2023 | 这一轮开始 | 它的海外版每天有超过 10 亿人打开(行话叫日活) |
它赢在哪? 书里的答案不是「内容更好」,是主页界面设计, 以及主页设计背后算法逻辑的差异40:
| 货架式(当时的老大) | 全屏沉浸式(它) | |
|---|---|---|
| 一屏放几条 | 好几条,瀑布流上下划 | 一条,直接播 |
| 用户能不能选 | 能 | 不能——要么看这条,要么划走 |
| 换一条要几步 | 三步(退出 → 浏览 → 点击) | 一步(上划) |
| 风险 | 低 | 极高:硬塞过来的东西不感兴趣,刷几条就退出了,不再回来 |
书里的判断很到位:仅此一项风险,就已经劝退其他公司, 转而采用更稳妥的双列货架式设计41。 而这家公司敢这么做,是因为它从 2012 年就在打造自己的推荐算法, 并把它放到了公司中台,让所有内部孵化的新应用第一时间就能接入42。
这一节和这一章的关系是什么? 它是这一章唯一一个「技术门槛 + 业务复制」两条都兑现了的案例—— 而它兑现的方式不是把算法卖给别人,是自己用算法做出一个产品。 书里引的那句内部人评价是:「很多人觉得字节是一家内容公司,这是错误的, 字节就是 AI 算法公司。」43
这一条会在第 20 章变成一条结论:最好的商业不是卖技术,是用技术做出新市场。
9. 作者的判断与证据
| 说法 | 性质 |
|---|---|
| 那个下棋程序的战绩、新版本不用人类棋谱 | 事实 |
| 「技术有门槛、业务可复制」 | 作者对当年叙事的提炼,不是当年谁的原话 |
| 医疗那份内部文件与那条建议 | 被曝出的文件内容,书里转述 |
| 四个阶段 | 一位工程师的自述,书里注明是「某大厂 AI 算法工程师」 |
| 炼金术那次演讲与回应 | 公开事件 |
| 那家自动驾驶公司的估值与裁员 | 公开数据 |
| 「一秒钟法则」的改写 | 作者的反讽,不是原作者的话 |
| 短视频那家公司的复盘 | 引自一篇媒体报道 |
必须点破的一处:这一章的降温是有选择的。 它复盘了上一轮的失败,但对这一轮只给了「思考题」,没有给判断—— 每一节末尾都是一句「这会在大模型这波浪潮中重演吗?」 真正的回答在第 20 章,而那一章给的是「谨慎乐观」。
10. 边界与局限
- 书里没有算上一轮的损失。 有多少项目黄了、多少钱打了水漂,一个数都没有。
- 书里没有讨论那些成功的行业 AI 项目。 复盘只讲失败, 这会让人以为上一轮什么都没留下——而事实上人脸识别、推荐、语音这几块都跑通了。
- 「一秒钟法则」的原话是有前提的,书里没有交代那个前提。
- 短视频那一段和这一章的主题其实有张力: 它讲的是算法怎么成功, 而这一章前面讲的是算法怎么失败。 书里没有把两者的差别讲清楚—— 我们的看法是:差别在于「自己用」还是「卖给别人用」。
11. 可带走的
- 上一轮的叙事是六个字:技术有门槛,业务可复制。前三个字兑现了,后三个字没有。
- 医疗那次的教训不是「模型不行」,是训练数据是人编的、不是真实病例。
- 数据在四个阶段会变四次,每变一次都可能要重调参数、重设结构、甚至换算法。
- 有人在颁奖台上把这一行比作炼金术,而反驳者实际上承认了问题。
- 卡住自动驾驶的不是技术,是那个不会随规模下降的安全员成本。
- 泡沫不止上一次:六十年前有过一个聊天机器人,四十年前有过一个 8.5 亿美元的十年计划。
- 同一件事,以「大模型」为主语和以「AI」为主语,给出的周期位置是相反的—— 书里自己承认解释空间很大。
12. 原文地图
| 主题 | 原书章 | 原文位置 |
|---|---|---|
| 1984 年那句发言 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:8(搜「在1984年AI大会上的发言」) |
| 战绩与「再等 100 年」 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:12(搜「以4∶1的大比分获胜」) · text/18-ch16-16-ai.txt:15(搜「还要再等100年」) |
| 不再受限于人类认知 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:21(搜「不再受限于人类认知」) |
| 技术有门槛、业务可复制 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:50(搜「技术有门槛，业务可复制」) |
| 医疗那份文件 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:79(搜「沃森健康的肿瘤诊断算法」) · text/18-ch16-16-ai.txt:81(搜「贝伐珠单抗」) |
| 「这个产品就是垃圾」 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:91(搜「这个产品就是垃圾」) |
| 两层复制难题 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:97(搜「跨行业复制几乎是妄想」) · text/18-ch16-16-ai.txt:110(搜「同行业跨客户复制成本也很高」) |
| 四个阶段 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:136(搜「客户第一次会提供一小撮数据样本」) |
| 炼金术 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:156(搜「炼金术」) · text/18-ch16-16-ai.txt:162(搜「缺乏严谨完备可验证的理论知识」) |
| 安全员是瓶颈 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:258(搜「因为安全员成为自动驾驶商业化的瓶颈」) |
| 估值与裁员 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:243(搜「估值一度达到1750亿美元」) · text/18-ch16-16-ai.txt:245(搜「占员工总数的8%」) |
| 一秒钟法则与改写 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:205(搜「不到一秒的时间内完成某一项脑力」) · text/18-ch16-16-ai.txt:210(搜「至少可以找到一个符合条件的客户」) |
| ELIZA | 17 关于大模型产业的对话：第2集 | text/19-ch17-17-2.txt:267(搜「ELIZA是20世纪60年代在麻省理工学院开发的聊天机器人」) · text/19-ch17-17-2.txt:277(搜「聊不了几轮就露馅」) |
| 第五代计算机 | 17 关于大模型产业的对话：第2集 | text/19-ch17-17-2.txt:396(搜「拨款8.5亿美元」) · text/19-ch17-17-2.txt:397(搜「以“日本威胁论”为名」) |
| 周期位置 | 17 关于大模型产业的对话：第2集 | text/19-ch17-17-2.txt:413(搜「如果以大模型为主」) · text/19-ch17-17-2.txt:421(搜「第二个上升波段」) |
| 短视频那家公司 | 16 寒来暑往几度：AI泡沫与机遇 | text/18-ch16-16-ai.txt:365(搜「全屏沉浸式内容的主页」) · text/18-ch16-16-ai.txt:451(搜「字节就是AI算法公司」) |