人工智能可以指出我分析中的薄弱環(huán)節(jié)，檢查證明過程，并提出改進建議。只有在少數(shù)情況下，人類審稿意見才會更好，通常是因為它們能夠把零散信息串聯(lián)起來，并提出新的見解。

盡管如此，圍繞人工智能的市場狂熱已經(jīng)令人擔(dān)憂，尤其是在這個行業(yè)大規(guī)模舉債融資的背景下。因此，有必要看看人工智能供應(yīng)鏈的哪些環(huán)節(jié)可能出問題。人工智能供應(yīng)鏈?zhǔn)紫仁腔A(chǔ)設(shè)施的生產(chǎn)商和設(shè)計商，比如制造芯片的臺積電和三星，負責(zé)芯片設(shè)計的英偉達，以及提供連接能力的思科。

接下來是亞馬遜、谷歌和微軟這樣的超大規(guī)模云服務(wù)商。它們正在建設(shè)數(shù)據(jù)中心，一方面供自家人工智能模型使用，另一方面也向外部出售算力，也就是處理能力。除這些超大規(guī)模云服務(wù)商外，還有像易昆尼克斯這樣更專業(yè)化的公司，當(dāng)然也包括基礎(chǔ)性大型語言模型開發(fā)者——阿思羅匹克和開放人工智能。

最后是人工智能服務(wù)的個人和企業(yè)終端用戶。個人使用增長很快，企業(yè)在一些領(lǐng)域的使用更是迅速爆發(fā)，比如軟件開發(fā)和客戶支持。但大多數(shù)大型企業(yè)雖然在密集試驗，至今仍未真正實現(xiàn)端到端的人工智能應(yīng)用。許多企業(yè)仍需要整理歷史數(shù)據(jù)，用于按自身需求訓(xùn)練人工智能，也需要重組傳統(tǒng)業(yè)務(wù)流程，讓人工智能在部署后能夠隨著經(jīng)驗積累不斷改進。

此外，很多企業(yè)有充分理由擔(dān)心數(shù)據(jù)安全、人工智能出錯，以及“幻覺”問題，因為這些都可能損害品牌形象。盡管如此，隨著一些更不保守、更年輕的公司找到更多人工智能用法，它們將對那些規(guī)模更大、歷史更久的企業(yè)形成競爭壓力，迫使后者作出改變。

不過，人工智能的鋪開仍可能因多種原因被打斷，這會給依賴債務(wù)融資的參與者帶來風(fēng)險。比如，如果圖形處理器、處理器和存儲芯片變得更快、更節(jié)能，那么現(xiàn)有數(shù)據(jù)中心里大量設(shè)備的折舊速度就可能迅速加快，從而更難攤銷成本。而大型語言模型雖然本質(zhì)上仍是“預(yù)測下一個詞”，卻已經(jīng)展現(xiàn)出極強能力，但它們也可能在某個階段陷入平臺期，直到新的技術(shù)路徑出現(xiàn)。

眼下，各家人工智能實驗室正投入巨額資金，訓(xùn)練更新、更大的模型。它們的假設(shè)是，誰先把模型推進到某個能夠自我改進的“臨界點”，誰就能統(tǒng)治人工智能世界，并攫取巨額利潤。但這種情形看起來并不可信。即便真有這樣一個臨界點，競爭對手仍可能追上先行者的模型，方式甚至包括挖走關(guān)鍵員工，以獲取技術(shù)商業(yè)機密。

到目前為止，還沒有哪個人工智能模型看起來建立了持續(xù)性的優(yōu)勢。除非“雙子座”、克勞德和聊天生成預(yù)訓(xùn)練轉(zhuǎn)換器最終能夠通過吸引特定用戶群體來實現(xiàn)差異化，或者通過合并、協(xié)同行動來拉開距離，否則很難看出，支撐其巨額訓(xùn)練投入的利潤究竟從何而來。黑客和深度偽造者的惡意使用正在迅速增加。

此外，盡管政界人士迄今大多還在觀望，但針對人工智能風(fēng)險和擔(dān)憂的政策干預(yù)幾乎不可避免。數(shù)據(jù)中心耗電驚人，并推高所有人的用電價格，因此州和地方政府將面臨越來越大的政治壓力，不得不限制數(shù)據(jù)中心建設(shè)。

例如，在美國印第安納州，多個縣最近已經(jīng)宣布暫停數(shù)據(jù)中心建設(shè)。對明年的預(yù)測已經(jīng)顯示，硬件制造商和數(shù)據(jù)中心將無法為美國提供足夠的算力。隨著算力短缺加劇，終端用戶也會有更多理由推遲部署。

如果企業(yè)有充分理由擔(dān)心未來獲取算力的可靠性，或者擔(dān)心價格難以維持在合理水平，就不可能把全部業(yè)務(wù)運營都圍繞人工智能來重組。更糟的是，盡管人工智能更廣泛的應(yīng)用可能比很多人預(yù)期得更慢，但黑客和深度偽造者的惡意使用，以及兒童在無人監(jiān)管下使用人工智能的情況，卻在迅速增加。

不難想象一些災(zāi)難場景：比如致命的網(wǎng)絡(luò)事件、人工智能代理對數(shù)據(jù)的嚴(yán)重濫用，或者訓(xùn)練不足的人工智能模型慫恿兒童對自己或他人實施暴力——而這種事其實已經(jīng)發(fā)生過。要求加強監(jiān)管、提高人工智能模型責(zé)任的呼聲只會越來越高。失控人工智能帶來的風(fēng)險，甚至可能促使大國之間展開一場早就該進行的對話，并可能進一步推動形成某種“人工智能版日內(nèi)瓦公約”。

也許，最重要的政治干預(yù)觸發(fā)因素將是大規(guī)模的人工智能相關(guān)失業(yè)。出于對政治或社會反彈的擔(dān)憂，即便是本來傾向采用人工智能的企業(yè)，在經(jīng)濟衰退之外的時期，也可能不愿裁減冗余員工，從而削弱人工智能部署和擴散本可帶來的收益。

鑒于這些不確定性，人工智能究竟會在多大范圍、多快速度鋪開，以及最終由誰獲利，眼下都遠未明朗。考慮到算力需求巨大，硬件制造商和設(shè)計商原本看起來處于有利位置。

但如果數(shù)據(jù)中心建設(shè)被打斷，利潤格局就可能轉(zhuǎn)向超大規(guī)模云服務(wù)商和人工智能實驗室。它們可能減少用于訓(xùn)練更強模型的算力投入，因為這種投入帶來的優(yōu)勢往往只是短暫的，轉(zhuǎn)而把已經(jīng)鎖定的算力出售給那些使用其現(xiàn)有成熟模型的企業(yè)。

如果模型能力進入平臺期，這種轉(zhuǎn)向同樣很可能發(fā)生。監(jiān)管也可能迫使模型開發(fā)者把更多精力放在改進現(xiàn)有模型的訓(xùn)練和安全性上，以建立更廣泛的公眾信任。好的一面是，更有限、也更審慎的人工智能推廣，可能讓企業(yè)有更多時間去尋找增強勞動而非替代勞動的用途，也讓政府和勞動者有更多時間作出調(diào)整。

壞的一面是，市場對快速獲得超額利潤的狂熱想象，可能并無根據(jù)。對于那些必須承擔(dān)嚴(yán)苛債務(wù)償付壓力的人工智能企業(yè)來說，這尤其成問題。人工智能的進步最終很可能會帶來回報，但并不是每一家提供者都能獲利，甚至未必都能存活下來。