<p>明年，创造性破坏的狂潮将席卷愚蠢和天真，冲击看似现代历史上最大的繁荣——由美中竞争驱动的人工智能（AI）主导争夺战。中国的 Moore Threads 上周上市，首日股价暴涨超过五倍，凸显了这种狂热的势头。\n 引导数万亿美元 AI 投资的投机假设正与现实世界的障碍相碰撞。不断上升的成本、天文数字的股票估值、脆弱的合作关系和能源瓶颈加剧了新技术在盈利能力方面面临的不可避免的挑战。许多人担心泡沫可能正在破裂。\n 摩根士丹利预测，到 2028 年底，全球在数据中心上的累计支出可能超过 3 万亿美元。根据美国银行的数据显示，中国的 AI 投资今年可能达到 7000 亿元人民币（990 亿美元），比去年增长 48%，其中政府提供 560 亿美元。\n 如此巨额的资本支出只有在对 AI 服务的需求足够快速增长以吸收成本时才能获得回报。贝恩公司预测，到 2030 年，公司需要每年 2 万亿美元的收入来盈利性地资助满足 AI 需求所需的计算能力，但全球仍缺少 8000 亿美元以跟上需求。\n 根据中国电信研究院的数据，到 2035 年，中国的 AI 产业可能为国家的国内生产总值增加超过 11 万亿元人民币，约占总产出的 4% 到 5%。即便如此，这一增速可能仍不足以弥补投资成本。\nAI 的采用速度比预期的要慢且不均匀。阿波罗学院报告称，美国公司的 AI 采用率下降，基于美国人口普查局对超过一百万家公司的两周一次的调查。圣路易斯联邦储备银行发现，在截至 8 月的 12 个月中，工作相关的生成性 AI 使用率仅从 33.3% 小幅上升至 37.4%，而非工作用途的使用率则上升得更为明显。中国公司可能也经历了类似的模式。\n\n\n 为什么？“AI 的突现能力形成了一个常被称为 ‘锯齿状前沿’ 的领域，它在某些任务上表现出色，而在其他任务上却挣扎，” 威尔·德罗弗和劳拉·黄教授写道。“随着其能力的进步，AI 正在全力以赴地自动化某些任务，而在其他任务上却缓慢甚至完全停滞不前。” 企业面临着突发性飞跃与严格限制的动荡混合，一些功能可以可靠地依赖 AI，而另一些则将继续依赖人类。这种不可预测性使投资计划变得复杂。\n 根据中国国际资本公司，中国的 AI 代理渗透率远低于美国，分别为 17.7% 和 40%，反映出 “相对薄弱” 的数字基础设施和紧张的企业预算。8 月份发布的 “AI+” 计划旨在到 2027 年实现各行业渗透率超过 70%，到 2030 年达到 90%。对于一个受到房地产崩溃、城乡教育差距显著、贸易紧张、高公共债务、投资回报递减和根深蒂固的通缩等挑战冲击的放缓经济来说，这是一项巨大的填补缺口的任务。\n 在接下来的几个月里，我们将了解到全球范围内的采用速度和范围是否继续减缓。这将表明 AI 未来的成功，以及其承诺（如生产力的巨大提升）是否只是神话。\n\n\n 明年还将看到 AI 巨头之间的循环商业交易——公司借钱给其他公司购买其产品——是否能够持续或崩溃。英伟达宣布与 OpenAI 达成数十亿美元的投资协议，后者的估值已达到 5000 亿美元。作为回报，OpenAI 预计将购买大量英伟达的 AI 芯片。\nOpenAI 获得了购买先进微设备股份的选择权，以换取同意购买其芯片。OpenAI 计划在基础设施建设上花费超过 1 万亿美元，而这些资金尚未到位。该公司的资本消耗如此剧烈，以至于预计其运营亏损在 2028 年将飙升至 740 亿美元。这些投资可能会成为追逐永远无法实现的收入的滞留资产。\n 更糟糕的是，这些投资可能是在错误的方向上倾注资金。两种范式正在竞争以设定 AI 的框架：“大型语言” 和 “世界” 模型。\n 大型语言模型在庞大的数据集上进行训练，以生成类人响应。这些模型为 ChatGPT、Gemini 和 Claude 等提供动力。\n 在 “世界” 模型中，系统创建对世界运作方式的内部表征，以进行推理、规划和模拟未来结果，使 AI 超越模式识别，走向自主性和决策能力。进展可能会掩盖 LLM，使 AI 巨头陷入无用工具的困境。\n\n\n 物理限制——如能耗、芯片设计、散热、铜供应和数据中心基础设施——正在成为 AI 发展速度、成本和地理扩展的硬性限制，无论软件突破如何。为了使 AI 可持续扩展，需要在材料科学、冷却系统、能源供应、采矿过程和计算效率方面取得突破。这些将与算法进步同样重要。明年一系列的突破将为 AI 的量子飞跃带来良好预兆，而断断续续的进展将考验投资者的耐心。\n“做出来，而不是伪造” 的口号越来越响亮。未来的清算承诺将重新定价预期，迫使经济权衡，并揭露循环交易。怀疑的火花何时会放大成雪崩，将是明年投资者最关心的问题。</p>

摩根士丹利

<p>这篇文章讨论了由于美中竞争而导致的人工智能投资中的投机假设和挑战。文章强调了不断上升的成本、股票估值和能源瓶颈。摩根士丹利预计到 2028 年，数据中心的支出将达到 3 万亿美元。今年中国的人工智能投资可能达到 7000 亿元。人工智能的采用速度低于预期，进展不均。文章质疑人工智能的承诺是否只是神话，并探讨了人工智能公司之间的循环商业交易，突显了潜在的闲置资产和竞争的人工智能范式</p>

<p>Gales of creative destruction will sweep away folly and naivety next year as they batter what appears to be the largest boom in modern history – the scramble to dominate artificial intelligence (AI) driven by US-China rivalry. The market debut of China’s Moore Threads last week, its shares more than quintupling on the first day, underscores the feverish momentum.\nSpeculative assumptions guiding trillions of US dollars in AI investments are colliding with real-world obstacles. Escalating costs, stratospheric stock valuations, tenuous collaborations and energy bottlenecks are compounding the inevitable challenges when new technologies struggle for profitability. Many are worried the bubble may be bursting.\nMorgan Stanley projects that the cumulative amount spent worldwide on data centres could exceed US$3 trillion by year-end 2028. China’s AI investment could hit 700 billion yuan (US$99 billion) this year, 48 per cent more than last year, according to Bank of America, with the government supplying US$56 billion.\nSuch vast capital expenditures will only pay off if demand for AI services grows fast enough to absorb the costs. Bain forecasts that companies will need US$2 trillion in annual revenue to profitably fund the computing power required to meet AI demand by 2030, but the world is still US$800 billion short of keeping pace with demand.\nChina’s AI industry could add more than 11 trillion yuan to the country’s gross domestic product by 2035, about 4 to 5 per cent of total output, according to the China Telecom Research Institute. Even that pace is likely to fall short of the revenue needed to recoup investment costs.\nAI adoption is proving slower and more uneven than expected. Apollo Academy has reported a decline in AI adoption among US firms, drawing on the US Census Bureau’s fortnightly survey of more than a million firms. The Saint Louis Federal Reserve found only a modest increase in work-related generative AI use, from 33.3 per cent to 37.4 per cent of US workers, in the 12 months to August, as non-work uses rose more sharply. Chinese companies are likely experiencing similar patterns.\n\n\nWhy? “AI’s emergent capabilities form what’s often called a ‘jagged frontier,’ where it excels at some tasks while struggling with others,” professors Will Drover and Laura Huang write. “As its capabilities progress, AI is racing to fully automate some tasks while slowing to a crawl or stalling entirely for others.” Businesses face a volatile mix of sudden leaps and hard limits, of functions that can be reliably dependent on AI and others that will remain stubbornly human-based. This unpredictability complicates investment plans.\nIn China, the AI agent penetration rate is much lower, according to China International Capital Corporation, 17.7 per cent versus 40 per cent in the US, reflecting “relatively weak” digital infrastructure and tight corporate budgets. The “AI+” plan issued in August aims to reach a penetration rate of above 70 per cent across various industries by 2027 and 90 per cent by 2030. That’s an enormous gap to fill for a slowing economy buffeted by challenges: a collapse in real estate, significant rural-urban education gaps, trade tensions, high public debt, diminishing returns on investment and entrenched deflation.\nIn the coming months we will learn whether the speed and scope of adoption worldwide continue to falter. That will indicate AI’s success ahead and whether its promises, such as vast gains in productivity, are myths.\n\n\nNext year will also see whether circular business deals – companies lending money to others to buy their products – among AI titans endure or implode. Nvidia announced a deal to invest billions in OpenAI, which has reached US$500 billion in value. In return, OpenAI is expected to purchase a significant amount of Nvidia’s AI chips.\nOpenAI gained the option to buy a piece of Advanced Micro Devices in exchange for agreeing to purchasing its chips. OpenAI plans to spend upwards of US$1 trillion that it doesn’t yet have on infrastructure build-outs. The company burns capital with such intensity that its operating losses are expected to soar to US$74 billion in 2028 alone. Those investments could become stranded assets chasing revenues that never materialise.\nEven worse, such investments may be pouring money down the wrong hole. Two paradigms are competing to set frameworks for AI: “large language” and “world” models.\nLarge language models train on vast data sets to generate humanlike responses. These models power the likes of ChatGPT, Gemini and Claude.\nIn “world” models, systems create internal representations of how the world works to reason, plan and simulate future outcomes, moving AI beyond pattern recognition towards agency and decision-making. Advancements could overshadow LLMs, leaving AI megaliths stuck with worthless tools.\n\n\nPhysical constraints – such as energy consumption, chip design, heat dissipation, copper supplies and data centre infrastructure – are emerging as hard limits on the pace, cost and geographic spread of AI development, regardless of software breakthroughs. For AI to scale sustainably, breakthroughs are needed in materials science, cooling systems, energy supplies, mining processes and computational efficiencies. These will be just as critical as algorithmic advances. A flurry of advancements next year would augur well for AI’s quantum leaps forward, while fits and starts will test investors’ patience.\nThe mantra of “make it, don’t fake it” is growing louder. The reckoning ahead promises to reprice expectations, force economic trade-offs and call out circular deals. The point at which the flickers of doubt become amplified into an avalanche will be investors’ top concern next year.\n</p>
<div class="lb-trans"><p>明年，创造性破坏的狂潮将席卷愚蠢和天真，冲击看似现代历史上最大的繁荣——由美中竞争驱动的人工智能（AI）主导争夺战。中国的 Moore Threads 上周上市，首日股价暴涨超过五倍，凸显了这种狂热的势头。\n 引导数万亿美元 AI 投资的投机假设正与现实世界的障碍相碰撞。不断上升的成本、天文数字的股票估值、脆弱的合作关系和能源瓶颈加剧了新技术在盈利能力方面面临的不可避免的挑战。许多人担心泡沫可能正在破裂。\n 摩根士丹利预测，到 2028 年底，全球在数据中心上的累计支出可能超过 3 万亿美元。根据美国银行的数据显示，中国的 AI 投资今年可能达到 7000 亿元人民币（990 亿美元），比去年增长 48%，其中政府提供 560 亿美元。\n 如此巨额的资本支出只有在对 AI 服务的需求足够快速增长以吸收成本时才能获得回报。贝恩公司预测，到 2030 年，公司需要每年 2 万亿美元的收入来盈利性地资助满足 AI 需求所需的计算能力，但全球仍缺少 8000 亿美元以跟上需求。\n 根据中国电信研究院的数据，到 2035 年，中国的 AI 产业可能为国家的国内生产总值增加超过 11 万亿元人民币，约占总产出的 4% 到 5%。即便如此，这一增速可能仍不足以弥补投资成本。\nAI 的采用速度比预期的要慢且不均匀。阿波罗学院报告称，美国公司的 AI 采用率下降，基于美国人口普查局对超过一百万家公司的两周一次的调查。圣路易斯联邦储备银行发现，在截至 8 月的 12 个月中，工作相关的生成性 AI 使用率仅从 33.3% 小幅上升至 37.4%，而非工作用途的使用率则上升得更为明显。中国公司可能也经历了类似的模式。\n\n\n 为什么？“AI 的突现能力形成了一个常被称为 ‘锯齿状前沿’ 的领域，它在某些任务上表现出色，而在其他任务上却挣扎，” 威尔·德罗弗和劳拉·黄教授写道。“随着其能力的进步，AI 正在全力以赴地自动化某些任务，而在其他任务上却缓慢甚至完全停滞不前。” 企业面临着突发性飞跃与严格限制的动荡混合，一些功能可以可靠地依赖 AI，而另一些则将继续依赖人类。这种不可预测性使投资计划变得复杂。\n 根据中国国际资本公司，中国的 AI 代理渗透率远低于美国，分别为 17.7% 和 40%，反映出 “相对薄弱” 的数字基础设施和紧张的企业预算。8 月份发布的 “AI+” 计划旨在到 2027 年实现各行业渗透率超过 70%，到 2030 年达到 90%。对于一个受到房地产崩溃、城乡教育差距显著、贸易紧张、高公共债务、投资回报递减和根深蒂固的通缩等挑战冲击的放缓经济来说，这是一项巨大的填补缺口的任务。\n 在接下来的几个月里，我们将了解到全球范围内的采用速度和范围是否继续减缓。这将表明 AI 未来的成功，以及其承诺（如生产力的巨大提升）是否只是神话。\n\n\n 明年还将看到 AI 巨头之间的循环商业交易——公司借钱给其他公司购买其产品——是否能够持续或崩溃。英伟达宣布与 OpenAI 达成数十亿美元的投资协议，后者的估值已达到 5000 亿美元。作为回报，OpenAI 预计将购买大量英伟达的 AI 芯片。\nOpenAI 获得了购买先进微设备股份的选择权，以换取同意购买其芯片。OpenAI 计划在基础设施建设上花费超过 1 万亿美元，而这些资金尚未到位。该公司的资本消耗如此剧烈，以至于预计其运营亏损在 2028 年将飙升至 740 亿美元。这些投资可能会成为追逐永远无法实现的收入的滞留资产。\n 更糟糕的是，这些投资可能是在错误的方向上倾注资金。两种范式正在竞争以设定 AI 的框架：“大型语言” 和 “世界” 模型。\n 大型语言模型在庞大的数据集上进行训练，以生成类人响应。这些模型为 ChatGPT、Gemini 和 Claude 等提供动力。\n 在 “世界” 模型中，系统创建对世界运作方式的内部表征，以进行推理、规划和模拟未来结果，使 AI 超越模式识别，走向自主性和决策能力。进展可能会掩盖 LLM，使 AI 巨头陷入无用工具的困境。\n\n\n 物理限制——如能耗、芯片设计、散热、铜供应和数据中心基础设施——正在成为 AI 发展速度、成本和地理扩展的硬性限制，无论软件突破如何。为了使 AI 可持续扩展，需要在材料科学、冷却系统、能源供应、采矿过程和计算效率方面取得突破。这些将与算法进步同样重要。明年一系列的突破将为 AI 的量子飞跃带来良好预兆，而断断续续的进展将考验投资者的耐心。\n“做出来，而不是伪造” 的口号越来越响亮。未来的清算承诺将重新定价预期，迫使经济权衡，并揭露循环交易。怀疑的火花何时会放大成雪崩，将是明年投资者最关心的问题。</p>
</div>

Why 2026 will be the year AI hype collides with reality

- 人工智能市场面临成本上升和盈利挑战，投资者担忧泡沫破裂。  
- 中国 AI 投资预计达 7000 亿元，全球数据中心支出将超 3 万亿美元。  
- AI 采用速度缓慢，企业需应对技术限制和市场不确定性。  

为什么 2026 年将成为人工智能炒作与现实相碰撞的一年