<p>明年，創造性破壞的狂潮將席捲愚蠢和天真，衝擊看似現代歷史上最大的繁榮——由美中競爭驅動的人工智能（AI）主導爭奪戰。中國的 Moore Threads 上週上市，首日股價暴漲超過五倍，凸顯了這種狂熱的勢頭。\n 引導數萬億美元 AI 投資的投機假設正與現實世界的障礙相碰撞。不斷上升的成本、天文數字的股票估值、脆弱的合作關係和能源瓶頸加劇了新技術在盈利能力方面面臨的不可避免的挑戰。許多人擔心泡沫可能正在破裂。\n 摩根士丹利預測，到 2028 年底，全球在數據中心上的累計支出可能超過 3 萬億美元。根據美國銀行的數據顯示，中國的 AI 投資今年可能達到 7000 億元人民幣（990 億美元），比去年增長 48%，其中政府提供 560 億美元。\n 如此鉅額的資本支出只有在對 AI 服務的需求足夠快速增長以吸收成本時才能獲得回報。貝恩公司預測，到 2030 年，公司需要每年 2 萬億美元的收入來盈利性地資助滿足 AI 需求所需的計算能力，但全球仍缺少 8000 億美元以跟上需求。\n 根據中國電信研究院的數據，到 2035 年，中國的 AI 產業可能為國家的國內生產總值增加超過 11 萬億元人民幣，約佔總產出的 4% 到 5%。即便如此，這一增速可能仍不足以彌補投資成本。\nAI 的採用速度比預期的要慢且不均勻。阿波羅學院報告稱，美國公司的 AI 採用率下降，基於美國人口普查局對超過一百萬家公司的兩週一次的調查。聖路易斯聯邦儲備銀行發現，在截至 8 月的 12 個月中，工作相關的生成性 AI 使用率僅從 33.3% 小幅上升至 37.4%，而非工作用途的使用率則上升得更為明顯。中國公司可能也經歷了類似的模式。\n\n\n 為什麼？“AI 的突現能力形成了一個常被稱為 ‘鋸齒狀前沿’ 的領域，它在某些任務上表現出色，而在其他任務上卻掙扎，” 威爾·德羅弗和勞拉·黃教授寫道。“隨着其能力的進步，AI 正在全力以赴地自動化某些任務，而在其他任務上卻緩慢甚至完全停滯不前。” 企業面臨着突發性飛躍與嚴格限制的動盪混合，一些功能可以可靠地依賴 AI，而另一些則將繼續依賴人類。這種不可預測性使投資計劃變得複雜。\n 根據中國國際資本公司，中國的 AI 代理滲透率遠低於美國，分別為 17.7% 和 40%，反映出 “相對薄弱” 的數字基礎設施和緊張的企業預算。8 月份發佈的 “AI+” 計劃旨在到 2027 年實現各行業滲透率超過 70%，到 2030 年達到 90%。對於一個受到房地產崩潰、城鄉教育差距顯著、貿易緊張、高公共債務、投資回報遞減和根深蒂固的通縮等挑戰衝擊的放緩經濟來説，這是一項巨大的填補缺口的任務。\n 在接下來的幾個月裏，我們將瞭解到全球範圍內的採用速度和範圍是否繼續減緩。這將表明 AI 未來的成功，以及其承諾（如生產力的巨大提升）是否只是神話。\n\n\n 明年還將看到 AI 巨頭之間的循環商業交易——公司借錢給其他公司購買其產品——是否能夠持續或崩潰。英偉達宣佈與 OpenAI 達成數十億美元的投資協議，後者的估值已達到 5000 億美元。作為回報，OpenAI 預計將購買大量英偉達的 AI 芯片。\nOpenAI 獲得了購買先進微設備股份的選擇權，以換取同意購買其芯片。OpenAI 計劃在基礎設施建設上花費超過 1 萬億美元，而這些資金尚未到位。該公司的資本消耗如此劇烈，以至於預計其運營虧損在 2028 年將飆升至 740 億美元。這些投資可能會成為追逐永遠無法實現的收入的滯留資產。\n 更糟糕的是，這些投資可能是在錯誤的方向上傾注資金。兩種範式正在競爭以設定 AI 的框架：“大型語言” 和 “世界” 模型。\n 大型語言模型在龐大的數據集上進行訓練，以生成類人響應。這些模型為 ChatGPT、Gemini 和 Claude 等提供動力。\n 在 “世界” 模型中，系統創建對世界運作方式的內部表徵，以進行推理、規劃和模擬未來結果，使 AI 超越模式識別，走向自主性和決策能力。進展可能會掩蓋 LLM，使 AI 巨頭陷入無用工具的困境。\n\n\n 物理限制——如能耗、芯片設計、散熱、銅供應和數據中心基礎設施——正在成為 AI 發展速度、成本和地理擴展的硬性限制，無論軟件突破如何。為了使 AI 可持續擴展，需要在材料科學、冷卻系統、能源供應、採礦過程和計算效率方面取得突破。這些將與算法進步同樣重要。明年一系列的突破將為 AI 的量子飛躍帶來良好預兆，而斷斷續續的進展將考驗投資者的耐心。\n“做出來，而不是偽造” 的口號越來越響亮。未來的清算承諾將重新定價預期，迫使經濟權衡，並揭露循環交易。懷疑的火花何時會放大成雪崩，將是明年投資者最關心的問題。</p>

摩根士丹利

<p>這篇文章討論了由於美中競爭而導致的人工智能投資中的投機假設和挑戰。文章強調了不斷上升的成本、股票估值和能源瓶頸。摩根士丹利預計到 2028 年，數據中心的支出將達到 3 萬億美元。今年中國的人工智能投資可能達到 7000 億元。人工智能的採用速度低於預期，進展不均。文章質疑人工智能的承諾是否只是神話，並探討了人工智能公司之間的循環商業交易，突顯了潛在的閒置資產和競爭的人工智能範式</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，創造性破壞的狂潮將席捲愚蠢和天真，衝擊看似現代歷史上最大的繁榮——由美中競爭驅動的人工智能（AI）主導爭奪戰。中國的 Moore Threads 上週上市，首日股價暴漲超過五倍，凸顯了這種狂熱的勢頭。\n 引導數萬億美元 AI 投資的投機假設正與現實世界的障礙相碰撞。不斷上升的成本、天文數字的股票估值、脆弱的合作關係和能源瓶頸加劇了新技術在盈利能力方面面臨的不可避免的挑戰。許多人擔心泡沫可能正在破裂。\n 摩根士丹利預測，到 2028 年底，全球在數據中心上的累計支出可能超過 3 萬億美元。根據美國銀行的數據顯示，中國的 AI 投資今年可能達到 7000 億元人民幣（990 億美元），比去年增長 48%，其中政府提供 560 億美元。\n 如此鉅額的資本支出只有在對 AI 服務的需求足夠快速增長以吸收成本時才能獲得回報。貝恩公司預測，到 2030 年，公司需要每年 2 萬億美元的收入來盈利性地資助滿足 AI 需求所需的計算能力，但全球仍缺少 8000 億美元以跟上需求。\n 根據中國電信研究院的數據，到 2035 年，中國的 AI 產業可能為國家的國內生產總值增加超過 11 萬億元人民幣，約佔總產出的 4% 到 5%。即便如此，這一增速可能仍不足以彌補投資成本。\nAI 的採用速度比預期的要慢且不均勻。阿波羅學院報告稱，美國公司的 AI 採用率下降，基於美國人口普查局對超過一百萬家公司的兩週一次的調查。聖路易斯聯邦儲備銀行發現，在截至 8 月的 12 個月中，工作相關的生成性 AI 使用率僅從 33.3% 小幅上升至 37.4%，而非工作用途的使用率則上升得更為明顯。中國公司可能也經歷了類似的模式。\n\n\n 為什麼？“AI 的突現能力形成了一個常被稱為 ‘鋸齒狀前沿’ 的領域，它在某些任務上表現出色，而在其他任務上卻掙扎，” 威爾·德羅弗和勞拉·黃教授寫道。“隨着其能力的進步，AI 正在全力以赴地自動化某些任務，而在其他任務上卻緩慢甚至完全停滯不前。” 企業面臨着突發性飛躍與嚴格限制的動盪混合，一些功能可以可靠地依賴 AI，而另一些則將繼續依賴人類。這種不可預測性使投資計劃變得複雜。\n 根據中國國際資本公司，中國的 AI 代理滲透率遠低於美國，分別為 17.7% 和 40%，反映出 “相對薄弱” 的數字基礎設施和緊張的企業預算。8 月份發佈的 “AI+” 計劃旨在到 2027 年實現各行業滲透率超過 70%，到 2030 年達到 90%。對於一個受到房地產崩潰、城鄉教育差距顯著、貿易緊張、高公共債務、投資回報遞減和根深蒂固的通縮等挑戰衝擊的放緩經濟來説，這是一項巨大的填補缺口的任務。\n 在接下來的幾個月裏，我們將瞭解到全球範圍內的採用速度和範圍是否繼續減緩。這將表明 AI 未來的成功，以及其承諾（如生產力的巨大提升）是否只是神話。\n\n\n 明年還將看到 AI 巨頭之間的循環商業交易——公司借錢給其他公司購買其產品——是否能夠持續或崩潰。英偉達宣佈與 OpenAI 達成數十億美元的投資協議，後者的估值已達到 5000 億美元。作為回報，OpenAI 預計將購買大量英偉達的 AI 芯片。\nOpenAI 獲得了購買先進微設備股份的選擇權，以換取同意購買其芯片。OpenAI 計劃在基礎設施建設上花費超過 1 萬億美元，而這些資金尚未到位。該公司的資本消耗如此劇烈，以至於預計其運營虧損在 2028 年將飆升至 740 億美元。這些投資可能會成為追逐永遠無法實現的收入的滯留資產。\n 更糟糕的是，這些投資可能是在錯誤的方向上傾注資金。兩種範式正在競爭以設定 AI 的框架：“大型語言” 和 “世界” 模型。\n 大型語言模型在龐大的數據集上進行訓練，以生成類人響應。這些模型為 ChatGPT、Gemini 和 Claude 等提供動力。\n 在 “世界” 模型中，系統創建對世界運作方式的內部表徵，以進行推理、規劃和模擬未來結果，使 AI 超越模式識別，走向自主性和決策能力。進展可能會掩蓋 LLM，使 AI 巨頭陷入無用工具的困境。\n\n\n 物理限制——如能耗、芯片設計、散熱、銅供應和數據中心基礎設施——正在成為 AI 發展速度、成本和地理擴展的硬性限制，無論軟件突破如何。為了使 AI 可持續擴展，需要在材料科學、冷卻系統、能源供應、採礦過程和計算效率方面取得突破。這些將與算法進步同樣重要。明年一系列的突破將為 AI 的量子飛躍帶來良好預兆，而斷斷續續的進展將考驗投資者的耐心。\n“做出來，而不是偽造” 的口號越來越響亮。未來的清算承諾將重新定價預期，迫使經濟權衡，並揭露循環交易。懷疑的火花何時會放大成雪崩，將是明年投資者最關心的問題。</p>
</div>

Why 2026 will be the year AI hype collides with reality

- 人工智能市場面臨成本上升和盈利挑戰，投資者擔憂泡沫破裂。  
- 中國 AI 投資預計達 7000 億元，全球數據中心支出將超 3 萬億美元。  
- AI 採用速度緩慢，企業需應對技術限制和市場不確定性。  

為什麼 2026 年將成為人工智能炒作與現實相碰撞的一年