英伟达台积电风光不再？市场狂热背后，债务融资风险正在堆积|人工智能|台积电|知名企业|算力|英伟达

人工智能可以指出我分析中的薄弱环节，检查证明过程，并提出改进建议。只有在少数情况下，人类审稿意见才会更好，通常是因为它们能够把零散信息串联起来，并提出新的见解。

尽管如此，围绕人工智能的市场狂热已经令人担忧，尤其是在这个行业大规模举债融资的背景下。因此，有必要看看人工智能供应链的哪些环节可能出问题。人工智能供应链首先是基础设施的生产商和设计商，比如制造芯片的台积电和三星，负责芯片设计的英伟达，以及提供连接能力的思科。

接下来是亚马逊、谷歌和微软这样的超大规模云服务商。它们正在建设数据中心，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，也就是处理能力。除这些超大规模云服务商外，还有像易昆尼克斯这样更专业化的公司，当然也包括基础性大型语言模型开发者——阿思罗匹克和开放人工智能。

最后是人工智能服务的个人和企业终端用户。个人使用增长很快，企业在一些领域的使用更是迅速爆发，比如软件开发和客户支持。但大多数大型企业虽然在密集试验，至今仍未真正实现端到端的人工智能应用。许多企业仍需要整理历史数据，用于按自身需求训练人工智能，也需要重组传统业务流程，让人工智能在部署后能够随着经验积累不断改进。

此外，很多企业有充分理由担心数据安全、人工智能出错，以及“幻觉”问题，因为这些都可能损害品牌形象。尽管如此，随着一些更不保守、更年轻的公司找到更多人工智能用法，它们将对那些规模更大、历史更久的企业形成竞争压力，迫使后者作出改变。

不过，人工智能的铺开仍可能因多种原因被打断，这会给依赖债务融资的参与者带来风险。比如，如果图形处理器、处理器和存储芯片变得更快、更节能，那么现有数据中心里大量设备的折旧速度就可能迅速加快，从而更难摊销成本。而大型语言模型虽然本质上仍是“预测下一个词”，却已经展现出极强能力，但它们也可能在某个阶段陷入平台期，直到新的技术路径出现。

眼下，各家人工智能实验室正投入巨额资金，训练更新、更大的模型。它们的假设是，谁先把模型推进到某个能够自我改进的“临界点”，谁就能统治人工智能世界，并攫取巨额利润。但这种情形看起来并不可信。即便真有这样一个临界点，竞争对手仍可能追上先行者的模型，方式甚至包括挖走关键员工，以获取技术商业机密。

到目前为止，还没有哪个人工智能模型看起来建立了持续性的优势。除非“双子座”、克劳德和聊天生成预训练转换器最终能够通过吸引特定用户群体来实现差异化，或者通过合并、协同行动来拉开距离，否则很难看出，支撑其巨额训练投入的利润究竟从何而来。黑客和深度伪造者的恶意使用正在迅速增加。

此外，尽管政界人士迄今大多还在观望，但针对人工智能风险和担忧的政策干预几乎不可避免。数据中心耗电惊人，并推高所有人的用电价格，因此州和地方政府将面临越来越大的政治压力，不得不限制数据中心建设。

例如，在美国印第安纳州，多个县最近已经宣布暂停数据中心建设。对明年的预测已经显示，硬件制造商和数据中心将无法为美国提供足够的算力。随着算力短缺加剧，终端用户也会有更多理由推迟部署。

如果企业有充分理由担心未来获取算力的可靠性，或者担心价格难以维持在合理水平，就不可能把全部业务运营都围绕人工智能来重组。更糟的是，尽管人工智能更广泛的应用可能比很多人预期得更慢，但黑客和深度伪造者的恶意使用，以及儿童在无人监管下使用人工智能的情况，却在迅速增加。

不难想象一些灾难场景：比如致命的网络事件、人工智能代理对数据的严重滥用，或者训练不足的人工智能模型怂恿儿童对自己或他人实施暴力——而这种事其实已经发生过。要求加强监管、提高人工智能模型责任的呼声只会越来越高。失控人工智能带来的风险，甚至可能促使大国之间展开一场早就该进行的对话，并可能进一步推动形成某种“人工智能版日内瓦公约”。