博舍

人工智能真的是一场泡沫吗 语音导航是人工智能吗

人工智能真的是一场泡沫吗

人工智能真的是一场泡沫吗?

在AI累积的巨大涨幅中,风险投资行业也发出了“泡沫”警告,担心重蹈二十世纪末互联网泡沫的覆辙。

当下的人工智能热潮是否存在泡沫呢?市场目前仍未达成统一。

一方面声音认为,AI市场已经存在泡沫。美国银行首席投资策略师哈奈特(MichaelHartnett)在近期的一份报告中称,科技和人工智能板块估值过高,正处“泡沫化初期”。

哈特内特曾在去年精准地预测了美股的大跌,被称作“华尔街最准分析师”,他表示,以往的泡沫时期总是以放水开始、以加息告终,以上世纪90年代为例,科技板块飞涨叠加经济数据强劲促使美联储在当时重启紧缩,9个月后科技股泡沫破灭。

他还警告称,多数投资者相信美联储会在未来数月降息,这将带动美股走强,然而一旦美联储试图修正、继续加息,恐将戳破AI泡沫。“投资者不应追逐这一热潮,因为货币环境将再次紧缩。”

美国罗森伯格研究公司创始人兼总裁罗森伯格也警告说,AI掀起的投资热潮让人想起20世纪90年代末的互联网泡沫。

他认为,人工智能股票的迅速上涨与当时互联网繁荣有惊人的相似之处,现在标普500指数中科技股的权重已高达27%,是2000年互联网泡沫达到顶峰时的水平,(AI泡沫)很快就会以惊人的方式破灭。

另一方面声音认为,目前的AI市场尚未形成泡沫。

美国宾夕法尼亚大学沃顿商学院金融学教授、著名经济学家西格尔认为,“这还不是泡沫”,AI将推动大型科技股繁荣。花旗全球战略和宏观团队也说,AI并没有发展到会令人失望的程度,它仍将是美股的推动力。

知名投资研究公司TSLomBard表示,形成股市泡沫需要三个关键因素:一个坚实的基础故事、对未来增长令人信服的叙述、流动性或杠杆的助力。但目前还缺少一个,鉴于美联储仍在收紧政策,流动性或杠杆似乎缺失了,因此大家担忧的泡沫尚未形成。

笔者认为,从新技术的发展历程来看,往往价值空间越大的技术就会带来越大的泡沫,如当年的互联网技术就制造了不少的“大泡沫”,但二十世纪末互联网泡沫破灭后,互联网行业才真正崛起。

人工智能也是如此,从价值空间上看,人工智能的价值空间可能比互联网还要大,所以人工智能领域出现泡沫是大概率事件。

目前A股市场ChatGPT概念板块已经存在估值泡沫化迹象,整个板块市盈率已接近140倍。有不少AI概念股在相关技术上并没有太多突破,甚至业绩处于亏损状态,股价却先突飞猛进,这是不合常理的。

在整个经济史上,人类一直在反复地进行同样的愚蠢行为:发现一项资产或创新,将其过度资本化,最后使其引爆,造成巨大的浪费和巨大的破坏。比如区块链、元宇宙,从一夜爆火到跌落“神坛”,依然历历在目。

但这并不意味着人工智能不值得继续投资,如今的人工智能“百模大战”正如当年的互联网“百团大战”,到底哪些公司能留得下来,还要经过一番市场的洗礼,谁能押中AI实力派,谁才是真正的大赢家。

 

中信建投:人工智能十大发展趋势

中信建投研报指出,自然语言大模型迸发出智慧火花,开启了人工智能的新一轮发展浪潮。

站在当前这一重要的历史节点,中信建投从技术、应用、安全三个维度展望了人工智能的未来发展,其中技术是源动力,应用是牵引力,安全是信任力。

对未来的展望中,中信建投提出多模态模型、具身智能、通用人工智能、高质量数据、智算中心、大模型C端应用、大模型B端应用、大模型轻量化、重构劳动力、AI治理十个方面的重要发展趋势。

技术是原动力。人工智能是一门前沿科研与产业应用密切结合的学科,技术进步是推动人工智能发展的原动力。多模态模型关注文本、图像和视频等多种形式的信息融合,是人工智能理解真实世界的重要一步;具身智能通过与环境感知交互进行学习,实现人工智能的能力进阶,将成为AI发展新形态;当前,人工智能正处于狭义人工智能相对成熟、通用人工智能曙光乍现的阶段,大语言模型迸发智慧火花,通往通用人工智能的路径愈发明晰;以数据为中心的人工智能更加专注于数据的价值,高质量数据进一步推动AI模型的性能突破;云计算正在从通用计算向AI计算深度演进,智算中心成为关键基础设施。

应用是牵引力。人工智能将深刻影响人类社会的生产和生活方式,良好的产业应用是人工智能发展的牵引力。在个人端,大模型将成为每个人的智能助理,同时也正在成为新一代的流量入口;在企业端,专业数据和成本驱动下行业模型将呈现百花齐放的局面,打开广阔应用空间;大模型轻量化进程提速,部分场景的推理将逐步从云侧下沉至端侧;大模型也将对劳动力市场产生深远影响,人工智能与前沿科研的结合也产生了巨大潜力。

安全是信任力。随着人工智能模型智慧水平不断提升,模型的安全使用成为人工智能发展的信任力。可以从技术层面和规范层面出发,通过可解释AI和相关法规的制定,实现AI治理与技术的平衡,增强人工智能的信任力。

人工智能模型技术发展不及预期、数据数量与数据质量不及预期、隐私问题、伦理冲突风险、算力基础设施支持不及预期等。

海量资讯、精准解读,尽在新浪财经APP

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。

上一篇

下一篇