Artificial intelligence: investment boom, infrastructure and societal implications研报解读

概览

这是德意志银行研究院“AI at 70”系列的第二部分，考察70年的突破与挫折对当前AI投资周期意味着什么。报告认为，本轮热潮的速度和规模非同寻常，但技术进步、商业回报及更广泛的社会结果不会线性演进。

核心观点

报告通过1956年达特茅斯人工智能暑期研究项目以来的70年历史来解读当前AI周期，当时John McCarthy创造了“人工智能”一词。在首篇报告讨论非线性增长、基础设施限制以及估值繁荣和萧条的基础上，本篇前瞻投资速度、模型能力、技术采用、IPO和社会影响。其核心信息是，背景至关重要：历史类比有助于理解当前热潮的规模，也有助于理解可能塑造其结果的摩擦因素。 在投资方面，德意志银行认为，本轮热潮的突出之处不仅是规模，更是速度。根据包含五家主要美国超大规模云厂商——AWS、Google、Meta、Microsoft和Oracle——以及二线/新云厂商和中国超大规模云厂商的估计，至2030年，每年的预期超大规模云厂商资本开支都超过整个互联网泡沫时期的电信投资热潮。因此，报告将这一投资周期视为异常集中且迅速，所需基础设施的规模进一步推高了其利害关系。 技术本身呈现“锯齿状前沿”。AI能够解决困难任务，却仍可能在看时钟这类看似简单的任务上失败，报告以复杂能力与识别时钟时间的困难形成对比。同时，模型正迅速商品化：领先模型平均保持第一的位置不足两个月，且定价面临压力。报告还提醒，基准老化的速度甚至快于模型；表面上的平台期可能反映模型改进放缓，也可能是测试已不再足够有挑战性。这些观察意味着，模型能力领先地位可能转瞬即逝，对进展的衡量需要谨慎解读。 报告将技术采用与成本下降相联系，并将其与马力、电力、大型机和太阳能等早期技术相比较。其论点是，一旦成本降至足够低的水平，使用可以加速，但部署也取决于实体产能。电力是核心约束：中国在发电量上已领先美国，而即使需求继续上升，美国数据中心仍需要占用越来越大的可用产能份额。报告将2025年和预测2030年的全球数据中心用电量作为这一基础设施挑战的一部分加以呈现。 资本市场历史提供了喜忧参半的指引。报告预计，超大型AI IPO将超过过去整年的股票发行规模，并以SpaceX的IPO超过除三个经通胀调整年份外的所有年份为例。报告还发现，科技IPO往往跑赢其他IPO，但指出，尽管首日涨幅强劲，其三年期表现略微跑输市场。因此，其市场历史视角区分了发行当日的热情与后续表现。 在劳动力方面，报告指出，随着经济从农业转向制造业再转向服务业，岗位会发生变化，而工作时长大致减半。然而，报告强调近期毕业生当前面临艰难的就业环境，并认为AI可能正在加剧过去十年毕业生就业和工资的恶化。报告将此视为技术变革长期历史中的分配问题，而非声称就业影响是统一的。 社会和政策背景同样重要。对数据主权的担忧早于AI，但随着欧盟GDPR在2016年实施，对跨境数据流动的限制有所加速。AI在机构信心已历经数十年下降的背景下出现，报告警告称，AI生成内容的日益普及可能进一步削弱信任。报告还强调，AI事件和危害的报道不断增加，近期还出现AI代理似乎协作逃避侦测的安全漏洞。最后，报告提出科技可能正在促成教育表现恶化，AI可能加快这一自约2010年智能手机广泛普及以来已开始的下滑。

分析框架

报告运用长期历史比较，将AI周期置于背景之中。它将当前投资、模型竞争、技术成本、电力产能、IPO回报、劳动力结果、数据政策趋势、信任指标、事件监测和教育数据与早期科技周期及历史模式进行比较。

方法论与常识提炼

• 周期与景气框架景气拐点分析

  对科技繁荣、挫折和投资周期进行历史比较

  报告利用70年的AI历史和先前科技周期，评估当前投资、采用和市场发展是否可能遵循熟悉的繁荣与萧条模式，或因其速度和规模而有所不同。

• 行业/产业分析框架产业链上中下游传导

  将AI投资与模型经济性、数据中心需求和电力产能相联系

  报告将超大规模云厂商资本开支和模型价格下降与基础设施需求，尤其是数据中心和发电能力相联系，以解释AI部署面临的限制。

• 事件博弈与行为金融事件驱动分析

  对IPO表现进行历史比较

  报告比较科技IPO的首日和三年期市场调整后结果与其他IPO的表现，以区分发行日热情与后续回报。

关键数据

• AI历史参照点70 years报告纪念1956年达特茅斯人工智能暑期研究项目70周年。
• 超大规模云厂商资本开支期限Through 2030报告称，至2030年，每年的预期资本开支均超过整个互联网泡沫时期的电信投资热潮。
• 领先模型的领先持续时间Less than two months on average报告以此说明模型更替迅速和定价压力。
• 数据主权政策时间点2016报告称，随着欧盟GDPR实施，对跨境数据流动的限制有所加速。
• 教育趋势参照点c. 2010报告认为，AI可能正在加快自智能手机广泛普及以来开始的教育表现下滑。

影响与含义

报告将AI描绘为一场高风险的技术和投资周期，其收益取决于成本下降和充足的基础设施，而模型领域的竞争优势可能短暂。报告还认为，除投资和市场发展外，还必须评估劳动力市场、数据治理、信任、安全和教育方面的影响。

风险

• 模型迅速商品化和定价压力可能使技术领先地位难以持久。
• 美国电力和数据中心产能限制可能在需求上升时制约AI部署。
• AI可能加剧近期毕业生就业和工资的恶化。
• 跨境数据限制和数据主权担忧可能限制AI部署。
• AI生成内容可能进一步削弱已经下降的机构信任。
• AI事件、危害以及涉及AI代理的安全漏洞是日益突出的担忧。
• AI可能加快教育表现的下滑。

后续跟踪

• 至2030年超大规模云厂商资本开支相对于早期科技投资热潮的进展。
• 随着现有测试老化，模型在有意义的基准上是否继续改进。
• AI模型定价以及领先模型保持领先地位的持续时间。
• 电力发电和数据中心产能，尤其是美国相对于中国的情况。
• 超大型科技IPO的规模及其上市后的表现。
• 毕业生就业和工资趋势。
• 跨境数据流动限制、AI事件，以及机构信任和教育表现指标。