人工智能（AI）工具无疑将改变工作的本质。各类大型语言模型如今已能够针对我的研究论文生成评审报告，而且质量可与人类评审相媲美。与时间总是不够用的人类不同，这些模型能瞬间“知晓”或查阅更多文献，还往往表现出更少的偏见。AI能指出我的分析薄弱环节，核查相关证明并提出改进建议。人类报告只会在极少数情况下更胜一筹，而这通常是在它们串联起各个点并提供新见解的时候。
尽管如此，市场对AI的狂热已令人担忧，尤其是考虑到该行业大规模发行债务的程度。因此，有必要思考人AI供应链的哪些环节可能出现问题。
供应链始于AI基础设施的生产商和设计者：比如制造晶片的台积电和三星、设计晶片的英伟达，以及提供网络连接的思科。接下来是亚马逊、谷歌和微软等超大规模云服务商。它们既建设数据中心以运行自身AI模型，同时也向其他企业出售算力（处理能力）。除超大规模云服务商外，还有Equinix（数据中心）这类更专业化的企业，当然还包括Anthropic和OpenAI等基础大型语言模型开发者。
最后，还有AI服务的个人和企业终端用户。个人使用正在快速增长，而某些领域（如软件开发和客户支持）的企业使用也呈爆发式增长。
不过，大多数大型企业虽然正在积极尝试，却尚未实现端到端的应用。许多企业仍须整理历史数据，以针对自身需求训练AI，同时重组传统运营流程，以便部署AI并借助经验积累不断优化。此外，许多企业也理所当然地担忧数据安全、AI错误，以及可能毁坏品牌形象的“幻觉”问题。 尽管如此，随着不那么保守的年轻企业发掘出更多AI应用场景，它们将对老牌大型企业施加变革压力。
然而，AI的推广仍可能因多种因素受阻，给依赖债务融资的企业带来风险。倘若图形处理单元（GPU）、中央处理器（CPU）和内存晶片变得更快、更节能，现有数据中心内的设备可能会迅速贬值，导致企业更难摊销成本。此外，基于“下一个单词预测”这一核心原理而变得能力惊人的大型语言模型，在出现某种新技术之前，发展可能会陷入停滞。
目前，各家AI实验室都在斥巨资训练更新、更庞大的模型，它们的假设是第一个达到某种“魔力点”，具备自我优化能力的模型，将统治AI世界并收割巨额利润。但这种情境似乎难以成立，因为即便存在这么一个临界点，其他竞争对手仍可能追赶上先行者的模型（包括通过挖角关键员工来获取技术机密）。
迄今为止，似乎还没有哪个AI模型能获得持久的优势。除非Gemini（谷歌）、Claude（Anthropic）和ChatGPT（OpenAI）最终能通过吸引特定的用户群体（或通过合并或串通）来实现差异化，否则很难看出支撑巨额训练投资的利润将从何而来。
此外，尽管政界人士迄今为止大多持观望态度，但针对AI风险与担忧采取政策干预已不可避免。由于数据中心消耗巨量电力，推高所有人的电价，州和地方政府在要求限制数据中心的建设方面，将面临越来越大的政治压力。例如，美国印第安纳州的多个郡最近就宣布暂停数据中心的建设。
对明年的预测已显示，硬件制造商和数据中心将无法满足美国对算力的全部需求。随着计算资源短缺的加剧，终端用户将有更多理由推迟部署。如果对未来服务获取的可靠性或合理定价存在合理担忧，企业就不可能围绕AI重组所有运营。
更糟糕的是，尽管AI的更广泛应用或许比许多人预期中要慢，但黑客和深度换脸者的恶意使用，以及儿童的无监管使用却在迅速增长。我们不难想象各类与此相关的灾难性场景：比如致命的网络安全事件、AI代理对数据的严重滥用，或是训练不足的AI模型建议儿童对自身或他人实施暴力行为（这种情况已经发生过）。 呼吁对AI模型加强监管并实施更多问责的呼声只会越来越高。失控AI带来的风险甚至可能促使大国之间展开亟需的对话，或许最终会促成某种形式的《人工智能日内瓦公约》（编按：指基于人道主义的战争规范条约）。
或许，引发政治干预的最重要因素，将是AI导致的大规模失业。出于对政治或社会反弹的忧虑，即使是倾向于采用AI的企业，也可能不愿在非经济衰退时期裁减冗余员工，削弱AI部署和普及所带来的收益。
考虑到上述这些不确定性，AI将以何种规模和速度推广，以及谁将从中获利，目前尚不明朗。鉴于对算力的巨大需求，硬件制造商和设计者似乎占据有利地位。但若数据中心建设受阻，利润可能转向超大规模云服务商和AI实验室。它们可能会减少用于训练更先进模型的算力规模（因为这些模型仅能带来短期优势），转而向使用其现有成熟模型的企业出售它们囤积在手中的算力。倘若模型能力达到瓶颈，此类转变同样可能发生。监管措施也可能迫使模型开发者投入更多精力，去改进现有模型的训练与安全性，以构建更广泛的公众信任。
好消息是，更受限也更审慎的AI落地进程，能为企业争取更多时间来探索增强（而非替代）劳动者的应用场景，同时也为政府和劳动者提供更充裕的适应期。坏消息是，对快速攫取超额利润的狂热憧憬可能缺乏依据，这对必须偿还债务的AI企业而言尤为棘手。AI的进步最终或许会带来回报，但并非所有服务提供商都能从中获利，甚至未必能存活下来。
作者Raghuram G. Rajan是印度储备银行前行长、国际货币基金组织前首席经济学家，现为芝加哥大学布思商学院金融学教授、30人小组（Group of Thirty）主席、佩尔·雅各布松基金会（Per Jacobsson Foundation）主席
英文原题：A Cold Shower for the AI Mania
版权所有：Project Syndicate, 2026.
