多年来，人工智能公司一直向投资者宣传，扩大规模是成功的关键——AI模型越大，能力越强。
但实际上，这一前提正引发巨大的商业问题。正如《大西洋月刊》指出，大型语言模型（LLM）正面临严重的收益递减问题：推理成本，即使用训练好的AI模型处理新数据的费用，正呈指数级上升，使得这项技术的盈利能力远不如半年前。
简单来说，这与投资者通常期望看到的趋势相反，投资者更希望每个用户的成本持续下降，而非上升。
这对一个在全国范围内投入数十亿美元建设庞大数据中心的行业来说是坏消息，尤其是在短期内没有明确的盈利路径。尽管无法准确预测AI泡沫何时会爆发，分析师警告这只是时间问题，而非是否会发生。一旦行业崩溃，可能会引发灾难性后果，甚至拖垮那些过度依赖AI技术的经济体。
尽管如此，AI公司依然坚信聊天机器人，如OpenAI的ChatGPT和Anthropic的Claude，是未来的发展方向。这些机器人已经深入我们的日常生活，从操作系统集成到替代人工客服，尽管公众对AI的强烈反弹为行业带来阻力。
满足AI快速增长的需求还需要硬件技术的革命性突破，但随着摩尔定律即将终结，专家们警告计算能力提升的速度将放缓，这给AI硬件发展带来巨大挑战。
总的来说，庞大的AI模型正变得越来越昂贵且效率降低，这一令人担忧的趋势可能将整个经济推向危险边缘。
AI领域的先驱之一Yann LeCun早已警告，大型语言模型是“死胡同”，无法实现AI智能达到或超越人类智能的承诺。
然而，已经深度投入扩大现有AI模型的科技领袖们是否会采纳这些警告，似乎越来越不确定。
