来源：澎湃新闻

全球资本市场正经历以人工智能为核心的新一轮科技投资热潮。

一方面，科技投资以罕见强度重塑增长结构，在传统行业承压背景下，科技部门以高强度资本开支扮演了类财政刺激角色。另一方面，在财政扩张与隐性货币化预期下，市场对流动性收缩的敏感度下降，估值扩张呈现典型泡沫动力学特征。

但在投资热潮之外，另一种因AI技术发展带来的职业困境或许更贴近普通人的现实。AI提升了基础性工作的执行效率，工作助手看似“变多了”，但KPI、考核的压力却越来越高，“为什么我们比以前更累？”成为职场白领们共同的职业困境。

全球知名投资人拉斯・特维德（Lars Tvede，下称拉斯）日前在接受澎湃科技（www.thepaper.cn）专访时指出，短期内不需要担心AI有泡沫，但泡沫可能会在未来两三年内出现。目前AI相关投资（约占全球GDP的2%）仍处于绝对合理的区间，远低于历史上如19世纪铁路热潮时期的泡沫水平。他认为，仅以当前可见的商业模式来评判AI未来的经济潜力，是一个巨大的误判。未来几年，局面将截然不同。

全球知名投资人拉斯・特维德（Lars Tvede）

拉斯是一位横跨金融、科技与未来研究领域的丹麦学者、连续创业者。2016年，他与人共同创立了风险投资基金“北欧之眼”（NordicEye），该基金成为北欧有史以来最赚钱的风险基金之一。他也是《超智能与未来》一书的作者。

在这部著作中，拉斯・特维德结合了其对长周期经济规律的深刻洞察与对前沿科技的敏锐捕捉。他提出，人类社会正站在指数级变革的边缘，技术进步不再是线性的，而是呈现出一种自我强化的“超趋势”。书中重点探讨了机器智能如何跨越奇点，从单纯的计算工具演变为具备自主进化能力的“超智能”体，以及这一变革将如何重塑商业模式、劳动力市场乃至人类文明的演进路径。这些基于历史维度与未来视角的论述，正是他研判当下AI泡沫是否成立、以及未来技术将走向何方的逻辑基石。

以下是澎湃科技对话投资人拉斯·特维德（Lars Tvede ）内容：

澎湃科技：我们怎么理解超级人工智能？具体指什么？路径远不远？

拉斯·特维德：我倾向于把超级智能（super intelligence）和超智能（hyper intelligence）区分开来。超级智能（super intelligence）是指AI在某些关键领域显著超越人类的能力，它无需样样精通，但在重要任务上表现突出。而超智能（Hyper intelligence）则意味着AI进入自我迭代的阶段，不再需要人类主导开发，其进化速度将远超人类理解范围。

目前AI的进步仍主要由人类推动，但2018至2020年间已出现自我改进的雏形，这种能力正在指数级增长。一旦机器自主改进成为主流，其发展将彻底脱离人类的认知框架。

我认为2024年至2028年将是人类史上最惊心动魄的技术爆发期。同时，AI处理成本每年都会下降90%左右，计算效能每3、4个月就能翻一番，远超摩尔定律的速度。比如，AI工具平台WalkingFace上的模型数量已达220万，每过5至6个月就翻倍。这种技术扩张速度是前所未有的。

澎湃科技：在你看来，现在AI的热潮是否会演变成泡沫？

拉斯·特维德：我认为目前并不存在AI泡沫。当然，任何新兴领域都伴随风险，但当前的情况与过去的泡沫时期有本质区别。

首先，从投资规模看，当前AI相关投资占全球GDP的比重约为2%。这个数字虽然已经高于互联网泡沫时期的水平，但远低于19世纪铁路建设热潮的占比。与历史上那些真正形成泡沫的投机狂潮相比，目前的投入水平处在绝对合理的区间。

更重要的是，AI技术本身具有革命性的特质。它不像铁路或公路，建成后性能就固定了。AI工厂在初始投入后，能通过软件的自我迭代不断升级，这就像铁路建成后能自行延长、提升效率一样。这种自我改进的能力在2018至2020年期间开始显现，目前正在加速，其效率提升的潜力是传统基础设施无法比拟的。

谈到市场供需，情况更是与互联网泡沫时期的光纤产能过剩完全相反。现在的情况是核心资源供不应求。英伟达和AMD的芯片产能根本无法满足市场需求，数据中心都在满负荷运转。

还有些人担心巨头之间的“循环融资”会带来风险，但我认为这种模式的本质是健康的风险共担。微软、谷歌这些公司的AI支出接近其强大的自由现金流，它们资金充足，发债更多是出于财务优化而非生存需要。唯一风险较高的是OpenAI这类缺乏多元现金流的公司。

这与2000年互联网泡沫破裂前的情景不同，当时企业盈利已连续两年下滑，利率却在攀升。而现在，我们是盈利强劲增长，同时利率在下降，这是一个非常有利的宏观环境。

只有在一种情况下它们才可能会崩盘，即股价从现在开始大幅、快速上涨，如果接下来它们涨得很猛、涨得很高，走势会变成直线上升，接着就会出现反转、掉头向下。 但现在的股价并没有出现完全垂直的涨幅，而且它们的估值也不算昂贵。

所以，我的判断是，泡沫最终可能会在未来两三年出现，但不是现在。

澎湃科技：在你看来，像OpenAI这类大模型公司的盈利、商业化难题怎么化解？

拉斯·特维德：未来AI公司不能只依赖大模型，而是需构建护城河，比如打造垂直行业AI操作系统、建立拥有数据围墙花园的私有云部署或生成式工作流系统。

另外，个人AI将是关键方向——它存在于个人设备中，通过长期学习用户习惯形成不可替代的助手。

顶尖企业的团队都很聪明，他们已经意识到了这些趋势且在积极布局。因此，仅以当前可见的商业模式来评判AI未来的经济潜力，是一个巨大的误判。未来几年，局面将截然不同。

澎湃科技：就在访谈的这几天，伊尔亚·苏茨克维（Ilya Sutskever）在接受外媒采访时也提到一个观点，他认为大模型的预训练（pre-training）阶段已经耗尽了数据，可用的数据非常有限，他认为，scaling law的阶段已经结束，AI将会回到以科研驱动的路径。我想听听你的观点。

拉斯·特维德：关于 scaling law，我也听到了很多讨论。我想从两个方面来谈这些问题。

第一点，与其只是不断扩大已有的算力基础设施，我们其实可以不再只依靠把模型“做大”、堆算力，而是让AI系统内部出现更多专业化、分工明确的“小模块/小专家”（export system），并不单依靠更大的规模。这其实需要更聪明的结构和更聪明的算法，这相当于重新回到了大脑的结构。

第二点，数据，当前用于训练模型的数据主要来自互联网。但未来的模型将更多依赖由 AI 自身生成的数据，即合成数据（synthetic data）。尽管“合成数据”这个词听起来像是虚构的，但许多合成数据事实上是高度真实的，它们来自仿真（simulation），尤其是通过“自我博弈”（self-play）产生。

自我博弈最早的典型案例来自围棋等棋类AI。AI通过上百万次自我对弈进行学习，每秒就能完成大量对局，相当于持续进行内部锦标赛。此后，这类方法被推广到三维空间等更复杂的问题求解上，其计算速度比人类快数百万倍。AI能够扫描所有可能路径并进行模拟，相当于在虚拟环境中演示现实世界行为，从而生成大量人类终生都无法积累的数据；即便人类能够手动生成，也会面临极高的成本。

所以，我认为AI最终会创造比人类更多数据的方式，我们完全不必担心数据会耗尽。

澎湃科技：现在很多白领工作者正面临新的困境：AI让基础任务效率更高，工作完成得更快了，但工资却没有上涨，而KPI和工作量却常常在增加。所以很多人在想，为什么我们越来越累？你认为这是AI技术发展带来的“个人困境”吗？

拉斯·特维德：我同意，特别是（AI发展）到了中期阶段，这一转变会变得艰难。从长远来看，我们知道技术从未系统性地造成失业——当人们因为技术的发展在某个行业失去工作时，新的工作机会会在其他行业出现。

在经济学上，这一现场被称为“萨伊定律”（Say’s Law）。但这一次技术变化发生得非常快，而新的工作岗位需要时间才能出现。

我认为，AI和机器人帮助人们让越来越多的东西变得更便宜，甚至免费，这是技术发展自然而然的趋势。但事实是，提高薪资会变得更加困难。如何用经济来应对这一点，会是巨大的挑战。

未来会被技术分成三个“世界”，以三种不同的路径运行。

第一种“世界”是技术“超大规模化”（hyperscaling）扩张出现的“超级强者”。这些地方聚集着一些真正雄心勃勃、富有创造力、勤奋努力的人，同时还拥有大量资本和大量技术。

在这些地方，会有非常快速的经济增长，以及技术带来的显著改善。只要有正确的政策和环境来吸引资金（而不是吸引人口），同时拥有足够低廉的电力成本，这些地方就会成为增长的中心。

与此同时，在同一个国家里，其他大部分地区可能不会有那么多的技术或资本的涌入，但这些地区仍然会享受到一些好处，比如基础医疗变得好很多，许多小型项目变得免费等。

随着人工智能和机器人创造出越来越多的财富，我们可能不再需要大量人口向少数“超级增长中心”聚集。因为物质已经极为丰富，那些增长较慢的地区也不会是“糟糕的选择”，相反它们可能会变得非常宜居。

这就是第二种“世界”，有时候我认为，经济学家只关注前一种经济（超级规模化的增长中心），但他们更应该关注“慢节奏”的经济部分：我们该如何在那里发展文化和自然环境？因为未来人们会想要另一种生活节奏。

第三种“世界”比较令人难过。那些国家和地区将仍然依赖出售廉价劳动力生存，人们领取极低的薪水生活。而未来的问题在于，这条路已经走不通了，你无法在价格上击败机器人，因此这样的地区未来只能依靠极低成本来竞争。

从中国的角度来说，中国希望拥有那些超级科技枢纽（tech hubs），而且中国经济已经拥有非常复杂的部分。中国未来要避免依靠廉价劳动力竞争，而是要像现在这样，推动更高端、更复杂的企业模式。

澎湃科技：在你看来，我们个人在这个时代里该如何保持竞争力？

拉斯·特维德：生活在当今世界，一定要学会如何使用人工智能。每个人都应该大量使用它，并且努力熟悉它的规律。因为它在不断变化，你使用得越多，就越能理解如何协作。

现在确实要考虑一个现实问题，即传统的大学学位可能不再那么有价值。我自己虽然也有大学学位，但那种学习方式属于“以防万一的学习”（just-in-case learning），我当时学到的知识里有90%是我后来从未使用过的。

所以我相信现代大学教育的重要性正在下降，因为技术变化太快了，有时还不一定朝着更好的方向变。

因此，与其“以防万一（just-in-case）”去学习，不如采用“及时学习（just-in-time）”的方法。这意味着，当你真正需要解决一个问题时，你才会去学习相关知识。

“及时学习（just-in-time）”的方式意味着你真正专注的是当下有用的东西。而且，从时间投入产出比来看，“及时学习”无疑更有效率。

我第三点建议，我希望年轻人能选择一种“有方向感的人生”，花大量时间去了解自己。我们多年以来习以为常的许多稳定职业之后可能都将由机器完成。所以，最好的做法是，弄清楚你到底是谁？你喜欢做什么？你的大脑适合怎样的工作方式？然后沿着这个方向走。

尤其是，如果我们回到我之前提到的“三种世界”：超级高速增长的世界、较慢的发展世界、低发展的世界——你应该去思考：你到底属于哪一个世界？弄清楚你在哪里会感到快乐、在哪里能更高效，然后朝着那个方向走。

澎湃新闻记者 喻琰 实习生 赵蕊