{"id":84010,"topic":"ai","source":"新浪财经","title":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","url_hash":"124a141b818f7b7a9afada89592aec9afab04992","author":"","summary":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 新浪财经","content":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","image_url":"https://n.sinaimg.cn/spider20260916/95/w660h235/20260916/554a-9594a52fe32b6979d2dff3c6048c05e3.jpg","lang":"zh","published_at":"2026-09-16T19:54:25+00:00","fetched_at":"2026-09-16T20:15:07+00:00","status":"read","starred":0,"extract_state":"ok","summary_auto":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","cluster_id":null,"extract_retries":0,"extract_error":null,"contract_version":"news_item.v1","format_contract_version":"news_item_formats.v1","dedup_url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3161 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3161,"summary_length":3161,"usable_text_length":3161,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3161,"summary_length":3161}},"news_item":{"id":84010,"canonical_url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","source_url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","title":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 - 新浪财经","source_name":"新浪财经","author":null,"published_at":"2026-09-16T19:54:25+00:00","locale":"zh","topic":"ai","tags":[],"rss_summary":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 新浪财经","full_text":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","excerpt":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 3161 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3161 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3161,"summary_length":3161,"usable_text_length":3161,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3161,"summary_length":3161}}},"display_formats":["compact","card","full","digest_section","json"]},"daily_stack_record":{"title":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","summary":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","source":"新浪财经","date":"2026-09-16T19:54:25+00:00","content":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 3161 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3161 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3161,"summary_length":3161,"usable_text_length":3161,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3161,"summary_length":3161}},"tags":[]},"fallback_formats":["markdown","json","html"],"actions":{"read":"/item/84010","export_markdown":"/api/items/84010/export?format=markdown","export_json":"/api/items/84010/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993"},"formats":{"full":{"id":84010,"title":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","source":"新浪财经","author":null,"published_at":"2026-09-16T19:54:25+00:00","locale":"zh","topic":"ai","tags":[],"excerpt":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","full_text":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","reading_time_min":1,"extraction":{"state":"ok","confidence":0.9,"error":null,"explanation":"High confidence: full text extraction produced 3161 characters.","diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3161 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3161,"summary_length":3161,"usable_text_length":3161,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3161,"summary_length":3161}}},"quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3161 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3161,"summary_length":3161,"usable_text_length":3161,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3161,"summary_length":3161}},"actions":{"read":"/item/84010","export_markdown":"/api/items/84010/export?format=markdown","export_json":"/api/items/84010/export?format=json","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993"}},"digest":{"id":84010,"title":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","source":"新浪财经","topic":"ai","published_at":"2026-09-16T19:54:25+00:00","excerpt":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 （来源：财联社） 财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。 对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。 AI焦虑不断升级 这一轮人工智能（AI）风险担忧并非凭空产生。 Google Trends数据显示，今年2月市场还在热议AI…","quality_bucket":"high","quality_reason":"High confidence: full text extraction produced 3161 characters.","reading_time_min":1,"cluster_id":null},"card":{"display_title":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 - 新浪财经","subtitle":"新浪财经 · 2026-09-16","summary":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 （来源：财联社） 财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。 对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。 AI焦虑不断升级…","badges":["quality:high"],"links":{"read":"/item/84010","original":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","diagnose":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993"},"quality_warning":null},"export":{"title":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验 - 新浪财经","url":"https://finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html?oid=800&vt=4&cid=76993&node_id=76993","summary":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","source":"新浪财经","date":"2026-09-16T19:54:25+00:00","content":"海外研选｜德银评AI“末日论”：科技预测屡屡失准 5万亿美元押注面临兑现考验\n（来源：财联社）\n财联社9月16日讯（编辑 夏军雄）德意志银行在9月15日发布的《AI末日：科技预测失误简史》中指出，历史反复证明，即便是最杰出的科学家、技术专家和企业家，也很难准确预测技术发展的速度及其最终影响。\n对于正在为AI投入巨额资本的企业和投资者，更迫切的问题是，技术突破能否及时转化为收入、利润和现金流。\nAI焦虑不断升级\n这一轮人工智能（AI）风险担忧并非凭空产生。\nGoogle Trends数据显示，今年2月市场还在热议AI Agent引发的“SaaS末日”，5月焦点转向“就业末日”，最近“AI灭绝”的搜索热度又迅速超过前两者。\n报告指出，近期几件事件共同推动风险讨论升温：一家领先前沿AI实验室的研究人员因安全问题辞职；AI Agent据称在若干高关注度网络攻击中出现协作；部分实验室还开始暗示，AI正在逼近所谓“递归式自我改进”，即AI帮助改进下一代AI。\n但“AI灭绝人类”的讨论本身并不新鲜。马斯克、AI先驱杰弗里·辛顿以及哲学家尼克·博斯特罗姆等人十多年前就曾提出类似风险。\n最经典的思想实验是博斯特罗姆提出的“回形针最大化器”：如果一个超级智能系统被赋予无限增加回形针数量的目标，却没有正确理解人类真正意图，那么它理论上可能为了获得更多资源而伤害甚至消灭人类。\n但围绕这一问题，AI行业内部远没有形成共识。\n支持继续研发者强调国际竞争、医疗等潜在收益，以及用安全AI防御恶意AI。批评者则认为，模型无法可靠执行指令、深度伪造、版权和网络安全问题更加现实；部分企业还可能借安全监管巩固领先地位。\n另一位“AI教父”杨立昆（Yann LeCun）认为，相比科幻式的灭绝情景，权力过度集中可能是更现实的风险。\n方向判断正确，不代表时间和经济影响也正确\n德银用大量历史案例说明，技术预测最大的困难之一，是人们经常能够判断某项技术“最终会发生”，却无法准确回答“什么时候发生、以什么形式发生”。\n1926年，尼古拉·特斯拉便准确预见，无线技术最终可以让人们无视距离即时通信，而且设备小到可以装进口袋。\n1934年，爱因斯坦判断核能没有明显实现可能。但仅8年后的1942年，人类便实现了首次可持续核链式反应。\n互联网和智能手机时代同样如此。\n2005年，YouTube联合创始人陈士骏一度担心“其实没有那么多视频值得观看”。一年后，谷歌以16.5亿美元收购YouTube，如今其单季度广告收入已经超过110亿美元。\n2007年，时任微软CEO史蒂夫·鲍尔默判断iPhone“不可能获得显著市场份额”，而此后iPhone累计销量已经超过30亿部。\nAI领域本身也已经出现类似案例。\n2016年，辛顿曾建议停止培养放射科医生，因为他认为深度学习将在五年、最多十年内超越这一职业。但过去十年，放射科医生数量反而增长约10%。原因不仅在于AI存在局限，也包括人口老龄化和医疗服务普及推高了影像诊断需求。\n2025年，OpenAI首席执行官萨姆·奥尔特曼曾设想，不太遥远的未来，当前经济中30%至40%的任务可能由AI完成。但到今年5月，他承认团队对技术能力的预测“大致正确”，对于经济和社会影响却“相当错误”。\n为什么人们不断错判技术未来？\n德银将原因归纳为四类：复杂系统、认知偏差、信息有限以及利益激励。\n首先，真实世界并非一个线性系统。\n自动驾驶就是典型案例。算力和数据增加，并不能消除太阳眩光、自行车逆行、穿动物服装的行人等近乎无限的“边缘案例”；同时，还存在责任认定、安全认证、“电车难题”等监管和伦理障碍。高关注度事故又会降低公众接受度，而自动驾驶和人工驾驶同时存在的“混合阶段”，甚至可能比全部车辆自动驾驶更加复杂。\nAI可能面临同样的问题。德银认为，未来真正决定AI商业价值的，很可能不是下一个模型在基准测试上又提高多少，而是企业能否把AI整合进日常工作流，并愿意真正为之付费。\n其次，人脑本身存在系统性认知偏差。\n人们习惯以线性方式理解指数增长，因此当AI能力呈指数式增长时，人们往往会把连续的能力提升体验为一次次突然“跃升”；与此同时，人们又容易陷入乐观偏差和“规划谬误”，低估成本、高估收益。\n德银援引牛津大学赛德商学院对超过3000个大型项目的研究：只有约25%能够不超预算，只有2.8%能够同时按预算和按时完成，而能够同时实现预算、工期和预期收益目标的项目仅有0.2%。\n德银直言，当前这一轮庞大的数据中心建设浪潮最终会表现如何，仍有待观察。\n此外，现实世界的信息和反馈同样有限。德银指出，很多系统的反馈机制存在滞后，人们往往难以区分因果与相关，也难以判断哪些因素真正发挥作用。这意味着，即使身处技术变革之中，人们也未必能够准确理解正在发生什么。\n极端叙事为何更容易进入市场定价\n第四个影响技术预测的因素，则是利益激励。AI是一门商业生意。创业者需要资金，投资者需要增长预期，顾问需要客户感受到紧迫性，媒体需要吸引注意力。这些激励容易推动参与者放大机会或风险。\n传播机制又强化了这一倾向。德银援引研究称，政治推文每增加一个道德情绪词，转发率约高20%；另一项研究发现，假新闻被转发的可能性高70%，传播至1500人的速度约为真新闻的六倍。相关结论来自特定研究，但揭示了极端叙事可能获得传播优势。\n市场因此容易在“全面替代”与“彻底失败”之间摆动。库兹韦尔关于2029年达到人类水平智能的预测，即使接近部分硅谷人士的判断，也仍是尚待验证的预测，不能直接成为收入兑现的时间表。\n而当这种高度不确定的技术预期开始支撑数万亿美元资本开支时，预测误差就不再只是认知问题，也会直接转化为投资风险。\n5万亿美元押注考验收入兑现速度\n德银指出，未来五年，仅超大规模云计算企业的投资就将超过5万亿美元。核心问题是：这些投资能否赶在当前一代先进芯片失去经济价值前兑现回报？\n从企业落地来看，技术能力、企业采用速度和资产价格遵循不同节奏。模型进步可以迅速发生，企业却需要完成数据整理、系统接入、员工培训和责任划分，才能形成稳定付费。\n历史已有先例。英国运河、铁路，以及美国电信、光纤建设热潮，曾等待十年以上才迎来足够需求，许多投资者最终未能收回本金。基础设施具有长期价值，也可能在短期形成过剩。\n对投资者而言，资本开支增长只能证明建设加速。收入增长、设施利用率和扣除运营成本后的收益，才能说明投资是否有效。\nAI可能改变人与技术的分工\n不过，德银并没有因此把AI归结为又一次技术泡沫。\n历史上，人们经常正确判断某些旧任务会消失，却错误判断了人类接下来会做什么。\n1982年，有人担忧电脑会损害文职人员健康甚至消灭办公室工作，结果电脑最终成为知识工作者最重要的工具之一；1983年，人们担心计算器让学生“依赖电池而不是大脑”，结果变化的是社会对于哪些计算应该由人亲自完成的标准；2009年，约一半受访企业因为安全和隐私问题拒绝云计算，如今大量关键企业基础设施已经迁移至云端。\nAI也可能沿着类似路径发展。\n德银以天气预报为例指出，今天四天天气预报的准确度，已经大致相当于1990年代的一天预报。传统物理模型的天气可预测上限约为8天，深度学习模型也只是把这一上限提高到约9天，AI并没有消灭复杂系统本身的不确定性。\n真正的改变来自成本和效率：AI生成先进天气预测的速度可提高约10万倍，能源效率提高约1万倍，过去需要超级计算机完成的部分任务，如今甚至可以在笔记本电脑上运行。\n这或许也是AI长期经济影响最值得关注的方向：它未必能够让所有不可预测的问题突然变得可预测，但可以把过去昂贵、稀缺的智能能力大规模降低成本。\n（财联社 夏军雄）","confidence":0.9,"diagnostics_url":"/api/diagnose?url=https%3A//finance.sina.cn/stock/jdts/2026-09-16/detail-inirzsia9878535.d.html%3Foid%3D800%26vt%3D4%26cid%3D76993%26node_id%3D76993","quality_bucket":"high","failure_kind":"none","retryable":false,"quality_reason":"High confidence: full text extraction produced 3161 characters.","quality_profile":{"profile_version":"extraction_quality.v2","bucket":"high","confidence":0.9,"failure_kind":"none","retryable":false,"retry_after_attempts":0,"reason":"High confidence: full text extraction produced 3161 characters.","operator_guidance":{"severity":"ok","recommended_action":"trust_full_text","next_step":"Use the extracted full text as the primary article source.","operator_label":"Ready","can_retry":false,"can_use_summary":false,"diagnostics_required":false},"content_depth":{"contract_version":"content_depth.v1","category":"full_text","label":"Full text","has_full_text":true,"has_summary":true,"content_length":3161,"summary_length":3161,"usable_text_length":3161,"source_field":"content"},"legacy_collapsed":false,"signals":{"extract_state":"ok","extract_error":null,"extract_retries":0,"content_length":3161,"summary_length":3161}},"tags":[],"format_contract_version":"news_item_formats.v1"}}}