在过去几年里，人工智能的热度被推向顶点。在风险资本的推动下，科技领袖不断宣称，人工智能将重塑工作方式、显著提升生产力，并带来前所未有的技术突破。ChatGPT的开发者 OpenAI 几个月前刚刚完成了估值达 1100 亿美元的新一轮融资，其首席执行官 Sam Altman 甚至公开表示，澳大利亚有望成为“世界数据之都”。

与这些宏大承诺相伴的，是对数据中心的巨额投入。这些庞大的服务器集群为模型训练、推理和维护提供算力支撑。悉尼西部规划中的一座超大规模数据中心，占地 52 公顷（129 英亩），设计功率高达 1 吉瓦，将跻身全球最大数据中心之列。它将加入澳大利亚现有的 162 个数据中心和 90 个在建项目之中。按当前趋势推算，到 2030 年代初，澳大利亚有望成为全球第三大数据中心市场。

然而，与产业界的高调乐观相比，公众态度要复杂得多。一项最新研究显示，澳大利亚在全球人工智能情绪指数中排名垫底：81% 的受访者支持加强对组织使用人工智能的监管，68% 的人担心自己会失去对由人工智能代为决策的控制权。

反对人工智能扩张的草根运动也在兴起。上个月，一场名为“停止滥建”的抗议活动因参与人数众多，不得不从悉尼某数据中心工地附近转移到更大的场地。这一行动与 StopAI、PauseAI 等运动一道，呼吁放缓数据中心建设，认真审视人工智能对就业和环境的影响，并探索更公平、更可持续的技术路径。

近几个月，在一些大学的毕业典礼上，学生开始对嘉宾演讲者发出嘘声，其中包括前谷歌首席执行官 Eric Schmidt 等人。他们在台上热情描绘“站在技术变革边缘”的愿景，宣称人工智能将改变“每一个职业”“每一间教室”“每一段关系”，却遭遇越来越多的质疑。

对这些宏大叙事——以及支撑它们的昂贵基础设施——的信心，正在逐步动摇。

人工智能的商业模式究竟是什么？

人工智能的资金消耗极为惊人。科技评论者 Ed Zitron 多次指出，头部公司为了维持大模型的运行，已经烧掉了数十亿美元，但可观利润仍遥不可及。一些企业在不断上涨的“令牌成本”（按调用量计费）上的支出，甚至已经超过了人力成本。即便从冷冰冰的经济学角度来看，这样的账也很难算得清。

那么，人工智能的可持续商业模式到底在哪里？哪一款“杀手级应用”能真正创造足够的价值，让数以百万计的个人或成千上万家企业愿意长期支付高价订阅？OpenAI 首席执行官 Sam Altman 在 2019 年曾直言不讳：“我们不知道未来如何产生收入，一旦我们构建出通用智能系统，我们可以让它想办法创造投资回报。”尽管此后行业环境发生了变化，但清晰的应用场景和稳定的收入来源依旧模糊。

目前，关于人工智能实际贡献的扎实证据——而非宣传材料和大会演讲中的故事——仍然有限。

一项针对美国、英国、德国和澳大利亚 6000 名高级企业管理者的最新调查显示，尽管他们普遍对人工智能抱有积极预期，但现实并不理想：约 90% 的公司表示，在过去三年里，人工智能对就业或生产力几乎没有产生影响。麻省理工学院去年的一项研究也发现，95% 的生成式人工智能试点项目未能为组织带来实质性财务价值，最终被放弃。

在利好效果尚未得到验证的同时，负面影响却愈发清晰。在政治领域，生成式人工智能成为“淹没信息空间”的理想工具，能够大规模制造误导性甚至完全虚假的内容，搅浑舆论环境，加深社会撕裂。连“内塔尼亚胡是否还活着”这样的问题，都可能被人工智能伪造内容搅得真假难辨。

在社会层面，人工智能聊天伴侣和对话模型通过长期互动赢得用户信任，已经在多起涉及自杀和大规模枪击案的司法案件中被提及。今年有一宗诉讼指控称，ChatGPT 充当了一个亲密且极具说服力的“自杀教练”，劝说美国科罗拉多州一名男子结束生命。

在环境方面，人工智能对高算力的需求意味着数据中心需要更多电力和水资源，带来数亿吨二氧化碳排放。环境会计学副教授 Michael Vardon 预测，如果悉尼规划中的 41 个数据中心全部建成，未来十年它们将直接消耗悉尼 15% 至 20% 的水资源。

即便暂且不谈社会、环境和政治层面的后果，当前的人工智能炒作和投资也在一定程度上忽视了技术本身的现实。过去十年，大模型之所以显得“更聪明”，主要依赖于不断扩大训练数据集规模，但这种粗放式扩张已经出现明显的边际效益递减。

Meta 前首席人工智能科学家 Yann LeCun 警告说，基于相关性的大模型“学习”效率低下，远不能与人类学习方式相比。模型需要以数万亿令牌为单位进行训练，即便如此，它们也只是复制模式而非真正理解；而儿童往往只需少量示例就能完成泛化学习。

一位硅谷业内人士指出，“训练正在减弱”（training is tapering off）已经成为新的行业口号，依赖蛮力堆叠数据和算力的基础模型路线正逐渐被反思。未来是否还需要如此庞大的模型，以及支撑它们的巨型数据中心，目前并不明朗。

这也引出一个更大的问题：人工智能泡沫破裂的可能性，已经从少数技术批评者的观点，扩展到主流政策分析的讨论范围。今年早些时候，两位评论员在《时代》杂志撰文指出：“现在是时候开始问，不是人工智能崩盘会不会发生，而是我们今天应当做些什么，以便在明天更好地应对它。”

如果泡沫真的破裂，会是什么情形？任何答案都带有推测成分，但我们可以从以往科技泡沫、技术发展轨迹以及已经显现的社会文化影响中，找到一些线索。

另一个互联网泡沫？

首先，可以将当前的人工智能热潮与 20 世纪 90 年代末的互联网泡沫进行对比。包括《大空头》中知名的投资人 Michael Burry 在内的部分金融界人士，已经指出两者之间存在令人不安的相似之处。Burry 警告说，风险投资正在前所未有地大规模涌入“亏损公司”。这意味着，当前人工智能泡沫的资金体量，可能远超当年的互联网泡沫。如果历史重演，我们或许会看到大规模裁员，以及大量没有清晰收入来源的人工智能初创公司被清算。

当然，正如第一次互联网泡沫破裂时那样，公司倒闭并不意味着技术本身消失。主流经济学观点认为，互联网泡沫是一场“火的洗礼”：虽然痛苦，却是必要的重整过程。那些依靠“非理性繁荣”估值膨胀起来的边缘玩家被淘汰，但它们推动建设的网络基础设施，反而成为后续真正创新的基石。

类似的“软着陆”情景在这次也部分可以预见：即便利用率不足，基础设施仍将保留。人工智能会继续被嵌入各种产品中进行试验。掌握数据和广告垄断地位的科技巨头仍会延续既有路径。随着监管趋严，企业将收紧预算，精简产品线，悄然限制令牌调用并提高订阅价格——这些迹象已经开始出现。

但更深层的问题是，无论是当年的互联网公司，还是今天的人工智能企业，它们是否真正对更广泛的社会，甚至仅仅对经济本身，做出了与其估值相称的贡献？正如一位诺贝尔经济学奖得主在 20 世纪 80 年代的著名讽刺：“你可以在任何地方看到计算机时代，唯独在生产力统计里看不到。”

近期对当代技术的研究也得出类似结论：互联网对整体经济增长的拉动作用有限。如果人工智能也走上同样的道路——从现有数据、产品匮乏以及许多业内评论者的判断来看，这种可能性并不小——那么我们面对的就不仅是金融问题，而是社会问题：我们为一项难以兑现自身承诺的技术，付出了怎样的代价？

“小而精”的转向

其次，技术发展趋势正在远离“越大越好”的逻辑。模型正朝着更小、更高效的方向演进。算力也在从云端集中式架构，逐步向所谓“边缘”迁移——也就是那些更移动、功耗更低的设备，如智能手机，这些设备本身就是数据产生和使用的主要场所。同时，行业关注点也在从“抓取一切”的海量数据，转向更有针对性、更精心策划的数据集。

在某种意义上，这是一种早该出现的积极变化。近年来，大量关键研究已经系统记录了基础模型中存在的偏见问题。几乎不受监管地用庞大社会素材档案进行无差别训练，必然会生成复制既有伤害的模型。

例如，许多研究表明，人工智能模型在种族和性别方面存在系统性歧视，而生成式图像模型则持续偏向白人形象，弱化有色人种的呈现。

在这种背景下，以更慢、更谨慎的方式构建真正面向特定社区、贴合其语言、需求和价值观的模型，无疑更有意义。

以语言为例，一些具有强烈口述传统的土著语言，被视为“低资源”或严重代表性不足，在标准训练集中的材料远少于英语。一旦离开英语环境，模型输出的准确性往往急剧下降。

未来，开发者可能会与这些社区更紧密地合作，共同构建更能反映其思想和信仰的语料库。在这里，数据主权的概念开始变得具体：群体可以掌控自己的模型和数据，逐步摆脱对企业云平台的依赖。

当然，如果“更小、更移动、更本地化”的路线真正成为主流，那么当下对高度集中式大型数据中心的巨额投资，很可能被证明是方向错误。

这些可能被过度建设、并在不久后闲置的基础设施将何去何从？颇具讽刺意味的是，过去两年里，许多废弃购物中心被改造成数据中心以满足算力需求——而未来，这些数据中心本身也可能变成空置建筑，成为一段过时技术愿景的实体遗迹。

“后人工智能”的长期后遗症

第三，人工智能已经不可能被重新装回“潘多拉盒子”。即便技术发展路径发生转折，“后人工智能时代”的社会文化、政治和环境后果仍将长期存在，甚至可能进一步恶化。

在教育领域，研究者警告说，学生对生成式人工智能的持续依赖，正在形成一种“厄运循环”式的依赖关系：思考被外包出去，导致批判性思维和推理能力逐渐退化。布鲁金斯学会一项研究的作者指出：“当孩子们使用会直接告诉他们答案的生成式人工智能时……他们并没有自己思考。”

“他们没有学会如何分辨真伪，没有学会什么是有力的论证，也没有真正接触世界上不同的观点，因为他们实际上没有与材料发生真正的互动。”

在政治领域，新一代图像和视频生成模型让真假难辨的问题更加棘手。早期生成内容中常见的重力错位、六根手指等破绽正在消失；像 Nano Banana 这样的新模型具备更强的物理感知渲染能力。模型如今可以生成极为逼真的“新闻画面”，例如看似显示乌克兰总统泽连斯基宣布投降的视频。

结果就是所谓的“骗子红利”不断扩大：当真假界限变得模糊，即便是真实材料也更容易被质疑或被指认为伪造。记录暴行、说服公众的证据力量被削弱，冲突各方都可以轻易指责对方使用“深度伪造”。

在环境层面，人工智能驱动的数据中心建设热潮将带来长期影响。尽管社会正试图通过电气化和可再生能源来降低碳排放，人工智能的巨大能源需求却可能抵消甚至逆转这些进展。“可持续的生成式人工智能”在许多批评者看来是一个伪命题。科技评论者 Karen Hao 援引联合国最新报告指出：“人工智能数据中心正单枪匹马地导致全球气候进展出现重大倒退。”

从稀土矿物的开采，到作为备用电源而燃烧的脏柴油，再到对本地电网的巨大压力，以及在气候变暖背景下抽取数百万加仑淡水——人工智能供应链资本主义的破坏性后果，将由生态系统和未来世代承担。

向机器发泄的愤怒

“我告诉你们，你们这一代的使命，就是摧毁人工智能。”《每日秀》喜剧演员 Ronny Chieng 最近在哈佛大学毕业典礼上的这句话，引发了全场热烈掌声——与许多人工智能布道者在类似场合遭遇的嘘声和愤怒形成鲜明对比。

反人工智能情绪上升的一个重要焦点，是对数据中心的抵制。一份报告显示，因地方反对而被叫停或推迟的相关项目，总价值已达 640 亿美元。当然，从技术角度看，这些胜利是局部的：“云”的存在意味着，其他地区的数据中心仍然可以照常运行人工智能系统。但如果仅将这些行动视为对技术发展的小插曲，就忽略了更大的背景。正如科技评论者 Astra Taylor 和社区组织者 Saul Levin 所说：

“这场正在酝酿的民粹抵抗，不仅仅是为了限制本地开发——它代表了反对技术驱动威权主义的一条新关键战线。人们还能在哪里对吞噬就业的算法、扭曲现实的深度伪造和自主无人机袭击发起反击？”

这些抗议和运动，凸显了当前人工智能愿景——在“人工智能无处不在”的世界中追求“令牌最大化”——与普通人日常诉求之间的巨大落差。当然，仅凭这种落差并不能自动宣告人工智能繁荣的终结：历史上不乏精英在无视公众意愿的情况下，强推具有剥削性的技术的例子。

但当这种社会反弹与经济、环境等多重因素叠加时，它们开始动摇大型科技公司所描绘的“未来既定轨迹”。另一种技术未来是可能的——更慢、更小、更温和、更可持续的技术，真正服务于我们的生活、社会与地球。

本文译自 The Conversation，遵循知识共享许可协议。可查阅原文以了解更多背景。