在互联网泡沫时期，公司展示自己是“行业玩家”的方式，不是通过盈利，而是通过花钱——尤其是花别人的钱。你花得越多，就显得越重要。
现在我们迎来了AI泡沫时代，那些仍在亏损的公司，其估值却被吹捧到数千亿美元。就像互联网泡沫时期一样，AI公司通过“烧钱”来证明自己的地位，而非依靠盈利。如今这种心态的一个体现就是，各大公司对AI工程师和研究员疯狂撒钱——尤其是Meta Platforms(META.O)的CEO马克·扎克伯格最近以4年2.5亿美元的天价，签下了一位年仅24岁的AI研究员。这个薪资比NBA巨星斯蒂芬·库里的四年合同还多出3500万美元。
Meta的“超级智能实验室”（MetaSuperintelligenceLabs，简称MSL）是扎克伯格押注的登月计划，目标是超越OpenAI、Alphabet旗下的Google、Anthropic、微软(MSFT.O)等，赢得通用人工智能（AGI）争霸战。据传，扎克伯格曾开出1亿美元的签约奖金，试图从竞争对手（包括OpenAI、Google和Anthropic）挖走顶级AI人才。不过，Anthropic的CEO达里奥·阿莫代伊（DarioAmodei）近日表示，他们团队“一直拒绝这些报价”，甚至“有些员工连和扎克伯格说话都不愿意”。
据称Meta在这波抢人潮后已经暂停招聘，但在这场“智力军备竞赛”中，它远非孤军作战。微软从Google挖来了24人，而其他许多研究员则在各大AI公司间“上演转会游戏”——据《金融时报》报道，部分刚入职Meta的新员工很快又离开了。《华尔街日报》则指出，从2022年8月到2024年初，工程师的年薪中位数从22万美元上涨至28万美元。《华尔街日报》的报道还引用了一位招聘者的话称，有六位向职业服务平台咨询的候选人，其从OpenAI收到的年薪中位数达到了92.5万美元（含奖金和股权）。
这些AI工资远远超过了历史上著名研究员的薪酬，即使考虑通胀调整也是如此。例如，Meta那位“2.5亿美元的男人”的收入是原子弹之父奥本海默在曼哈顿计划期间收入的327倍，是IBM前CEO托马斯·沃森1941年收入的5倍，也是信息论奠基人克劳德·香农在1948年贝尔实验室收入的多倍。
那为什么要花这么多钱呢？现在的科技大佬们坚信通用人工智能即将来临，并希望第一个将其商业化。但这背后其实依赖于三个存疑的假设：
对于“AGI即将到来”这个假设，Meta的副总裁兼首席AI科学家YannLeCun曾表示，当前的AI“连猫都不如聪明”，他认为要实现通用人工智能还需要数年时间。越来越多的专家开始认识到，仅靠不断扩大训练数据库并不能带来AGI。相反，在越来越多被大模型“污染”的数据库上训练，可能只会制造出“垃圾进，垃圾出”的循环。
ChatGPT和其他大型语言模型并非为了“理解”而设计，实际上它们也无法理解它们输入输出的文本与现实世界之间的联系。因此，它们无法胜任需要批判性思维或常识的任务。出于这个原因，大模型公司聘请了数千名“训练员”，为模型的无数漏洞“打补丁”；同时还内置了计算器插件，以便执行更精确的数学运算（前提是用户提供正确输入，但这仍然不可靠）。但这些手段都无法真正赋予大语言模型“智能”。
至于第二个假设——大语言模型的商业价值将远超其成本，由于它们的“内在愚蠢”，将其用于高风险领域会非常危险。比如，OpenAI的CEO萨姆·奥特曼一直在推销ChatGPT的“医疗应用”，但一项最新研究指出，一名男子遵循ChatGPT的建议，不吃盐改吃溴化物，结果差点死于溴中毒。
想象一种“炫技但不可靠”的技术还能带来巨大商业回报，实在太天真了。经济史上充满了不华丽却价值巨大的产品和服务。例如，经济学家罗伯特·戈登指出，很少有人会愿意用智能手机来换室内卫生间。那么你愿意用ChatGPT换马桶吗？
第三个假设——只有“最强大脑”才能推动AGI实现——其实正说明我们离AGI还很遥远。历史表明并非如此。1950年代的贝尔实验室曾强调招聘来自美国中西部的“农家子弟”，而不是只看高学历，但他们的研究成果却赢得了11项诺贝尔奖。晶体管、集成电路、激光器、LED、互联网等伟大技术，都得益于数以千计的工程师们的商业化努力，这些人往往拿着并不高的工资，直到多年后才被追捧。
为什么AI行业就必须不一样？
显然，等未来的人们回顾这段“AI泡沫”的历史时，他们多半会感到好笑。
