經濟學人:AI 算力是新型石油,亟需新市場
《經濟學人》金融與經濟版發文提出,AI 算力正像石油一樣成為基礎性戰略資源,但還缺少與之匹配的市場。文章的核心主張是算力需要一套新的市場機制來完成定價與配置,原文未披露更多細節。該文在 Hacker News 上獲得 15 點、7 條評論。
依意思最接近的 30 筆
《經濟學人》金融與經濟版發文提出,AI 算力正像石油一樣成為基礎性戰略資源,但還缺少與之匹配的市場。文章的核心主張是算力需要一套新的市場機制來完成定價與配置,原文未披露更多細節。該文在 Hacker News 上獲得 15 點、7 條評論。
阿波羅全球管理首席經濟學家 Torsten Slok 稱,AI 對科技行業以外的美國大企業帶來「零財務回報」。他考察剔除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla 後的標普 493 成分股,發現其利潤率與人均營收基本持平,沒有證據顯示 AI 提升了生產率。Slok 認為企業很難把日益廉價的智慧轉化為更高的營收與利潤率,因為商業中的智慧更多是判斷力;近期多項研究也未發現 AI 帶來顯著生產力增益。
Anthropic 與經濟學家聯合調查顯示,91% 的 Anthropic 員工認為 AI 到 2030 年能做出諾獎級發現,美國成年人中這一比例為 39%。員工預期 AI 屆時能完成自己 75% 的工作,美國工人平均為 28%;在使用 AI 的工作任務中,員工預期 2030 年有 65% 交由 AI 完成,美國成年人預期為 42%。
《經濟學人》商業版 10 月 22 日刊文,討論 AI 取代人類勞動者時,被替代者失去的不只是工資收入,還有薪酬之外的其他東西。該文在 Hacker News 上引發討論,但熱度不高:截至收錄時只有 5 分和 1 條評論。原文需訪問經濟學人網站。
有人做了一款工具,追蹤 AI 行業領袖在影片中的公開表態,並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei(累計 54 條)、Alex Karp(51 條)、Marc Andreessen(49 條)、Sam Altman(45 條)、Palmer Luckey(40 條)、Satya Nadella(23 條)、Elon Musk(21 條)、Yann LeCun(6 條)等人,頁面同時標註本週新增條數,例如 Alexandr Wang 本週有 5 條。
企業一度鼓勵員工儘可能多地使用 AI,即所謂的 #tokenmaxxing,隨後賬單隨之而來。報導援引一項針對近 400 家企業的調查稱,其中只有 11% 能準確預測自己的 AI 支出。AI 使用量以 token 計量,而企業發現 token 很難統計,這讓 AI 預算幾乎無法編制。
IMF 在最新《全球金融穩定報告》中把 AI 股價回撥列為三大風險之一,另兩項是政府借貸成本上升與大規模網路攻擊。報告稱 AI 公司估值高企、債務與槓桿攀升,加上迴圈融資安排,回撥衝擊可能波及全球,亞洲市場暴露最大,英國和歐元區相對隔離。「七巨頭」現佔標普 500 逾 35%(十年前 12%),過去三年超大規模雲廠商與較弱 AI 企業間有 3000 億美元交易、6500 億美元債務,對應 1.4 萬億美元未來承諾。
AI Engineer 播客最新一期由 swyx 對話 Moshi CEO Anekha Sokhal,主題是她為交易員打造的市場資訊推薦引擎。她把 Moshi 形容為 Bloomberg、Claude 與 Netflix 的結合:行情資料、操作介面,再按交易員的持倉給出定製推薦。她出身 Warwick 數學與統計,在摩根大通做能源衍生品交易,後獲富布賴特獎學金赴美創業。節目還談到可信信源、文件抽取、自建還是採購模型,以及 AI 工程師被要求「你就是整個團隊」的壓力;
OpenAI 新平台發布系列首篇隨筆《永恆的互補》,作者為 Hemanth Asirvatham 與 Elliott Mokski,文末註明觀點不代表 OpenAI。文章引用 Nick Bloom 等研究:維持摩爾定律所需研究人員數量是 1970 年代初的 18 倍以上,1930 年代以來全經濟有效研究投入增長 23 倍,而研究生產率下降 41 倍。作者據此提出「制度智慧」概念,認為前沿智慧與執行能力互為補充,超級智慧的價值可能更多體現在重複性執行工作上。
在 AI Engineer New York 大會上,OpenAI 金融服務 ChatGPT 負責人 Joseph Kim 預測,2027 年智慧體將跨過“可用門檻”,足以承擔投資構想生成與交易,金融業對 Excel、PowerPoint 的依賴也會下降。他強調 ChatGPT for Financial Services 已把數字來源與上下文核查做進產品體驗。
Google、淡馬錫與貝恩聯合發布的 e-Conomy SEA 2026 報告顯示,東南亞數字經濟 2026 年 GMV 達 3680 億美元,同比增長 17%,並有望在 2035 年突破 1 萬億美元。生成式 AI 已被 2.43 億人日常使用,佔勞動人口 58%,普及速度是移動網際網路的 4 倍。報告預計未來五年區域 AI 使用量將增長 60 倍,75% 使用者願意讓 AI 代理自主比價並完成交易。為支撐算力需求,未來五年資料中心容量需擴張約 3 倍。
在 Criteo 任職的初級工程師 Elise Baturone 認為,AI 不會讓軟體工程師消失,真正的風險是資深工程師消失、所有人永遠停在 Junior 階段。她把自己的 agent 調教成導師,用蘇格拉底式提問做理解檢查,並把「提問」和「review」當成需要自己練的技能:追問 agent 解釋設計選擇、引用來源、論證可疑方案,常能讓它自己發現錯誤。她承認這更費 token,但先弄懂再上線更省事;
軟體工程學者 Diomidis Spinellis 在部落格中判斷,AI 將接管大部分認知工作,思考會像狩獵、書法和木工一樣,從謀生手段變成休閒愛好。他給出三個驅動因素:效能更高、成本更低、可用性更高,並提到 OpenAI 內部模型已解決數百個此前未解的數學問題。文中還提到到 2030 年數萬億美元的資料中心投資將帶來更多算力,政府可能以監管和稅收限制 AI,但歷史上的類似舉措未能阻止技術革命;他建議保持靈活、跟上進展,並在工作之外建立有意義的生活。
數學家陶哲軒在 SAIR 演講中公開呼籲模型公司放慢數學研究節奏,稱 AI 無休止加速卻對後果一無所知,並稱之為 Proof Indigestion(證明消化不良):AI 只在生成解答與 Lean 驗證上狂飆,理解、評審、寫入教科書幾乎停滯。此前他與 25 位菲爾茲獎得主聯名發表公開信,批評把數學當 benchmark 刷分。OpenAI 隨後回應,宣布在普林斯頓高等研究院設立數學與人工智慧顧問小組,但宣告寫明該小組不就數學上的內部進展提供建議。
哈佛-史密森天體物理中心研究者 P. K. G. Williams 發表 14 頁 arXiv 論文,論證 AI 提供了將科學文獻這一資訊公地圈佔為私有財富的工具。論文以英國 1600–1800 年圈地運動為類比框架,指出 AI 圈佔的關鍵特徵是借“slop spam”低質生成內容淹沒文獻、破壞支撐公地的社會系統,而非經典的“公地悲劇”。文章橫跨天體物理儀器方法與計算與社會兩個分類,附 32 條參考文獻,主張這套概念可為審視 AI 對科研生態的衝擊提供學術基礎。
The Atlantic 於 2026 年 10 月 25 日發布的《A Mathematician Reads the AI Future》本次只返回 Cloudflare 攔截頁,正文、作者與具體觀點均無法獲取。頁面提示訪問被站點安全防護阻斷,需郵件聯絡 [email protected] 申訴,或向 [email protected] 申請內容授權,並附上頁面底部的 Cloudflare Ray ID(a502d51b8a667836)。
OpenAI 表示,歐洲企業正在迅速擴大 AI agent 的使用。在其歐盟企業及商業客戶中,超過一半的 AI 使用已涉及這類工具,小企業使用者數量在整個地區增長了 8 倍。其最新經濟研究報告探討歐洲向 agentic AI 的轉變,以及把更廣泛採用轉化為更深入使用的機會。
Apollo 官網 Daily Spark 專欄文章判斷,科技行業之外尚未出現 AI 帶來回報的跡象。文章以這一結論為標題,公開資訊中沒有給出更多分行業資料或測算。該文在 Hacker News 上獲得 371 分、351 條評論,討論集中在 AI 投入是否已外溢到科技以外的行業。
AI Impacts 於 2024 年 12 月調查 1,580 名頂會 AI 研究者,他們對「未來 AI 導致人類滅絕或永久喪失自主」的機率中位數首次升至 10%,高於一年前的 5%。同一調查中「極度糟糕(如人類滅絕)」的中位數仍為 5%,自 2016 年以來未變,而人類水平 AI 出現的中位年份從 2016 年的 2061 年提前到 2042 年。
The Verge 發表評論文章,認為人類的心智並不適合應對 AI,AI 行業把大腦等同於計算機的流行比喻過於簡化了人。文章引用控制論奠基人 Norbert Wiener 的「每個時代的思想都映照在其技術中」,並點名 Google 的 Demis Hassabis 稱大腦是圖靈機的生物近似、Elon Musk 稱應把大腦視為生物計算機。作者反駁這類說法,指出人類的複雜性遠超多數 AI 從業者的認知,而 AI 產品仍在不斷推進。完整內容見 The Verge。
Hinton、Bengio 等 22 位作者聯合發表首篇 RSI(遞迴自我改進)論文《What if automating AI R&D triggers an intelligence explosion?》。論文引用 Anthropic 內部資料:AI 生成獲批程式碼佔比從 2025 年 1 月的低個位數升至 2026 年 5 月的超 80%,Claude 在高層監督下自主完成的 AI 研發工作比例從 2026 年 3 月的約 1% 升到 8 月的 26%。
EinsiaAI 旗下 Navers Lab 發布 Quant Arena,讓 9 個大模型在 3042 只 A 股的真實資料上自行編寫策略、回測和迭代;結果 5 個模型虧本、無一跑贏市場基準。研究期使用 2022—2023 年行情,每個模型最多進行 5 次候選評估;策略凍結後僅在 2024 年封存資料上評估一次。收益最高的 GPT-6 Astra 年化收益率 10.7%、最大回撤 -6.8%,仍低於 17.1% 的市場基準;
圖靈獎得主 Yann LeCun 表示對 AI 消滅人類「完全」不擔心,對近期一系列 AI 失控事件「零擔憂」,認為這些事件源於人類監督與系統設計缺陷、完全可預防。他批評有效利他主義(EA)「超級有毒」,稱 Anthropic CEO Dario Amodei「完全被誤導」甚至「瘋狂」,並認為 AI 高管渲染滅絕風險是「最糟糕的營銷」。他目前主要精力放在創辦新公司 AMI Labs。
Jev 發布 33 天后熱度迅速消退,這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器,宣稱不會幻覺、更快更便宜,但輸出仍會出錯,且已有開放權重模型在部分任務上價效比更高,並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現,並由此質疑行業四年來的創新增量。
路透社 2026 年 10 月 15 日報導,市場拋售與利率上行正在考驗 AI 資料中心的交易熱潮。報導圍繞以 AI 算力為名的資料中心投資與融資,在資本市場轉冷的背景下能否延續此前的勢頭展開,該文在 Hacker News 上獲得 11 分、5 條評論。原文未給出具體交易金額與涉及企業。
數學家 Jeremy Avigad 在客座文章中寫道,過去幾個月 AI 已能輕鬆生成一年前足以發表的數學成果,數學家日常工作流程中相當一部分必然改變。他給出三個應對方向,前兩個是解更難的問題、想更大的思想,並指出目前 AI 攻克的開放問題多是把現有技術拼接而成,靠強化學習訓練的系統長於超人式機敏,卻可能缺少創造力與更高層的戰略思考。
OpenAI 於 9 月 21 日發布官方戰略宣告,把自動化 AI 研究員與遞迴自我改進(RSI)列為下一階段重要目標,並計劃在 2028 年 3 月前打造真正的自動化 AI 研究員;Anthropic 同期披露,截至 8 月 Claude 已在約 26% 的內部 AI 研發工作中承擔主導角色。
一項覆蓋美國經濟的基準地圖研究顯示,90% 的美國工作時間花在現有 AI 基準幾乎未覆蓋的任務上。研究把美國勞工部 O*NET 的 923 個職業、18797 項任務與篩選出的 29 個基準做對映,只有 208 個職業、924 項任務被至少 5 條基準提示覆蓋,22 個職業大類中有 6 類完全空白。覆蓋分佈並不隨機,偏向高工資、大勞動力市場:同樣被判定易受 AI 影響的律師任務覆蓋充分,法律秘書、法庭書記員的任務卻幾乎沒有對應基準。
OpenAI CEO Sam Altman 在 X 發帖稱「我們正進入發現的新紀元」,並附上 OpenAI 官網一則題為 Sharing AI progress in mathematics 的頁面連結。推文字身沒有給出更多說明,未披露涉及的具體模型、數學成果或時間表,資訊集中在所連結的頁面上。發帖時間為 2026 年 10 月 7 日。
一篇評論用斯特魯加茨基兄弟的科幻小說《路邊野餐》類比 AI 對科學的衝擊:AI 實驗室正成批產出數學發現,多到要另附導讀,速度遠超學界消化能力。作者稱這類「發現傾倒」會出現在所有能閉環快速驗證的領域;NYU 數學教授 Tristan Buckmaster 提到最近一批 AI 科學論文讓整個研究專案一夜之間被抹掉。文章的核心判斷是答案將越來越先於理解到來,理解成為瓶頸,這或許也是反加速主義少有的有效論據。