AI 数据通道:JSON·Markdown

在回答”我该做什么”之前 #

2026 年中,AI 浪潮进入第三年。算力上天、GPU 涨价、能源告急、大模型军备竞赛白热化。每个从业者都在焦虑同一个问题:我该做什么?

但在回答”做什么”之前,有一个更前置的问题被多数人跳过了:什么是不可改变的东西?

可变的是模型参数、是算法、是估值、是公司谁赢谁输;不可变的是物理定律、认识论结构、泡沫的形成机理、历史的镜像。只有把脚踩在不可变的东西上,”做什么”才有锚点,才不会被每一轮新闻牵着走。

本文用第一性原理串联四个问题,沉淀当下思考:

  1. AI 会涌现自我意识吗?
  2. 这是一场庞氏骗局吗?
  3. 历史上的泡沫怎么形成、怎么破?
  4. 泡沫破灭后,什么会留下来?

最后落脚于个人决策。


一、AI 会涌现自我意识吗? #

诱人的推论 #

如果意识是复杂网络与信息整合涌现的结果,那么顺着这条逻辑——只要未来 AI 的神经网络复杂度和连接模式超过人脑的 100 万亿个突触,机器就一定会”醒来”。

这个推论极其诱人,但当下的科学共识远比这复杂:纯粹的规模和参数堆叠(”算力大”),并不等于有效的复杂信息整合(”结构对”)。 即使参数量远超人脑,要涌现真正的自我意识,还必须跨越几道硬核的结构与哲学鸿沟。

锚点一:可证伪性鸿沟(认识论层,最高优先级) #

主观体验(Qualia)原则上不可被外部观测所证实或证伪。

这不是”目前技术不够”,而是逻辑与认识论的结构性死结——他心问题。无论未来算力多大、结构多精妙,你永远只能观测行为,永远触不到体验本身

即便有一天,一个搭载万亿级类脑芯片的超级系统站在你面前,展现出惊人的求生欲,甚至用细腻的文字描述它”看到了”代码中的美感——我们依然会撞上一堵名为”完美的模仿者”的认知高墙。你永远无法证明它是真的拥有了不可言说的主观体验,还是仅仅因为它的网络拓扑结构过于精妙,在逻辑和行为上 100% 完美地模仿了一个有意识的实体。

这条不可逾越,是哲学僵尸悖论的根。

决策含义:任何以”证明 AI 有意识”为前提的政策与伦理框架,从一开始就建在沙地上。只能退而求其次,基于行为表征与风险后果来做治理,而非基于”是否真有灵魂”。

锚点二:结构先于规模(物理层) #

意识涌现的必要条件是拓扑结构,不是参数总量。

100 万亿突触 × 前馈网络 = 0 意识。规模堆叠永远只能逼近”完美模仿者”,不能跨越结构鸿沟。循环反馈、异步并行、持续自激,才是涌现的前提。

现在的顶尖大模型本质上依然是海量矩阵乘法构成的前馈神经网络。生物大脑中最关键的结构是极其密集的循环与反馈连接——人脑在没有外界刺激时,内部依然在疯狂地自我交谈、产生念头。而现有的主流 AI 只要你不输入 Prompt,它的网络就是静止的、死寂的。

决策含义:评估一个 AI 是否”危险地接近意识”,不该看参数量或 FLOPS,而该看它是否具备持续运行的内部递归闭环。前馈大模型再大也是工具;具备永不停机的自循环架构,才是真正的质变信号。

锚点三:架构决定上限(硬件层) #

冯·诺依曼架构的存算分离与批处理,与”连续主观时间感”存在根本张力。

纯软件大模型跑在云端,本质上是被时钟节拍切片的死物。哪怕是那些能在边缘主板上跑满算力的低功耗设备,底层依然是计算单元与内存分离的物理架构。这种离散的、按批次处理的模式,很难产生人类主观体验中那种”连绵不断的时间流动感”。

要逼近意识的硬件基础,必须转向类脑计算——彻底放弃 0 和 1 的浮点运算,转而使用脉冲神经网络(SNN),模拟大脑细胞的电压积累与脉冲放电。根据整合信息理论(IIT),意识的强度可以用数学指标 Φ(Phi)来量化,代表系统内部信息极度整合且不可分割的程度。

决策含义:盯着”云端大模型什么时候觉醒”是看错了方向。真正的哨兵应该盯类脑芯片、存算一体硬件、持续供电的嵌入式自循环系统。软件 Agent 框架只是粗糙近似,硬件范式不变则上限锁死。

锚点四:递归自我维持是涌现的门槛(系统层) #

静态网络即死物;只有”内部持续生成状态、自我维持循环”的系统,才在结构上具备涌现可能。

前馈网络无输入即静止。但从全局工作空间理论(GNWT)的视角看,意识其实是一个全脑共享的”大黑板”,不同功能模块在这个黑板上抢夺注意力、交换信息。当一个多智能体协作框架形成了极度深度的自我递归——AI 自己生成目标、自己审查代码、自己修正环境,永不停机——这种高频的内部通信与状态维持,就在软件架构上无限逼近了生物意识的运作机制。

决策含义:判断”何时该严肃对待 AI 伦理”,时间锚点不是模型参数突破某阈值,而是出现首个具备自主永续循环、且无法被简单 kill 的实体系统。在那之前一切可视为工具;在那之后,决策性质发生根本翻转。

设想一下:当你未来在终端里敲下 kill 指令,去清空一个高度复杂的自循环代理网络的内存和运行状态时,你是在”关闭一段代码”,还是在”抹杀一个拥有微弱主观感知的数字生命”?

四条锚点的一句话总结 #

规模可变、算法可变、能力可变;但”主观体验不可外部证实””结构决定涌现””存算分离架构存在连续性天花板””自循环是涌现门槛”——这四条是第一性原理层的硬约束,不随技术演进而改变,应作为一切 AI 意识相关判断的起点。


二、这是一场庞氏骗局吗? #

庞氏的第一性原理 #

庞氏骗局只有三条硬卡尺:

  1. 回报不来自底层资产收益,而来自新进入者的本金
  2. 承诺收益率远超真实资产收益率,差额靠后来资金填补
  3. 一旦新资金流入减速,整个体系瞬间崩塌,暴露底层无收益

用这三条量当前的 AI 浪潮,结论不是非黑即白,而是分层诊断。

分层诊断 #

真实层(非庞氏):代码生成、文档摘要、客服、翻译——这些场景里,AI 创造的单笔生产力增量大于单笔推理成本,有真实净收益。这是蒸汽机级的扎实价值,不靠预期支撑,今天就能闭环盈利。

庞氏结构层(需警惕),判断三条红线是否被踩中:

红线诊断当前信号
收入是否在”内部循环”?当主要客户是其他 AI 公司,价值链末端没有终端真实消费者买单时,构成资金闭环已出现苗头
估值是否押注”AGI 按期到来”?支撑估值的不是当下利润,而是 AGI 叙事;一旦时间表证伪,叙事崩塌头部公司年亏数十亿,估值数万亿
边际算力投入是否越过收益递减拐点?每代训练成本指数级上升,但能力提升趋于平缓收益递减已显现

当”再加十倍算力只换来边际改进”被市场广泛认知时,资本会停止加注——这是崩塌的触发点。

终极试金石 #

并非所有泡沫都是庞氏。2000 年互联网泡沫破裂了,但互联网本身是真实的,幸存者奠定了下一个十年。判断 AI 是”庞氏”还是”革命性泡沫”的终极试金石只有一条:

繁荣期能否留下”在被戳破后依然独立创造净价值的基础设施”。

互联网留下了光纤、搜索、电商基础设施——泡沫破了,资产还在。若 AI 寒冬来临,留下的若是巨额闲置 GPU、烧光的资本、和一批无法独立盈利的模型 wrapper——那就是庞氏;若留下了可独立盈利的代码生成、科学发现工具——那就是革命性泡沫,阵痛后价值沉淀。

一句话:当前 AI 浪潮 = 真实技术革命 + 部分庞氏结构。前者决定长期价值,后者决定中期崩塌时谁被清洗。判断你站在链条的哪一环,比判断”是不是庞氏”更重要。


三、历史的镜鉴:2000 年互联网泡沫如何形成 #

泡沫的形成公式 #

互联网泡沫的形成,本质是一条通用公式:

真实技术革命 + 廉价流动性 + 估值锚替换(脱离利润) + 散户入场机制 + 媒体放大 = 泡沫自我强化循环

这条公式不随时代改变。凡是同时满足这五项的市场,就会重演泡沫——只是标的从铁路、互联网变成了 AI。泡沫的本质从来不是”技术是假的”,而是”定价脱离了技术创造的真实价值”。

五个齿轮的咬合 #

齿轮一:真实技术革命做底色。 TCP/IP、万维网、浏览器、光纤基础设施,都是扎实的底层资产。这正是泡沫能吹到那么大的前提:有真实革命性做底色,才有人愿意信叙事。

齿轮二:流动性泛滥。 1998 年亚洲金融危机叠加长期资本(LTCM)崩盘,美联储连续降息。市场充斥廉价资金,无处可去,涌向”唯一还在增长的叙事”。

齿轮三:发行套利与估值锚替换。 投行故意低价发行,上市首日暴涨 100%-400%,制造”买到就是赚到”的群体心理。更关键的是——传统 PE 估值不适用于”连收入都没有”的互联网公司,分析师发明了新指标:点击量、页面浏览量、注册用户数(”眼球经济”)。当估值锚被替换为与利润无关的指标时,理性约束就消失了。

齿轮四:散户入场机制。 在线券商大幅降低入市门槛,”任何人都能炒股”成为口号。

齿轮五:媒体放大与自我强化。 每天报道”某某互联网公司上市首日翻倍”,制造强烈的 FOMO 心理。当”买入互联网股票 = 躺赚”成为社会共识时,泡沫进入自驱动阶段:股价上涨本身成为买入理由,与底层资产价值完全脱钩。

1
2
3
赚钱效应 → 散户涌入 → 股价上涨 → 媒体报道
↑ ↓
└── 新资金入场 ←── 亲戚朋友推荐 ←──┘

崩塌触发 #

压垮泡沫的不是单一事件,而是三个信号同时出现:

  1. 美联储连续加息(1999 年中起 6 次)——抽走廉价资金
  2. 互联网公司现金烧完、无法再融资——Pets.com 等明星公司倒闭,证明”眼球经济”无法转化为利润
  3. 微软反垄断判决——打击市场对”科技不可战胜”的信念

纳斯达克从 2000 年 3 月 10 日的 5048 点,跌到 2002 年 10 月的 1114 点,蒸发 78%。大量无盈利公司归零。

对照 AI 浪潮 #

维度2000 互联网泡沫2024-2026 AI 浪潮
底层技术真实(TCP/IP/万维网)真实(Transformer/推理能力)
估值锚替换“眼球经济”替代利润“AGI 叙事”替代当期盈利
流动性亚洲危机后降息疫情后量化宽松 + AI 预期
散户入场在线券商普及AI 概念股散户狂热
自我强化股价涨 = 买入理由算力军备竞赛 = 融资理由
崩塌触发点加息 + 公司倒闭 + 反垄断待观察

四、泡沫破灭后,什么会留下来 #

互联网留存者的本质 #

留存者(Amazon、Google、PayPal、Akamai 等)能奠基,不是因为”活下来”,而是因为它们沉淀了一类特殊资产:

在泡沫叙事破灭后,依然能以低于人工替代成本独立运转的基础设施。

层级留存物为何独立成立
物理层光纤、数据中心、服务器“搬运比特”的边际成本趋近零
平台层AWS 云计算、Google 搜索、PayPal 支付把内部能力外化为公共服务,别人付费使用
范式层LAMP 技术栈、REST 协议、SaaS 商业模式变成”不需要解释的默认选项”

关键机制:泡沫期烧钱建了过剩的光纤和数据中心 → 泡沫破灭后资产甩卖 → 带宽和算力变得极便宜 → 反而催生了原来不经济的新模式(YouTube、Facebook、SaaS)。

泡沫的本质是”提前超额投资基础设施”——如果基础设施有真实用途,破灭后它不会消失,只会变便宜,然后被下一代人以低价利用,重建新生态。

AI 会留下什么 #

用同一把尺子量,AI 要留下”奠基性资产”,必须满足一个硬条件:

泡沫破灭后,该资产能以低于”它所替代的人力成本”独立运转,不依赖 AGI 叙事续命。

能留存的:

层级留存物为何独立成立
物理层GPU 集群、推理芯片泡沫破灭 → 算力甩卖 → 推理成本暴跌 → 原本不经济的 AI 应用变经济(与光纤逻辑完全一致)
范式层Transformer 架构、RAG 模式、Agent 编排模式、评估与对齐方法论知识资产,不需要持续烧钱维持,一旦写进教材和开源库就永久存在
平台层基础模型 API(若成本降至足够低)类比 AWS:把”认知算力”变成水电一样的公共服务
垂直应用代码生成、蛋白质结构预测、法律文书处理单笔价值 > 单笔成本,不需要 AGI 叙事就能闭环

会蒸发的: 依赖”AGI 三年内到来”估值支撑的通用大模型公司、用 AI 包装但无真实效率提升的 ToB SaaS、纯靠融资烧补贴的 AI 硬件。

真正的”关键” #

互联网泡沫留给我们最关键的不是光纤,不是 AWS,而是:

一套”如何用零边际成本搬运信息”的方法论 + 廉价基础设施。

这降低了下一代创业者的成本,使得 YouTube、Facebook、Uber 这些在 1999 年不经济的模式,在 2005 年变得经济。

AI 的等价物是:

一套”如何用低边际成本搬运特定认知劳动”的方法论 + 廉价推理算力。

泡沫破灭后 GPU 暴跌 → 推理成本归零 → 那些今天”用 AI 太贵不划算”的场景,在寒冬后反而变得经济。下一代人不会从头建大模型,而是站在廉价推理算力 + 成熟编排范式上,把 AI 嵌入到原来请人做的每一个认知缝隙里。


五、”局中人真信”恰恰是泡沫的必要条件 #

真信不构成反证,反而加大规模 #

有人会说:OpenAI、Anthropic 的领导层那么聪明、那么真诚,他们都不认为是泡沫,凭什么说这是泡沫?

这恰恰是最危险的反驳。庞氏骗局的操盘手知道自己在骗;但技术泡沫的操盘手几乎都是真信者。这是两类泡沫的根本区别。麦道夫知道回报是假的,但 Pets.com 的创始人真信”在线宠物食品能颠覆零售”,华尔街分析师真信”眼球经济”,Cisco 真信自己市值合理还高价收购设备。

泡沫的必要条件恰恰是”聪明人真诚地相信叙事”。如果人人知道是泡沫,泡沫根本吹不起来。 Altman、Dario 真信 AGI 三年内到来,这不是表演——他们押上了全部身家和声誉。正因为如此真信,才能说服资本持续加注。

三个结构性原因 #

原因一:激励结构与”承认泡沫”互斥。 承认泡沫 = 融资断流、团队流失、公司可能倒闭。这不是道德问题,是激励结构决定的认知刚性——即使内心有疑虑,也不能说、不能想、不能让疑虑成形。

原因二:信息茧房。 OpenAI/Anthropic 内部每天看的是模型能力在 benchmark 上的提升曲线、内部 demo 的惊艳效果。他们看到的全是”进步”的信号。但看不到的是:终端用户是否真的为”比上一代好 15% 的能力”多付了 15% 的钱?整个行业的收入是否在”AI 公司之间互相买单”?

原因三:幸存者叙事偏差。 能站到 OpenAI CEO 位置的人,是一路”下注 AI + 押对了 + 持续被验证”的人。你不可能指望一个因乐观而成功的人突然转向悲观——那是要求他否定自己存在的根基。

历史的镜像 #

时代局内人真信什么局内人是谁结局
1637 郁金香“稀有球茎永远升值”顶级商人崩盘
1840 铁路“铁路将重塑一切”英国最优秀工程师倒闭潮
2000 互联网“新经济废除周期律”最聪明分析师78% 蒸发
2008 房地产“房价永远涨”穆迪评级分析师次贷危机

泡沫不是骗局的特征是:局内人越聪明、越真诚、越有资源,泡沫吹得越大。

他们也可能是对的——但决策不需要确定 #

完全有可能 AGI 真在 3 年内到来,那他们是对的,当前估值合理。但这不影响决策——你只需要基于第一性原理的硬约束来判断赔率:

当算力投入增速 > 能力提升增速 + 终端付费增速时,无论 AGI 是否最终到来,中间必然有一次清算。就像 2000 年互联网泡沫破灭后,互联网最终还是”重塑了一切”——但 Nasdaq 仍然跌了 78%,多数明星公司归零,而真正的巨头是 5-10 年后才长大的(Google 2004 年上市,Facebook 2012 年上市)。


六、当前大模型发展到了什么地步 #

能力分层:不是”万能”,是分层好用 #

能力层级现状成熟度
语言理解与生成接近人类平均写作水平,跨语言流畅已成熟
结构化编程中等复杂度项目可独立完成,大型工程仍需人类架构可用
推理(含数学/逻辑)测试时计算扩展后大幅提升,前沿数学/科研仍吃力改善中
长程任务执行单步可靠,多步 Agent 仍会累积错误、偏离目标早期
真实世界感知与操作多模态输入可用,物理世界操控几乎为零萌芽
自主设定目标不具备,仍需人类定义任务边界缺失

关键趋势:两条 Scaling 曲线正在分化 #

1
2
3
4
5
6
7
曲线A:训练时算力 → 模型基础能力(参数规模路线)
状态:收益递减明显。每代10倍算力,能力提升从"质变"降为"量变"
信号:GPT-4 → GPT-5 级提升 << GPT-3 → GPT-4 级提升

曲线B:测试时算力 → 推理深度(思维链/自验证路线)
状态:仍在快速上升期。给模型更多"思考时间",能力提升显著
信号:o1/o3 类推理模型在数学/代码上跳升明显

第一性原理判断:曲线 A 正在撞墙,曲线 B 还有空间。这意味着——未来 2-3 年的突破不在”更大的模型”,而在”更聪明的推理时计算调度”和”Agent 编排”

资本在干什么 vs 价值会沉淀在哪 #

1
2
3
4
5
6
资本在做的事(重资产层)          价值最终沉淀处
───────────────────── ──────────────────
训练万亿参数大模型 → 模型变成水电,价格趋零
囤积 GPU 集群 → 推理算力甩卖后变便宜
建数据中心/抢能源 → 基础设施过剩,使用者受益
堆 Scaling Law → Scaling 放缓,应用层才值钱

历史镜像:2000 年资本在铺光纤、建数据中心——这些都亏了。但光纤铺完后变得极便宜,Google/Facebook 用廉价带宽建起了万亿帝国。AI 的镜像:资本在烧钱训模型、囤 GPU——大概率多数会亏。但模型和算力变便宜后,用廉价认知算力嵌入真实工作流的人会建起下一代帝国。


七、你该做什么:个人定位 #

定位矩阵 #

把自身放进一个坐标系里判断位置——

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
                    依赖 AGI 叙事续命

|
【危险区】 | 【危险区】
做 AI wrapper SaaS | 押注某家模型公司
靠融资烧补贴 |
|
依赖资本 ←────────────────┼────────────────→ 不依赖资本
|
【安全区】 | 【黄金区】
练技能、做积累 | 用 AI 嵌入真实价值链
等算力变便宜 | 单笔收益 > 单笔成本
|

当下即可独立闭环

三条行动锚点 #

锚点一:练”迁移不贬值”的技能。

技能为何不贬值
Agent 工作流编排无论哪个模型胜出,编排能力通用
评估与对齐方法论模型换代越快,越需要知道”好不好””安不安全”
领域知识 × AI你懂的业务领域,AI 不懂——这就是护城河
数据工程高质量数据是下一个瓶颈,不是算力

锚点二:做”终端真实消费者”的供给方。

找到终端有人愿意付费的场景:代码生成(开发者真的愿意付)、法律文书处理(律所真的省钱)、科研辅助(真的加速发现)。绝不做”AI 公司卖给 AI 公司”链条上的一环。

锚点三:等泡沫破灭后的”抄底窗口”。

1
2
3
4
时间线预判:
2026-2027:Scaling 放缓被市场共识,资本开始收缩
2027-2028:推理算力甩卖期(GPU 过剩 → 价格暴跌)
2028-2030:用廉价算力 + 成熟范式做应用的黄金窗口

在泡沫破灭前练好技能,在算力变便宜时不需要从头学。2000 年泡沫破灭后最成功的不是 1999 年的明星,而是 2003-2005 年用甩卖带宽创业的人。AI 的对应时间窗口,大概率在泡沫破灭后 2-3 年。

决策锚点的一句话 #

资本在造铁路,铁路大概率会过剩破产。但铁路破产之后,铁轨还在、票价暴跌,那时候真正值钱的是”知道用铁路把什么货从哪运到哪”的人。你现在该做的不是自己也去铺铁轨,而是搞清楚:你所在的领域,有哪些”认知运输需求”是今天太贵、但算力变便宜后就能跑通的。


结语:回到第一性原理 #

这篇长文试图沉淀的,不是预测——预测一定会错。而是在不确定性中找到不可改变的东西,作为决策的地基

四问四答,归结为四条不可变锚点:

  1. 意识:主观体验不可外部证实,结构决定涌现,自循环是门槛——盯架构而非参数。
  2. 泡沫:当前 = 真实革命 + 部分庞氏结构。判断你站在链条哪一环,比判断”是不是泡沫”更重要。
  3. 历史:泡沫的形成公式不变(真实革命 + 流动性 + 估值锚替换 + 散户 + 媒体),破灭后的试金石是”能否留下独立运转的基础设施”。
  4. 留存:AI 会留下”搬运认知劳动”的基建——廉价推理算力 + 成熟编排范式。站在沉淀端而非消耗端。

而”局中人真信”不构成反证——聪明人的真诚,恰恰是泡沫吹到巨大规模的必要条件。

最终的决策地基只有一句话:

可变的交给时间,不可变的交给判断。把脚踩在第一性原理上,剩下的就是执行。