Michael burry新文章
一、总体背景

这是一场由投资界（预测过 2008 经济危机的 Michael Burry）、AI 研究与政策界（Anthropic 联合创始人 Jack Clark）、AI 思想评论者（Dwarkesh Patel）、以及金融技术评论者（Patrick McKenzie）共同参与的对话，围绕：

👉 AI 发展的历史、当前状态、对就业和生产力的影响，
👉 资本市场对 AI 投资的合理性，
👉 以及 AI 是否会带来长期经济价值或只是短期的泡沫性支出展开争论。 

⸻

🔹 1）AI 发展史回顾

Jack Clark 回顾：
• 2017 年之前，人们认为 AI 要从「空白智能体」开始，通过大量任务学习来获得通用智能；
• 事实证明，大规模预训练语言模型（LLM）+ Transformer 的方法更有效，使我们得到现在这种通用性模型；
• 目前研究又重新回到了智能体（agents）方向，但它们是建立在已有大模型能力之上，而不是之前的从零开始的方法。 

Patrick McKenzie 指出：

今天的基础模型已经是「未来 AI 的底层最低能力线」，未来开发不太可能比现在的能力更差。 

⸻

🔹 2）对 AI 生产力和现实影响的看法

Dwarkesh Patel 提出：
• 很多人认为 AI 会极大提高生产力，但现有数据（比如一些生产力研究）显示，其影响并没有想象中那么强；
• 开发者的自测生产力增益（例如认为提高 ~50%）可能远高于真实生产力提升。 

Jack Clark 同意：
• 虽然很多开发者主观感觉效率提高了，但缺乏精确衡量数据；
• 真正的生产力提升仍需要更良好的反馈验证机制。 

结论：

AI 工具是否真正提升生产率，目前还没有清晰、充分的数据支持。 

⸻

🔹 3）就业 & 经济是否被 AI 替代？

Dwarkesh 与 Michael 的观点：
• AI 并未大规模替代就业；
• 如果 AI 真的能代替大部分白领、开发者等工作，这会非常惊讶；
• 人类与 AI 的配合关系远比简单替代复杂。 

⸻

🔹 4）资本市场是否高估了 AI 投资？

Michael Burry 的核心观点：
• 当前 AI 的投资规模是巨大的，但资本投入与实际经济产出之间没有明确的关系；
• AI 基础设施（芯片、数据中心等）花费极高，而终端业务及收入规模远小于支出；
• 如果最终没有明显的生产力提升或新市场诞生，这可能是对未来过度下注。 

他提出一个重要衡量标准：

投资回报率（ROIC） 是衡量长期价值的关键指标，而这一指标在 AI 产业链中很可能降低，因为投入远大于收益。 

⸻

🔹 5）谁会赢得 AI 革命？

文章中观点不一：
• 市场可能错误估计了 AI 价值集中在哪些环节；
• Michael 认为没有企业具有真正持久竞争优势，因为竞争将不断压缩利润；
• 目前技术领先企业（如 Nvidia、Palantir）被认为“运气好、顺势而为”，但不一定具有长期优势。 

⸻

🔹 6）AI 对社会与政策的启示

Jack Clark 强调风险方向：
• 最大的风险不是现在的 AI，而是未来能否出现能够“自行改进”的 AI 系统（递归自我提升），这会带来巨大不确定性；
• 政府应加强 AI 能力监督与透明度。 

Michael 还建议：
• 即使 AI 风险可控，能源与基础设施才是长期经济安全的核心；
• 他建议投入大量资源发展核能、新能源网等基础设施以支持这个新时代。