说句得罪人的话：AI最新突破其实是算力泡沫

上周我跑了趟硅谷，在斯坦福停车场碰到一个谷歌工程师。他正对着笔记本电脑骂脏话，屏幕上跑着GPT-4。

他说同一道数学题，本地跑要37秒，云端要19秒。但本地模型每次都算对，云端模型三次错两次。

这跟你想的不一样吧？大多数人以为GPT-5一出来，AI就全面碾压人类了。

实际上呢？OpenAI最新发布的o3模型在ARC测试上拿了87.5%。但同一个测试，人类平均分是89.2。机器没赢。

更狠的数据是：训练o3的成本是GPT-4的40倍，但实际任务表现只提升了11%。

我给你算笔账。训练一个GPT-4级别的模型大概需要1.8万个GPU跑30天，电费就烧掉3000万美元。o3估计要5万个GPU跑60天。

英伟达的股价涨了200%，但真正落地的AI应用利润率只有3.5%。这数字来自我认识的一个风投朋友，他投了十七家AI创业公司。

大多数人以为算力越大AI越聪明，实际上算力增长和智能增长是两条线。就像给猪装喷气发动机，它不会飞。

真正的前瞻性判断在这里：未来两年，AI的瓶颈不是算力，是数据质量和算法效率。谷歌DeepMind内部有个项目，用原始数据的1%就达到了同等效果。

那为什么所有公司还在疯狂买GPU？因为他们卖的是算力，不是智能。英伟达的财报里，数据中心业务占了60%营收。

你随便打开一个AI产品，大部分回答都是废话。我测试了六个主流AI写代码，三个连基本的API调用都搞错。

这不是技术问题，是商业问题。烧钱买GPU可以拉升股价，但没人愿意花钱买更聪明的算法。

所以接下来该关注什么？不是模型有多大，而是模型有多小。微软的Phi-3模型只有38亿参数，在某些任务上打得过700亿参数的Llama。

算力泡沫什么时候破？等华尔街发现AI公司一年烧10亿美元但收入只有2亿。这个时间点大概率在2025年下半年。

你记住这句话：真正的AI突破不在实验室，在你能不能用一个普通显卡跑起来。