Howard Marks：AI 万亿投入能否回本，只能靠信仰

据 Woofun AI 消息，联席创始人 于 11 月 11 日发布最新备忘录，围绕人工智能（AI）领域的技术黑箱、商业护城河与信贷杠杆风险提出 11 个核心之问，全面拆解这场变革背后的深层不确定性。结合 Claude 对行业可预测性的打分，Howard Marks 指出前沿实验室前景最难判断，而每年 $1 万亿级别的资本投入能否回本目前仍高度依赖信仰。

尽管如此，投资者仍须在不确定性中保持谦逊并积极参与。我们应当投资人工智能吗？我们又能否以明智的方式进行投资？这正是我在这篇备忘录中要探讨的问题。一方面，我并非科技行业出身，也绝不敢自称对人工智能（或科技投资）拥有超越常人的认知。但另一方面，AI 是我们这个时代最重大的进展，甚至可能成为人类史上最具颠覆性的事物之一，因此投资者根本没有置身事外的余地。基于这一前提声明，我将分享自己的思考过程，列出目前正反复推敲的问题（并非所有问题都与 AI 投资直接相关），并给出我的判断。

尽管有限的知识储备让我无法给出斩钉截铁的答案，但我希望能把这些问题集中梳理在一处，为读者提供一些参考。眼下关于 AI 的消息铺天盖地，AI 及周边概念公司的证券价格剧烈波动，但我无意逐日追逐这些短期起伏，因为我想探讨的是 AI 的长期前景，而非明天的证券价格。投资归根结底只有一件事：配置资本以从未来事件中获益，而绝大多数投资者赖以应对的手段便是预测。

然而，并非所有事物都同样具有可预测性，也并非所有预测者都具备同等水平。因此，基于对未来的预期来投资 AI（而这恰恰是我们唯一能依赖的依据），我们必须同时考量两件事：我们认为未来可能如何演进，以及我们猜对的概率究竟有多大。

我过去曾撰文指出，自上而下开展投资的人，必须同时看对宏观经济、所属行业、具体公司以及市场走势的前景。假设各项结果相互独立，即便你在每个维度上都有 60% 的准确率（这已经相当乐观），四项全部判断正确的综合概率也只有 13%（0.6 的 4 次方）。具体到 AI 领域，关键变量的数量异常庞大，每一个变量都让如何投资的决策变得更加复杂。AI 投资者必须对技术演进路径、算力需求、竞争格局、技术红利归属、融资可得性以及上述所有环节的时间节点，至少做到大体判断准确。

在我看来，评估这些核心要素难度极高。果真如此，任何单一投资论点最终全部成立的联合概率又有多少？阅读下文时，不妨将这个问题记在心里。最后，请牢记三点：（a）我们对任何投资都不可能无所不知；（b）最大的失误往往发生在人们自以为无所不知之时；（c）对未来认知的不完备，不能成为我们完全放弃行动的借口。承担风险以追求利润正是投资者的天职，至于承担多少风险以及采取何种形式，则因人而异。鉴于 AI 蕴含的巨大潜力，我们绝不能仅仅因为前景尚不明朗就拒绝参与其中。

在探讨更具体的细节之前，我想先从一个自己颇感兴趣的宏观非金融问题切入。由于我对此一窍不通，便向 旗下的大模型 Claude 请教，以下是它的部分回答：我们几乎完全掌握 AI 的构成以及它是如何被建造出来的，但令人惊讶的是，我们对它究竟是如何实现其功能的却知之甚少……我们也清楚它的训练配方：向它展示海量的文本，让它预测下一个词，每当它猜错时，就对数十亿个内部参数做微小的调整，并将这一过程重复数万亿次……没有任何人编写过教它如何回答问题的明确规则。

这些规则是在参数微调中自然涌现的，分散在数十亿个单独来看毫无意义的数字之中。对此我所知道的最佳表述是：这些系统是'生长'出来的，而非被'设计'出来的。'可解释性'领域的研究人员正在取得实质进展，例如他们发现模型在创作押韵诗歌时，会先选定韵脚词再写前面那行，说明它确实具备提前规划能力。但研究者目前依然只能解释模型内部运作的一小部分片段。