斯宾塞谈AI投资：理性泡沫与全球机遇

斯宾塞认为，对人工智能的过度投资，实则是一种理性的抉择。这些投资决策背后的逻辑在于，一旦在竞争中出局，付出的代价将远超现在。

中美科技巨头在AI（人工智能）领域的投资竞赛，是否已催生了巨大的泡沫？

11月13日，在“太湖世界文化论坛·钱塘对话”活动中，北京大学国家发展研究院院长、中国人民银行货币政策委员会委员黄益平与诺贝尔经济学奖得主迈克尔·斯宾塞（Michael Spence）就AI投资热潮等议题展开了深入的对话。

斯宾塞指出，数字领域特别是AI的热情与投资，已使美国股市陷入狂热。“整个市场都在大规模投资AI模型、量子计算，我们正大规模地建设数据中心及相关的电力供应，未来可能还会大规模投资发电能力，因为电力需求在持续上升。”

在斯宾塞眼中，市场中确实存在一些泡沫，但这是一场理性的泡沫。

“从谷歌、微软、Meta或亚马逊的立场出发，相比于过度投资或效率低下所带来的损失，在竞争中沦为第三名的代价太过沉重，所以他们都在以极高的速度进行投资。”斯宾塞表示，“我们正面临一场投资竞赛。在中国，大型科技企业间存在这样的竞争，美国的大型科技企业间亦是如此。”

这些投资决策背后的逻辑是，一旦被淘汰出局，将付出比现在更高昂的代价。因此，斯宾塞认为，对人工智能的过度投资，实际上是一种理性的选择。

中美之间的竞争也推动了AI投资热潮。

“在政策框架方面，无论是中国还是美国，出于经济、国家安全等因素的考虑，都认为不能在技术上落后于对方。因此，他们不一定会推动这些领域形成泡沫，但也不会去阻碍其发展。”斯宾塞表示，“无论是在中国还是美国，人工智能的发展都在进一步加速。中国和美国之间的差距正在缩小，在我看来现在已经基本不相上下了。”

在AI投资热潮之下，标普500指数中超过30%的市值集中在前七大科技公司，达到了前所未有的高度。

AI投资热潮也在很大程度上推动了美国经济的增长。

黄益平在对话中提到，哈佛大学的杰森·福尔曼的分析显示，2025年上半年，美国经济增长了1.6%，但如果排除（投资）数据中心的贡献，经济增速只有0.1%。

这也引出了一个问题：对人工智能及其相关领域的大规模投资是否可持续？换言之，人工智能能否支撑经济的长期增长？

斯宾塞认为，人工智能相关投资在短期内对生产力增长没有显著影响，但未来生产力增长的潜力巨大。“人们往往会高估重大技术突破的短期影响，而低估其长期影响。泡沫出现的原因之一就是人们高估了影响发生的速度。2000年前后的互联网泡沫时期，我们就看到了这种情况。”

斯宾塞进一步表示，“最重要的是，如果要实现生产力激增，就需要在经济领域释放人工智能的潜力。这是技术扩散的问题。如果人工智能给科技和金融领域带来巨变，而像酒店业、传统零售、教育等大量吸纳就业的部门受到的影响很小，那么生产力激增就不会到来。我们就只能得到一个曾经强劲，但后劲不足的经济。”

与之相关的另一个问题是，人工智能是可与发明蒸汽机和电力相媲美的生产力革命，还是技术和方法上的边缘创新？

斯宾塞认为，人工智能非常重要。同时，其进展非常迅速，今天谈论的人工智能与明天拥有的可能会完全不同。“如果我们不知道AI智能体的发展方向和未来的可靠性将会如何，就很难准确预测它会带来怎样的影响。”

不过，斯宾塞表示，可以看到的是，人工智能已经给科学和技术领域带来了巨大影响。以生物医学科学领域为例，DeepMind公司推出的AlphaFold人工智能已经在100多个国家被260多万科学家使用。

“人工智能对推动各科学领域的进步具有革命性意义，它对经济的影响则要来得更慢一些。”斯宾塞说，“因为你要弄清楚怎么用它、要试验、要改变现有的行为、学习新技能、改变商业模式、企业架构等。但我认为只要使用得当AI会带来非常巨大的影响。”

展望未来人工智能的快速发展和广泛应用将给全球带来怎样的影响？

“我的总体判断是随着以劳动力套利为核心的亚洲发展模式逐渐消退人工智能将给全世界带来重大机遇拥有一个强大的潜在增长引擎作为替代可能非常重要。”斯宾塞说。

同时斯宾塞提到未来不同国家在人工智能产业链中的分工将有所不同。

斯宾塞认为在接下来的一段时间里工具的开发将主要集中在中国和美国因为其他国家在算力、人才、资源投入等领域都无法与中美相比但要在现实世界使用或调整这些工具来解决问题要付出的成本则会低得多这会给众多全球南方国家带来许多机遇。

对此黄益平提到一个关于分配的问题在过去的全球化过程中存在社会中某些群体的获益相对较少的情况由此也出现了对全球化政策的反弹。人工智能革命是否会出现类似的分配不均的情况？

“这确实可能发生。”斯宾塞表示“全球化和此前的数字化本质上只是常规工作的自动化但这确实产生了不尽如人意的分配结果。我认为这次情况可能会有所变化比如大卫·奥托说如果我们做对了就不一定会重蹈覆辙。”

同时斯宾塞强调仅仅依赖市场机制完全相信它能自动产生最好的结果不是正确的做法。“这需要我们努力去构建而不是一厢情愿地希望。”

(作者为《财经》记者)