隨著行業分析師開始公開質疑對生成式人工智能（GenAI）的巨額投資是否會帶來回報，對GenAI討論也開始出現懷疑。在高盛研究公司的一份報告中，批評人士表示，除了編寫數字助理（Copilot）和聊天機器人之外，缺乏“殺手級應用”是最緊迫的問題，而數據可用性、芯片短缺和電力問題也構成了阻力。當然，許多人仍然看好GenAI對商業和社會的長期前景。

在過去的一年半里，對GenAI的大肆炒作無疑吸引了大眾注意，尤其是那些經歷過世紀之交的互聯網繁榮和隨后的泡沫破裂的人，包括隨后云計算和智能手機的興起，這是由亞馬遜網絡服務（AWS）和蘋果iPhone分別于2006年和2007年推出。

2010年代初的大數據熱潮是又一個對科技的熱捧，用1999年Michael Lewis那本頗有啟發性的書中的話說，硅谷對持續不斷的技術革新的執著，最終以Hadoop作為“新事物”的加冕而告終。在Hadoop崩潰之后(一開始是緩慢的，然后在2019年突然崩潰)，大數據微妙地改變了方向，人工智能成為了熱門的新事物。其他幾個新事物也在這一過程中勇敢地贏得了關注和風險投資——區塊鏈將改變世界！5G將加速邊緣計算！自動駕駛汽車即將到來！但似乎沒有什么能真正獲得關注，大數據世界在傳統機器學習方面取得了漸進式的進展，同時也在思考這些新奇的神經網絡到底有什么用。

GenAI是最新的新事物。也就是說，直到OpenAI在2022年底推出了一種名為ChatGPT的新型大型語言模型(LLM)。從那以后，神經網絡驅動的人工智能，尤其是基于Transformer網絡的GenAI的炒作程度，讓人想起了之前的科技重大時刻。值得指出的是，其中一些重大時刻被證明是真正的拐點，比如移動和云，但其他技術突破的失敗教訓花了好幾年才變得明顯。

因此，我們現在面臨的最大問題是：五年后，我們將把GenAI應用于哪些領域?其中一個聲音認為人工智能可能會走上5G和區塊鏈的道路，正是高盛(Goldman Sachs)。高盛研究通訊(Goldman Sachs Research Newsletter) 6月號的一篇廣為閱讀的報告題為《生成式人工智能：花費太多，收益太少?》，編輯艾莉森·內森思考人工智能是否會成功。

她寫道:“生成式人工智能技術將改變公司、行業和社會的前景繼續受到吹捧。未來幾年，領先的科技巨頭、其他公司和公用事業公司將在資本支出上投入約1萬億美元，包括對數據中心、芯片、其他人工智能基礎設施和電網的重大投資。”但迄今為止，這筆支出沒有什么輝煌戰績可顯示的。

內森采訪了麻省理工學院教授Daron Acemoglu，Acemoglu表示，人工智能能夠自動化的任務中，只有四分之一會以經濟有效的方式實現自動化。總的來說，Acemoglu估計，在10年內，只有5%的任務將實現自動化，在此期間，美國的整體生產率將提高不到1%。

Acemoglu告訴內森:“生成式人工智能有可能從根本上改變科學發現、研發、創新、新產品和材料測試等過程，并創造新的產品和平臺。”“但考慮到當今生成式人工智能技術的重點和架構，這些真正的變革不會很快發生，而且在未來10年內可能很少(如果有的話)。”

Acemoglu說，通過提高數據和GPU這兩個核心成分的產量來加速GenAI的發展可能行不通，因為數據質量是等式的一個重要組成部分。

他說:“在下一代GPT中加入兩倍數據，可能會提高它在進行非正式對話時預測下一個單詞的能力，但這并不一定會提高客服代表幫助客戶解決視頻服務問題的能力。”

適合訓練GenAI模型的芯片短缺是高盛對GenAI持悲觀態度的另一個因素。這讓英偉達受益匪淺，在截至4月28日的季度中，該公司的收入增長了260%以上，達到260億美元。這幫助它的市值超過了3萬億美元，加入微軟和蘋果，成為世界上最有價值的公司之一。

高盛全球股票研究主管Jim Covello在簡報中寫道：“如今，英偉達是目前唯一一家能夠生產驅動人工智能的GPU的公司。”“有些人認為，來自半導體行業或超大規模企業(谷歌、亞馬遜和微軟)的英偉達競爭對手將會出現，這是可能的。考慮到芯片公司在過去10年里一直試圖推翻英偉達在GPU領域的主導地位，這與我們今天的處境相比是一個巨大的飛躍。”

Covello說，訓練和使用GenAI的巨大成本阻礙了GenAI最終可能帶來的生產力或效率的提高。

他寫道:“目前，人工智能在提高現有流程(如編碼)效率方面顯示出了最大的希望，盡管對這些效率改進的期望已經下降，而且利用這項技術解決任務的成本遠高于現有方法。”

Covello在智能手機剛問世時是半導體分析師，他從技術創新中獲得了一些賺錢的經驗。例如，他說，智能手機制造商承諾將全球定位系統(GPS)集成到手機中，他們的路線圖被證明是有先見之明的。

他說，人工智能“目前還沒有可比的路線圖”。“看好人工智能的人似乎只是相信，隨著技術的發展，用例會激增。但在生成式人工智能問世18個月后，還沒有發現一個真正具有變革性的應用，更不用說成本效益了。”

最后，訓練LLM和其他GenAI模型所需的功率必須考慮到投入產出等式中。據估計，人工智能目前消耗了全球約0.5%的能源，預計這一數字在未來還會增加。

“隨著每個人都在追逐人工智能浪潮，公用事業公司正在應對數百個對大量電力的需求，但最終只有一小部分需求會得到實現，”三葉草基礎設施(Cloverleaf Infrastructure)聯合創始人、前微軟能源副總裁Brian Janous說。

Janous說，去年等待并網的電力項目的總容量增長了近30%，目前等待時間從40到70個月不等。由于有如此多的項目等待供電，尋找更多電力來推動人工智能培訓的數據中心將成為“不容易的目標”。他說，美國需要擴大電網規模，以應對預期的電力需求增長，但這不太可能以低成本或高效率的方式實現。“不幸的是，美國已經失去了建設大型基礎設施項目的能力——這項任務更適合20世紀30年代的美國，而不是21世紀30年代的美國，”Janous說。“所以，這讓我有點悲觀。”

但并非所有人都對人工智能的未來感到悲觀。高盛資深全球經濟學家Joseph Briggs是對GenAI技術持樂觀態度的人之一。Briggs在反駁Acemoglu的文章中估計，GenAI最終將使25%的工作任務實現自動化，并在未來十年內累計提高美國9%的生產率和6.1%的GDP增長率。更重要的是，GenAI不僅會自動化一些目前由人類完成的現有任務，還會刺激新任務的創造。

他寫道:“人工智能探索任務的完全自動化可能會在更長的時間內發生，這可能會為每位工人每年節省數千美元的成本。”“隨著時間的推移，新技術的成本也往往會迅速下降。鑒于生成式人工智能的成本節約應用可能會遵循類似的模式，而且一旦應用程序開發出來，部署的邊際成本可能會非常小，我們預計人工智能的采用率和自動化率最終將遠遠超過Acemoglu估計的4.6%。”

Kash Rangan是GenAI的另一位信徒。在接受高盛編輯內森的采訪時，這位資深股票研究分析師表示，他對GenAI的創新速度感到驚訝，并對云計算巨頭的基礎設施建設印象深刻。他承認，GenAI還沒有找到自己的殺手級應用，就像ERP主導了上世紀90年代、搜索和電子商務主導了本世紀頭十年、云應用主導了2010年那樣。

“但考慮到每個計算周期都遵循所謂的IPA進程——首先是基礎設施，其次是平臺，最后是應用程序，這并不奇怪，”Rangan說。“人工智能周期在很大程度上仍處于基礎設施建設階段，因此找到殺手級應用需要更多時間，但我相信我們會到達那里。”

他的同事Eric Sheridan也持樂觀態度。“因此，這項技術在很大程度上仍在發展中。但在公司活動或開發者大會上觀看生成式人工智能的能力展示，而不為其長期潛力感到興奮，這是不可能的。”Sheridan表示:“雖然我永遠不會說我不擔心沒有回報的可能性，但我現在并不特別擔心，盡管如果在未來6-18個月內沒有大規模的消費應用出現，我可能會更加擔心。”

GenAI的期望仍然很高，目前最大的問題是GenAI的回報率是否會在大多數人失去耐心前上升。