最近美国在靠人工智能“赌国运”的路上越走越远。相较于东大在制造业和科技领域的全面发力，资本市场反应出来的现状是美国人目前把自己MAGA的希望全部都寄托在了AI领域。
卖铲子的英伟达市值突破了5万亿美元，GOOGLE创出了历史收盘新高；造铲子、卖铲子的和挖金子的准备互相进行一千亿美元以上的投资，当OPENAI的奥特曼被问到一个130亿美元营收的公司拿什么来进行1000亿美元以上的投资的时候回答的大意是“你别管，总之到时候肯定有就是了”。
这种感觉特别像大A 2007年和2015年时候的感觉，包括参与者在内的所有人都知道这种情形大概率不能持续，估值从反应“现实可能”一路涨到只有“各种小概率乐观情绪同时兑现”才能实现的地步，就连参与其中的人也在犯嘀咕但是又不敢不参与：拿着2和6也不敢弃牌啊，万一翻出来的真是3,4,5呢？花点钱买点参与未来的期权好了。
不得不承认的是，人工智能的确是当下的风口，而且也的确大概率是下一次产业革命的方向。但是即便在这件事情上头有共识，我们也不得不去考虑几个更重要的因素：
一、通用大模型真的是唯一可行的方向么？
现在大家都在堆通用大模型，有点像在具身智能这个赛道上面大家都在堆2足人形机器人和4足机器狗。但是我们再问一个问题：为什么人机器人一定是2足人形？狗一定是4足呢？
不可否认的是，直立行走是人类进化过程中的一大步，解放了人类双手以后使得工具使用成为可能才极大的提高了劳动生产力，是人类和其他动物一个重要的分野。但是硅基生命的进化是不是也一定要把碳基生命曾经踩过的坑再来一遍？时代不一样、环境不一样、应用场景不一样，有没有可能更适应的形态也已经不一样了，但是碳基生命的进化版本迭代是要靠生育下一代、基因重组和突变、优胜劣汰来实现，实现的周期过于长所以还没有显现出来呢？就拿移动方式而言，人类是进化不出轮足的，那具身智能为什么不能起步就是轮足这种模式呢？
目前唐僧只听到一种说法觉得是有一定道理的：所有的这些具身智能将来都是为人类社会服务的，需要他们适应人类社会现存的一切而不是反过来，所以具身智能越像人类通用性就越好，人类社会原有的所有基础设施和运行规则不需要为此而进行大规模的改造。
但是即便这个听起来很有道理的说法，唐僧依然也打了大大的问号：那不需要人类社会大改的那些比如轮足模式呢？比如三头六臂呢？比如手的形状为什么不能是手指加磁吸呢？等等等等。更不用说再上一层的问题，汽车飞机等高效率工具出现以后，人类是改变了自己的基础设施和运行规则的啊！汽车出现之前哪儿有高速公路红绿灯左转待行线？那如果具身智能真的是下一次生产革命的一部分了，为什么一定是它们适应人类不是人类适应它们呢？当时汽车发明出来的时候怎么不是一个铁壳子下面四条腿模仿马在跑呢？飞机发明出来的时候怎么不是俩翅膀扑棱着飞呢？现在到机器人了，怎么就一定要求俩胳膊俩腿要人型了呢？
通用大模型依然也有这种类似的底层逻辑还不能说服我：我们为什么需要一款通用的大模型一次到位解决所有的问题？为什么不是先在各种特定场景中训练出各种场景的专家，然后通用模型只需要识别出现在身处于哪个环境调用对应的专家出来就行了？
我们现实生活中需要一个人又是厨师，又是画家、又是工程师么？难道不是需要吃饭的时候找厨师，需要画画的时候找画家么？那有没有另外一种可能性是各个场景的专家现在特定场所里面学习和遍历了所有的细节以后，然后最后才“组装”和“拼搭”出来一款通用模型呢？
举个例子：最后的结果有可能不是一款通用模型去学习怎么当客服，怎么在矿山工作、怎么在商务办公楼工作、怎么在港口工作、在机场工作、怎么在工厂工作。而是有人利用大量的在矿山、在港口、在机场、在工厂等现实场景和数据训练出来了“场景专业模型”，最后大模型识别自己处于哪个场景以后分别去调用对应模式就好了。
但是这就衍生出来另外一个问题：机器的自我学习，可以在没有足够量对应场景和数据的支持情况下，靠自我迭代“想象”出来对应的技能么？比如，现在我需要一个能够在工厂里面做质检的工程师，你是要给我一个“通用模型”再去学习在工厂里质检的那些技能呢？还是我直接利用工厂生产的场景直接训练对应的“专家”更合适呢？
上一次信息技术革命的产物PC到今天都分化出了在不同场景应用的台机、笔记本、游戏本等细分，这次为什么一定就是一款通用大模型包打天下了？有没有可能是只有这个故事估值更高呢？
二、通用大模型需要什么，具备实现的基础么？
如果上面唐僧的猜测目前不是只有唯一答案的话，那我更倾向于将来通用大模型是各个专业领域“专家”的集合而不是一款模型包打天下赢者通吃，最后胜出的“通用模型”也不得不去调用各个“专业模型”才能实现自己的“完全体”。
原因无他，其实也已经在现实中得到了某些验证：为什么我们目前看到的通用模型的发挥和应用集中在数理化等基础科学、诗歌文章法律历史等人文科学以及绘图视频等艺术方面？但是你一旦问到更细节的工程实践环节所有的通用模型都出现幻觉或者跟白痴一样？
不是因为别的，因为通用模型没有办法找到足够多的真实场景数据去训练这些模型，正如“人不能想象自己没有见过的东西”一样，模型也没有办法想象在一个100人的服装工厂里面的场景是怎样的，可能会面临哪些问题，需要解决哪些问题？这些只有把一款模型放到这样的一个。五个、十个真实的工厂场景中去应用、学习、迭代，机器才有可能真的理解可能会面临什么问题，我应该怎么解决这些问题，才不会被困在“互联网”这个牢笼中。
互联网上是有很多东西，但是互联网上也没有很多东西。你光用网络数据学东西，那就只能学到网上的那些东西，那些沉淀在现实生活中，甚至沉淀在很多人脑海里面的东西是不会被提取出来作为“知识”和“技能”的一部分被学到的，那学到的这个东西能完整么？计算机模拟的再好，能代替风动吹么？不然为什么前几款六代机都出现在中国呢？
我大学的时候暑期实习跟几个同学分组，拿着全站仪给学校画地图，最后发现始终有一个1米的高差对不上，几个人在宿舍里对了一个多小时就是不知道错在哪里，最后还是当时干活时候基本没出力跟着搭便车的唐僧一眼看出来了：澡堂子门口的那个台阶为什么是130CM高？那个台阶咱都去过，是不是最多只有30CM高？
类似这种你不到现场，没有实际场景，纯在数学逻辑上你永远不会发现的情况有没有可能会发生很多遍？
所以不用说美国的电力、基础设施等不一定支持美国在人工智能上面的领先，我们就只回到通用模型这个领域，我觉得也未必是美国人笑到最后：在很多领域美国人也许已经没有那么多工厂场景、港口场景、建筑场景等让他们的模型能够进一步深入到下一个领域了。
这点还是我在跟一个大学同学讨论业务的时候想到的，他目前创办并经营了浙江第一大，长三角第二大的数字工厂公司，我跟他说的是：你手中那几百个客户真实的生产场景、数据、流程，甚至在过程中遇到的困难都是非常非常值钱的，如果将来要在制造业领域诞生一个专业的模型，没有这些东西是不可能从天上凭空掉下来的。
通用模型的竞争也还远没有到要分胜负的时候。
三、人工智能带来的产业革命即便实现了，现在的估值透支了多少年呢？
买房子有一句话：地段，地段还是地段。
买股票我觉得也差不多：估值、估值还是估值。
贵州茅台即便到今天依然是白酒股票里面的佼佼者，但是架不住当年股票到过3000多，估值太高了以后一定也需要时间去消化估值，站在山顶的投资人就是被风吹很凄凉。如果现在茅台股价300块那就依然还是一个优秀的股票值得买。
同样的道理，虽然之前有人喊过“相信国运定投纳指”，但是也要看到2000年纳指的顶峰是一直到14年后的2014年才再次被突破的，A股的6124可是到了18年以后的今天依然遥不可及。
英伟达再好、微软再好、苹果再好，现在的这个人工智能产业的未来，面临着这么多的不确定性，“左脚踩右脚”的循环经济真的能撑得起这么高的估值么？2000年的互联网泡沫真的不会在人工智能行业再一次重演么？
这点上写分析文章的已经很多了。值得关注和提醒的就是，你现在去参与七姐妹的投资，到底是买在了起飞的前夜呢？还是已经是风口上的猪在天上飞了呢？
曾经伟大的美国要靠人工智能这场新产业革命来赌国运，资本市场很多时候的表现让人觉得这似乎市场必定成功的赌局，但是很多参与其中的人却没有停下来认真想过：赌赢了还好，要是没赌赢呢？
本来这就是场赢者通吃的游戏，葫芦翻牌遇上同花顺，也不是没可能啊。