AI 的天花板，比所有人说的都低
TL;DR
“AI 短期高估、长期低估”是个被金融叙事撑着的半个命题。LLM 的效用域被锁在符号空间，软件工程的生产率从来无法测量——“长期低估”成立，需要一种根本不同于统计学习的新范式。
AI 的真实边界：从金融叙事到认识论天花板
一、起点：一个被金融化的科技命题
“AI 短期被高估，长期被低估”——这是 Amara 定律在 AI 上的经典表述，听起来稳妥，但它同时包含了两条不同性质的叙事：
科技叙事：技术采用曲线有惯性，初期期待过高，最终价值会超出预期。
金融叙事：资本永远投资于未来、买预期。资本进入某个行业，必然产生泡沫。在卖方市场上，持仓者有结构性动机鼓吹标的——不需要协调，是市场机制本身的产物。
这两条叙事叠加在一起，才产生了当下 AI 市场的形态。但它们需要被分开检视，否则论点的后半句“长期低估”会被前半句的逻辑悄悄撑着，而两者其实是独立的赌注。
科技叙事那一半不是假的。技术确实会被低估——蒸汽机、电气化、互联网，每一次都经历了“泡沫破裂→真实扩散→超出早期预期”的路径。Amara 定律在历史上成立，是因为这些技术最终突破了早期的应用边界，渗透进了更广的现实域。
问题在于：这个渗透，是有条件的。电气化能扩散，是因为物理域本身欢迎电力——它降低了摩擦，没有引入新的不确定性。LLM 的扩散遇到的是相反的情况：越深入现实域，不确定性越高，而不是越低。
所以科技叙事的后半句“长期低估”，成立的前提是技术能扩散。这个前提在 LLM 范式下，需要被单独论证，不能从历史规律里直接借用。
需要说明的是：本文讨论的是当前主流 AI 范式——以 LLM 为代表的统计学习路径。不是对所有可能的 AI 路径下判断，而是对这条路径的效用边界做评估。
二、卖的不是产品，是"胜率"
先说清楚一件事：泡沫本身就是对价值的证明。资本不会给零价值的东西吹泡沫——AI 有真实价值，这正是泡沫能够形成的前提。没有未来、没有价值的行业，在资本市场连泡沫都没有资格产生。
争议不在于"有没有价值"，而在于**“在哪个域里值多少”**。定价打到了"AI 能渗透整个现实域"的预期上，但真实效用域可能只有符号空间——这两个量级的落差，才是问题所在。
AI 投资的 ROI 至今无定论。已经投入了数千亿美元，如果收益真实，账应该早就可以算清楚了。这个落差本身就是信号。
