很多人不理解生命周期，AI当然是很好的技术，产出物就是大模型，大模型咋来的，那些几亿B几亿B的大模型是最终的产物，你就把这些东西理解成，最终培养出来的大学生就好了，培养大学生要什么，要基础设施和老师的，从医院的产房开始，到幼儿园、小学、初中、高中、大学，完成学业以后这些基础设施的产出物就是博士了，有了博士，假设博士是永生的，Ai就是永生的嘛，是全科数字化的博士，虽然有可能还能培养更好的博士，但按照杨政宁的说法， the PARTY IS OVER，那么以前的幼儿园、小学、初中、高中、大学就没用了，这个模式其实美国从社会面也是经历过的，抽象了看美国过去不就是通过国际合作的方式在培养博士吗，发展中国家幸幸苦苦培养了一堆博士，美国就出点钱就把成果拿走了，现在是美国自己搞算力中心自己算数字博士，那这些水平已经很高的AI大模型【培养】完了，那些之前等同幼儿园、小学、初中、高中、大学的算力中心还能干啥，不就是产能过剩了吗，这一点还想不明白那真的就是没脑子，现在AI的智力已经可以基本等于一个本科生了，要知道这些AI模式是可以被反复调用的，并且水平基准是一致的，没有参差不齐的情况，那资本就要考虑投入产出的问题，资本的现实性一定是要考虑投入产出的，人家投钱搞这个是要最终赚钱的，而不是跑去打比赛，打比赛是一个营销手段，但不是一个投入产出的概念，客户习惯一旦形成就没必要再打什么比赛了，所以算力一定会过剩，META自己把算力租出来就是例子，除非哪个国家不服气，说我自己能训练一个更好的，那也没问题，人家都投产产生价值了，你慢慢去投训练成本吧，一次上亿的资金这个门槛是很高的，这也解释了为什么美国那边开始闭源，封这个封那个，因为对方已经开始往投产产生价值方向走了，最终就是大家都打个平手，训练出一个水平都基本相当的模型，不会有哪个国家疯了自己给自己抬杠的，够用就行，关键是这个东西沉没成本极高，所以后期军备竞赛一定会停止，往内部调优方向发展，比如一开始是几百万亿的参数，后期斟酌一下投入产出，把这个全科AI拆了，拆成细分的垂直模型，变成效果基本不变但是开支更小的，跑去C端应用端玩价值变现了，比如细分的垂直模型变成10几个B的，甚至几个B的，这种量甚至都可以持久化，直接做成芯片了，做成固的电路，直接IOT嵌入到各种场景去，未来一定是拼这个了，因为通用大模型的集中冲刺训练周期已经基本结束了，以前那些算力设备也会要么拆解重新碎片化掉，要么就最终调整成一个相对稳定的状态，玩能耗比去，能用，电力消耗能接受，租子也能收上来，最终变成一个有稳定收益的数字地产，卖TOKEN和流量