伯里精准预判危机，做空AI泡沫狂赚，指技术路线错

最近几年，被称为“大空头”的迈克尔·伯里一直全力做空AI泡沫。他因精准预测2008年美国次贷危机全面爆发而声名鹊起。最近，AI泡沫跌得很惨，他却赚得盆满钵满！

比如7月1日，他在存储芯片巨头美光科技股价达到1051.87美元时开仓做空。现在美光已经跌到739美元。这样一次做空能赚多少钱？

他盯着AI泡沫做空的理由相当不一般。

大部分人讨论AI泡沫时，都在强调股票太贵、资本开支过于庞大、投资回报尚未兑现。而伯里则从技术路线上，对AI泡沫进行更深层的批判——AI技术路径从一开始就走错了方向，而且如今已被困在其中。

人工智能的发展选择了语言优先，而本应选择推理优先；此后整个行业一直在为这一选择付出代价，却始终没有完全承认这一点。

真正的理解并不需要语言，语言只是智能的输出形式，而不是智能的来源。我们误把AI的输出（语言），当成了它的引擎（推理）。

麻省理工学院已经使用fMRI等成像工具证明，人类大脑生成和解析语言的神经网络并不负责推理，而推理也不需要语言作为媒介。

大量证据表明，有许多人在语言能力上有严重障碍，无法正常组织语言，但具有强大的思考能力。比如一些聋哑儿童，他们很少或根本没有接触过语言，但可以学习数学、进行关系推理、建立因果链，并获得丰富而复杂的世界知识。

迈克尔·伯里也以美国聋哑人教育家巴拉德为例，指出大语言模型的方向性错误。巴拉德在学会语言之前，就通过观察自然，独立思考过人类起源和时间的本质。

起初，AI行业发现语言是一个可以处理的问题，于是围绕语言进行优化，因为语言具有显著的可扩展性，因此更容易获得庞大的科技产业融资。

在硅谷科技圈，有一套残酷的底层逻辑：“必须第一，否则灭亡”，决不能让对手一直领先。2015年，马斯克写邮件给OpenAI团队，原话是“DeepMind让我精神压力极大”。注意这个情绪用词——不是有趣，而是“精神压力”，驱动OpenAI的不是好奇心，而是恐惧；不是科学逻辑，而是军备竞赛。

但是，语言模型并非世界模型，生成语言与真正推理之间存在本质差异。从大语言模型并不必然能走向通用人工智能（AGI），而投入万亿美元的投资者不清楚。

于是，科技行业掉进了“AI的参数陷阱”——AI行业一开始就认定规模更大等于性能更好，更多模型参数、更大规模算力、更多数据输入、更庞大的模型……每一次规模升级，都会在基准测试分数和演示效果上带来肉眼可见的改善。

但扩大语言模型的规模并不能解决底层的逻辑推理问题。最先进的大语言模型也不能将蒸馏《红楼梦》或《战争与和平》得到的一串数字，重新逆向推理还原出来。

这些测试结果和演示效果，只会引诱投资者继续“加注”。

这是大空头“刨根级”的认知。

实际上，迈克尔·伯里并不是唯一看到“根本性道路错误”的人。

语言学家乔姆斯基早就指出，大语言模型通向通用AGI的路线完全错了。

OpenAI、谷歌和微软的AI，靠的都是在大量的数据中寻找惯常性，从而能够越来越有效地输出统计上正确的答案，看上去像是具有了人类的语言和思想。但是，把这种机器学习看作是智能，就大错特错了——不是说，机器在记忆储量上和处理速度上超过人类，就算是智能了，人类智能难以被取代的，是其智识洞见、艺术创造和批评能力。

乔姆斯基援引洪堡的观点来解释人类心智：人类大脑通过语言，可以“无限地运用有限的手段”，创造出具有普遍意义的思想和理论。

你手里拿一个苹果，手松开，你会观察到：“苹果落下”。这是一个描述句。如果你说：“如果手松开，苹果会落下”。这是一个预测句，描述和预测，这两件事AI都可以做到。

你还会进行假设和猜想：“手松开，任何东西都会落下”“因为万有引力”，或者“因为时空弯曲”，或者更进一步，“如果没有万有引力，苹果就不会落下”。这才叫思想。

时至今日，AI行业的资本开支高达万亿美元，AI公司的估值也膨胀到数万亿美元，所有支出和估值都建立在一个前提下——大语言模型不断进行规模扩张（Scaling Path）正在通往AGI的最终目标。但是，如果如此庞大的资金投入，只是为了改进一个并非真实的目标（只是AI，而非AGI），那么整个AI投资的经济逻辑就会完全塌方。

而AI泡沫的破灭，可能不是单一的崩盘时刻，而是信心逐渐遭到侵蚀的过程。随着AI实际能力与投资者此前假设之间的差距，越来越难以靠更大参数、更贵算力、更好基准测试分数来加以掩饰，市场信念将一点点逐渐瓦解。

所以迈克尔·伯里认为，AI泡沫“可能在千刀万剐中走向死亡”。