编者按：别看人工智能现在炒作得风风火火，但是商业模式或者行业的经济前景现在还看不清楚。一个有益的视角是以史为鉴。那么人工智能这个行业究竟更像为他人作陪衬的钢铁业呢，还是更像生命力超强、发挥粘合剂作用的 VBA （注：全名为 Visual Basic for Applications，是一种 Windows 下的巨集程式语言）语言呢？文章来自编译。
有人说，对于变革性足够强的业务将来会发生什么是没有现成的东西可以类比的。但是：
一个可以将任意第三方之间传输数据的成本降低到大致为零（与以前相比）的全球通信网络，不仅可以创造新业务，还可以从根本上重构现有业务的结构——互联网是一门大生意，但其实我讲的是电报，除其他作用以外，电报导致了第一批现代公司的出现。甚至在此之前，可靠的送信方式也产生了深远的影响，并在一定程度上促成了新型业务的兴起。 （从某种意义上来说，利用数据铁路传输资金是 PayPal、Stripe 等公司都在追求的一个重要项目，但这也是对美第奇家族恰如其分的描述。）
汽车导致了城市的重建，而为了让汽车无处不在，导致了资本支出大规模的爆发式增长，并导致了互补品消费的激增——但铁路也获得了长足发展，对于一些城市来说，集装箱运输和更早的海运的发展也是如此。
智能手机创造了一个平台，新的软件公司可以在这个平台上开发新产品并实现大规模的分发；在后端，云计算确保了只要他们有某种经济模式（或者只要他们的投资者相信他们会找到一个），计算本身就主要是个财务问题，而不是运营问题。但这当然也是对上一代 PC 热潮恰如其分的描述——如果你的用户都在自己的本地计算机上跑软件的话，你就不必考虑太多计算或存储方面的问题！
因此，问一下 AI 的经济影响可能会是什么形式是有用的，至少作为一次尝试性的练习来说是有用的。这不需要什么极多主义，比如一旦 GPT-5 发布，人工智能就将取代所有的知识工作者，因为这从根本上是不可预测的（“但到了没人知道的那一天和那一刻，甚至连我也不知道的那一刻，由 OpenAI 训练的一个大型语言模型......”）。我们真正需要做的就是记住这条基本规则：当某类产品变得非常便宜时，用例就会变得异常丰富。当家庭第一次接入电力时，与照明相比，电器看起来就像是荒谬的耗电大户，但扩充发电厂来应付更高数量级的家庭证明，电力的成本是可以降低的，低到可以去制造烤面包机和熨斗之类的东西，以至于后来发展到很多更大的电器也成为了可行的选择。
很容易想象，一个自然语言计算机交互的世界比当前受限的语言交互的世界要大一个数量级；设想一下，一个可以处理诸如“我离开会议还有十分钟——现在我应该跟哪位其他客户交流一下，还有，我应该对对方说些什么？”这种情况的 CRM 系统。这样的系统的使用情况应该要比 Salesforce 更多，或者一个可以回答诸如“我们的哪些成本在过去几年一直在悄然上升，找出原因的好的检查清单应该是什么样的？”之类问题的 ERP 系统。这种系统获得的互动将要多于 SAP。
让我们从人工智能企业的一个有点黑暗的案例开始吧。如果人工智能变成下一个钢铁行业呢？钢铁无疑是一种有用且无处不在的产品。有篇文章就指出：“不管是作为组成部分，还是作为用于生产钢铁的设备的一部分，几乎所有工业文明的产品都依赖于钢铁。”——但这并不能让钢铁变成一门好生意。
举个例子，美国的钢铁公司 32 年来的复合回报率只有 1.8%，安赛乐米塔尔（ArcelorMittal）公司自 1997 年以来的年化回报率为 2.1%，而新日铁股东在过去 31 年中大致只实现了收支平衡。当然，也有一些例外；自 90 年代初以来，韩国全国冠军浦项制铁（POSCO）年化回报率高达 11.9%。钢铁在一个国家的发展早期是可以创造财富的，因为那时候不断增长的需求比行业的稳态动态更重要。但不管怎么说，这都是一个艰难的行业，因为最大的公司很少能为股东带来丰厚的回报。原因有这么几个：
钢铁是一个周期性的资本密集型行业。当需求上升时，公司必须做出更多投资，保持足够的规模，才能维持相关性，这与所有其他的周期性行业一样，意味着它们在需求走势反转时始终处于产能的峰值。
钢铁仍然存在边际成本，但由于固定成本实在是太高了，在经济衰退期间企业基本上也得继续生产。在某些情况下，当价格下跌时，负债累累的周期性企业甚至被迫生产更多，因为多生产仍然可以获得增量利润，这是偿还债务所需要的。
钢铁业还要受制于供求限制，这是他们没法控制的。如果钢铁行业看好但铁矿行业看衰，那么就会出现一场全球性的铁矿竞购战，这会进一步压缩行业的利润率。
与其他重资产型的企业一样，工人们在时机成熟时可以通过谈判拿得到更高的工资。但是（企业想通过）谈判降低工资在政治上却很困难。 （这一点随着公司信息披露的改善尤其如此。由于高管薪酬的公布是滞后的，如果市场在一年之内表现良好，而在下一年变糟的话，那么，当自己上一年获得巨额薪酬回报的消息被披露之际，高管却要求工人要勒紧裤带过日子就会显得很尴尬。情况会变得很难协商。）
许多国家都把钢铁视为战略性产业。当然，他们有充分的理由这么做！ 19 世纪后期，大量的钢铁投资和知识产权侵权行为让美国钢铁业压倒英国钢铁业占据了主导地位，而这在让美国成为更大、更重要的经济体方面发挥了重要作用。钢铁是日本经济增长早期的组成部分。韩国早期的经济战略紧跟日本，部分战争赔款就是以援助浦项制铁的形式出现的。而中国的钢铁产量绝对令人瞠目结舌：自 1967 年以来，中国以外的其他地方钢铁产量总共增长了 90%。但在那段时间里，中国的钢铁产量增长了 73 倍，现在已经占世界总量的一半。
对于 AI 行业来说，这样一个未来是完全有可能的。AI 模型虽然不是传统意义的实物资产，但其维护成本却越来越高。模型的数据集规模越大，这些数据集就必须越收敛：你能想象的最大的模型应该会用上全世界所有的公共数据，这意味着这个可能的最大模型的每个实例都会用上相同的基础数据。基于专有硬件的成本也许存在一些差异，但最近 AI 开发的总体情况是模型越来越大，固定成本越来越高，训练时间越来越长。这些训练时间开始给这个行业带来令人担忧的滞后：训练模型意味着预测未来的需求会是什么样的，但也意味着猜测竞争对手正在酝酿什么。[1]
人工智能人才的竞购战似乎并没有减弱多少（来自 SF 的轶事报道表明，我们正在迅速接近这样一个世界：在这个世界里，湾区的每个人要么为 OpenAI 工作，要么没有工作，尽管这可能有点夸张。）但与其他科技公司一样，AI 员工其实有更多的手段可以发挥作用，而不仅仅是要求更高的薪酬；他们还可以影响自己公司创造出来的产品的性质。鉴于 AI 社区当中有很多人都对 AI 的风险深感担忧——近忧如关于垃圾邮件、宣传的以及问 ChatGPT 怎么制造非法药物等相当直接的风险，或者如 AI 终结人类文明的远虑。在员工群当中，有相当多的人坚信 a） 他们正在拯救世界，并且 b） 被误导的竞争对手可能真的会毁灭这个世界，这是一群积极主动地谋求在公司战略当中发挥作用的员工。每股自由现金流可能不是他们最关心的问题。
这只是在员工与公司关系层面。还有公司与政府的关系。要想猜测一下几年后美国和欧洲会认为哪些行业具有战略重要性，一个比较粗略的探索方式是看看中国目前给哪些领域提供大量补贴。这是不是只是由于政府在应对表面上新出现的威胁，还是因为技术官僚政府可以认出哪些新技术领域是有前途的，或者是二者的某种组合的，这都无关紧要：在制造出口的行业当中，总会有部分政府领导，然后许多其他政府最终会跟随。这会在两个方面伤害到 AI 公司。首先，通过限制他们可以卖给谁以及他们可以卖什么而造成伤害，其次，通过确保他们的一些竞争对手将得到政府补贴并且不需要盈利而对其他一些公司造成伤害。（这方面的旧例子已经很难找到，但新日铁公司 [Nippon Steel] 本身并不需要成为一笔巨额投资才能成为有价值的交易；它作为对汽车、建筑、机床等行业的补贴更有意义。）
所以这就是对于投资者来说看衰的一面：人工智能将像钢铁一样重要与无处不在，但人工智能公司对于他们所支撑的经济来说属于相对次要的参与者。他们最终可能会陷入与 Zynga 或 Demand Media 等公司一样的境地，只不过相对于前者过于依赖社交，后者过于依赖搜索，人工智能公司甚至都不知道哪个平台风险最大。
然后是看好的一面：AI 相当于 VBA 语言。这个观点也很有说服力，因为对于 a） 没有好的 API 的软件产品，或 b） 难以完全自动化，需要软件与人工结合的流程来说，大型语言模型是很好的自然语言粘合剂。一些公司大量的内部软件基本上属于连接不同流程的粘合剂：从 X、Y 与 Z 转储数据，然后放到仪表盘上；查询这张表并生成定期的电子邮件报告或偶尔发送一条 Slack 告警；让这里的在线营销预算响应那里的客户流失率；告诉财务部门在销售部门完成任务后该做什么，并相应地更新大量的电子表格。这些流程支持了无数的白领工作，以及一部分已经把工作自动化到足以领取全额养老金退休的人。
但为什么这里只关注 VBA？为什么要讲 VBA 而不是 bash、 perl 或更新的脚本语言——那些都被用作这种粘合剂的语言？有两个原因：首先，因为好的提示工程师和好的工程师构成的维恩图不是一个完美重合的圆。事实上，人工智能对白领工人的影响部分来自于这样一个事实，也就是它为人才提供了类似于软件风格的杠杆，让他们不需要那么多时间就能得到过得去的生产力。而且它似乎需要一套不同的技能。事实上，擅长使用 AI 文本界面与编码之间需要进行主动的平衡，因为前者奖励寻找巧妙的方法来完成特定的事情，而后者会导致无法维护的代码。[2] VBA 在历史上就是一种非程序员将他们的一些工作自动化的手段，只要那些工作是位于微软的生态体系的话。由于它可以摆脱手工过程自行发展，并且在变得难以使用之前可以不断发展一段时间，因此 VBA 长期以来一直都很有生命力。虽然很多程序员嘲笑它（在 Stack Overflow 上面，它被冠以“最可怕”的语言），但很多聪明人都在用它，包括 Jane Street。
这个世界上有很多公司都在运行某种形式的遗留软件，他们有着特殊的自动化程度，以及部分围绕着“他们选择让人参与到循环的地方”来建立的组织，这样的公司将受益于将这些系统连接在一起的人工智能工具。大多数这些企业几乎肯定有一个共同点，那就是它们几乎肯定在跑微软的软件。微软正在寻找将 GPT 植入到其办公套件的方法，这绝对不是巧合。需要明确的是，这只是在人机交互方面——比如建议内容、更聪明地识别组织内使用的术语的上下文等——但这是朝着集成专有工具的方向迈出的一步，会让现有的专有软件更难以被驱逐。
基于 LLM 的内容推荐器与编码助理会创造工作还是破坏工作？简而言之，任何新技术对岗位创造的影响问题都会有两个答案：
在短期内，新技术是净就业创造者，因为与稳定状态相比，部署阶段需要大量的前期费用。汽车就是一个很好的例子：按平均年行驶里程计算，现代汽车的使用寿命约为 13 年。因此，汽车拥有率从 50% 升到 51% 意味着汽车销量比仅仅维持 50% 的渗透率时要高 20%，因为汽车散架时得更换。（比方说，在 50 年代，美国的汽车渗透率每年增长约两个百分点，相对于稳定状态所需的数量，该行业生产和销售的汽车就必须多 40%。那段时间是销售汽车或制造汽车的好时机。）
一旦部署阶段结束，节省劳动力的技术往往就会在一段时间内摧毁工作岗位，这既是因为行业在一段时期出现异常需求之后开始萎缩，也是因为新技术的效率取代了工人。[3]
不过，从更长远的角度来看，这些技术其实是在创造就业机会，因为它们让世界变得更加富裕了，因此有了更多的钱可以花在其他商品和服务上。人与国家在赚更多钱的同时，在服务上的花费也会更多，从长远来看，服务支出相对于商品支出能创造出更多的就业机会，因为前者的效率增益更罕见。
但这种模式在某种程度上受到了威胁，因为人工智能工具似乎更擅长取代的是服务而不是产品。（虽然取代后者肯定也有一些有希望的进展。）如果经济失去了重新部署人力资本的主要途径，鉴于人力资本是通过提高物质资本水平和不断提高的技术进步而释放出来的，这可能会成为一个社会问题。
这个自然与 AI 企业的经济状况会是什么样的问题相去甚远。但这个问题也需要有答案，而这个答案将部分取决于现有软件部署 AI 的体验如何。
其中一种重要的可能性对工作破坏论没多大作用，那就是人工智能让完成乏味的任务比完成全新的任务更容易了。ChatGPT 是很有创意，但你很难给它添加恰到好处的约束而不至于会在交互上出问题，要么就是在一个方向上陷入超现实，要么就是在另一个方向上陷入仓促。说得更深入一点，与行为难以解释的系统相比，在你可以充分推理的系统中避开局部最大值要容易得多。当然，这对许多不同领域也适用：在编程中，抽象能力更强的语言可以产生更强大的结果；在金融领域，具备基本面和现金流的资产比那些更宽松的资产（货币、贵金属）或没有意义的资产（某些加密货币、艺术品、模因股票）更不容易出现泡沫；在经济学当中，回归到有关激励、信息等基本问题，去思考利润始终是很好的健康检查。
因此，AI 增强工具最终可能会加快 95%（或 99.95%）白领所做事情的速度，导致软件相对更有价值，而人相对不那么有价值，同时对少数能够对极其复杂的系统做出严格推理的幸运儿的影响则没那么大。
这为人工智能公司创造了一个迷人的动力。给价格不断下降的产品卖出高价值的补充品总是好的，不管该产品是用于更便宜的硬件的软件（如微软和第一代软件公司）还是用于组织越来越丰富的数据的工具（如谷歌与 Meta）都是如此。未来的世界存在这样一种可能，也就是人是人工智能工具的必要补充，但永远是更廉价的补充。在这样一个世界里，人工智能公司确实会非常有价值。
注：
1、已经有证据表明，人工智能研究日益由最大的公司和最精英的大学进行，这在一定程度上是因为他们可以访问到计算资源和独特的数据。（另一方面，成本也可能会下降。 ）
2、不过这会引发另一个警告：再现性会不会成为 AI 商业用途的一个大问题？如果模型一直在变，而且总是变得越来越复杂的话，那么就不仅不能保证同样的查询将来会提供相同答案，而且它也没法告诉你为什么会这样。将 Visual Basic 作为类比的第二个原因是它由这样一家公司所有，这家公司用它来 a） 链接不同的产品，提高客户的生产力，而不是偶然地 b） 创建一个对该公司来说必不可少但又几乎无法维护的大型代码库。
3、从最愤世嫉俗的角度来看，蓬勃发展的中产阶级只是一项节省劳动力的技术最终部署前临时且昂贵的替代品。鉴于部署需要时间的新技术会持续供应，中产阶级才得以生存。
译者：boxi。
