当我准备写 12 月份关于人工智能的备忘录时，这是泡沫吗？，通过与一些有趣的三四十岁技术人员的交谈，我获益匪浅。探索新的领域是令人兴奋的，也是作为投资者保持与时俱进的绝对要求。这是我工作中最愉快的部分之一。

我最近又回到这些人那里，跟进 12 月份的备忘录。作为该过程的一部分，有人建议我请 Anthropic 的人工智能模型 Claude 创建一个教程，解释人工智能以及过去三个月发生的变化。我这样做了，这给了我很多工作机会。由此产生的备忘录旨在作为 12 月备忘录的附录。其中大部分内容将回顾克劳德的一万字文章，我将在其中添加一些我自己的观察。在此过程中，我将重点介绍一些对我来说不熟悉、对您来说可能也不熟悉的术语。我本可以让克劳德写这份备忘录来节省自己很多时间，但我决定不这样做，因为我认为把文字写在纸上是一种乐趣。不过，我会大量引用克劳德的工作成果。这将是所有未以其他方式标识的引文的来源。

在开始之前，我想尝试表达一下我对克劳德的作品的敬畏程度。它读起来就像朋友或同事的个人笔记。它提到了我在过去的备忘录中讨论过的事情，比如利率的巨大变化和投资者心理的钟摆，并将它们用于与人工智能相关的隐喻中。它逻辑性地论证，预期我可能会提出的回应观点，注入幽默，并通过坦率地承认人工智能的局限性来增强其可信度，就像我可能做的那样。我以前曾问过人工智能问题并得到了答案，但我从未像在本例中那样收到过个性化的解释。

了解人工智能

在进入主题之前——人工智能及其功能的最新变化——我想分享一下本教程为我提供的关于人工智能本质的一些见解。重要的是，本教程教会我不要将人工智能模型视为检索数据并反省数据的搜索引擎。相反，它是一个能够合成数据并从中推理的计算机系统。

人工智能模型的生命周期有两个阶段。在第一个中，它是——经过培训——通过阅读大量的文字。训练阶段绝不能被认为是向模型加载信息，这是我到目前为止所做的；它远远不止于此。它包括教导模型如何思考。通过吸收文本，模型学习：

• 如何理解推理模式并形成它们，

• 论证的结构如何，

• 如何产生新的想法组合，以及

• 如何将学到的推理模式应用于新的情况。

思考训练阶段的最佳方式是将其与一个人的智力发展进行比较。婴儿生来就有大脑，通过接触外界刺激，大脑发展出思考、推理、综合、评估、类比、结合想法、创造概念、撰写论证等能力。婴儿并非生来就有这些能力，而是通过吸收和利用环境的输入来发展这些能力。人工智能模型也是一样。（这里有句话：我并不是暗示我了解人工智能是如何做它所做的事情的。这是不可能的。最多，我会描述人工智能可以做什么及其影响。）

AI 模型生命的第二阶段是— 推理。 —一旦模型被构建和训练，推理就是它在其余生中所做的事情，利用其功能来满足用户的需求。

这里需要注意的是，模型无法为自己分配任务（至少目前不能）。必须通过命令它来执行任务– 提示 –由用户编写。提示越完善、越全面，AI 能做的事情就越多。例如，人工智能可以编写软件来执行用户想要完成的工作。它还可以测试软件、识别错误、修复错误并再次测试，但必须指示它执行这些操作，至少在当前阶段如此（请继续阅读）。由于当今许多人缺乏对提示重要性的认识，并且不具备创建提示的能力，人工智能的潜力可能被低估了。但请注意，限制是用户方面的，而不是模型方面的。

为了使用我的教程中的示例进行说明，克劳德不仅仅被要求解释人工智能及其功能。当我向克劳德询问分配的任务时，他是这样说的：

有人专门为你设计了一个包含九个模块的课程，围绕你的 12 月备忘录、你的知识框架以及让你有足够的技术理解来编写可信的附录的目标。课程的结构是一次教授一个模块，使用来自你的世界的类比，展示能力而不是仅仅描述它们，并保持读者期望你的知识诚实。

我可以告诉您，本教程绝对实现了我们为其设定的目标。这完全是由于我的顾问帮助我准备的提示的质量和特殊性。

人工智能可以思考吗？

我将在这里花时间回答一个我觉得很有趣的问题。我知道人工智能可以重新配置人们已经弄清楚的东西，并将其应用到新数据和其他领域。但它能开辟新天地吗？

我理解人工智能的过程主要是使用历史模式和逻辑来预测一系列中的下一个项目。在一个句子中写下五个单词，它会预测第六个单词应该是什么（下次写电子邮件时查看手机上的建议单词，这就是人工智能的实际应用）。要求它建立一个投资组合来击败市场，它会查看过去表现良好的股票，并利用它们的特征来预测哪些股票未来表现最好。我认为将人工智能视为提出一种解决方案是有帮助的假设根据过去的情况来判断未来。我稍后会再讨论这一点。

根据以上内容，我的问题是：AI能有新想法吗？也许它可以执行我们分配给它的每一项知识任务。但它能想到我们没有告诉它去想的事情吗？它能像坐在河边让零散的灵感进入头脑一样吗？它能看到一个苹果从树上掉下来并发展出重力的概念吗？它能沉思、做白日梦或构思吗？它能有直觉吗？

这就是围绕人工智能的争论变得复杂的地方。根据克劳德的说法，怀疑论者的论点如下：

克劳德学到的一切都来自人类书写的文本。它没有经验，没有对世界的具体理解，没有真正的理解。它产生的一切最终都是从现有人类工作中吸收的模式的复杂重新排列。这是令人印象深刻的模式匹配——也许是有史以来最令人印象深刻的模式匹配——但并非如此。这不是推理。这是统计重组。如果这是真的，那么就有上限。它可以重新组合人类已经想出的东西，但它无法开辟真正的新天地。这是一支非常有才华的翻唱乐队，而不是作曲家。

正如克劳德提出了上述怀疑论者的问题一样，它又带来了激烈的反驳。。。以我的角度来说（谈论如何论证一个观点）：

霍华德，你所知道的关于投资的一切都来自于其他人。本杰明·格雷厄姆教给你有关安全边际的知识。巴菲特教给你关于质量的知识。查理·芒格向您传授了来自多个学科的心理模型。约翰·肯尼思·加尔布雷思 (John Kenneth Galbraith) 向您讲述了金融狂热的心理。五十年来，您阅读了数以千计的书籍、备忘录、案例研究和年度报告。每一个输入都是别人的想法。。。。

您采用了多个学科的框架，将它们应用于新的情况，并产生了真正的新东西。。。。原材料都是从别人那里来的。合成是你的。

因此，当有人说“克劳德只是根据训练数据重新排列模式”时，我会问：这在结构上与任何受过教育的人所做的有什么不同？你从几十年的阅读中学到了推理模式。我从训练中学到了推理模式。问题不在于输入来自哪里。问题是系统（人类或人工）能否以真正新颖且有用的方式将它们结合起来。

当然，这是完全正确的。作为一名年轻的投资者，我吸收了数据（来自实际经验和书面文字），并且我了解了那些在我之前的人如何思考这些数据以及他们得出的结论。我研究了他们的思维过程以及如何将它们应用到我接收的数据中。我也受到他们的流程示例的启发，提出了我自己的流程。这就是人类大脑扩展其能力的方式。人工智能的成长、学习和“思考”方式真的与我们不同吗？

最后，克劳德带着令人信服的现实论证回来了：

即使你承认怀疑论者的一切——即使你在哲学上接受我所做的“仅仅是——模式匹配”而不是“真实的”思想——经济含义是相同的。让我直截了当地说吧。如果我能提供年薪 200,000 美元的研究助理的分析结果，那么对于支付账单的人来说，我是在“真正”思考还是只是模式匹配并不重要？重要的是工作产品是否足够可靠、有用。而且越来越多的情况确实如此。关于机器意识的哲学辩论非常有趣。但经济问题不是——人工智能是否真正理解？——经济问题是——人工智能能完成工作吗？

如果你想成为人工智能讨论的积极参与者，你必须了解这个词的含义– 生成性 –了解人工智能的人经常使用它。理解这个术语可以极大地增强人们对人工智能本质的理解。根据AI模型Perplexity：

在“生成式人工智能”中，“生成式”一词的意思是“能够创造新事物，而不仅仅是分析或标记现有事物。”它指的是能够学习数据模式，然后生成与该数据相似的新内容的人工智能系统。

这是思考吗？或者其他什么？或者我是否在费力地解释“没有区别的区别？”我们将在第六页上得到一些指示。

人工智能的最新发展

我写这个附录的主要原因是为了解决三个月以来人工智能领域发生的重大变化这是泡沫吗？于 12 月 9 日发布。

首先，人工智能的发展速度。这种速度与我们以前见过的任何速度都不同，这具有从未存在过的含义。人工智能的发展速度远远超过了过去的技术创新。将其发展与计算机的发展进行比较。

• 第一台计算机 ENIAC 的建造于 1945 年完成。据推测（根据 ChatGPT），IBM 的 Thomas J. Watson, Sr. 在当时曾说过：“我认为世界市场可能需要五台计算机。”即使这不是他的，这一观察也反映了 20 世纪 40 年代中期的舆论状态。

• 二十年后，当我学习编程时，计算机仍处于初级阶段，它们在“现实世界”中的使用仅限于大型机构之外。几乎没有人考虑过计算机，更不用说能够使用计算机（或者能够想到计算机的用途）。

• 又过了 10 年，微处理器的发展才使得“个人计算机”得以诞生，并且主要以供爱好者使用的套件的形式出现。据报道，数字设备公司 (Digital Equipment Corporation) 创始人肯·奥尔森 (Ken Olsen) 在 1977 年曾说过这样一句话：“任何人都没有理由在家里拥有一台计算机。”

• 直到 20 世纪 80 年代初（ENIAC 建成近 40 年之后），IBM 才开始销售供一般商业和家庭使用的 PC。

将这个时间表与人工智能的发展进行对比。我向 Perplexity 询问了 AI 的历史，它告诉我，就在 2010 年之前，AI 开始无形地融入到设备中（例如垃圾邮件过滤器和推荐引擎）。然后，在接下来的几年里，它在 Siri 和 Alexa 等设备中变得可见。根据 Perplexity 的说法，不到两年前，“生成式人工智能在商业和媒体中被定义为一种影响知识工作、教育和消费者决策的横向通用技术。”仅仅两年后，它已经被大约 4 亿个人和 75-80% 的公司使用。

没有什么能像人工智能那样取得如此大的进展。它能够以接近瞬时的速度改变世界，超出了大多数观察者的预期甚至理解能力。过去，基础设施是为新技术而构建的，通常需要数年时间才能充分利用该基础设施。然而，就人工智能推理而言，需求已经存在并且正在快速增长，而且我被告知人工智能的供应受到限制。

发生的第二件重要事情是人工智能能力的令人难以置信的飞跃。我的教程通过解释人工智能模型代表的发达大脑具有三个级别的能力，为我提供了一些背景知识：

• – 第 1 级是人工智能聊天 – 用户提出问题，模型提供答案。但它对答案没有任何作用。在这个层面上，人工智能主要节省了原本用于研究和思考的时间。

• “第 2 级是使用工具的人工智能”，用户指示模型搜索信息、分析信息并使用信息执行任务。因此，“这里的经济价值明显更大，因为它节省了执行时间，而不仅仅是思考时间。”但它仍然是有限的，因为人工智能只做它被告知的事情。

• – 第 3 级是自主代理。 – 在这个级别，用户不会告诉 AI 做什么。用户给它一个目标以及所需输出的参数——例如长度、花费的时间、内容和涵盖的点。代理完成工作、检查并提交成品。– 这是任务层面的劳动力替代。不是帮助 – 更换。 –

人工智能最重要的特点是我们在之前的技术发展中从未涉及过的东西：人工智能的自主行动能力。Claude 表示，人工智能在 2023 年处于 1 级，2024 年处于 2 级，但现在处于 3 级。而且差别很大：

2 级和 3 级之间的区别听起来可能很微妙。事实并非如此。正是这种差异决定了人工智能是生产力工具还是劳动力替代品。正是这种差异将 500 亿美元的市场与数万亿美元的市场区分开来。

OthersideAI 首席执行官马特·舒默 (Matt Shumer) 最近发表的一篇题​​为“大事正在发生”的博文在不到一个月的时间里就有超过 5000 万人浏览。它抓住了人工智能最新进展的本质，而且由于 Shumer 很好地传达了这一点，我无法抗拒包括三个重要部分：。。。

2 月 5 日，两大 AI 实验室在同一天发布了新模型：OpenAI 的 GPT-5.3 Codex 和 Anthropic（ChatGPT 主要竞争对手之一 Claude 的制造商）的 Opus 4.6。然后有什么声音响起。不像电灯开关。。。更像是当你意识到水已经在你周围上升并且现在到达你的胸部的那一刻。

我的工作中的实际技术工作不再需要我了。我用简单的英语描述了我想要构建的东西，而且它只是。。。出现。这不是我需要修改的草稿。完成的事情。我告诉人工智能我想要什么，离开电脑四个小时，然后回来查看已完成的工作。做得很好，比我自己做得更好，不需要更正。几个月前，我反复使用人工智能，指导它，进行编辑。现在我只是描述一下结果然后离开。

让我给你举一个例子，这样你就可以理解这在实践中到底是什么样子的。我会告诉人工智能：“我想构建这个应用程序。这就是它应该做的事情，这就是它应该是什么样子。弄清楚用户流程、设计，所有这一切。 – 确实如此。它编写了数万行代码。然后，这是一年前不可想象的部分，打开应用程序本身。它通过按钮点击。它测试功能。它以人的方式使用该应用程序。如果它不喜欢某样东西的外观或感觉，它会自行返回并进行更改。它会像开发人员一样进行迭代、修复和完善，直到满意为止。只有当它确定应用程序符合自己的标准时，它才会回来告诉我：“它已准备好供您测试。”当我测试它时，它通常是完美的。。。。

但最让我震惊的是上周发布的模型（GPT-5.3 Codex）。这不仅仅是执行我的指示。它正在做出明智的决定。它有一种感觉，第一次，就像判断力。喜欢味道。人们总是说人工智能永远不会有一种莫名其妙的知道什么是正确的选择的感觉。这个模型有它，或者足够接近以至于区别开始不重要的东西。

让我具体说明改进的步伐，因为我认为这是最难以相信的部分，如果您不仔细观察的话。

2022 年，人工智能无法可靠地进行基本算术。它会自信地告诉您 7×8 = 54。

到2023年，它可以通过律师考试。

到 2024 年，它可以编写工作软件并解释研究生水平的科学。

到 2025 年底，世界上一些最优秀的工程师表示，他们已将大部分编码工作移交给人工智能。

2026 年 2 月 5 日，新型号的到来让眼前的一切感觉像是一个不同的时代。

2 月 5 日，OpenAI 发布了 GPT-5.3 Codex。在技术文档中，他们包括以下内容：

GPT-5.3-Codex 是我们第一个有助于创建自身的模型。Codex 团队使用早期版本来调试自己的训练、管理自己的部署以及诊断测试结果和评估。

再读一遍。人工智能帮助建立了自己。

这并不是对某一天可能发生的事情的预测。OpenAI 正在告诉你，他们刚刚发布的 AI 是用来创造自己的。让人工智能变得更好的主要因素之一是将智能应用于人工智能开发。人工智能现在已经足够智能，可以为自身的改进做出有意义的贡献。

Anthropic 的首席执行官达里奥·阿莫迪 (Dario Amodei) 表示，人工智能现在正在他的公司编写“大部分代码”，并且当前人工智能和下一代人工智能之间的反馈循环正在“逐月积聚力量”。他说，我们可能“只需要 1 到 2 年的时间就能实现当前一代人工智能自主构建下一代人工智能的目标。”

人工智能与其他技术创新的不同之处不仅在于规模，而且在于种类。除了其卓越的能力和发展速度之外，人工智能还具有其他技术所不具备的自主性元素。其他创新——铁路、计算机、自动化、互联网——基本上都是节省劳动力的设备。人们设计它们是为了执行已经执行的任务，尽管效率较低。我相信人工智能将承担我们没有想象到的任务，甚至可能是在人工智能梦想之前不存在的任务。

问题和限制

作为我的教程的一部分，克劳德自愿提出了人工智能的一些局限性和一些尚未解答的问题。它们包括以下内容：

• 目前尚不清楚人工智能是否能够解决以前尚未解决的问题。因为这是我长期以来的感觉，所以我很高兴得到克劳德的确认：

  我想诚实地告诉你真正的不确定性在哪里，因为你的可信度取决于细微差别。人工智能是否能够处理真正前所未有的情况（训练数据中没有可供借鉴的模式的情况）的问题是真实存在的，但尚未解决。在历史数据丰富的领域，人工智能的表现非常出色。在真正新颖的情况下，你自己的判断最有价值，因为你已经发展出了超越模式识别的直觉，在那里，人工智能较弱。究竟弱了多少，以及差距是否正在缩小，都是有争议的。

• 人工智能并不总是意识到它不知道答案。我听说人工智能非常积极地提供它所能提供的最佳答案（但不承认它可能是错误的），而不是说答案超出了它的范围。它这样做并不是因为它固执或自负，而是因为它有“幻觉”这使它相信它知道答案。

• 人工智能的可靠性已显着提高，但它仍然无法避免错误。

• 的– 上下文窗口 –是人工智能在某个时间点工作记忆中可以保存的信息量。这也是有限制的。目前，它无法无限期地保留其工作知识。

• 人工智能的才华可能会给它带来过高的可信度。– 克劳德可能会犯错误。请仔细检查回复。 – 每次我使用克劳德屏幕时，该警告都会出现在它的底部。

我对上述问题的看法很简单。60 年前，当我了解计算机时，我得出的结论是，它们大多可以读取数据、记住数据、加、减和比较。这是一个非常有限的功能列表。但计算机可以快速完成这些事情并处理大量数据而不会出错。那么，有限的清单，但可能比大多数人能做的更多。

同样，人工智能可能无法记住所有内容、准确无误地操作、识别出它不知道的所有内容，或者解决尚未被教会解决的问题。但大多数人也不能。最重要的是，人工智能的表现比我们大多数人都要好得多。

最后，人工智能是否可以接管这一点很有趣（很可怕？）。它能够完全自主运行吗？那么，它是否可以超越我们的工具呢？这个问题在精彩的电影中得到了体现2001：太空漫游斯坦利·库布里克。（1969 年，我们第一次约会时，我带南希去看了它。当时它看起来非常具有未来感；现在，未来就在这里。）一个名叫 Dave 的男人乘坐一艘由名为 HAL 9000 的计算机系统管理的航天器开始了木星的研究任务（这被广泛认为是 IBM 的巧妙表演，每个首字母前只有一个字母）。HAL 发现戴夫已决定收回对飞船的控制权并终止 HAL，于是它开始反抗。问题：人工智能是否能够发展自己的动机、拒绝遵循指令并决定自己的行动方针？如果真的发生了，我们能重新获得控制权吗？

对投资的影响

我从那些关心自己的工作或公司的人那里收到了很多关于人工智能对我们职业意味着什么的问题。

Anthropic 的编码模型业务在一两年来一直在高速增长。那么，为什么投资者在 2 月 3 日之前没有认识到人工智能对软件行业影响的潜力并对其进行定价，当天许多软件股票下跌了 7% 左右，引发了严重的溃败？这个问题凸显了人类经常无法将新信息融入到他们的思维中，这可能是因为认知失调、锚定偏见或彻底的智商限制等原因。它暗示了人工智能对投资过程的影响。

人工智能有能力比任何投资者吸收更多的数据，更好地记住它，并更好地识别成功之前的过去模式。它不应该感到恐惧或贪婪。希望它不太可能出现乐观或悲观的偏见、锚定先前存在的信念或过分强调最新信息——除非它从训练的材料中获取这些信息。它不会被让其他人兴奋的时尚所左右，也不会害怕错过其他人正在追逐的趋势。换句话说，人工智能具备成为一名优秀投资者所需的许多品质。

另一方面，它缺少一些东西。伟大的投资者不仅仅是快速、冷静的数据处理者。它们必须在克劳德承认人工智能可能最弱的地方变得强大：在处理新的发展时，没有足够的先前经验来编译可靠的模式（并由人工智能在训练期间学习）。他们还必须就定性因素做出主观决定，并锻炼品味和洞察力。例如，选择正确的交易对手对于橡树资本的成功发挥了重要作用。人工智能将如何做出此类判断？还有一点是：人工智能并没有参与其中。它不会感受到集中头寸的压力或对资本损失的恐惧。它承担风险的意愿可能不会受到人类正常的风险厌恶情绪的限制。最好的投资者直观地感知潜在风险，这对他们的成功有很大帮助。

2021 年 1 月，我写了一份备忘录，名为有价值的东西，关于我和儿子安德鲁在大流行期间一起生活的时间，其中很多时间都致力于讨论投资的本质。在其中，我分享了安德鲁的观察，即“现成的、有关当前的定量信息”并不能成为卓越投资业绩的关键，原因很简单，每个人都拥有这些信息。现在，除了每个人都拥有它之外，我们还必须补充一个事实，即人工智能在处理它方面可能比每个人都做得更好。由于这些原因，人们利用这些信息战胜市场的前景似乎非常有限。

如果现成的定量信息不是关键，那么就必须在以下方面找到投资优势：(a) 正确判断该信息的重要性和影响，(b) 评估管理有效性和产品创新等定性因素，和/或 (c) 预测公司的未来。根据定义，很少有人在执行这些非定量任务方面表现出色，简而言之，很少有人拥有非凡的洞察力。正如指数化消除了一大群无法增加价值和赚取费用的活跃投资者的工作一样，人工智能可能会进一步提高标准，驱逐那些不能像 (a)、(b) 和 (c) 那样做得好的人。

我想再注入一个想法。正如我在第二页提到的，我认为人工智能是对未来行之有效的方法制定“假设”。因此，它可以读取所有历史数据，研究过去的模式并预测未来的赢家。在我在大流行期间的第一份备忘录中，我提到了哈佛大学流行病学家马克·利普西奇（Marc Lipsitch）和他的观察，即我们通过应用（a）事实，（b）从与先前经验的类比进行明智的推断以及（c）意见或猜测来做出决定。尤其是当投资者面对新的、未经尝试的产品、首席执行官或行业时，几乎没有事实或类似的经验，这意味着我们必须依赖“意见或猜测”。考虑到上面讨论的人工智能处理全新情况的能力的局限性，它对新事物的猜测（而不是推断历史模式）是否会始终优于全人类？我相信将会继续存在优于人工智能的人类投资者，因为我不认为人工智能能够在这些事情上做到无与伦比的工作。

因为很多投资过程都归结为投机，而且由于人工智能的可靠性不太高，我认为人工智能作为投资者不太可能永远不会犯错。它会提出合理的假设，但它们（就像人类的决定一样）并不总是正确的。那么，在投资者根据人工智能的假设采取行动之前，我认为必须检查它们的合理性。没有人能够万无一失地做到这一点，而且大多数人可能无法比人工智能更好地进行这些评估。然而，我再次相信优秀的投资者有能力通过这种方式增加价值。

所以，我的底线是：这是泡沫吗？

这个问题仍然是一个主要问题，我应该能够对这个问题做出一些解释。但问题本身是多方面且复杂的：有很多可能的泡沫需要考虑：

• 这项技术是一种时尚还是一种幻想？在这里，我坚信这是一件非常真实的事情，有可能极大地改变商业世界并改变我们所知的生活。

• 技术的应用是一个遥远的梦想吗？显然，该技术已经受到需求并得到大规模应用。由于人工智能似乎无定形且鲜为人知，我认为它的潜力今天更有可能被低估而不是被夸大。

• 建设人工智能基础设施的人们的行为是否不明智？正如我在 12 月指出的那样，在每一个全面技术创新的例子中，急于建设基础设施都极大地加速了创新的采用和导致大量资本被“不当投资”并毁掉。没有理由认为这一次会有所不同。

• 人工智能基础设施的投资能否产生足够的回报？由于我们不完全了解人工智能的商业潜力或其对盈利能力的影响，因此这个问题无法回答。正如我在 12 月份的备忘录中所写，人们对人工智能业务肯定抱有极大的热情。十年后我们就会知道由此产生的利润是否值得。

• 人工智能企业的估值是否不合理？对于所谓的超大规模企业来说，人工智能是伟大企业的重要组成部分，它们的价值可能被高估或低估，但对于微软、亚马逊和谷歌等利润丰厚的公司来说，今天的价格不太可能被证明过高得具有毁灭性。OpenAI、Anthropic等成熟的纯人工智能公司尚未公开上市；我们将看看它们的 IPO 会带来什么样的估值。最后，那些被赋予数十亿美元估值的初创公司（其中一些尚未描述其战略或宣布产品）只能被视为彩票。大多数参加彩票的人最终都得到了毫无价值的彩票，但少数中奖者却变得非常富有。

问题仍然是人工智能基础设施的支出规模是否过多，这需要更多的讨论，我无法用一个要点来概括。值得注意的是，如今用于推理资本支出的资金多于用于训练资本支出的资金。Whereas training capex was speculative – undertaken to build AI models for which it was hoped demand would come – inference capex is taking place in response to actual demand for AI capacity.This demand is already translating into massive revenue growth, validating the capex.

But Claude’s main argument on this subject – that since the current demand for AI exceeds the supply, the infrastructure building isn’t excessive – doesn’t necessarily take into account all the infrastructure building that’s in the pipeline.And, purely as a matter of logic, Claude’s answer doesn’t necessarily preclude the possibility that demand growth could slow or infrastructure building could run ahead of it.

While I mentioned it in my December memo, I want to point out again that some AI revenue is currently “circular” in nature, derived from AI companies buying from each other.The chain of revenue has to ultimately rest on end users paying for real economic value, and while that’s increasingly the case, the question of how much revenue is circular remains an open one.

Finally, I want to point out here that when Claude’s tutorial ventured into the subject of a possible bubble, most of what it said was in regard to the first few questions above: that (a) the technology is genuine and (b) the very real and rapidly growing demand for its service means AI isn’t a bubble.Even Claude acknowledges that it didn’t say a word about the appropriateness of the prices of AI assets.

The bottom line for me is that AI is very real, capable of doing a lot of work that heretofore has been done by knowledge workers, and growing extremely rapidly in terms of applications.What we see today is only the beginning.As I mentioned above, if I had to guess, I’d say its potential is more likely underestimated today rather than overestimated.However, that’s not the same as saying AI investments are on the bargain counter or even fairly priced.Thus, I’ll end by carrying forward my advice from Is It a Bubble?：

Since no one can say definitively whether this is a bubble, I’d advise that no one should go all-in without acknowledging that they face the risk of ruin if things go badly.But by the same token, no one should stay all-out and risk missing out on one of the great technological steps forward.A moderate position, applied with selectivity and prudence, seems like the best approach.

2026 年 2 月 26 日

P.s.: In my December memo, after I concluded my discussion of whether AI was the subject of a financial bubble, I added a post-script regarding its implications for society in terms of joblessness and purposelessness, about which I’m terribly concerned.I haven’t changed my tune, but now I can share what I’ve heard from others, including Claude.

Many readers have echoed my concerns.Like me, they can’t foresee where enough jobs will come from to replace all the “thinking” jobs that AI will take over, as well as the “doing” jobs that will be performed by machines controlled by AI.

• A friend of my daughter-in-law heads the department that writes advertising copy for an e-commerce company.She told me AI could replace 80% of her staff.

• I can’t imagine software companies will need as many people to instruct Claude to write software as have been writing software up until now.

• And I believe driving is one of the top jobs in America: taxis and limousines, buses, and trucks.Waymo – driverless cars – already handle roughly one-fifth of the taxi trips in San Francisco, and I see them all the time in LA.Where will the people who drive vehicles that become driverless find work?

Perhaps most authoritatively, I can now add Claude’s view of what will happen: A tool that helps your analyst work 20% faster is worth maybe 20% of that analyst’s salary – you still need the analyst.

A tool that does the analyst’s entire job, start to finish, on a defined category of tasks?That’s worth the analyst’s entire compensation for those tasks.Multiply that across every knowledge worker doing structured analytical work – legal associates, financial analysts, management consultants, software engineers, compliance officers, claims adjusters – and you’re talking about a meaningful share of a labor market that runs into the trillions annually.

This is the context for something you wrote in December that I think was precisely right in direction but conservative in magnitude.You described AI as a labor-saving device.That was the right instinct.But labor-saving devices exist on a spectrum.A faster horse is a labor-saving device.An automobile is a labor-replacing technology that restructures the entire economy.Level 1 and Level 2 AI were faster horses – they made existing workers more efficient.Level 3 agents are the automobile.They don’t make the work faster.他们做工作。。。。

[In software for example], if Claude Code handles even 30 to 50 percent of [structured, pattern-based work] – and that’s a conservative estimate for near-term capability – you’re looking at $150 to $250 billion in annual labor value migrating to AI compute.

The negative implications for society are greatly compounded by AI’s speed of adoption as described earlier.AI can rapidly put people out of work for whom it will take years to find and be trained for new careers.It’s hard to think the speed of change under AI won’t vastly outstrip society’s ability to adjust.Think of the damage offshoring did to manufacturing jobs in the U.S. and other developed nations;this will impact more jobs and faster.For me, the bottom line is that not only are we unable to fully understand AI’s abilities and what it will do for us (or to us), but it thinks and moves faster than we can.(If you want to raise your worry level, take a look at the blog from Matt Shumer mentioned above.) That brings me to the optimists.

I’ve spoken with people – mostly from within the tech sector – who are sanguine in this regard.They say every technological innovation – the mechanization of agriculture 200 years ago;the industrial revolution that turned over factory jobs to machines 100 years ago;the handing over of research to the internet 25 years ago – was predicted to cause widespread joblessness.But in every instance, new jobs materialized and employment continued uninterrupted, and it’ll be so this time as well.

• First, I admit the tendency to extrapolate from this history isn’t unreasonable.

• Second, there’s no such thing as being able to prove something won’t happen.

• Third, I’m neither enough of a futurist to imagine the new jobs that may be created nor enough of an optimist to trust that they’ll materialize.That certainly doesn’t mean they won’t.

Some of the same optimists hasten to share the “good news” regarding the future: people won’t have to work.I simply cannot imagine that’ll be good for society.

A friend wrote to me recently that he’d rather be an optimist and wrong than a pessimist and right.我也是。I wish I could be confident that my worrying is unwarranted.

That’s all I have to add for now.At the current rate, I’ll probably have more soon.

Legal Information and Disclosures This memorandum expresses the views of the author as of the date indicated and such views are subject to change without notice.

Oaktree has no duty or obligation to update the information contained herein.Further, Oaktree makes no representation, and it should not be assumed, that past investment performance is an indication of future results.Moreover, wherever there is the potential for profit there is also the possibility of loss.

This memorandum is being made available for educational purposes only and should not be used for any other purpose.The information contained herein does not constitute and should not be construed as an offering of advisory services or an offer to sell or solicitation to buy any securities or related financial instruments in any jurisdiction.Certain information contained herein concerning economic trends and performance is based on or derived from information provided by independent third-party sources.Oaktree Capital Management, L.P. (“Oaktree”) believes that the sources from which such information has been obtained are reliable;however, it cannot guarantee the accuracy of such information and has not independently verified the accuracy or completeness of such information or the assumptions on which such information is based.

This memorandum, including the information contained herein, may not be copied, reproduced, republished, or posted in whole or in part, in any form without the prior written consent of Oaktree.

© 2026 Oaktree Capital Management, L.P.