六个月前，人工智能领域看起来相当充满泡沫。公司投入了数千亿美元（其中大部分是借来的）来建设新的数据中心，但没有明确的盈利途径。包括我在内的专家和记者将人工智能的发展与 1800 年代的铁路泡沫和 90 年代的互联网泡沫进行比较，其中投机导致过度投资，最终导致股市崩溃。就连 OpenAI 首席执行官 Sam Altman 也表达了公众的质疑。“我们是否处于投资者整体对人工智能过度兴奋的阶段？”他说去年。“我的意见是肯定的。”

然而今天，我们生活在一个截然不同的世界。软件开发人员正在集体采用人工智能工具，并报告了天文数字的生产力效益。现在，人们担心该国正在建设太多数据中心，同时又担心我们将没有足够的数据中心来满足公众对这些产品日益增长的需求。这家以前被称为 OpenAI 的初级竞争对手的公司现在可能成为该领域增长最快的企业历史资本主义的。Anthropic 的收入增长速度比大流行期间的 Zoom、2000 年代初期的谷歌、甚至镀金时代的标准石油公司的收入增长速度都要快得多。如果公司目前的增长率是继续那么到明年初，它将比世界上任何其他公司赚到更多的钱。

造成这种转变的原因可以概括为两个字：克劳德·科德。

当 Anthropic 在 11 月份发布其旗舰产品的更新时，人工智能似乎跨越了有趣的小工具和改变生活的技术之间的一些无形的门槛。与克劳德·代码 (Claude Code) 合作，这是一个由自主人工智能代理组成的团队可以接管您的计算机，并在几分钟或几小时内完成以前人类需要几天或几周的编程任务。在许多情况下，最终产品几乎不需要人为更改（如果有的话）。此后，其他公司也发布了自己的编码工具的更新，例如 OpenAI 的 Codex 和 Anysphere 的 Cursor，它们被认为几乎与 Claude Code 一样令人印象深刻。“这确实是一个巨大的改变，”宾夕法尼亚大学生成人工智能实验室的联席主任伊森·莫里克 (Ethan Mollick) 告诉我。– 多年来，我们一直处于聊天机器人的时代，它们大多只是说的事情。现在我们已经正式进入了代理时代，代理实际上可以做事情。 –

对于任何严重依赖软件的行业来说，影响都是巨大的。半导体研究公司 SemiAnalysis 的技术人员乔丹·纳诺斯 (Jordan Nanos) 告诉我，尽管员工人数相同，但他的小团队生产的软件数量是去年的四倍。进步研究所 (Institute for Progress) 新兴技术政策主任蒂姆·菲斯特 (Tim Fist) 告诉我，攻读计算机科学博士学位“感觉有点可笑”，因为“克劳德基本上可以完成 90% 的工作。”Meta 最近表示宣布将裁员 10%；几个月前，马克·扎克伯格告诉得益于人工智能，投资者“过去需要大型团队的项目”现在可以由一个非常有才华的人来完成。

学术研究支持了这些轶事主张。去年，智库模型评估与威胁研究进行了一项实验，软件开发人员被随机分配到使用或不使用人工智能的情况下执行编码任务。令所有人惊讶的是，开发人员完成了 20% 的任务较慢在使用人工智能时，部分原因是他们花费了大量时间来纠正人工智能的输出。（该研究很大程度上考虑了一篇文章我在 9 月份写道，人工智能确实是一个泡沫。）然而，最近，同样的研究人员使用最新的人工智能编码工具重新进行了实验。这次，同样的开发人员完成了近 20% 的任务更快有人工智能的人比没有人工智能的人。这可能是一个低估，因为一些高级用户已经对人工智能工具如此着迷，以至于他们拒绝参加第二次实验。

既然人工智能正在提供明显的生产力优势，企业就可以毫不犹豫地在其上花钱。由一估计付费订阅至少一种人工智能工具或服务的美国企业比例已从 2025 年初的约四分之一上升到如今的一半以上。高盛的研究人员在 4 月中旬就人工智能的使用情况对 40 家软件公司进行了采访，发现许多公司在人工智能工具上的支出都超出了最初的预算，超出了几个数量级，其中一些公司的支出已经高达其总工程劳动力成本的 10%。高盛软件分析师加布里埃拉·博尔赫斯 (Gabriela Borges) 告诉我，“企业适应新技术的时间通常比消费者要长得多。”– 因此，我们看到公司采用这些工具的速度实际上是相当令人惊讶的。 –

这种动态已经颠覆了人工智能的经济学。六个月前，数据中心投资似乎超过了需求；如今，需求增长如此之快，以至于人工智能公司缺乏满足需求的物理基础设施。人择已被迫为了限制客户在“高峰时段”使用其编码工具，OpenAI 已经废弃了其视频生成应用程序以释放计算能力。半导体的需求量如此之大，即使是 Nvidia 于 2022 年发布的第四好的 AI 芯片，价格也更高今天与三年前相比。

当您的产品需求超过供应时，您往往会赚很多钱。仅在过去两个月内，Anthropic 的年运行率（公司根据当月收入预计明年的收入）已从 140 亿美元增至 300 亿美元。正如 Axios 的 Jim VandeHei 最近所说指出Anthropic 今年第一季度的增长速度是谷歌过去三年扩张高峰期的四倍。尽管 Anthropic 表现出色，但该行业的其他部分也在快速增长。从 12 月到 2 月，OpenAI 的年化收入增长了近 20%。谷歌、微软和亚马逊报道今年 2 月份，他们的云收入与去年同期相比分别增长了 48%、39% 和 24%，这主要是由使用其服务的人工智能公司推动的。芯织一家向人工智能公司出租芯片和数据中心空间的“新云”公司，去年的年收入增长了 168%；芯片制造商微米级收入几乎增加了两倍。“强调这一点非常重要，这种收入增长速度绝对不正常，”被广泛引用的人工智能行业分析师 Azeem Azhar 告诉我。“即使是最大的人工智能推动者，包括我自己，也对这些公司的发展速度感到惊讶。”

也许最重要的是，所有这些收入增长背后的人工智能模型都在不断完善。4 月初，Anthropic 发布了 Mythos，这是一款显然非常强大的新模型，以至于该公司没有向公众发布它。神话已经吹散了每个人工智能进展的基准，包括完成复杂的编码任务和解决一系列学科的研究生水平问题。（它还有发现了OpenAI 新发布的GPT-5.5也不甘落后。“基本上在我们掌握的每一项指标上，我们都已经看到人工智能进步的步伐大幅加快，”衡量人工智能能力的智库 Epoch AI 的高级研究员 Jean-Stanislas Denain 告诉我。——那是在神话出现之前。——

有些人，然而，仍然认为人工智能领域仅出现站稳脚跟。从这个角度来看，表面指标掩盖了事实上的投机狂潮的顶峰。

包括 OpenAI 和 Anthropic 在内的旗舰人工智能公司可能会带来大量收入，但尚未实现盈利。他们还在支出所有这些钱和更多的钱都用来支付开发下一个模型的成本。为了让这些公司扭亏为盈，他们的收入需要至少在几年内继续快速增长。（Anthropic 预计将在 2028 年实现盈利，OpenAI 将在 2030 年实现盈利。）问题是他们目前的增长率是否可持续。

悲观案例的前提是软件开发不同于其他白领工作。编码涉及大量的训练数据、相对有限的可能结果以及可以客观评估的输出——所有这些都使其非常适合人工智能自动化。并非所有知识工作都是如此。法律摘要或营销活动无法根据某些客观的卓越衡量标准进行快速检查，而且用于训练机器人执行此类任务的特定领域数据相对较少。这可能会让这些领域的公司不太愿意在人工智能产品上花钱。“即使白领工人在某些事情上使用这些人工智能工具，它看起来也不会像我们现在看到的程序员那样，”SK Ventures 的管理合伙人、麻省理工学院的研究员 Paul Kedrosky 告诉我，他已成为泡沫理论的杰出支持者。

人工智能公司正在向芯片和基础设施投入更多资金，以应对更多需求。但如果当前的繁荣仅限于编码，那么当新的数据中心建成时，将不会有足够的客户来支付费用。人工智能公司——更不用说芯片制造商、数据中心建设者和云提供商——不但不会盈利，反而会陷入账面上的巨额亏损。到那时，人工智能泡沫将比六个月前更大，而且破裂可能会更加痛苦。“对我来说最好的类比是 2006 年、2007 年的房地产市场，”Kedrosky 说。– 市场炒作导致更多需求。更多的需求让你认为你需要更多的供应。在您不知不觉中，您建造的房屋数量超出了任何人实际负担得起的数量。最终一切都崩溃了。”

这就是关于金融的表面争论最终取决于关于人类工作本质的更深层次的哲学问题。一个不同的思想流派认为，大多数知识工作任务具有相同的基本结构，因此可以自动化。最近，SemiAnalysis 的一组分析师争论，包括编码在内的所有知识工作都由四个基本组成部分组成：使用信息（“阅读”）、应用现有知识（“思考”）、生成结构化输出（“写入”）以及根据某种标准检查输出（“验证”）。编码可能具有某些使其成为可能的品质更容易让人工智能执行这个基本的四步流程——例如读取更多数据和验证输出的客观标准——但这并不意味着该领域独一无二。

例如，即使不存在“好”学术论文或法律摘要的客观标准，这些领域的专家往往对好坏有清晰的认识。如果有足够的高质量示例可供学习，也许人工智能系统可以发展出这样的感觉。“这里显然有一个范围，一端是编码，另一端是那些很难判断输出的东西，比如短篇小说写作，”宾夕法尼亚大学教授莫里克告诉我。但很多知识工作——法律、金融、咨询、营销——都处于中间位置。这些工作中的许多任务可能更接近于编码方面。”

作为一名职业作家，我觉得这个建议令人难以接受。但支持这一观点的证据正在增加。最近麻省理工学院学习试图量化人工智能系统执行约 3000 项现实世界白领任务的能力，例如设计教育课程和制定产品发布计划。人工智能模型执行任务后，研究人员请人类专家对输出进行评分。任何人工审阅者认为足够好、无需人工编辑即可发送给经理的输出都被视为“完整”。

到 2024 年中期，领先的人工智能模型能够成功完成 50% 的白领任务，而这些任务是人类需要三到四个小时才能完成的；仅仅一年多后，他们就完成了 65%。作者估计，按照这个速度，到 2029 年，人工智能系统将能够完成 80% 到 95% 的基于文本的任务。“这种改进速度并不像我们在人工智能和编码方面看到的那么快，”该研究的合著者之一马蒂亚斯·默滕斯 (Matthias Mertens) 告诉我。“但它仍然非常非常快。”

该研究仅考虑了聊天机器人。所谓的代理工具，例如 Claude Cowork，能够接管员工的笔记本电脑并执行一整套非编码任务，例如创建 PowerPoint 演示文稿、发送电子邮件和安排会议。工人们才刚刚开始学习如何使用它们。人工智能行业分析师阿扎尔告诉我，当他和他的同事计划推出新产品时，他们会让人工智能代理创建一个广泛代表其实际客户群的人工客户小组，与这些机器人客户进行焦点小组讨论，根据他们的发现生成一份报告，然后将该报告转化为具体产品改进的列表。所有这一切都发生在人类产品经理睡觉的时候；当他们醒来时，最终的结果正在等待着他们。“过去，这种流程需要整个团队的工人和数月的时间，”阿扎尔说。“现在我们每周都会这样做 3 次。”

六个月前，争论人工智能是泡沫的人们指出了现实世界的事实，而反对泡沫假说的人们则对未来做出了投机性的承诺。如今，角色互换了。人工智能的爆炸式增长可能仍会遇到一些新的不可预见的障碍。但举证责任已转移到反对者身上。