The Atlantic观点：AI可能并非泡沫，而是进入由可验证生产力驱动的增长阶段
作者回顾称，六个月前市场对AI建设潮普遍担心“投入过热”：企业与资本以巨额资金建设数据中心，但盈利路径并不明确，外界也常将这一周期类比为19世纪铁路泡沫或90年代互联网泡沫。甚至OpenAI CEO Sam Altman此前也公开承认过“投资者可能整体过度兴奋”。
但到现在，环境发生了明显变化。文章指出，开发者对AI工具的采用已呈“规模化普及”，并报告了可观的效率收益。与此同时，关于算力基础设施的担忧也出现双向分化：一方面担心“建太多”，另一方面同样担心“根本不够用”。这种“过剩与短缺并存”的现象，反而体现需求增长速度正在超过很多人的预期。
文章将这一拐点概括为两个词：Claude Code。作者认为，当新一代代码Agent能在几分钟到几小时内完成过去需数天乃至数周的任务，且成品通常只需极少人工修改时，AI从“会说”转向“会做”的门槛就被跨越了。随后，OpenAI Codex、Cursor等工具更新也进一步强化了这种趋势。
围绕“生产率是否真实提升”，文中给出了多个层面的证据。个体层面，一些技术团队在人员不变情况下，软件产出显著提升。研究层面，作者引用同一机构前后两轮实验结果：2025年旧研究曾显示使用AI后任务完成速度下降约20%（主要因纠错成本）；而在2026年使用新一代编码工具重测时，结果转为提升近20%。这组“从负收益到正收益”的翻转，被文章视为产业判断变化的关键依据。
企业付费行为同样被用来支撑“需求转实”。文中引用的数据称，美国企业购买至少一种AI工具付费订阅的比例，已从2025年初约四分之一升至当前超过一半。部分企业在AI预算上的消耗甚至超出初始计划一个数量级，显示AI正在从“试验开支”转为“运营级开支”。
当需求增速超过供给，商业结果就会集中体现为收入快速爬升。文章以Anthropic为代表，强调其收入增长速度之快在历史上都属罕见，并将其与Zoom疫情期、Google早期、甚至历史巨头的扩张节奏进行对比。同时，OpenAI、云厂商及上游芯片/算力公司也出现显著增长，形成“模型—云—芯片—基础设施”的连锁放大。
不过，文章并未否认风险。反方观点认为当前景气可能过度集中于“编码”这一相对可评估、可自动化的数据密集型工作；若其他白领领域扩散不及预期，先行建设的基础设施可能在未来形成过剩，届时泡沫风险会回归。也就是说，争论焦点并非“AI有没有进步”，而是“当前增速能否跨行业持续”。
针对这一点，文章进一步讨论“知识工作是否可被统一分解”。部分分析将其抽象为“读（Read）—思考（Think）—写（Write）—验证（Verify）”四步流程，认为编码并非唯一可自动化领域，只是目前最先达到高可用水平。文中还引用了MIT相关研究：AI在大量真实白领任务上的可完成度持续上升，尽管速度慢于编码场景，但提升趋势同样明显。
总结来看，文章给出的判断是：从“是否泡沫”的叙事切换正在发生。过去反对泡沫的一方更多依赖未来承诺，而现在支持“非泡沫”观点的人已能拿出更直接的采用、效率和收入数据。未来仍可能有波动，但“AI缺乏现实价值”的论证门槛已显著提高。
本译文由 AI 生成，仅供参考。原文版权归原作者所有。