编译：Block unicorn
前言
整个 AI 泡沫建立在一种模糊的必然性之上——即如果每个人都足够坚定地相信这一切永远、永远不会出错，那么所有那些非常明显的问题最终就会自行消失。
遗憾的是，没有人能战胜物理定律。
上周，经济学家 Paul Kedrosky 发表了一篇精彩的文章，文章的核心是一张图表，该图表显示，到 2025 年第四季度，新增数据中心容量（指在建容量，而非已投入使用的容量）将减少一半（数据来自 Wood Mackenzie）：
Wood Mackenzie的报告措辞严厉：
由于负载排队挑战持续存在，美国数据中心新增容量在 2025 年第三季度至第四季度期间减少了一半。这一降幅凸显了当前开发环境的困境，并预示着开发商将重点放在现有在建项目上。尽管德克萨斯州在 2025 年第四季度扩大了其在建项目容量方面的领先优势，但新墨西哥州、印第安纳州和怀俄明州的相对增长更为显著。规划容量仍然主要由少数大型投机性项目的新开发商占据，这些项目尤其瞄准了南部和西南部地区。新墨西哥州的增长主要归功于 New Era Energy & Digital 公司在利县的一个大型投机性项目。
正如我上面所说，这仅指已公布的容量，而非实际已上线的容量，而且 Kedrosky 漏掉了可以说是最疯狂的图表——在已披露的 241GW 数据中心容量中，只有 33% 实际上正在积极开发中：
该报告还补充说，大部分已承诺的电力（58%）用于「仅限输电线路的公用设施」，这意味着公用设施提供商只负责将电力输送到设施，而不负责发电本身，这在建造由耗电量巨大的 AI 服务器组成的整个园区时是一个大问题。
WoodMac 还补充说，美国最大的公用事业供应商之一 PJM「……仍然陷入困境，公用事业公司的大负荷承诺是 PJM 风险发电队列中认证容量的三倍」，这是一种比较复杂的说法，意思是「它没有足够的电力」。
这意味着高达 58% 的数据中心需要自行解决电力问题。WoodMac 还补充说，美国数据中心的总资本支出约为 9480 亿美元，但自 2023 年以来，资本支出增长首次放缓。Kedrosky 补充道：
已公布的输电管道总装机容量高达 241GW，约为美国电力峰值需求的两倍，但其中大部分并非实际存在。只有三分之一正在建设中，其余部分则混杂着一些充满希望的许可申请、投机性的土地交易，以及一些基于尚未实际建设的能源设施的项目。尤其值得注意的是，许多项目都假设会建设现场天然气发电厂，鉴于当前的地缘政治局势，这是一个充满风险的假设。
最严重的问题出现在大西洋中部地区。区域电网运营商 PJM 向数据中心承诺的电力供应速度大约是新增发电量实际投入运营速度的三倍。这意味着有人将面临漫长的等待，或者支付远超预期的费用，或者两者兼而有之。
让我们简化一下：
-
美国已宣布的数据中心项目中，只有 33% 正在建设中，其余的仍处于模糊的「规划」阶段。这相当于大约 79.53GW 的电力，或 61GW 的 IT 负载。
-
「积极开发」也指任何正在（我引用一下）「……开发或建设中」的事物，意思是「我们已经有了土地，但我们仍在研究如何利用它。
-
算一下就知道了。61GW 的 IT 负载相当于数十万个 NVIDIA GB200 NVL72 机架——按每个 72 GPU 机架 300 万美元计算，总价值超过万亿美元的 GPU——而且考虑到去年数据中心债务交易额只有 1785 亿美元，我认为目前实际正在建设的数据中心并不多。
-
即使它们在建设中，也没有足够的电力让它们启动。
-
NVIDIA 声称将在 2025 年至 2027 年间售出价值 1 万亿美元的 GPU，正如我之前计算的那样，它每个季度售出约 1.6GW（以 IT 负载术语来说，即 GPU 本身消耗的电量）的 GPU，如果算上所有相关设备和实际供电的挑战，仅运行这些 GPU 就需要至少 1.95GW 的电力。
-
这些数据都没有提到数据中心实际上线的情况。
2025 年实际上线的数据中心容量是多少？我的估计：3GW 的 IT 负载
有个术语名为数据中心吸收率，根据 Data Center Dynamics 的引用，它是「……已占用、产生收入的 IT 负载的净增长」，根据 CBRE 的数据，美国主要市场的这一数字从 2024 年的 1.8GW 新增容量增长到 2025 年的 2.5GW 新增容量。
定义补充说明！ 「Colocation」（托管）空间指的是建造完成后出租给其他公司的数据中心空间，而不是专门为公司建造的数据中心（例如微软的 Fairwater 数据中心）。有趣的是，一些公司——例如 Avison Young——似乎将 Crusoe 的开发项目（例如 Stargate Abilene）也算作托管建设，这使得我稍后将要提到的托管数据更能反映整体情况。
问题在于，这个数字实际上并没有反映新投入使用的数据中心数量。例如，有人扩建项目增加 50 兆瓦的容量，仍然会被计入「新增吸纳量」。
如果把其他报告也考虑进去，情况就更复杂了。Avison Young 关于数据中心吸纳量的报告显示，2025 年第一季度新增容量为 700 兆瓦，第二季度为 1.173 GW，第三季度略高于 1.5 GW，第四季度为 2.033 GW（我找不到它第三季度的报告），总计 5.44 GW，全部属于「托管」，也就是建造出来出租给其他人的机房。
然而，这种方法还存在另一个问题：这些设施要么已经「交付」 ，要么已经有了「签约租户」。 「交付」可能意味着「设施已移交给客户，但实际上只是一个通电的空壳（仓库），等待安装」，也可能意味着「客户已经投入运营」。「签约租户」则可能意味着「我们已经签署了合同，正在筹集资金」（例如，Nebius 公司通过与 Meta 的合同筹集资金，计划在未来某个时候建设数据中心）。
我们可以通过使用 DataCenterHawk（Avison Young 的数据来源）的定义来更精确地了解吸收率，DataCenterHawk 对吸收率的定义如下：
为了衡量需求，我们需要了解客户在特定时期内租用了多少容量。在 datacenterHawk，我们按季度计算这一数据。计算结果称为吸收率。
假设数据中心 1 号 (DC#1) 已投入使用 10 兆瓦 (MW) 的容量。目前 9 兆瓦已出租，剩余 1 兆瓦可用。在一个季度内，DC#1 将剩余的 1 兆瓦出租给了几个租户。他们该季度的吸收率为 1 兆瓦。实际情况可能会更复杂一些，但这就是基本概念。
这很好！只是 Avison Young 对「吸收」的定义完全不同——即数据中心（无论处于何种建设状态）已被租赁或「交付」，这意味着「一个完全准备就绪的数据中心」或「一个已通电的空仓库」。
另一方面，世邦魏理仕（CBRE）将吸纳量定义为「已占用且产生收入的 IT 负载的净增长」，并且包含了超大规模数据中心。其报告还涵盖了夏洛特、西雅图和明尼阿波利斯等较小的市场，额外增加了 216 兆瓦的实际新增、现有且产生收入的容量吸纳量。
因此，实际新上线的数据中心容量约为 2.716GW。这还不包括弗吉尼亚州南部或俄亥俄州哥伦布市等地区——Avison Young 的报告中提到的两个数据中心热点地区——而且我找不到任何实际证据表明，这些地区已经大规模建成并投入运营，拥有可观的、能够产生收益的数据中心容量。DataCenterMap 显示哥伦布市有 134 个数据中心，但据《哥伦布电讯报》报道，截至 2025 年 8 月，哥伦布地区的总装机容量约为 506 兆瓦，而库什曼·韦克菲尔德公司在 2026 年 2 月声称该地区拥有 1.8GW 的装机容量。
更令人困惑的是，库什曼·韦克菲尔德（Cushman & Wakefield）估计，2025 年将有约 4GW 的新增托管容量「交付」，但该公司在其报告中并未对「交付」一词进行定义，而且不知何故也缺少吸纳量数据。然而，其 2025 年上半年报告却包含了约 1.95GW 的吸纳量数据……但同样没有对「吸纳量」进行定义，这让我们陷入了与 Avison Young 报告完全相同的问题。
尽管如此，基于这些数据点，我可以比较有把握地估计，到 2025 年，北美数据中心的吸收量（即数据中心实际启动和运行的 IT 负载）约为 3GW，这将相当于约 3.9GW 的总电力。
而这个数字简直是一场灾难。
目前安装 NVIDIA 四分之一的 GPU 需要 6 个月的时间，这让人质疑购买更多 GPU 的合理性。
今年早些时候，TD Cowen 的 Jerome Darling 告诉我，GPU 及其相关硬件的成本约为每兆瓦 3000 万美元。3GW 的 IT 负载（即 GPU 及其相关设备的功耗）相当于价值约 900 亿美元的 NVIDIA GPU 及其相关硬件，这部分收入将计入 NVIDIA 的「数据中心」收入板块：
美国市场贡献了英伟达约 69.2% 的收入，在 2026 财年（令人恼火的是，该财年从 2025 年 2 月持续到 2026 年 1 月）约为 1496 亿美元。英伟达数据中心业务的整体收入为 1957 亿美元，这意味着美国数据中心采购额约为 1350 亿美元，剩余约 440 亿美元的 GPU 及相关技术尚未安装使用。
随着英伟达 GPU 销量的加速增长，现在安装和运营一个季度的销量大约需要 6 个月的时间。由于这些是 Blackwell 架构（我猜想其中一些是新一代的 Vera Rubin 架构），它们很可能用于新建服务器，因为它们对功耗和散热的要求更高。虽然理论上有些 GPU 可能会用于改造旧服务器以适配它们，但英伟达日益集中化的收入模式（即专注于少数几个大客户）强烈暗示着大型经销商（例如戴尔或超微，我稍后会提到）以及像富士康和广达这样的台湾ODM厂商的存在，这些厂商为超大规模数据中心生产大量的服务器。
我还应该补充一点，超大规模数据中心运营商通常会购买 GPU 供其托管合作伙伴安装，这也是为什么 Nebius、Nscale 和其他合作伙伴筹集的资金从未超过几十亿美元来支付建设成本的原因。
很明显，数据中心建设的速度远远慢于英伟达的 GPU 销售速度，而英伟达的 GPU 销售速度每个季度都在大幅增长。
就算你觉得 AI 是最伟大、最牛逼、最特别的，那提前两到四年买这些东西到底有什么意义？黄仁勋每年都发布新的 GPU！
等到他们把所有 Blackwell 显卡都装好，Vera Rubin 显卡都上市两年了！等我们装好那些 Vera Rubin 显卡，估计又会有新的显卡性能超越它了！
目前全球在建数据中心容量仅为 5GW，而你所看到的每一个巨型、数GW的项目都需要 2 到 4 年甚至更长时间才能完成——Wood Mackenzie 认为，资本支出增长将在 2026 年放缓。
在深入探讨之前，我想先说明一下「建造一个数据中心需要多长时间？」这个问题有多难回答。你不能简单地说「每兆瓦需要多长时间」，因为每增加 100 兆瓦左右，情况就会变得复杂得多。正如我稍后会提到的，星际之门阿比林数据中心花了两年时间才达到 200 兆瓦的发电量。
不是 IT 负载。是电力。
总之，「有多少数据中心容量上线了？」这个问题也相当令人恼火。
Sightline 的研究估计，「去年全球数据中心电力容量新增近 6GW」，研究发现，虽然 140 个项目计划在 2026 年新增 16GW 的容量，但目前只有 5GW 正在建设中，而且研究结果却没有指出「也许每个人都在时间表上撒谎」。
Sightline 认为，2026 年计划建设的数据中心项目中，有一半可能永远不会建成，其中 11GW 的容量目前处于「已宣布」阶段，但「尽管通常的建设周期为 12-18 个月，却看不到任何施工进展」。「在建」的含义也可能从「一根钢梁」到「接近完工」不等。
这些数字也是基于 5GW 的产能，这意味着大约 3.84GW 的 IT 负载，或价值约 1115 亿美元的 GPU 和相关设备，或 NVIDIA 2026 财年实际生产收入的约 57.5%。
Sightline（以及基本上其他所有人）认为，电力瓶颈阻碍了数据中心的发展，而 Camus 解释说，最大的问题是缺乏传输能力（可以移动的电力量）和发电能力（创造电力本身）：
造成延误的最大原因很简单：我们的电力系统没有足够的额外输电容量和发电能力来全天候满足数十吉瓦的新增高利用率需求。数据中心需要全天候供电，其用电量堪比或超过小型城市的用电量，而建设新的输电基础设施和发电设施需要数年的审批、土地征用、供应链管理和施工。
Camus 补充说，美国也并没有真正准备好一次性增加这么多电力：
在电力公司内部，规划人员和工程师正努力接入新的负荷。然而，规划人员现有的工具是为将电力线路延伸到新社区或随着社区发展升级设备而设计的，并非用于分析 50 个 100 兆瓦的新服务请求，更何况还有大量新的发电申请不断涌现。
因此，规划人员和工程师不堪重负；他们不得不一边审查新的申请，一边配置更适合应对这一规模挑战的新工具。与大多数独立系统运营商（ISO）和电力公司都有明确步骤的发电并网不同，评估大负荷的过程往往更加随意。这也使得采用合适的工具变得更加困难。事实上，大多数电力公司和独立系统运营商/区域输电组织（ISO/RTO）仍在制定正式的研究程序。
然而，我认为还有一个更显而易见的原因：建设数据中心所需的时间远比任何人透露的都要长，2025 年美国实际新增的数据中心容量仅约 3GW 就证明了这一点。英伟达销售的是未来数年的 GPU，其增长能力，甚至维持当前收入的能力，完全取决于它能否让人们相信这种做法在某种程度上是合理的。
举个例子来说，OpenAI 和甲骨文的 Stargate Abilene 数据中心项目最初于 2024 年 7 月宣布，计划建设一个 200 兆瓦的数据中心。同年 10 月，Crusoe、Blue Owl 和 Primary Digital Infrastructure 组成的合资企业筹集了 34 亿美元资金，并计划在「2025 年」交付这 200 兆瓦的容量。土地开发商 Lancium 在 2025 年年中的一份报告中表示，该项目「到 2025 年底将上线 1.2GW」。2025 年 5 月，Crusoe、Blue Owl 和 Primary Digital Infrastructure 宣布成立一家 150 亿美元的合资企业，并表示 Abilene 项目将包含 8 栋建筑，其中前两栋将于「2025 年上半年」投入使用，其余建筑将于「2026 年年中」投入使用。每栋楼将配备 50,000 个 GPU，总 IT 负载预计为 880MW 左右，总功耗为 1.2GW。
我不想讨论 OpenAI 没有将所谓的星际之门阿比林扩展计划实施，因为这个计划从未存在过，也永远不会实现。
2025 年 12 月，甲骨文公司声称已「交付」96,000 块 GPU，而到了 2 月份，甲骨文仍然只提到了两栋大楼，很可能是因为当时只完成了这两栋楼。我在星际之门阿比林的消息来源告诉我，三号楼也接近完工，但是……这个项目计划在 2026 年中期投入使用。开发商 Mortensen 声称整个项目将于 2026 年 10 月完成，这显然是不可能的。
AI 行业正试图掩盖数据中心增长极其缓慢的事实，并利用媒体来达到这一目的。
我不想用阴谋论的措辞，但这感觉像是一场公然的掩盖行为，而且媒体也积极参与其中。CNBC 在 2025 年 9 月报道称，「耗资 5000 亿美元的星际之门项目首个数据中心在德克萨斯州启用」，当时该数据中心只有八分之一的 IT 负载投入运行，CNBC 称其「上线」且「运行正常」。两周后，Crusoe 又补充说，该数据中心「已投入使用」、「运行正常」且「正在快速推进」。这一切都是为了让读者和观众觉得「哇，星际之门阿比林项目已经启动运行了」，尽管该项目实际上已经比原计划晚了数月甚至数年。
按目前的建设速度，星际之门阿比林将于 2027 年底全面建成。截至 2026 年 3 月 6 日，甲骨文的 Port Washington 数据中心仅由一根钢梁构成。Stargate Shackelford Texas 于 2025 年 12 月 15 日破土动工，而截至 2025 年 12 月，Stargate New Mexico 的建设似乎才刚刚开始。Meta 在印第安纳州的 1GW 数据中心园区直到 2026 年 2 月才开始建设。
而且，尽管微软试图误导所有人，声称其位于威斯康星州的数据中心已经「建成」和「投入使用」，但只要稍加深入了解就会发现，实际上只有极少部分投入使用——考虑到第一个数据中心耗资 33 亿美元（记住：仅建设成本就高达每兆瓦 1400 万美元），我估计微软已经成功地为 Fairwater 投入了大约 235 兆瓦的电力。
微软想让你认为它已经上线了吉瓦级的电力（总是用将来时态来描述），因为微软和其他所有人一样，建设数据中心的速度极其缓慢，因为建设需要很长时间，即使你有电力，而实际上没有人有！
百兆瓦数据中心的概念出现不过几年时间，我实际上找不到任何已建成、正在使用的千兆瓦数据中心，只有一些关于为 OpenAI 建造的理论性的「星际之门」园区的模糊承诺，而 OpenAI 这家公司甚至连账单都付不起。
大家都在喋喋不休地讨论「如果数据中心没电怎么办」，却不去思考数据中心到底有没有在建设。微软在 2025 年 9 月曾大肆宣扬计划在英国劳顿建造「英国最大的超级计算机」，并启用 Nscale 平台。然而到了 2026 年 3 月，那里却只剩下一个堆满电线杆和废金属的脚手架场。星际之门阿比林项目也已经停滞在两栋建筑里长达六个月之久。
实际情况是这样的：数据中心项目是由一些急于求成的私人信贷机构出资的，而这些机构对数据中心一窍不通。这些项目通常由一些过于热心的记者宣布，他们甚至懒得去核实之前的数据中心是否真的建成，就被冠以「千兆瓦级巨额交易」的名号，然后就没人跟进核实项目是否真的落实了。
任何人想要为这类项目筹集资金，只需要一个足够热衷的投资人，以及与英伟达的关系。Nebius 筹集 37.5 亿美元债务的方式很简单，就是与 Meta 签署了一份数据中心容量的协议，而该数据中心根本不存在，而且可能需要三到四年才能建成（这根本不可能）。Nebius 为微软在新泽西州维内兰（Vineland）建造的数据中心至今仍未完工，该数据中心原计划在 2025 年底达到 100GW 的容量，但截至 2026 年 2 月，似乎只有 50 兆瓦（一期工程）投入使用。
我就直说了吧：我认为很多数据中心项目都是垃圾，根本不会建成，因此永远不会收到钱。科技行业利用媒体对建设或电力供应进度缺乏了解的现状，炮制出铺天盖地的「数据中心建设中」之类的报道，以此掩盖一个日益严重的丑闻：数千亿美元的英伟达 GPU 被卖给了可能永远不会建成的项目。
这些项目要么没建起来，要么就算建起来，耗时也远远超出预期，这意味着债务利息不断累积。时间拖得越久，继续购买英伟达 GPU 就越不划算——毕竟，如果数据中心的建设需要 18 个月到 3 年的时间，你为什么要买更多呢？你打算把它们放在哪里，Jensen？
这也严重质疑了私人信贷机构和其他金融机构对这些项目的融资意愿，因为这些项目的经济潜力很大程度上取决于它们能否建成并拥有稳定的租户。此外，如果人工智能计算资源的供应成为瓶颈，这意味着一旦（或者说如果）这一瓶颈被突破，就会出现严重的供应过剩，从而降低在建数据中心的整体价值……顺便一提，这些数据中心都配备了 Blackwell GPU，而到数据中心最终投入使用时，这些 GPU 的使用寿命将达到两到三年。
这还没考虑到人工智能数据中心背后巨额债务导致它们普遍亏损，或者它们的客户是每年亏损数亿甚至数十亿美元的人工智能初创公司，或者英伟达是股市上最大的公司，而这种估值是数据中心建设热潮的结果，而这种热潮似乎正在放缓，即使它没有像英伟达的销售额那样以龟速运行。
我不想显得不专业，但这到底是怎么回事？美国有 241GW 的「规划」装机容量，其中只有 79.5GW 「正在积极开发」，但深入调查后发现，实际在建的只有5GW ？
整个人工智能泡沫就是个彻头彻尾的海市蜃楼。你听说的每一个「千兆瓦级」数据中心都不过是痴人说梦，不过是几个合同，几个家伙叉着腰，一边吹嘘「兄弟，我们要发大财了！」，一边从私人信贷机构——以及你——那里榨取资金罢了，因为私人信贷的资金从何而来？没错，很多都来自养老基金和保险公司。
现实是：数据中心建设耗时漫长。每个谈论「合同计算」或「规划容量」的超大规模数据中心和新型云服务商，都像是在跟你吹嘘他们计划和格林奇和戈多共进晚餐一样。人工智能建设的疯狂程度将被视为史上最大的资本浪费之一（套用 JustDario 的话），而且我预计，你看到的绝大多数数据中心项目最终都无法建成。
关于数据中心建设的数据如此之多，而竣工数据却如此之少，这表明报告撰写者可能参与了骗局。我赞赏世邦魏理仕 (CBRE)、Sightline 和伍德麦肯兹 (Wood Mackenzie) 的勇气，他们敢于对这种说法提出质疑，即使他们是通过模糊「容量」或「功率」等术语来达到目的，而记者和其他分析师肯定会误解这些术语。
数千亿美元已被投入到购买 GPU 中，有些甚至提前数年就已投入，用于建设数据中心。而数据中心的建设速度之快，意味着英伟达 2025 年和 2026 年的收入要到 2028 年到 2029 年才能真正实现，而且这还是在假设这些数据中心最终都能建成的前提下。
我认为，追问这些钱究竟流向何处也是合理的。 2025 年美国数据中心项目 1785 亿美元的交易额似乎并没有给任何相关方带来任何直接（甚至未来）的利益。
我也想知道是否存在足够的需求让这一切变得有意义，或者人们究竟愿意为这种计算支付多少钱。
如果我们假设美国上线了 3GW 的 IT 负载容量，那么（理论上）这将带来数百亿美元的收入，这要归功于「对人工智能的无限需求」——但似乎没有人展示这些数据中心带来了巨额收入。
Applied Digital在 2025 财年的收入仅为 1.44 亿美元（亏损 2.31 亿美元）。CoreWeave 声称，到 2025 年底，其「有功功率将达到 850 兆瓦（或约 653 兆瓦的 IT 负载）」（高于 2025 财年第一季度的 420 兆瓦，或 323 兆瓦的 IT 负载），该公司在 2025 财年的收入为 51.3 亿美元（税前亏损 12 亿美元）。
Nebius 的营收为 2.28 亿美元，亏损 1.229 亿美元，其 170 兆瓦的运行功率（或约 130 兆瓦的 IT 负载）也相当可观。Iren 上季度营收为 1.847 亿美元，亏损 1.554 亿美元，这其中还包括 1.825 亿美元的递延所得税负债的释放。Equinix 在上个财年实现了约 92 亿美元的营收，虽然盈利，但目前尚不清楚其中有多少利润来自其庞大且现有的数据中心组合。不过，考虑到 Equinix 一直在吹嘘其「兆瓦级」数据中心计划，却从未提及实际容量，因此很可能占了很大一部分。
当然，谷歌、亚马逊和微软都拒绝公开其人工智能收入。根据我去年的报道，OpenAI 在 2025 年 9 月之前在 Azure 上的支出约为 86.7 亿美元，而Anthropic 同期在亚马逊云服务（AWS）上的支出约为 26.6 亿美元。作为人工智能计算的两大用户，这强烈表明市场对人工智能服务的实际需求相当疲软，而且大部分都被少数几家公司（或运营自有服务的超大规模数据中心运营商）所占据。
在某个时刻，现实终会到来，NVIDIA GPU 的投入必然会下降。多年来对未来投入如此巨资，实在令人难以置信，而令人惊讶的是，似乎没有人对此感到担忧。
诸如「GPU 将运往何处？」和「实际安装了多少 GPU？」之类的简单问题却得不到解答，与此同时，一篇又一篇的文章都在报道数十亿美元的数据中心计算交易，而这些数据中心按照目前的速度，要到 2030 年才能建成。
我认为，把这一切完全归咎于电力问题未免过于简单粗暴，因为事实显然是基于从一开始就毫无道理的施工进度安排。如果仅仅是电力问题，那么更多的数据中心应该已经接近完工或已经竣工，只等电力接入。然而，像星际之门阿比林这样的知名项目却以龟速建设，而那些急于报道的记者却声称，在预定启用时间近一年后，只有四分之一的建筑能够投入使用，这已经算是一种成就了。
然后，还有一个非常非常明显的丑闻：英伟达作为股市市值最高的公司，竟然靠着根本没被安装的芯片赚取了数千亿美元的收入。这简直匪夷所思，我实在不明白，考虑到其大部分客户在未来十年内都可能继续使用他们目前购买的产品，它是如何每个季度都超越甚至提高业绩预期的。
假设 Vera Rubin 真的会在 2026 年上市，那么人们很可能会一直安装这些显卡到 2028 年甚至更久，而且这还是假设到那时系统没有崩溃的情况下。你为什么要费这个劲呢？这有什么意义？尤其是如果你手头已经有一堆 Blackwell 显卡的话？
我们到底为什么要这么做？
黄仁勋，这些英伟达 GPU 是怎么源源不断地运到中国的？
上周还报道了一则关于 Supermicro 的离奇故事。Supermicro 是 CoreWeave 和 Crusoe 使用的 GPU 的经销商，其联合创始人 Wally Liaw 和其他几名同谋因向中国出售价值数亿美元的 NVIDIA GPU 而被捕，他们还意图出售数十亿美元。
Liaw 作为 Supermicro 的联合创始人之一，他此前因 2018 年的会计丑闻而辞职，当时 Supermicro 无法提交年度报告。但根据 Hindenburg Research 的优秀报告，他于 2021 年被重新聘为顾问，并于 2023 年根据提交的 8K 表格恢复了董事会成员资格。
就在被捕前几天，Liaw 还在英伟达的 GTC 大会上招摇过市，往冰滑道里倒不明液体，还站在离英伟达 CEO 黄仁勋仅两步之遥的地方。Liaw 还被看到在 LinkedIn 上祝贺 Lambda 的新 CFO 任命，并与 Crusoe（OpenAI 位于阿比林的数据中心建设公司）CEO Chase Lochmiller 握手（Supermicro CEO Charles Liang 也一同握手，Charles Liang 尚未被捕或被起诉）。
Supermicro 并未被列入起诉书，我想原因完全合情合理，与维持人工智能产业的运转无关。然而，Liaw 及其同谋被控通过错综复杂的交易对手和中间商网络，向中国运送了价值数亿美元的英伟达 GPU，其中超过 5.1 亿美元的货物在 2025 年 4 月至 5 月中旬期间运抵中国。虽然起诉书没有具体说明货物的分布情况，但证实部分 Blackwell GPU 已流入中国，而且我估计数量相当可观。
尽管 Supermicro 是 NVIDIA 设备的主要经销商，贡献了数十亿美元的收入，其中至少 5 亿美元显然流向了中国，但主流媒体似乎已经不再关注此事。Supermicro 并未被直接点名，这足以让他们将整个事件从记忆中抹去，也让他们不再质疑 NVIDIA，尤其是黄仁勋，为何对此毫不知情。
这并非此类事件的唯一一次发生。去年年底，彭博社报道了总部位于新加坡的 Megaspeed 公司——这家公司（用彭博社的话来说）「曾经是一家名不见经传的中国游戏企业分拆出来的子公司，如今已发展成为东南亚最大的英伟达芯片买家」——并强调了表明它可能作为中国前台运作的奇怪迹象。
作为一家新云服务商，Megaspeed 出租 CoreWeave 等 AI 计算能力。虽然 NVIDIA（和 Megaspeed）都否认他们的任何 GPU 会销往中国，但据彭博社报道，Megaspeed 「在中国有一个类似孪生兄弟的公司」：
这家公司使用了与 Megaspeed 类似的演示材料，其网站几乎与 Megaspeed 的子品牌网站一模一样，并声称 Megaspeed 在东南亚的员工都是自己的员工。此外，该公司还在上海数据中心及其附近发布了招聘广告，而该数据中心的渲染图曾出现在 Megaspeed 的投资者演示文稿中——其中包括针对受限 Nvidia GPU 的工程工作。
彭博社报道称，Megaspeed 公司进口的商品「价值超过其 2023 年现金余额的一千倍」，其中三分之二是 NVIDIA 的产品。当彭博社试图追踪 NVIDIA 告诉美国政府的特定电路板所在的具体地点时，调查变得更加扑朔迷离：
数据中心并非 Megaspeed 唯一被 NVIDIA 访问的设施。价值 24 亿美元的 Megaspeed Bianca 电路板（用于搭载英伟达高端 GB200 和 GB300 半导体芯片）中，绝大部分在英伟达向华盛顿方面描述的地点下落不明。一位英伟达员工表示，在彭博社就这些产品进行询问后，这家芯片制造商前往了 Megaspeed 的其他仓库，并确认 Bianca 电路板确实存在。
此人拒绝透露仓库中存储的具体数量，也未说明这些半年多前进口的芯片将在何时何地投入使用。英伟达发言人表示：「建设数据中心是一个复杂的过程，需要数月时间，涉及众多供应商、承包商和审批流程。」
文章中发生的事情越来越奇怪，一家名为「上海硕曜」的中国公司拥有与 Megaspeed 几乎完全相同的网站和投资者介绍材料（如前所述），而且几个「正在建设中的计算集群」实际上都位于中国。
随着彭博社深入调查，事情变得更加离奇，其中包括一位姓「黄」的女子，她可能是 Megaspeed 和一家名为「上海和曦」的关联公司的首席执行官，而「上海和曦」也属于长江三角洲项目……她还被拍到在 2024 年台北的一次活动中坐在黄仁勋旁边。
虽然这一切都非常奇怪且可疑，但我必须明确一点，除了 NVIDIA 的 GPU 确实以某种方式流入了中国之外，目前还没有确切的答案来解释这一切。我认为，黄仁勋不可能对此毫不知情，价值数十亿美元的 GPU 出现在 NVIDIA 不知情的地方也几乎是不可能的。
总之，Supermicro 首席执行官 Charles Liang 尚未对 Wally Liaw 或其所谓的同谋者发表评论，公司仅发表声明称他们的行为「违反了公司的政策和合规控制」。
似乎没有人问过黄仁勋是否了解此事——无论是 Megaspeed、Supermicro，还是过去几年中，都没有人问过他任何具有挑战性的问题。
然而，黄仁勋在 2025 年 5 月曾表示，「没有任何证据表明存在人工智能芯片转移」，而且相关国家「会非常仔细地进行自我监控」。
出于法律原因，我必须非常谨慎地发言：我不能说黄仁勋做错了，或者撒谎了，但我认为他对此毫不知情简直令人难以置信，甚至匪夷所思。真的吗？据《The Information》2025 年 12 月报道，数亿甚至数十亿美元的 GPU 正在流入中国，而黄仁勋竟然毫不知情？我觉得这极不可能，当然，我也不能完全肯定。
如果英伟达真的知情——当然，我并不是说他们确实知情——这绝对是个巨大的丑闻，但除了《The Information》和彭博社少数几个真正关心真相的勇敢人士之外，几乎没人关注此事。有人问过黄仁勋吗？他可是经常出现在镜头前。
附注：今天早些时候，美国参议员吉姆·班克斯和伊丽莎白·沃伦致信特朗普的商务部长霍华德·卢特尼克，要求商务部采取「一切必要和适当的措施」，阻止英伟达芯片流向中国，包括可能禁止向马来西亚、泰国、越南和新加坡等被认为是中间商的国家出口。
Liaw 被捕似乎在华盛顿引起了一些争议，如果黄仁勋在某个时候出席国会听证会，我不会感到惊讶。
我还要补充一点，令我震惊的是，竟然有这么多人对 Supermicro 不以为意，就此翻篇。Supermicro 可是两大主流云平台（Crusoe 和 CoreWeave）以及一家小型云平台（Lambda，他们也向其出租云容量）的主要供应商。一家公司竟然不知道其收入的几个百分点正通过其联合创始人之一直接流向中国，这简直是天大的笑话。
我希望我们最终能查明真相。尽管如此，这种卑鄙无耻的伎俩，几乎暴露了所有相关人员的绝望。
软件工程的终结——超大规模数据中心运营商强迫员工使用人工智能，导致产品质量下降，服务崩溃
所以，我想非常清楚地向你解释一些事情，因为你必须明白事情变得多么糟糕：超大规模数据中心运营商正在强迫公司里的每个人尽可能多地使用人工智能工具，将薪酬和绩效与 token 消耗挂钩，并积极鼓励非技术人员编写实际投入生产的功能。
实际上，这意味着每个人都被要求整天摆弄人工智能工具，并被期望消耗大量的 token，而且，对于某些公司的设计师来说，他们甚至需要在完全不懂代码的情况下积极编写功能。
「我怎么知道最后一部分？因为一个可靠的消息来源告诉我的——我就说到这儿吧。」
人们或许会误以为这意味着人工智能的效能有了飞跃式提升，但实际结果却是一堆功能不全的内部仪表盘，它们要么测量随机的用户数据，要么转换文件，耗费数小时仅仅为了在理论上节省几分钟的时间。虽然非技术人员不一定被允许直接将代码部署到生产环境，但他们编写的那些糟糕透顶的伪软件——在对任何技术细节都一无所知的情况下编写而成——却要由真正的软件工程师来「修复」，而这些工程师也同样需要履行自己的职责。
这些工具也使得那些能力平庸的软件工程师能够造成比以往更大的破坏。至少在一家超大规模数据中心，LLM 的使用相对不受限制（甚至受到积极激励），几乎任何人都可以启动自己的 OpenClaw「AI 代理」（实际上是一系列 LLM，它们声称可以对你的收件箱或 Slack 进行各种操作，但除了删除你所有邮件之外，没有任何明显的好处）。在 Meta 的案例中，这最终导致了一次严重的安全漏洞：
根据《The Information》看到的 Meta 内部沟通和事件报告，上周发生了一起重大安全警报。一名 Meta 软件工程师使用一款类似于 OpenClaw 的内部智能代理工具，分析了另一名 Meta 员工在内部论坛上发布的技术问题。内部通讯称，分析完成后，该人工智能代理在论坛上回复了原问题，并就技术问题提供了建议。而这一切并未获得该员工的授权。
根据《The Information》报道，Meta 系统存储了大量公司和用户相关数据，未经授权的工程师可以访问这些数据，该事件被标记为 sec-1 事件，这是 Meta 用于对安全事件进行排名的内部等级中的第二高级别。
此次事件是亚马逊的 Kiro 和 Q LLM 系统引发多起问题之后发生的。以下引用《商业内幕》记者尤金·金的报道：
3 月 2 日，亚马逊各大市场的顾客在将商品加入购物车时发现预计送达时间显示错误。此次事件导致近 12 万笔订单丢失，网站出现约 160 万个错误。根据内部审查，亚马逊的人工智能工具 Q 是引发此次事件的主要原因之一。
3 月 5 日，另一次系统故障导致亚马逊北美市场的订单量下降 99%，造成 630 万笔订单丢失。一份内部文件显示，其中一个关键因素是，亚马逊在未遵循名为「建模变更管理」（Modeled Change Management）的正式文档和审批流程的情况下，部署了一项生产变更。
LLM 正在从内部摧毁大科技公司
尽管围绕「人工智能代码的力量」展开了铺天盖地（且令人疲惫不堪）的营销活动，但我认为这些事件仅仅是人工智能编码工具真正后果的开始：科技行业软件堆栈的缓慢瓦解。
即使是最无能的笨蛋，LLM 也能模仿软件工程师，我的意思是，你可以告诉它「给我编写一个能做这个的软件」或「看看这段代码并修复它」，而 LLM 会一直说「你能行的」和「这是一个很好的解决方案」。
问题在于，虽然 LLM 可以编写「所有」代码，但这并不意味着代码是好的，也不意味着有人可以阅读代码并理解其意图（因为这些模型不会思考），或者对于任何使用生成式代码构建的公司而言，拥有大量代码在现在和未来都是一件好事。
基于 LLM 的代码通常很冗长，而且很少符合内部编码指南和标准，这保证了阅读起来会花费更长的时间，这自然意味着那些负责审查它的人要么只是粗略地浏览一下，要么把它交给另一个 LLM 来弄清楚到底该怎么做。
更糟糕的是，LLM 的使用也完全没有方向。Meta 的人为什么会用 OpenClaw？除了烧掉一大堆 token 之外，OpenClaw 到底有什么用？
请简单思考一下：你明确指示公司所有工程师必须使用 LLM 代币编写代码，并通过追踪 LLM 使用情况来激励他们这样做。现在，你大幅增加了公司的运营成本（通过 token 消耗成本）和代码创建量。
明确地说，让 LLM 替你写所有代码意味着你不再编写代码，也不再学习如何编写代码，更不会因此成为一名更优秀的软件工程师。这意味着，几乎所有大型科技公司都在鼓励软件工程师停止学习如何编写软件或解决软件架构问题。
如果你只是一个查看代码的人，你的水平就取决于模型生成的代码的水平。正如 Mo Bitar 最近讨论的那样，这些模型旨在激励你、迷惑你，并告诉你你很了不起，而你只是匆匆瞥了一眼一堆被重写的代码，即使这些代码能够运行，最终也会发展成一个整体，其构建目的和意图仅仅是模型根据你的提示生成的代码。
更糟糕的是，像 Meta 和亚马逊这样的超大规模企业热衷于一次性裁员数千人，这使得我们更难弄清某些东西当初为何如此构建，而当一个缺乏思考和意图的 LLM 构建了它时，情况就更加复杂了。市值数万亿美元的公司里，很多代码都是用这些东西编写的，而编写者（包括工程师和非工程师！）可能一个月后或一年后就不在公司了，无法解释他们当时使用了哪些提示。
我们已经看到了后果！亚马逊损失了数十万个订单！ Meta 遭遇了重大安全漏洞！这些公司的根基正被数百万行劣质代码腐蚀殆尽，这些代码充其量只能偶尔得到简历上写着「软件工程师」的人的认可，而这些人也经常被解雇，这增加了真正了解情况或知道某些东西为什么这样构建的人能够阻止坏事发生的可能性。
请记住：谷歌、亚马逊、微软和 Meta 都掌握着大量的个人信息、私密对话、重要的法律文件、财务信息，在某些情况下甚至包括社会保障号码，而这四家公司以及科技行业中令人担忧的很大一部分公司都在积极鼓励他们的软件工程师不再关心软件本身。
哦，你用 AI 代码快多了？这实际上意味着什么？你到底构建了什么？你理解它是如何工作的吗？你在它上线前看过代码吗，还是因为代码没出错就想当然地认为没问题？
这正在软件工程领域制造一种类似圣经中的瘟疫——整个科技行业建立在大量难以管理且无意图的代码之上，而这些代码是由那些根本不干正事的管理人员和经理们推动的。LLM 让无能之辈得以伪装成能干之人，让效率低下之人得以生产出与工作沾边的、源于对劳动和工艺的厌恶的成果，并助长了硅谷那些庸才的恶习。
硅谷的一切似乎都围绕着增长，「更多」常常被等同于「更有价值」。《纽约时报》的凯文·鲁斯（Kevin Roose）——以一种令人震惊的新闻报道方式——最近撰写了一篇文章，赞扬硅谷内部利用人工智能模型不断燃烧越来越多 token 的竞争：
OpenAI 的一名工程师上周通过公司的人工智能模型处理了 2100 亿个「词元」（足够填满维基百科33次），是公司所有员工中处理量最高的。而在 Anthropic 公司，其人工智能编码系统的用户 Claude Code 在一个月内就产生了超过 15 万美元的费用。
而在 Meta 和 Shopify 等科技公司，管理者已开始将人工智能的使用情况纳入绩效考核，奖励那些大量使用人工智能工具的员工，并批评那些不使用的员工。
这已成为程序员的新常态，他们是首批感受到人工智能席卷经济领域影响的白领之一。人工智能原本旨在帮助科技公司提高生产力并降低成本。但它也催生了一种代价高昂的新型身份游戏，被称为「token 最大化」（tokenmaxxing），痴迷于人工智能的员工急于证明自己的生产力。
Roose 解释说，Meta 和 OpenAI 都有内部排行榜，显示你使用了多少 token，斯德哥尔摩的一位软件工程师「在 token 上花费的金额超过了他的工资」，不过 Roose 补充说，这些 token 是公司支付的。
Roose 描述了一种病态的企业文化，在这种文化下，OpenAI 会奖励那些在 token 上花费巨资的人。他还补充说，他曾与几位科技工作者交谈过，他们每天花费数千美元购买 token，「仅仅是为了炫耀」。Roose 还补充了一个更令人匪夷所思的细节：有人利用 Figma 开发的一款软件，找到了 Claude 每月 20 美元订阅的漏洞，从而烧掉了价值 7 万美元的token。
尽管有这么多消耗，Roose 还是很难找到任何人能够解释他们除了「使用并行运行的编码代理来维护大型、复杂的软件」之外还在做什么，但他最终还是找到了一条特别有用的信息——所有这一切可能都是一种表演：
他们普遍认为，人工智能编码工具提高了他们的工作效率。但也有人将使用人工智能视为一种战略举措——向同事和老板表明他们与时俱进，因为人工编码的时代似乎即将结束。
我确实要给 Roose 一点肯定，因为他质疑「……这些 token 最大化者是否在生产任何好的东西，还是他们只是在白费力气，炮制一些毫无用处的代码，试图装作很忙的样子？」
话虽如此，我仍然觉得这个故事令人毛骨悚然，而且危险地接近于吸毒者和邪教信徒的行为。在这篇发表于世界发行量最大的报纸之一的报道中，Roose 竟然找不到一个真正能描述其作品的「token 最大化者」，这与我以往评估那些喋喋不休地谈论「代理编码」力量的人的经历基本一致。
这些人病了，他们正在参与一种基于不必要开支和无休止消费的邪恶、有毒的文化。
那些鼓励用户燃烧 token 的公司 ，实际上是在营造一种以浪费换取生产力的文化，并助长一种破坏性倾向——这种倾向源于用户不断地寻找事情做，而不是有目的地去做事。 他们为了追求所谓的「人工智能」，仅仅因为其他公司都在这样做，就注定要让自己的软件编写粗糙、维护不善。
任何真正工作过的人都知道，那些看起来最有效率的人往往也是最没用的，因为他们所做的一切都是为了显得高效，而不是真正产出任何有价值的成果。最近《商业内幕》采访了一位在学习了「人工智能」和「氛围编码」后被亚马逊裁员的人，就是一个很好的例子。他惊讶地发现，这些所谓的技能并没有让他免于被裁员：
在 10 月裁员时，大家都在讨论人工智能是不是裁员的原因。
当时公司鼓励我们使用人工智能，但我并不认为它抢走了我的工作。我在亚马逊负责撰写内部产品描述，用人工智能辅助的时候，我需要让它去掉一些无关紧要的词语，这样听起来不像真人说话。尽管我对此有所顾虑，但我还是使用了人工智能，不过在我看来，它远不足以取代我的工作。在被裁员之前，我曾参与亚马逊内部网站的人工智能开发。我之前从未真正接触过编程，但在一位同事的帮助下，我通过反复试验学会了如何编写代码。
我当时觉得，在这个项目中使用人工智能，并展示我的不同技能，会让我更有价值，但最终，这也没能让我免于被裁员。
需要明确的是，这个人是受害者。亚马逊强迫他学习无用的技能，以昂贵且低效的方式制造无用的东西，尽管迫于压力使用了自己不喜欢的工具，最终还是失去了工作。
附注：如果你读了这句话后觉得她应该更好地利用人工智能，那你就上当了。你正在被骗去做AI公司的无偿营销工作，而这些公司其实讨厌你。
这个人曾经积极参与亚马逊内部网站的 AI 开发，并不得不「通过大量的试错和同事的帮助来学习 Vibe Code」。这对她来说是否物有所值？对她同事来说是否物有所值？
不！事实上，在所有这些该死的 AI 编码炒作推特账号和关于 AI 代理强大能力的无休止的宣言中，我几乎找不到任何除了有人说「是啊，我好像效率更高了」之外的实际情况的记录。
我确信，在不久的将来，某个大型科技服务将会出现无法立即修复的故障，这是由于成千上万的人使用人工智能编码工具开发软件造成的，而裁员和鼓励员工装忙而不是真正创造有用东西的企业文化，又加剧了人才流失的双重压力。
你还能指望什么呢？你给人们一个可以提高的数字，让他们看起来工作做得更好，你觉得他们会怎么做？努力提高效率？还是尽可能地利用这些数字，即使根本没有必要？
我甚至还没谈到这一切究竟有多昂贵，部分原因是这很难完全理解。
但我知道的是，大型科技公司正在让自己陷入一场又一场的危机，尤其是当 Anthropic 和 OpenAI 停止以允许人们在每月 200 美元订阅上花费 2500 美元或更多的方式补贴他们的模型时。
那些依赖这些模型的人会怎么样？那些因为让 AI 编写所有代码而忘记如何工作的人会怎么样？他们还能继续工作吗？
大型语言模型正在创造硅谷的哈布斯堡家族——这些员工一旦开始依赖这些模型，就会在智力上被困住。这些模型获得了大量的补贴，以至于他们的老板鼓励他们尽可能多地使用这些模型。虽然他们或许能够重返职场，但对于一个只使用大型语言模型超过几个月的软件工程师来说，他们将不得不重新学习工作的基本习惯，并发现自己的技能仅限于他们最近使用的模型的最后一次训练版本。
我相信有很多软件工程师会合乎道德地使用这些模型，他们会阅读所有代码，对整个行业都有完整的了解，并将其作为处理他们完全掌控的特定工作单元的一种手段。
我也确信有些人只是简单地让程序执行某些操作，瞥一眼代码就发布了。我们无法统计这两种情况的人数，但听到 Spotify 的 CEO 说他们的顶级开发人员基本上不再编写代码，这让我深感担忧，因为这根本无法取代软件工程——它只是盲目地消除摩擦，并将「好」或「正确」的评判标准强加给用户，而 Spotify 却刻意地夸大其词。
归根结底，这个时代是对一个人理解和欣赏摩擦能力的考验。
摩擦有时反而是件好事。当我遇到不懂的问题时，我会努力去弄明白，而一旦领悟，那种感觉简直妙不可言。过去三年里，我不得不自学很多关于金融、会计以及更广泛的科技行业知识，也曾无数次因为看不懂而感到沮丧，甚至怀疑自己是否真的能理解某些东西。
我时间充裕，但令人遗憾的是，许多软件工程师面临着越来越疯狂的截止日期，这些截止日期都是由那些对软件开发一窍不通的老板设定的，他们更不了解 LLM 的能力，也不了解什么是负责任的软件工程。上级强推使用这些模型，仅仅因为它们「比人类写代码更快」，这是对「快」和「好」的灾难性混淆，而这一切都源于风险投资家和媒体兜售的关于「LLM 可以编写所有代码」的站不住脚的神话。
生成式代码是一场数字生态灾难，由于公司被要求尽可能快地编写尽可能多的代码，这场灾难需要数年时间才能修复。
必须追究每一个相关人员的责任，尤其是那些管理懒散的软件公司，他们终将承受在沙滩上构建软件所带来的灾难性后果。
科技行业用 AI 的谎言毒害了自己
归根结底，关于 AI 的一切都是建立在谎言之上。
正在开发中的数百 GW 的数据中心，实际仅相当于在建的 5GW 数据中心。
数千亿美元的 GPU 销售额大部分都闲置着，等待着去向。
Anthropic 持续不断的「年化」收入最终在四年内达到了 50 亿美元的收入，而其工资和计算支出却高达 250 亿美元或更多。
尽管据称有那么多数据中心在建造，但似乎没有人通过出租人工智能计算资源来盈利。
AI 所谓「能写所有代码」的能力，实际上意味着所有大型软件公司都在代码库中充斥着垃圾代码，同时运营成本却大幅增加。软件工程师并没有被取代——他们被裁员是因为旨在取代他们的软件过于昂贵，而实际上根本没有取代任何人。
只要稍微深入了解一下这个行业，就会发现我们正在目睹历史上最严重的商业失败之一。那些自鸣得意、居高临下的 AI 拥护者们，其存在的目的就是为了让你对残酷的真相视而不见——AI 几乎不产生任何收益，缺乏切实的生产力提升，而且从长远来看，它似乎还会损害被迫使用它的员工的生产力和效率。
任何强迫员工使用人工智能的高管都是个冷酷无情的蠢货，他们根本不了解实际工作是什么样子，很可能是因为他们是懒惰、自私的混蛋。
我在大型科技公司遇到的每个人都很沮丧，他们不断被催促「接受人工智能」，推出更多产品，做更多事情，但「更多」到底意味着什么，或者它对整体有什么贡献，却没有任何真正的定义。与此同时，他们还不断担心会被裁员，因为围绕这些服务正在滋生出非常有害的企业文化。
AI 对科技行业的未来来说简直是毒药。它成本高昂、效率低下，还会损害用户的学习能力和工作效率，剥夺他们学习和成长的机会，阻碍他们进步，最终导致他们只会机械地重复指令，知识匮乏、能力下降。那些为人工智能欢呼的人，要么是无知，要么是懦弱，要么是被收买，要么是奸诈，要么就是急于成为下一个时代的先驱——即便那个时代糟糕透顶，即便那个时代本身就不合逻辑，即便只要稍微思考一下，就会发现那个时代根本不可能实现。
归根结底，AI 人工智能是对你内省能力的考验。你能分辨自己何时真正理解了某件事吗？你能解释自己为什么相信某件事，而不仅仅是因为别人告诉你应该相信，或者因为你持有不同观点而感到内疚吗？你是真的想了解真相，还是仅仅具备在需要时调取信息的能力？
你从成为更好的人中获得了多少喜悦？如果你无法确定地回答这个问题，也许你应该就用 LLM 好了，因为你其实对任何事情都不在乎。
最终，你正是为 AI 行业量身定制的冤大头，而这个行业如果不编造谎言来推销自己能做什么（或理论上能做什么），就无法推销自己。
