泡沫思维的局限：AI 如何打破所有历史类比

Source: VentureBeat

请提供您希望翻译的完整文本内容，我将按照要求将其翻译为简体中文并保留原有的格式、Markdown 语法以及技术术语。谢谢！

为什么市场会持续超调

每一次重大技术变革都会出现相同的外在症状：

• 期望膨胀
• 高可见度的失败

互联网泡沫、移动互联网和加密货币都经历过一个世界失去比例感的阶段。

为什么这种情况会一直发生？
因为市场没有应对不连续变化的框架。贴现现金流模型假设稳健、稳定的增长，可比公司分析假设该类别已经存在。因此人们认为近期的未来会像最近的过去——当底层类别本身在变化时，这种假设行不通。

大多数估值工具是为渐进式进步设计的，所以分析师只关注季度预测和渐进式改进。他们不知道如何处理突变，也无法对非线性采纳进行建模。

当你看到资本超调或结果出现极端分散时，这正是市场试图用季度逻辑来评估十年期赌注（这行不通）。这才是真正的泡沫： 表明尚无人知道如何为即将到来的事物定价。看似失效的不确定性，只是暴露了现有框架的局限。

我们不断犯的类别错误

当有新事物出现时，我们会寻找类比：

• AI 像电力。
• AI 像计算机。
• AI 像互联网。
• AI 像移动设备。

这些类比让人感到安慰，因为每一种技术都带来了巨大的、全行业的变革，并吸引了巨额资本。它们改变了工作方式。

它们还有一个更深层的共同点：这些技术都在扩展人类能力，却没有取代人类认知。

在每一种情况下，人类智慧都是一切的核心——它是瓶颈。

AI 与众不同，因为它执行认知工作。 如果 AI 真正能够思考，那么我们在职业生涯中构建的许多专业知识和辛苦获得的技能可能并不像我们想象的那样稳固。一个花了多年时间培养直觉的初级工程师，现在要与一个瞬间拥有这种直觉的工具一起工作。一个以方差分析闻名的金融分析师，现在也要与算法共享这项工作。人们不再完全确定价值到底在哪里，这让人感到恐惧。

Source: …

从抽象到具体的问题

我每周都会与首席财务官（CFO）交谈。六个月前，他们提出的都是抽象性的问题，例如：

“人工智能是什么？”
“我们应该制定人工智能战略吗？”

现在的问题变得具体了：

“我团队的哪些工作已经不需要以这种方式完成了？”

这种转变发生得非常快，已经在改变资源的分配方式。

示例： 我认识的一位创始人开始使用 Claude 编写以前需要她的分析师花几天时间完成的 SQL 查询。她是取代了分析师吗？当然没有。但她消除了瓶颈，不再依赖分析师来获得快速答案。分析师的角色彻底改变了：

• 之前： 60 % 的时间用于编写查询，支持 3 位利益相关者。
• 之后： 10 % 的时间检查查询，90 % 的时间提供战略性建议，支持 15 位利益相关者。

公司没有减少员工人数或成本；分析师的影响力却成倍提升。

为什么历史比较会失败

像 GitHub Copilot 这样的工具正在 压缩专业知识。初级工程师现在可以在曾经需要多年经验的水平上工作。每次使用该工具，它都会学习。锤子不会因为你用它建了一座房子而变得更好，但 AI 工具会。当工具通过使用变得更好时，改进的速度会呈复合增长。这种动态并不完全符合任何以往的技术类比，这也是直觉上把它称为“泡沫”会错失真正要点的原因。

以前的技术假设了 人类认知的固定上限。它们让我们更快更强，但限制因素始终相同：我们能让多少聪明的人参与一个问题？ AI 将这一上限拉得远远超出我们的习惯。

过去，更好地了解你的业务通常意味着以下三件事之一：

1. 更多数据。
2. 更多分析师。
3. 更有经验的领导者。

约束在于你能负担多少人类注意力和判断。有了 AI，这一约束发生了转变。当曾经需要数天的分析在几秒钟内完成时，新的约束是 知道该寻找什么。哪些问题是重要的？限制因素不再是人才，而是判断力。

怀疑者对炒作的看法是对的，但对其意义的判断是错的

让我们把最极端的泡沫论点直接拿来分析：

• 也许 AI 确实被过度炒作，这些公司大多数会失败。
• 也许我们还处于早期阶段，真正的影响还需要再等五到十年。

以上全部都有可能完全成立，但这并不会改变核心观点，即：

即使大多数 AI 初创公司失败，即使采纳速度远低于预期，价值创造、定价和分配方式的根本转变已经在进行中。

“泡沫”标签反映了我们当前无法为不连续的变革定价，而不是必然会崩溃。真正的故事是 我们的估值框架正在赶上，而 AI 正在持续重塑认知经济学。

# AI Is Still the First Technology That Can Perform Knowledge Work

That doesn’t disappear because markets overshoot or expectations reset.  
The skeptics are right that the hype is inflated, but they’re wrong that inflated hype makes the technology irrelevant.  

We’ve seen this before: the dot‑com bubble was real, and **Pets.com** crashed and burned, but the internet still changed everything. Both things were true at the same time.

财务领袖关注的重点

我合作的财务领袖们已经不再争论 AI 是否重要。
现在他们正试图弄清楚 哪些工作流会首先改变 以及 需要多快适应。这场对话在喧嚣之下悄然进行。

首先被取代的工作流具备三个特征

1. 它们需要专业技能，但却是重复性的。
2. 它们是战略工作的瓶颈。
3. 它们易于验证，却难以生成。

这些工作流是：

• 重要到值得付费，
• 并非如此战略，以至于自动化会威胁竞争优势。

它们需要技能，但这种技能并不会因重复而显著累积，这使得它们在经济上脆弱——也解释了为何它们已经被自动化取代。

人类仍然重要的领域（暂时）

• AI 擅长识别趋势，却很糟糕地判断哪些趋势真正重要。
• 它可以生成差异分析，但无法告诉你 12 % 的支出波动是健康增长的信号，还是更深层次的问题。
• 它可以起草策略，但无法告诉你哪种策略在此时此刻适合这个市场和这支团队。

在不确定性下的判断以及下行风险灾难性的高风险权衡仍然是人类的责任——暂时如此。

当约束不再是“我们是否有足够的聪明人”，问题就变成了优先级：

• 什么值得关注？
• 接下来值得构建什么？

那是许多创始人卡住的地方。他们会问这是否是泡沫，或者是否太早，但这些并不是最有用的问题。正确的问题是：

“我在接下来的一年里能构建什么，能够创造真实价值，而不受估值波动的影响？”

持久的公司

示例：首席财务官（CFO）

• 购买 AI，因为董事会希望更快的方差分析。
• 厌倦了雇佣在六个月后辞职的分析师。

这是真实的业务问题，公司需要解决。

同样的道理也适用于投资者：长期的赢家将是那些能够容忍不确定性足够长时间，以看到实际有效方案的人。

这一次真的不同

• 短期： AI 将令人失望。许多用例无法兑现承诺，且在这波浪潮中成立的许多公司将难以存活。
• 长期： 这项技术将重塑所有依赖知识工作的领域。不会一次性全部改变，也不会均匀分布，但十年后，几乎找不到与今天相同的知识型行业。

AI 与众不同，因为 智能本身——历史上人类创新的核心限制——现在已经可以规模化。这是一条可观察且有可衡量后果的事实。

关于泡沫的讨论会像往常一样逐渐消退。留下的将是那些在大家争论估值时悄然适应的系统。

怀疑论者对过度乐观的判断是对的，但对真正重要的事判断错了。五年后，我们可能会像回顾因少数公司失败而被否定的互联网一样，回顾今天的恐慌。赢家将是那些在大家争论估值时仍在建设的人。

随着时间的推移，这些才是人们唯一记得的故事。

Siqi Chen 是 Runway 的联合创始人兼 CEO。