随着行业分析师开始公开质疑对生成式人工智能（GenAI）的巨额投资是否会带来回报，对GenAI讨论也开始出现怀疑。在高盛研究公司的一份报告中，批评人士表示，除了编写数字助理（Copilot）和聊天机器人之外，缺乏“杀手级应用”是最紧迫的问题，而数据可用性、芯片短缺和电力问题也构成了阻力。当然，许多人仍然看好GenAI对商业和社会的长期前景。
在过去的一年半里，对GenAI的大肆炒作无疑吸引了大众注意，尤其是那些经历过世纪之交的互联网繁荣和随后的泡沫破裂的人，包括随后云计算和智能手机的兴起，这是由亚马逊网络服务（AWS）和苹果iPhone分别于2006年和2007年推出。
2010年代初的大数据热潮是又一个对科技的热捧，用1999年Michael Lewis那本颇有启发性的书中的话说，硅谷对持续不断的技术革新的执着，最终以Hadoop作为“新事物”的加冕而告终。在Hadoop崩溃之后(一开始是缓慢的，然后在2019年突然崩溃)，大数据微妙地改变了方向，人工智能成为了热门的新事物。其他几个新事物也在这一过程中勇敢地赢得了关注和风险投资——区块链将改变世界！5G将加速边缘计算！自动驾驶汽车即将到来！但似乎没有什么能真正获得关注，大数据世界在传统机器学习方面取得了渐进式的进展，同时也在思考这些新奇的神经网络到底有什么用。
GenAI是最新的新事物。也就是说，直到OpenAI在2022年底推出了一种名为ChatGPT的新型大型语言模型(LLM)。从那以后，神经网络驱动的人工智能，尤其是基于Transformer网络的GenAI的炒作程度，让人想起了之前的科技重大时刻。值得指出的是，其中一些重大时刻被证明是真正的拐点，比如移动和云，但其他技术突破的失败教训花了好几年才变得明显。
因此，我们现在面临的最大问题是：五年后，我们将把GenAI应用于哪些领域?其中一个声音认为人工智能可能会走上5G和区块链的道路，正是高盛(Goldman Sachs)。高盛研究通讯(Goldman Sachs Research Newsletter) 6月号的一篇广为阅读的报告题为《生成式人工智能：花费太多，收益太少?》，编辑艾莉森·内森思考人工智能是否会成功。
她写道:“生成式人工智能技术将改变公司、行业和社会的前景继续受到吹捧。未来几年，领先的科技巨头、其他公司和公用事业公司将在资本支出上投入约1万亿美元，包括对数据中心、芯片、其他人工智能基础设施和电网的重大投资。”但迄今为止，这笔支出没有什么辉煌战绩可显示的。
内森采访了麻省理工学院教授Daron Acemoglu，Acemoglu表示，人工智能能够自动化的任务中，只有四分之一会以经济有效的方式实现自动化。总的来说，Acemoglu估计，在10年内，只有5%的任务将实现自动化，在此期间，美国的整体生产率将提高不到1%。
Acemoglu告诉内森:“生成式人工智能有可能从根本上改变科学发现、研发、创新、新产品和材料测试等过程，并创造新的产品和平台。”“但考虑到当今生成式人工智能技术的重点和架构，这些真正的变革不会很快发生，而且在未来10年内可能很少(如果有的话)。”
Acemoglu说，通过提高数据和GPU这两个核心成分的产量来加速GenAI的发展可能行不通，因为数据质量是等式的一个重要组成部分。
他说:“在下一代GPT中加入两倍数据，可能会提高它在进行非正式对话时预测下一个单词的能力，但这并不一定会提高客服代表帮助客户解决视频服务问题的能力。”
适合训练GenAI模型的芯片短缺是高盛对GenAI持悲观态度的另一个因素。这让英伟达受益匪浅，在截至4月28日的季度中，该公司的收入增长了260%以上，达到260亿美元。这帮助它的市值超过了3万亿美元，加入微软和苹果，成为世界上最有价值的公司之一。
高盛全球股票研究主管Jim Covello在简报中写道：“如今，英伟达是目前唯一一家能够生产驱动人工智能的GPU的公司。”“有些人认为，来自半导体行业或超大规模企业(谷歌、亚马逊和微软)的英伟达竞争对手将会出现，这是可能的。考虑到芯片公司在过去10年里一直试图推翻英伟达在GPU领域的主导地位，这与我们今天的处境相比是一个巨大的飞跃。”
Covello说，训练和使用GenAI的巨大成本阻碍了GenAI最终可能带来的生产力或效率的提高。
他写道:“目前，人工智能在提高现有流程(如编码)效率方面显示出了最大的希望，尽管对这些效率改进的期望已经下降，而且利用这项技术解决任务的成本远高于现有方法。”
Covello在智能手机刚问世时是半导体分析师，他从技术创新中获得了一些赚钱的经验。例如，他说，智能手机制造商承诺将全球定位系统(GPS)集成到手机中，他们的路线图被证明是有先见之明的。
他说，人工智能“目前还没有可比的路线图”。“看好人工智能的人似乎只是相信，随着技术的发展，用例会激增。但在生成式人工智能问世18个月后，还没有发现一个真正具有变革性的应用，更不用说成本效益了。”
最后，训练LLM和其他GenAI模型所需的功率必须考虑到投入产出等式中。据估计，人工智能目前消耗了全球约0.5%的能源，预计这一数字在未来还会增加。
“随着每个人都在追逐人工智能浪潮，公用事业公司正在应对数百个对大量电力的需求，但最终只有一小部分需求会得到实现，”三叶草基础设施(Cloverleaf Infrastructure)联合创始人、前微软能源副总裁Brian Janous说。
Janous说，去年等待并网的电力项目的总容量增长了近30%，目前等待时间从40到70个月不等。由于有如此多的项目等待供电，寻找更多电力来推动人工智能培训的数据中心将成为“不容易的目标”。他说，美国需要扩大电网规模，以应对预期的电力需求增长，但这不太可能以低成本或高效率的方式实现。“不幸的是，美国已经失去了建设大型基础设施项目的能力——这项任务更适合20世纪30年代的美国，而不是21世纪30年代的美国，”Janous说。“所以，这让我有点悲观。”
但并非所有人都对人工智能的未来感到悲观。高盛资深全球经济学家Joseph Briggs是对GenAI技术持乐观态度的人之一。Briggs在反驳Acemoglu的文章中估计，GenAI最终将使25%的工作任务实现自动化，并在未来十年内累计提高美国9%的生产率和6.1%的GDP增长率。更重要的是，GenAI不仅会自动化一些目前由人类完成的现有任务，还会刺激新任务的创造。
他写道:“人工智能探索任务的完全自动化可能会在更长的时间内发生，这可能会为每位工人每年节省数千美元的成本。”“随着时间的推移，新技术的成本也往往会迅速下降。鉴于生成式人工智能的成本节约应用可能会遵循类似的模式，而且一旦应用程序开发出来，部署的边际成本可能会非常小，我们预计人工智能的采用率和自动化率最终将远远超过Acemoglu估计的4.6%。”
Kash Rangan是GenAI的另一位信徒。在接受高盛编辑内森的采访时，这位资深股票研究分析师表示，他对GenAI的创新速度感到惊讶，并对云计算巨头的基础设施建设印象深刻。他承认，GenAI还没有找到自己的杀手级应用，就像ERP主导了上世纪90年代、搜索和电子商务主导了本世纪头十年、云应用主导了2010年那样。
“但考虑到每个计算周期都遵循所谓的IPA进程——首先是基础设施，其次是平台，最后是应用程序，这并不奇怪，”Rangan说。“人工智能周期在很大程度上仍处于基础设施建设阶段，因此找到杀手级应用需要更多时间，但我相信我们会到达那里。”
他的同事Eric Sheridan也持乐观态度。“因此，这项技术在很大程度上仍在发展中。但在公司活动或开发者大会上观看生成式人工智能的能力展示，而不为其长期潜力感到兴奋，这是不可能的。”Sheridan表示:“虽然我永远不会说我不担心没有回报的可能性，但我现在并不特别担心，尽管如果在未来6-18个月内没有大规模的消费应用出现，我可能会更加担心。”
GenAI的期望仍然很高，目前最大的问题是GenAI的回报率是否会在大多数人失去耐心前上升。
