全球股市中的人工智能（AI）板塊如此堅挺，其中一個關鍵因素源於市場堅信擴展法則（Scaling Law）的存在，如同半導體行業的「摩爾定律」。但近日OpenAI前聯合創始人、首席技術官Ilya Sutskever在公開場合表示，目前用於AI預訓練的互聯網數據已經達到峰值。這無疑會對現有的投資邏輯產生負面影響。
所謂規模效應，即參數規模、訓練數據集或用於訓練的計算量增加時，AI大模型的性能會按照某種「冪律關係」提升。也可以理解為「大力出奇跡」：只要你投餵的數據足夠多，機器就能夠產生智能。
AI訓練數據快耗盡
數據顯示，自2020年以來，用於訓練大語言模型（LLMs）的互聯網數據擴大了100倍。但與此同時，網上的增量數據每年增長不到10%。在如此不對稱的環境下，到2028年，AI訓練數據很可能就會耗盡。此外，內容提供商愈來愈注重版權保護，禁止AI公司抓取其數據用於訓練。去年荷里活編劇工會罷工，開出的談判條件之一就是「自己創作的劇本不能用於投餵AI」。
然而，「擴展法則」是支撐AI行業投資、特別是芯片高額採購的重要驅動力。據市場調研機構Omdia的報告，微軟今年購買了48.5萬片英偉達的「Hopper」芯片，成為後者在美國的最大客戶；臉書母公司Meta的採購量也達到22.4萬片。中國公司方面，騰訊與字節跳動分別購買了23萬塊英偉達H系列GPU，其中一張H20價格約為1.2萬至1.5萬美元。據此估算，騰訊和字節今年的GPU採購金額在30億美元左右。
當前AI神話既是美股的支撐，也是美元資產能夠維持韌性的基礎。隨着AI提升生產效率的懷疑逐漸增多，算法能否保持擴展法則，成為支撐AI巨頭估值的重要參考。特別是ChatGPT出現近兩年而軟件和硬件的革命性應用仍未出現，七巨頭利潤回報不匹配資本支出，市場期待的GPT-5連續跳票，美股資本也開始進入考驗耐心的關鍵時間。
