尧图网页设计 
德银梳理AI 70年发展脉络提炼出14条历史启示。AI呈指数级非线性增长成本下降将激发更大需求但技术路线迭代频繁硬件与供应链瓶颈显现。尽管消费端普及迅速企业端商业化落地仍处于早期当前市场估值已逼近历史高位投资者需警惕技术更迭与供应链风险。德意志银行最新研究报告梳理了人工智能自1956年诞生以来的发展脉络从历史规律中提炼出14条关键启示为投资者研判当前AI热潮的走向提供参照。今年8月距1956年达特茅斯夏季研讨会——人工智能的诞生之地——已整整过去70年。德意志银行研究院主题策略师Adrian Cox在最新报告中指出AI的70年历程充满繁荣与萧条的交替而当前这轮投资与估值热潮正在重演历史上多次出现的技术革命范式。报告认为理解AI未来走向语境至关重要。从非线性增长、基础设施瓶颈到估值泡沫的膨胀与破裂历史信号清晰可辨。报告直言或许有人会说这次不同但过去70年的数据提供了另一套参照系——对于押注AI赛道的投资者而言这些启示直接关乎资产配置逻辑与风险判断。01 增长不是线性的而且常被严重低估报告开篇即点明AI进步的核心特征非线性。以对数坐标呈现训练算力的历史数据可以清晰看出自1956年至今用于训练主要AI系统的算力增长跨越了数十个数量级而线性图表的视觉呈现则几乎将这一趋势完全掩盖。指数级增长在直觉上极易被低估这是理解AI浪潮的第一道认知门槛。与此密切相关的是AI的进步速度已超越摩尔定律。传统计算能力每18至24个月翻一番但进入深度学习时代后算力的年均增速已达约4倍远高于深度学习之前约1.4倍的年增速。原因在于系统规模扩大、内存提升、算法优化等多重因素同步改善形成叠加效应。02 技术路线持续迭代今日领先者未必是明日赢家报告以AI技术谱系图呈现了70年来的路线演变从符号逻辑、专家系统到统计机器学习、深度学习再到当前主导的大型语言模型。每一代主流技术都曾经历从兴起到被取代的周期部分路线如循环神经网络已被超越另一些则仍在并行演进。报告指出大型语言模型未来或将让位于世界模型等新范式技术代际更替并不以当前领先者的意志为转移。历史上的市场份额更迭同样印证了这一点。Internet Explorer一度压倒Netscape自身随后又被Chrome取代。当前生成式AI平台的竞争格局中ChatGPT月访问量领先但Google Gemini、DeepSeek和Claude均在快速追赶。早期优势不等于长期护城河。03 研发积累决定竞争格局DeepSeek的崛起并非偶然中国AI模型的异军突起——以DeepSeek为代表——表面上看似一夜成名实则是多年研发投入积累的结果。数据显示中国在研发总支出上已于2024年超越美国在主要AI模型数量上的追赶速度同样显著。AI专利授权数量方面中国的增长曲线亦大幅领先其他经济体。对于投资者而言这意味着竞争格局的变化往往在表面可见之前已在底层积蓄多年。04 成本下降不会压缩需求反而会扩大需求报告引用杰文斯悖论Jevons Paradox说明AI使用成本的大幅下降并不会导致总体支出减少反而会刺激需求激增。自2006年以来GPU算力成本已下降逾99%但根据国际能源署IEA预测全球数据中心电力消耗将从2024年至2030年翻倍。更低的边际成本意味着更多的应用场景和更高的总量需求。05 软件革命需要硬件先行当前瓶颈在供给侧历次科技革命均有赖于大规模硬件投资AI也不例外。自ChatGPT于2022年11月上线以来在Russell 1000指数中数据中心、硬件及芯片相关行业的总回报率远高于软件行业。与历史上消费端设备普及构成制约不同当前的瓶颈更多在于AI芯片的供给侧英伟达H100 GPU芯片的每小时租用价格在过去数个季度持续波动反映出供需的结构性张力。06 全球化压低了技术成本但也埋下供应链风险随着AI热潮升温美国半导体进口额大幅攀升。与此同时全球供应链集中度持续上升产品对单一来源的依赖程度明显加深。报告指出全球化在使技术变得更廉价的同时也使供应链暴露于更高的地缘政治与集中度风险之中。07 技术红利需要时间兑现商业落地仍处早期技术革命通常存在生产率的J曲线效应成本先于收益显现。报告援引数据显示目前美国员工中使用AI完成工作的比例不足一半平均将6%的工作时间用于AI相关任务仅节省了约2%的工作时长。消费端的采纳速度已创历史纪录生成式AI的普及速度快于互联网和个人电脑。然而可直接货币化的企业端应用推进明显更慢——下载一款App只需几分钟而围绕新技术重构企业运营流程则需要数年。信息、专业服务和金融保险行业的AI应用率领先制造业则相对滞后。08 估值已处历史高位营收预期需要更不同才能兑现从席勒周期调整市盈率CAPE来看当前标普500估值水平已与2000年互联网泡沫顶峰相近位于150年来的最高区间。历史上每一次估值高峰几乎都对应一次变革性技术浪潮1899年的电气化、1929年的无线电与汽车、1966年的电子浪潮、2000年的互联网——以及2026年的AI。在收入层面OpenAI和Anthropic当前的营收增速已超过同期对比公司的历史峰值水平。但报告同时指出要兑现当前估值所隐含的远期营收预期两家公司的增长曲线需要与Google、Meta、英伟达等科技巨头的历史轨迹相比更加不同才行。09 长期趋势具有韧性但极端情景已进入讨论视野报告以标普500每股盈利的长期趋势收尾数据显示该指标自1935年以来年均增长约6.5%历经多次战争与衰退保持趋势稳定。在GDP层面报告梳理了三种AI情景基准趋势、AI驱动的温和提速未来10年年均增速约2.1%以及奇点场景下的两个极端——从技术乌托邦到人类灭绝。报告对此保持中性立场但提示投资者在历史趋势与极端情景之间当前市场的定价更接近哪一端是值得持续追踪的核心问题。原文链接人工智能70年繁荣与萧条周期的14个启示-36氪 人工智能70年：繁荣与萧条周期的14个启示
德银梳理AI 70年发展脉络提炼出14条历史启示。AI呈指数级非线性增长成本下降将激发更大需求但技术路线迭代频繁硬件与供应链瓶颈显现。尽管消费端普及迅速企业端商业化落地仍处于早期当前市场估值已逼近历史高位投资者需警惕技术更迭与供应链风险。德意志银行最新研究报告梳理了人工智能自1956年诞生以来的发展脉络从历史规律中提炼出14条关键启示为投资者研判当前AI热潮的走向提供参照。今年8月距1956年达特茅斯夏季研讨会——人工智能的诞生之地——已整整过去70年。德意志银行研究院主题策略师Adrian Cox在最新报告中指出AI的70年历程充满繁荣与萧条的交替而当前这轮投资与估值热潮正在重演历史上多次出现的技术革命范式。报告认为理解AI未来走向语境至关重要。从非线性增长、基础设施瓶颈到估值泡沫的膨胀与破裂历史信号清晰可辨。报告直言或许有人会说这次不同但过去70年的数据提供了另一套参照系——对于押注AI赛道的投资者而言这些启示直接关乎资产配置逻辑与风险判断。01 增长不是线性的而且常被严重低估报告开篇即点明AI进步的核心特征非线性。以对数坐标呈现训练算力的历史数据可以清晰看出自1956年至今用于训练主要AI系统的算力增长跨越了数十个数量级而线性图表的视觉呈现则几乎将这一趋势完全掩盖。指数级增长在直觉上极易被低估这是理解AI浪潮的第一道认知门槛。与此密切相关的是AI的进步速度已超越摩尔定律。传统计算能力每18至24个月翻一番但进入深度学习时代后算力的年均增速已达约4倍远高于深度学习之前约1.4倍的年增速。原因在于系统规模扩大、内存提升、算法优化等多重因素同步改善形成叠加效应。02 技术路线持续迭代今日领先者未必是明日赢家报告以AI技术谱系图呈现了70年来的路线演变从符号逻辑、专家系统到统计机器学习、深度学习再到当前主导的大型语言模型。每一代主流技术都曾经历从兴起到被取代的周期部分路线如循环神经网络已被超越另一些则仍在并行演进。报告指出大型语言模型未来或将让位于世界模型等新范式技术代际更替并不以当前领先者的意志为转移。历史上的市场份额更迭同样印证了这一点。Internet Explorer一度压倒Netscape自身随后又被Chrome取代。当前生成式AI平台的竞争格局中ChatGPT月访问量领先但Google Gemini、DeepSeek和Claude均在快速追赶。早期优势不等于长期护城河。03 研发积累决定竞争格局DeepSeek的崛起并非偶然中国AI模型的异军突起——以DeepSeek为代表——表面上看似一夜成名实则是多年研发投入积累的结果。数据显示中国在研发总支出上已于2024年超越美国在主要AI模型数量上的追赶速度同样显著。AI专利授权数量方面中国的增长曲线亦大幅领先其他经济体。对于投资者而言这意味着竞争格局的变化往往在表面可见之前已在底层积蓄多年。04 成本下降不会压缩需求反而会扩大需求报告引用杰文斯悖论Jevons Paradox说明AI使用成本的大幅下降并不会导致总体支出减少反而会刺激需求激增。自2006年以来GPU算力成本已下降逾99%但根据国际能源署IEA预测全球数据中心电力消耗将从2024年至2030年翻倍。更低的边际成本意味着更多的应用场景和更高的总量需求。05 软件革命需要硬件先行当前瓶颈在供给侧历次科技革命均有赖于大规模硬件投资AI也不例外。自ChatGPT于2022年11月上线以来在Russell 1000指数中数据中心、硬件及芯片相关行业的总回报率远高于软件行业。与历史上消费端设备普及构成制约不同当前的瓶颈更多在于AI芯片的供给侧英伟达H100 GPU芯片的每小时租用价格在过去数个季度持续波动反映出供需的结构性张力。06 全球化压低了技术成本但也埋下供应链风险随着AI热潮升温美国半导体进口额大幅攀升。与此同时全球供应链集中度持续上升产品对单一来源的依赖程度明显加深。报告指出全球化在使技术变得更廉价的同时也使供应链暴露于更高的地缘政治与集中度风险之中。07 技术红利需要时间兑现商业落地仍处早期技术革命通常存在生产率的J曲线效应成本先于收益显现。报告援引数据显示目前美国员工中使用AI完成工作的比例不足一半平均将6%的工作时间用于AI相关任务仅节省了约2%的工作时长。消费端的采纳速度已创历史纪录生成式AI的普及速度快于互联网和个人电脑。然而可直接货币化的企业端应用推进明显更慢——下载一款App只需几分钟而围绕新技术重构企业运营流程则需要数年。信息、专业服务和金融保险行业的AI应用率领先制造业则相对滞后。08 估值已处历史高位营收预期需要更不同才能兑现从席勒周期调整市盈率CAPE来看当前标普500估值水平已与2000年互联网泡沫顶峰相近位于150年来的最高区间。历史上每一次估值高峰几乎都对应一次变革性技术浪潮1899年的电气化、1929年的无线电与汽车、1966年的电子浪潮、2000年的互联网——以及2026年的AI。在收入层面OpenAI和Anthropic当前的营收增速已超过同期对比公司的历史峰值水平。但报告同时指出要兑现当前估值所隐含的远期营收预期两家公司的增长曲线需要与Google、Meta、英伟达等科技巨头的历史轨迹相比更加不同才行。09 长期趋势具有韧性但极端情景已进入讨论视野报告以标普500每股盈利的长期趋势收尾数据显示该指标自1935年以来年均增长约6.5%历经多次战争与衰退保持趋势稳定。在GDP层面报告梳理了三种AI情景基准趋势、AI驱动的温和提速未来10年年均增速约2.1%以及奇点场景下的两个极端——从技术乌托邦到人类灭绝。报告对此保持中性立场但提示投资者在历史趋势与极端情景之间当前市场的定价更接近哪一端是值得持续追踪的核心问题。原文链接人工智能70年繁荣与萧条周期的14个启示-36氪