💥📊Michael Burry 正面交锋 AI 核心人物：这不是“看多 vs 看空”，而是一场关于估值、回报率与现实世界摩擦的审判

我把这场讨论反复看了几遍。它真正有价值的地方，不在于“AI 会不会成功”，而在于资本是否已经为一个尚未兑现的终局，提前付了太多钱。

这是一张罕见的对话桌：

Michael Burry，2008 年危机的预言者，对 AI 持系统性怀疑态度；

Jack Clark，Anthropic 联合创始人，站在 AI 进步最前线；

再加上 Dwarkesh Patel 与 Patrick McKenzie，把问题拉回现实世界的使用与验证。

这不是情绪化争论，而是估值模型的正面冲突。

关于技术进展，双方并不对立。

所有人都承认：Transformer + scaling laws 带来的能力跃迁，远超预期。Jack 的那句话很关键——“现在的 AI 是它一生中最差的版本。”

问题不在能力是否提升，而在于：能力提升是否等价于经济价值释放。

真正的分歧，从“生产力”开始。

一边是开发者的主观感受：

“我效率提升了 50%。”

另一边是现实数据：

METR 的研究显示，在某些任务中，使用 AI 工具反而让整体效率下降约 20%。

这不是反直觉，而是摩擦成本在作祟。

人类要验证、纠错、重构 AI 输出，这些隐性成本，尚未被市场定价。

Burry 的攻击点，从这里开始变得锋利。

他并不否认 AI 的长期潜力，但他质疑的是：

“现在的资本结构，是否在用未来 20 年的现金流，去买一个仍然不稳定的工具链？”

他的核心质疑有三层。

第一层，收入断层。

算力端已经卖出了数千亿美元级别的芯片，但真正落到“AI 应用层”的收入规模，仍然明显滞后。

这意味着：回报还没出现，资本支出已经锁死。

第二层，ROIC 坍塌。

科技公司正在从高回报的软件模型，滑向资本密集型的硬件与基础设施模式。

一旦竞争加剧，回报率会被迅速压平。

第三层，资产期限错配。

芯片 3–5 年过时，但融资、证券化却按 15–20 年设计。

这不是创新，这是主动制造金融脆弱性。

他引用 Buffett 的“电梯理论”点出了关键：

如果所有人都能用 AI，AI 本身不会成为护城河。

长期来看，价值会流向消费者，而不是基础设施的出资者。

Jack 的反驳并不激进，但更偏长期。

他真正担心的不是泡沫，而是递归自我改进的失控风险——AI 开发 AI。

这是一个“能力曲线一旦拐弯，就很难回头”的问题。

两种担忧，其实并不矛盾。

Burry 担心的是：

资本先死在回报率上。

Jack 担心的是：

人类还没准备好面对能力跃迁。

更有意思的是，他们自己如何使用 AI。

没有人神话它。

Burry 用 Claude 画图、查资料，但从不相信未经核实的数据。

Dwarkesh 把 LLM 当私人导师，认为体验已经超过多数人类老师。

Patrick 则把演示文稿“全自动化”。

AI 在这里呈现出的状态很真实：

强，但还不稳定；有用，但不神圣。

真正值得盯住的，是他们给出的“转折条件”。

Burry 说得很清楚：

如果 AI agent 真的替代数百万岗位，

如果应用层收入冲到数千亿美元规模，

他的看法会改变。

Jack 也给了反向条件：

如果 scaling laws 撞墙，

如果开源模型通过分布式训练追平前沿，

叙事也会被重写。

这场讨论的价值不在于谁赢了，而在于它暴露了一件事：

AI 不是“会不会成功”的问题，而是“谁在为成功提前买单”的问题。

你现在更在意哪一个风险？

是能力爆发太快，人类跟不上；

还是资本跑得太快，回报跟不上？

📬我会持续拆解 AI 从技术突破走向财务现实的关键摩擦点，帮你分清哪些是趋势，哪些是提前透支的估值。

#AI #ArtificialIntelligence #MichaelBurry #Nvidia #Productivity #ROIC #TechStocks #AGI