![](https://developer.qcloudimg.com/http-save/yehe-7353521/89b189f0a801cf08cf09770e9d2d9f6d.jpg)

## TL;DR

“AI 短期高估、长期低估”是个被金融叙事撑着的半个命题。LLM 的效用域被锁在符号空间，软件工程的生产率从来无法测量——“长期低估”成立，需要一种根本不同于统计学习的新范式。

## AI 的真实边界：从金融叙事到认识论天花板

### 一、起点：一个被金融化的科技命题

“AI 短期被高估，长期被低估”——这是 Amara 定律在 AI 上的经典表述，听起来稳妥，但它同时包含了两条不同性质的叙事：

**科技叙事**：技术采用曲线有惯性，初期期待过高，最终价值会超出预期。

**金融叙事**：资本永远投资于未来、买预期。资本进入某个行业，必然产生泡沫。在卖方市场上，持仓者有结构性动机鼓吹标的——不需要协调，是市场机制本身的产物。

这两条叙事叠加在一起，才产生了当下 AI 市场的形态。但它们需要被分开检视，否则论点的后半句“长期低估”会被前半句的逻辑悄悄撑着，而两者其实是独立的赌注。

科技叙事那一半不是假的。技术确实会被低估——蒸汽机、电气化、互联网，每一次都经历了“泡沫破裂→真实扩散→超出早期预期”的路径。Amara 定律在历史上成立，是因为这些技术最终突破了早期的应用边界，渗透进了更广的现实域。

问题在于：这个渗透，是有条件的。电气化能扩散，是因为物理域本身欢迎电力——它降低了摩擦，没有引入新的不确定性。LLM 的扩散遇到的是相反的情况：越深入现实域，不确定性越高，而不是越低。

所以科技叙事的后半句“长期低估”，成立的前提是技术能扩散。这个前提在 LLM 范式下，需要被单独论证，不能从历史规律里直接借用。

**需要说明的是：本文讨论的是当前主流 AI 范式——以 LLM 为代表的统计学习路径。不是对所有可能的 AI 路径下判断，而是对这条路径的效用边界做评估。**

### 二、卖的不是产品，是“胜率”

AI 投资的 ROI 至今无定论。已经投入了数千亿美元，如果收益真实，账应该早就可以算清楚了。这个落差本身就是信号。

真正诚实的说法是：**现在相当大一部分 AI 投资，本质是期权，不是对当下效率的投资**——押注的是“如果通用 AI 某天成立，先投的人拿到的是入场券”。期权可以合理地在很长时间内看不到传统意义上的回报，这本身无可厚非。

问题在于**卖方把期权包装成了确定性的效率收益来卖**。这和 2008 年次贷危机有一个结构上的相似：

2008 年次贷危机的操作是——把“借款人可能还款”这个概率，经过层层包装转手，最终卖给了不了解底层风险的人，并且有专业机构为这种包装背书。这不是捏造收益，是把不确定性重新贴了“安全”的标签。

AI 叙事做的是同一件事——把“AI 可能改造生产力”这个概率，通过媒体、分析师、KOL 层层打包，卖成了确定性的效率革命。最后买单的，是用确定性预期做决策的企业（大量订阅）、政府（算力补贴）和普通投资者。

### 三、泡沫破裂的形态：钝刀，不是断头台

但 AI 泡沫不会像 2008 年那样有一个干净的引爆时刻。

次贷危机的底层“胜率”其实**是可以算清楚的**——借款人收入、房价历史数据都存在，只是被故意藏起来。一旦房价下跌，真实的还款能力暴露，链条立刻断裂。有明确触发点。

AI 的胜率是**根本不可知的**——不是被藏起来，是真的没人知道。AGI 会不会来，Scaling Law 还能走多远，连做模型的人自己都不确定。没有可以被戳破的底层数据。

所以 AI 泡沫的结局更可能是**长期的钝刀割**：ROI 持续出不来，预期一点点修正，资本缓慢撤退，叙事悄悄从“效率革命”换成“特定场景有用”。不会有一个清晰的崩溃时刻，只有叙事的慢慢失血。

### 四、ROI 为何出不来：效用域的真实边界

AI 对软件开发的影响被公认为最大——代码是纯符号空间，可以快速验证，AI 在这里的效用是真实的。但软件工程的成本结构决定了这种效用的天花板：

软件工程真正的成本中心是：需求澄清与对齐、跨角色摩擦（产品/研发/测试/运维）、决策等待、返工和上下文切换。代码本身只是这个成本结构里占比较小的一环。AI 把这一环压缩了，其余的基本没动。甚至有反效果——代码生成变快了，但需求不清楚的问题被放大：你能更快地构建出一个错误的东西。

推广到更广的行业：**越接近物理世界，AI 的效用越低。** 这背后有三个根本约束：

**长尾问题是无底洞。** 自动驾驶是最清晰的案例——99% 的场景 AI 处理得很好，但那 1% 的边缘情况几乎是无限的。软件里的 bug 可以快速 patch，物理世界的边缘情况不能。

**错误代价不对称。** 数字域的错误成本极低，可以无限迭代。物理域的错误代价是设备损坏、人身安全、生产中断。AI 的概率性本质与这个要求天然冲突。

**数据的性质不同。** AI 的原生域是 token——离散的、可以无限复制、几乎零成本采集。物理世界的数据是连续的、采集成本高、噪声大，仿真和现实之间永远有 gap。

### 五、天花板的认识论根源

这三个约束指向了一个更深的问题——这不只是工程问题，而是**当前 LLM 范式的根本限制**。

LLM 基于 next-token prediction，本质是从有限数据里提取统计规律。而物理世界的长尾，本质是**小概率但真实存在的事件空间是无限的**。用有限统计覆盖无限可能性，永远有 gap，而且这个 gap 不会随着模型变大而消失，只会缩小但不归零。

换一个架构（世界模型、神经符号、强化学习）能缓解，但在统计学习这条路径上逃不掉——因为任何从数据中学习的系统，都面临同一个约束：训练分布之外的现实永远存在。物理世界不会停止产生新的边缘情况。

由此得出：**在当前范式下，LLM 的效用域被锁在符号空间。** 语言、代码、图像生成、推理——这是 LLM 的原生栖息地，效用真实。一旦需要跨越符号到现实的接口，效用就开始衰减。

这直接动摇了“长期低估”的命题。Amara 定律隐含的前提是：技术最终会扩散到更广的现实域，所以长期会超出预期。但如果这个扩散在 LLM 范式下有物理和认识论的双重硬边界，长期的天花板可能比通常理解的要低得多。

### 六、软件工程的生产率悖论是一个假命题

通常用来解释 AI ROI 迟迟出不来的理由是“生产率悖论”——技术采用需要时间，组织变革需要更长时间，等等。

但这个解释在软件工程领域根本不成立，因为**悖论的前提条件不存在**。

这个悖论最初来自经济学界的观察：IT 投资大幅增加，但宏观层面的生产率数字并没有跟着涨。这个悖论能够成立，是因为制造业、服务业的产出有可测量的基准：产量、销售额、交付时间。

软件工程从来没有这个基准。代码行数是反指标。迭代点数是团队自定义的。功能交付速度和用户价值之间没有稳定关系。你无法定义“一个软件工程师的标准产出”是什么。

**“软件工程的生产率悖论”是一个被借用的错误类比。** 它的功能不是解释现象，而是为 ROI 出不来提供体面的等待理由。“悖论”这个词本身，就是叙事工具之一——在一个本来就无法测量产出的行业里，它变成了无限期的空白支票：效果在，只是看不见，等等就好。

### 七、撞墙的真实形态

软件工程是 LLM 影响最大、最容易验证的行业。如果连这里的 ROI 都无法被证明——不是“不存在”，而是**永远无法被证明**——那整个论点链条就闭合了。

这不是技术失败，而是**认识论失败**。

技术失败会有明确的崩溃时刻，之后可以重建叙事。认识论失败的结局是叙事耗尽：CFO 问 ROI，没有答案；续订的时候，没有人能拿出一份说得通的报告；预算被压缩，不是因为证明了无效，而是因为从未证明过有效。

这种失血比硬崩溃更难处理，也更难被外界识别。

卖方从来不是不知道这堵墙。他们只是在墙被普遍看见之前，完成了出货。

### 结语：重新定价，不是 Amara 定律

整理下来，原始命题需要被修正：

**“短期高估”——成立，逻辑链完整。**

**“长期低估”——成立的条件非常苛刻**，它需要出现一种根本上不同于统计学习的新范式。不是更大的模型，而是不同性质的智能。在那个范式出现之前：

> AI 短期高估；在新范式出现之前，现实域被系统性高估，符号域趋向合理定价。

这不是泡沫之后价值回归的经典叙事，而是一个有边界的重新定价过程——边界在哪里，取决于下一个范式什么时候到来。




“AI 短期高估、长期低估”是个被金融叙事撑着的半个命题。LLM 的效用域被锁在符号空间，软件工程的生产率从来无法测量——“长期低估”成立，需要一种根本不同于统计学习的新范式。

AI 的天花板，比所有人说的都低

人工智能

AI短期高估但长期低估的命题需重新审视。当前LLM范式受限于符号空间，难以突破物理世界的长尾问题。AI投资本质是期权，但被包装成确定性收益，ROI难以验证。软件工程生产率无法测量，AI效用存在天花板。未来AI价值需依赖新范式突破，而非单纯规模扩展。

强化学习

自动驾驶

软件工程

软件开发

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

AI 的天花板，比所有人说的都低-腾讯云开发者社区-腾讯云

AI 的天花板，比所有人说的都低

AI 的天花板，比所有人说的都低

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐