亿万富翁在 AI 上砸了一万亿美元，然后呢？

“投入一万亿美元，没人拿出成果。”

这不是某个反对者的断言，而是一个越来越难以忽视的现实问题。最近 YouTube 上一段引发广泛讨论的视频，毫不留情地撕开了 AI 行业当前最尴尬的那一面。

Bill Ackman 的坦白

在 All-In Summit 上，亿万富翁投资者 Bill Ackman 说了一段话，可能比任何分析报告都更说明问题。

主持人问他：AI 在企业中的实际效果如何？Ackman 的回答是：

“我还没看到多少成功。”

然后他举了一个例子——在自己的投资公司 Pershing Square，AI 被用来自动化一些后台法律文书工作流程。

也就是说：一个手握全 S&P 500 CEO 联系方式的人、一个站在资本最顶端看到最多商业数据的人，找不出一个 AI 改变商业的实例。他自己的公司用 AI 做的是”法律文书自动化”——和一个复印机的价值差不多。

但全美国的董事会都把 AI 列为第一大风险。 Ackman 的原话：

“每个美国 CEO 都在问：我怎么用 AI？它怎么影响我的业务？它是个威胁吗？”

一边是恐慌性的投入，一边是几乎为零的可验证产出。视频作者辛辣地评论：“复印机也曾经是全美国董事会的第一大威胁吗？”

Slopocalypse：供给暴增，价值归零

视频的核心经济论据很朴素：供给增加，价值下降。

“如果你大幅增加了某种从来没人想要过的东西的供给……那价值就变成负数了。那叫垃圾。你得花钱请人来把它拉走。”

AI 让内容生产变得几乎零成本。这带来了什么？

核心问题：”能”和”该”是两回事

视频反复回到侏罗纪公园那个经典的场景——Dr. Ian Malcolm 说：

“你们的科学家太专注于能不能做到，以至于没停下来想想应不应该做。”

这不是在反对 AI 技术本身。AlphaFold 在生物技术领域的疾病研究突破被明确认可（而且它不是 LLM）。问题在于：AI 产业最聪明的人才，大部分在做什么？

“我们所声称要’自动化掉’的工作——我们甚至没问过为什么要做这些工作。”

Brandolini 法则：AI 让辟谣成本暴增

视频提到了一个非常关键的概念——Brandolini 法则（不对称原则，由意大利程序员 Alberto Brandolini 在 2013 年提出）：

“驳斥荒谬言论所需的能量，比产生它大一个数量级。”

在 AI 时代，这个法则的杀伤力被放大了无数倍。一个提示词可以生成一篇看起来像模像样的”研究论文”或”市场分析”。但要验证它的结论是否正确——需要从第一步开始重新检查所有工作。这彻底否定了”一键生成”的效率价值——如果你要认真对待输出结果的话。

这是 AI slop 的核心问题：产出越多，需要验证的工作量越大，最终净效率可能为负。

1870-1970 的黄金时代 vs 最近的”创新”

视频引用了 Robert Gordon 的 The Rise and Fall of American Growth 中的数据：

1870-1970 这 100 年，我们得到了： 汽车、飞机、可靠的电灯、制冷、空调、粮食丰产

然后呢？ Instagram、Facebook、TikTok……我们 reinvent 了出租车、reinvent 了共享办公空间、reinvent 了公交车——现在又在用 AI reinvent 同样的事。

这是一个值得认真对待的观察。如果 AI 最令人兴奋的应用是”更快地生成 LinkedIn 帖文”和”做出更多没人下载的 App”，那么这一万亿美元的投资回报真的需要被认真审视。

Duolingo 的教训

视频提到了一个具体的商业案例：Duolingo 急于成为”AI 原生公司”——结果 40% 的客户联合抵制，在社交媒体上声称如果不撤回决定就不会再使用这个产品。

“我没有 MBA，但做了足够多年科技行业后，我觉得我理解一件事：让你 40% 的客户讨厌你，大概率不是好的商业策略。”

视频的三个”作业”

视频结尾留下了三个值得每个人思考的问题：

1. 停下来问”应不应该”——在把自己变成”AI 原生”之前，先问”我应该吗？”
2. 证明我错了——如果你真的用 AI 做出了实质性的改变（不只是更好的搜索引擎），直接说出来
3. 谁在用 AI 做真正新的事情？——不是为了 reinventing CRM 或做没人要的 App，而是为了科学、工业——真正有用的事

我不是在否定 AI

需要明确指出，视频（和这篇博文）不是在说”AI 没有用”或”AI 是泡沫”。AlphaFold 那样真正改变世界的应用就应该被单独拿出来认可。问题在于 99.9% 的 AI 投入和产出没有流向这个方向。

一万亿美元的投资——如果人类真的把这么多资源放在任何领域，都应该能看到实质性的改变。但目前我们看到的，主要是 LinkedIn 上更没人读的帖子和一堆没人下载的 App。

这中间有个巨大的缺口。那个缺口，才是真正值得研究的问题。

参考资料

• 视频：亿万富翁在AI上花了1万亿美元，没人拿出成果 — YouTube（2026 年 6 月）
• Dario Amodei（Anthropic CEO）——Machines of Loving Grace 与 The Adolescence of Technology 两篇随笔
• Bill Ackman 在 All-In Summit 上的评论
• Robert Gordon——The Rise and Fall of American Growth
• Brandolini 法则（不对称原则）
• Springer Nature 2026 年研究：AI 方法研究被认为显著低于传统统计方法的可信度
• Harvard——”self-automator”研究（视频描述中链接）