70 Years of Artificial Intelligence: 14 Lessons from the Boom and Bust Cycle

德意志銀行最新研究報告梳理了人工智能自 1956 年誕生以來的發展脈絡，從歷史規律中提煉出 14 條關鍵啓示，為投資者研判當前 AI 熱潮的走向提供參照。

今年 8 月，距 1956 年達特茅斯夏季研討會——人工智能的誕生之地——已整整過去 70 年。據追風交易台消息，德意志銀行研究院主題策略師 Adrian Cox 在最新報告中指出，AI 的 70 年曆程充滿繁榮與蕭條的交替，而當前這輪投資與估值熱潮，正在重演歷史上多次出現的技術革命範式。

報告認為，理解 AI 未來走向，"語境"至關重要。從非線性增長、基礎設施瓶頸，到估值泡沫的膨脹與破裂，歷史信號清晰可辨。報告直言，或許有人會説"這次不同"，但過去 70 年的數據提供了另一套參照系——對於押注 AI 賽道的投資者而言，這些啓示直接關乎資產配置邏輯與風險判斷。

報告開篇即點明 AI 進步的核心特徵：非線性。以對數座標呈現訓練算力的歷史數據，可以清晰看出，自 1956 年至今，用於訓練主要 AI 系統的算力增長跨越了數十個數量級，而線性圖表的視覺呈現則幾乎將這一趨勢完全掩蓋。指數級增長在直覺上極易被低估，這是理解 AI 浪潮的第一道認知門檻。

與此密切相關的是，AI 的進步速度已超越摩爾定律。傳統計算能力每 18 至 24 個月翻一番，但進入深度學習時代後，算力的年均增速已達約 4 倍，遠高於深度學習之前約 1.4 倍的年增速。原因在於：系統規模擴大、內存提升、算法優化等多重因素同步改善，形成疊加效應。

報告以 AI 技術譜系圖呈現了 70 年來的路線演變：從符號邏輯、專家系統，到統計機器學習、深度學習，再到當前主導的大型語言模型。每一代主流技術都曾經歷從興起到被取代的週期，部分路線（如循環神經網絡）已被超越，另一些則仍在並行演進。報告指出，大型語言模型未來或將讓位於"世界模型"等新範式，技術代際更替並不以當前領先者的意志為轉移。

歷史上的市場份額更迭同樣印證了這一點。Internet Explorer 一度壓倒 Netscape，自身隨後又被 Chrome 取代。當前生成式 AI 平台的競爭格局中，ChatGPT 月訪問量領先，但 Google Gemini、DeepSeek 和 Claude 均在快速追趕。早期優勢不等於長期護城河。

中國 AI 模型的異軍突起——以 DeepSeek 為代表——表面上看似"一夜成名"，實則是多年研發投入積累的結果。數據顯示，中國在研發總支出上已於 2024 年超越美國，在主要 AI 模型數量上的追趕速度同樣顯著。AI 專利授權數量方面，中國的增長曲線亦大幅領先其他經濟體。對於投資者而言，這意味着競爭格局的變化往往在表面可見之前已在底層積蓄多年。

報告引用"傑文斯悖論"（Jevons Paradox）説明：AI 使用成本的大幅下降，並不會導致總體支出減少，反而會刺激需求激增。自 2006 年以來，GPU 算力成本已下降逾 99%，但根據國際能源署（IEA）預測，全球數據中心電力消耗將從 2024 年至 2030 年翻倍。更低的邊際成本意味着更多的應用場景和更高的總量需求。

歷次科技革命均有賴於大規模硬件投資，AI 也不例外。自 ChatGPT 於 2022 年 11 月上線以來，在 Russell 1000 指數中，數據中心、硬件及芯片相關行業的總回報率遠高於軟件行業。與歷史上消費端設備普及構成制約不同，當前的瓶頸更多在於 AI 芯片的供給側：英偉達 H100 GPU 芯片的每小時租用價格在過去數個季度持續波動，反映出供需的結構性張力。

隨着 AI 熱潮升温，美國半導體進口額大幅攀升。與此同時，全球供應鏈集中度持續上升，產品對單一來源的依賴程度明顯加深。報告指出，全球化在使技術變得更廉價的同時，也使供應鏈暴露於更高的地緣政治與集中度風險之中。

技術革命通常存在生產率的"J 曲線"效應：成本先於收益顯現。報告援引數據顯示，目前美國員工中使用 AI 完成工作的比例不足一半，平均將 6% 的工作時間用於 AI 相關任務，僅節省了約 2% 的工作時長。

消費端的採納速度已創歷史紀錄，生成式 AI 的普及速度快於互聯網和個人電腦。然而，可直接貨幣化的企業端應用推進明顯更慢——下載一款 App 只需幾分鐘，而圍繞新技術重構企業運營流程則需要數年。信息、專業服務和金融保險行業的 AI 應用率領先，製造業則相對滯後。

從席勒週期調整市盈率（CAPE）來看，當前標普 500 估值水平已與 2000 年互聯網泡沫頂峯相近，位於 150 年來的最高區間。歷史上每一次估值高峰幾乎都對應一次變革性技術浪潮：1899 年的電氣化、1929 年的無線電與汽車、1966 年的電子浪潮、2000 年的互聯網——以及 2026 年的 AI。

在收入層面，OpenAI 和 Anthropic 當前的營收增速已超過同期對比公司的歷史峯值水平。但報告同時指出，要兑現當前估值所隱含的遠期營收預期，兩家公司的增長曲線需要與 Google、Meta、英偉達等科技巨頭的歷史軌跡相比"更加不同"才行。

報告以標普 500 每股盈利的長期趨勢收尾，數據顯示該指標自 1935 年以來年均增長約 6.5%，歷經多次戰爭與衰退保持趨勢穩定。在 GDP 層面，報告梳理了三種 AI 情景：基準趨勢、AI 驅動的温和提速（未來 10 年年均增速約 2.1%），以及"奇點"場景下的兩個極端——從技術烏托邦到人類滅絕。報告對此保持中性立場，但提示投資者：在歷史趨勢與極端情景之間，當前市場的定價更接近哪一端，是值得持續追蹤的核心問題。