AI繁荣的下一个问题从计算炒作转向基本单位经济学和基础设施盈利约束。

经济学家越来越认识到人工智能是一个重要的宏观经济话题，但对当今的商业模式是否足以支撑当前估值仍持续提出质疑。北欧联合银行（Nordea）是北欧的银行集团，阐述了核心矛盾：投资规模巨大、风险很高，但看空的论据可能比普遍的乐观情绪更为有力。

根本挑战在于推理成本——即AI模型训练完成后的持续运营费用。这正是人工智能与传统软件的关键分歧之处。将软件部署给新增用户的边际成本接近于零，但推理需要持续的计算资源。尽管更便宜的芯片改善了经济效益，但用户需求却朝着相反的方向发展。更长的提示词、更复杂的推理和更大的输出规模变成了标准配置。Nordea主张，即使基础技术不断进步，这些压力仍会让推理成本居高不下。

第二个压力来自竞争和市场结构。没有任何单一企业建立起持久的竞争优势。用户可以以极低的转换成本在不同模型间切换，开源竞争对手继续缩小与闭源系统的性能差距。前沿模型——处于技术最前沿的模型——可在数月内被取代，因此最好被理解为具有异常短使用寿命的基础设施，而非持久资产。这为在数据中心和计算能力上进行大规模资本支出的企业创造了困难的经营环境。

Nordea并不主张AI会无法产生巨大经济价值。关键问题不是AI能否成功，而是谁将获得收益。如果模型质量趋同、价格下跌、推理服务走向商品化，人工智能虽然可能改造全球经济，但收益将集中在远小于当前估值所示范围内的少数赢家手中。