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

德意志银行最新研究报告梳理了人工智能自 1956 年诞生以来的发展脉络，从历史规律中提炼出 14 条关键启示，为投资者研判当前 AI 热潮的走向提供参照。

今年 8 月，距 1956 年达特茅斯夏季研讨会——人工智能的诞生之地——已整整过去 70 年。据追风交易台消息，德意志银行研究院主题策略师 Adrian Cox 在最新报告中指出，AI 的 70 年历程充满繁荣与萧条的交替，而当前这轮投资与估值热潮，正在重演历史上多次出现的技术革命范式。

报告认为，理解 AI 未来走向，"语境"至关重要。从非线性增长、基础设施瓶颈，到估值泡沫的膨胀与破裂，历史信号清晰可辨。报告直言，或许有人会说"这次不同"，但过去 70 年的数据提供了另一套参照系——对于押注 AI 赛道的投资者而言，这些启示直接关乎资产配置逻辑与风险判断。

报告开篇即点明 AI 进步的核心特征：非线性。以对数坐标呈现训练算力的历史数据，可以清晰看出，自 1956 年至今，用于训练主要 AI 系统的算力增长跨越了数十个数量级，而线性图表的视觉呈现则几乎将这一趋势完全掩盖。指数级增长在直觉上极易被低估，这是理解 AI 浪潮的第一道认知门槛。

与此密切相关的是，AI 的进步速度已超越摩尔定律。传统计算能力每 18 至 24 个月翻一番，但进入深度学习时代后，算力的年均增速已达约 4 倍，远高于深度学习之前约 1.4 倍的年增速。原因在于：系统规模扩大、内存提升、算法优化等多重因素同步改善，形成叠加效应。

报告以 AI 技术谱系图呈现了 70 年来的路线演变：从符号逻辑、专家系统，到统计机器学习、深度学习，再到当前主导的大型语言模型。每一代主流技术都曾经历从兴起到被取代的周期，部分路线（如循环神经网络）已被超越，另一些则仍在并行演进。报告指出，大型语言模型未来或将让位于"世界模型"等新范式，技术代际更替并不以当前领先者的意志为转移。

历史上的市场份额更迭同样印证了这一点。Internet Explorer 一度压倒 Netscape，自身随后又被 Chrome 取代。当前生成式 AI 平台的竞争格局中，ChatGPT 月访问量领先，但 Google Gemini、DeepSeek 和 Claude 均在快速追赶。早期优势不等于长期护城河。

中国 AI 模型的异军突起——以 DeepSeek 为代表——表面上看似"一夜成名"，实则是多年研发投入积累的结果。数据显示，中国在研发总支出上已于 2024 年超越美国，在主要 AI 模型数量上的追赶速度同样显著。AI 专利授权数量方面，中国的增长曲线亦大幅领先其他经济体。对于投资者而言，这意味着竞争格局的变化往往在表面可见之前已在底层积蓄多年。

报告引用"杰文斯悖论"（Jevons Paradox）说明：AI 使用成本的大幅下降，并不会导致总体支出减少，反而会刺激需求激增。自 2006 年以来，GPU 算力成本已下降逾 99%，但根据国际能源署（IEA）预测，全球数据中心电力消耗将从 2024 年至 2030 年翻倍。更低的边际成本意味着更多的应用场景和更高的总量需求。

历次科技革命均有赖于大规模硬件投资，AI 也不例外。自 ChatGPT 于 2022 年 11 月上线以来，在 Russell 1000 指数中，数据中心、硬件及芯片相关行业的总回报率远高于软件行业。与历史上消费端设备普及构成制约不同，当前的瓶颈更多在于 AI 芯片的供给侧：英伟达 H100 GPU 芯片的每小时租用价格在过去数个季度持续波动，反映出供需的结构性张力。

随着 AI 热潮升温，美国半导体进口额大幅攀升。与此同时，全球供应链集中度持续上升，产品对单一来源的依赖程度明显加深。报告指出，全球化在使技术变得更廉价的同时，也使供应链暴露于更高的地缘政治与集中度风险之中。

技术革命通常存在生产率的"J 曲线"效应：成本先于收益显现。报告援引数据显示，目前美国员工中使用 AI 完成工作的比例不足一半，平均将 6% 的工作时间用于 AI 相关任务，仅节省了约 2% 的工作时长。

消费端的采纳速度已创历史纪录，生成式 AI 的普及速度快于互联网和个人电脑。然而，可直接货币化的企业端应用推进明显更慢——下载一款 App 只需几分钟，而围绕新技术重构企业运营流程则需要数年。信息、专业服务和金融保险行业的 AI 应用率领先，制造业则相对滞后。

从席勒周期调整市盈率（CAPE）来看，当前标普 500 估值水平已与 2000 年互联网泡沫顶峰相近，位于 150 年来的最高区间。历史上每一次估值高峰几乎都对应一次变革性技术浪潮：1899 年的电气化、1929 年的无线电与汽车、1966 年的电子浪潮、2000 年的互联网——以及 2026 年的 AI。

在收入层面，OpenAI 和 Anthropic 当前的营收增速已超过同期对比公司的历史峰值水平。但报告同时指出，要兑现当前估值所隐含的远期营收预期，两家公司的增长曲线需要与 Google、Meta、英伟达等科技巨头的历史轨迹相比"更加不同"才行。

报告以标普 500 每股盈利的长期趋势收尾，数据显示该指标自 1935 年以来年均增长约 6.5%，历经多次战争与衰退保持趋势稳定。在 GDP 层面，报告梳理了三种 AI 情景：基准趋势、AI 驱动的温和提速（未来 10 年年均增速约 2.1%），以及"奇点"场景下的两个极端——从技术乌托邦到人类灭绝。报告对此保持中性立场，但提示投资者：在历史趋势与极端情景之间，当前市场的定价更接近哪一端，是值得持续追踪的核心问题。