不到一年前，OpenAI发布的ChatGPT在一夜之间改变了整个世界。2022年11月ChatGPT推出以来，美国科技行业、风投领域和华尔街纷纷调整了投资重点，几乎所有公司——不只科技公司，都开始优先考虑生成式人工智能的开发和采用。
人工智能的概念自冷战以来就一直存在，生成式人工智能之所以成了一个新鲜事物，是因为它能够回答简单自然语言请求所提出的问题，并以文本、音乐、视频、图像甚至诗歌等形式提供丰富、有创意的内容。
生成式人工智能有助于推动大数据的民主化，人们和企业查找信息、创建内容和分析数据会变得更容易。不过，表面看起来人工智能很神奇，其实并不是这样。
这项技术引发了有关个人信息被盗用、受版权保护的内容被滥用以及虚假和误导性数据的广泛担忧。一些人甚至认为人工智能对地球生命的未来构成威胁——最近，《时代》杂志封面文章提出这样一个问题：人工智能是否最终会导致“人类末日”到来？
达里奥·吉尔。图《/ 巴伦周刊》
为了解人工智能的前景、运作方式、风险所在以及谁将引领未来，《巴伦周刊》于2023年8月初举办了以人工智能为主题的投资圆桌会，邀请了五位从不同角度研究人工智能的专家。他们分别是：IBM研究主管达里奥·吉尔（Dario Gil），几十年来，IBM一直在研究人工智能软件和硬件；人工智能模型、数据集和软件初创公司政策主管艾琳·索莱曼（Irene Solaiman）；风险投资公司Sapphire Ventures合伙人凯茜·高（Cathy Gao），该公司已承诺向人工智能初创公司投资至少10亿美元；拥有计算机科学和人工智能博士学位的伯恩斯坦研究（Bernstein Research）软件分析师马克·莫德勒（Mark Moerdler）；高盛（Goldman Sachs）投资组合经理布鲁克·戴恩（Brook Dane），戴恩最近调整了投资策略，专注于人工智能股票。
《巴伦周刊》：生成式人工智能的重要性毋庸赘言，这可能是自互联网、iPhone，甚至电力和车轮问世以来最重要的事物。达里奥，IBM研究人工智能已经有几十年了，自从IBM的超级电脑Watson在“Jeopardy!”节目上战胜人类选手已经过去了12年，现在人工智能发生了哪些变化？
达里奥·吉尔：IBM实际上从1956年就开始涉足人工智能，那一年我们和其他公司共同主办了一场著名的大会，名为达特茅斯人工智能夏季项目。IBM计算机科学家亚瑟·塞缪尔（Arthur Samuel）在人工智能领域做了开创性的工作，他在1959年创造了“机器学习”一词。所以，是的，人工智能的概念已经存在了很长时间。过去十年左右是深度学习和神经网络的时代，我们发现，如果你能标记足够多的数据，你就能达到超人般的准确度。
《巴伦周刊》：但后来事实证明深度学习和神经网络的成本非常高。
达里奥·吉尔：是的，只有少数机构能够真正积累足够多的标记数据从而创造价值和合理的投资回报。目前人们之所以对人工智能如此兴奋，根本原因在于人工智能正在朝“自监督学习”转变。
《巴伦周刊》：请解释一下。
达里奥·吉尔：基础模型（生成式人工智能的基础）问世后，我们可以获取大量未标记的数据，并创建语言、代码、化学、材料甚至图像的非常强大的模型表示（model representation）。因此，一旦你训练了这些模型，你就可以在下游用例中对它们进行微调、提示或者设计，所需花费的精力和资源只占过去的一小部分，提高了生产率。
《巴伦周刊》：比尔·盖茨说，Chat-GPT是他1980年第一次看到图形用户界面以来最令人印象深刻的技术，它与微处理器、个人电脑、互联网或移动电话的发明一样重要。英伟达首席执行官黄仁勋称，人工智能正在迎来自己的“iPhone时刻”。凯茜，Sapphire Ventures刚刚宣布将向人工智能初创公司投资10亿美元，你认为目前这个时刻真有那么重要吗？你的公司看到了哪些机会？
凯茜·高：我们投资于人工智能的各个领域，从通信机制到数据再到应用。我们正处在爆发式发展的早期阶段，人工智能最终将无处不在。
凯茜·高。图《/ 巴伦周刊》
《巴伦周刊》：但为什么是现在？是什么促成了目前这个时刻的到来？
凯茜·高：这是由很多因素驱动的，其中一个关键因素是人工智能已经抓住了消费者的想象力，ChatGPT的用户数量在短短两个月的时间里就突破了一亿。你可以从中看到一个未来，人工智能将变得无处不在，以至于公司不再把自己标榜为“人工智能公司”，因为它们都变成了人工智能公司。从某种程度上来说，这和使用的便捷性有关，即通过API（应用程序编程接口）和利用基础模型的能力，因此不必每次从头开始构建大型语言模型。另一个因素是终端用户体验，这将把我们带到人工智能无处不在的下一个阶段。
《巴伦周刊》：马克，几十年前你获得了人工智能的博士学位，现在人工智能和过去有什么不一样的地方？
马克·莫德勒：我获得博士学位感觉已经是一百年前的事了，那时我们学习的是如何用人工智能做一些非常基本的事情，在那以后，技术出现了巨大进步，底层计算能力得到了大规模扩展。过去没有今天这些学习模型，因为那时计算机无法处理这种能力，我们使用的电脑要小得多，内存很小，带宽也没有普及。
对话式人工智能是目前的关注焦点，现在，我们可以像与人交谈一样与软件对话，系统会做出响应，可能是一份报告，或者创建一个图像，或者仅仅是正在进行的对话。
《巴伦周刊》：这一切都是由Chat-GPT和一种消费者体验——自然语言聊天带来的。消费者以及广告最终会成为这项业务的收入来源，还是说更多会成为企业应用程序的一个不断增长的市场？
马克·莫德勒：世界上一些最大的公司，包括微软（MSFT）和Alphabet（GOOGL）都在开发消费者和企业人工智能软件。消费者软件领域会被颠覆，也就是搜索。但更大的价值创造将是解锁企业内部的数据，利用这些数据来提高组织内部的效率，帮助企业更快地做出决策，或者在某些情况下得出以前无法得出的结论。
马克·莫德勒。图《/ 巴伦周刊》
凯茜·高：生成式人工智能在消费者端和B2B（企业对企业）端的运用是高度共生的，它们相互依存。如今企业软件公司面临着巨大的机遇，这就是为什么你会看到大量的投资。生成式人工智能是一把终极“双刃剑”，一方面，它代表着巨大的变革潜力，是未来增长的关键，但它也可能带来新的竞争，在某些情况下会给老牌企业带来生存风险。
生成式人工智能可以为许多公司和行业扩大潜在市场。以ERP等电子病历系统或ADP等薪酬服务系统为例，它们存储了大量有价值的数据。在很多情况下，现有的客户接口层限制了许多潜在的用例，而生成式人工智能可以用来重新构想和重塑工作流程，以一种重要的方式打开潜在市场。
艾琳·索莱曼：退一步思考我们正在讨论的系统非常重要，因为现在有太多语言模型了。当我们谈论生成式人工智能时，进行研究或将其用于特定应用的方式会因模型而异。现在有很多关于聊天机器人的讨论，但也有很多关于图像、音频甚至视频的研究，机会太多了。
此外，这些基本系统通常不是为特定用例开发的，它们可能是为了优化比如代码生成等任务。但总的来说，它们可以应用于许多不同领域，当然也有风险，我们得弄清楚需要什么保护措施。
艾琳·索莱曼。图《/ 巴伦周刊》
我们有近30万个不同的模型，超过10万个应用程序，以及超过5万个数据集。并不是所有模型都专注于自然语言处理。还有更具体领域的模型，比如生物医学人工智能。关于像OpenAI的GPT4这样的高级模型有很多讨论，但并不是每个人都会使用它们，运行大语言模型的成本很高。通过Hugging Face的用户我们了解到，许多研究人员使用更小的模型，调整和微调这些模型的成本更低。
《巴伦周刊》：布鲁克，你的工作是发掘人工智能领域的赢家，你认为价值会流向拥有数据的公司，还是应用程序供应商，或是其他公司？你是如何寻找人工智能相关投资标的的？
布鲁克·戴恩：对人工智能的投资还处于非常早期的阶段。目前最受市场关注的是英伟达（NVDA）等半导体和网络基础设施供应商，英伟达在用于训练模型的图形处理器方面几乎处于垄断地位。除了基础设施，我们还花了很多时间研究拥有数据的公司，随着时间的推移，哪些公司能够创造价值并获取价值。另一个问题是，与过去的一些重大技术转型不同，你不必重写整个软件栈，换句话说就是，我想知道市场领头羊面临的颠覆是否会像之前的转变一样大。过去，向移动和互联网的转变创造了一个全新的公司类别，它们崛起并取代了当时存在的一些公司。我在想这一次老牌企业是不是会借机增强自己的实力，因为它们已经拥有数据。
马克·莫德勒：我同意。建立模型的速度非常快，几个月就能建好，而不是几年，这只是资金的问题。差异化将创造可持续的价值，公司可以根据独特的数据和能力创造一些东西，而且这种独特性是可持续的。在传统软件中，护城河的建立是因为公司花费了大量的时间来创造技术，竞争对手要赶上来需要很长时间。现在，所有公司都在建设产能，如果做不到差异化，就无法从中盈利。
《巴伦周刊》：关于模型和数据集我们已经谈了很多，这二者的区别是什么？
马克·莫德勒：当人们谈论模型时，他们谈论模型分几类，比如在非常大的数据集上训练的通用模型，目的是回答一般性的问题，比如ChatGPT和必应（Bing）。对于更具体的问题，比如化学或材料科学，有专门的模型。此外，一些公司内部有大量的数据，它们可能会选择使用更通用的模型，并将其与公司数据结合起来。
凯茜·高：我来举个例子吧。我们公司的投资对象之一MoveWorks是一个人工智能聊天机器人，它不仅涉及信息技术、服务管理和人力资源等企业应用，还添加了公司特定的数据。例如，如果一个客户有一间名为“泰勒·斯威夫特”（Taylor Swift）的会议室，你问一个公共聊天机器人“泰勒·斯威夫特上午9点是否有空”，这个模型肯定会感到困惑，但如果这个聊天机器人被注入了公司会议室名称的信息，它就能给出准确的答案。
达里奥·吉尔：消费模式对于人工智能在现实世界中的应用至关重要，首先要做的是从基本模型开始，然后上载过去的记录，比如说过去的客户交流和服务文档，这属于对模型进行微调，让它包含你的本地数据。生产率的提高和这个有关系，一旦有了解决信息技术问题的基本模型，突然之间你的内部团队一年可以做50个到100个项目。在深度学习的时代，必须手动标记所有东西，每个模型都是定制的，你只能做四个到五个项目。
艾琳·索莱曼：我经常用“系统”这个词而不是模型，但我很高兴听到这些关于数据的讨论。当我们考虑系统生命周期时，正如达里奥所说，有很多工作涉及到数据校对和管理。与几年前相比，现在的系统更好，技术和基础设施也更好，其中包括更高效的计算、更多的计算和更多的数据。此外，安全研究、信息微调和可访问性也有所改善，访问不仅仅是通过API，还可以通过计算效率更高的模型，甚至可以在本地硬件上运行。
《巴伦周刊》：Palantir公司CEO（首席执行官）亚历克斯·卡普（Alex Karp）最近在财报电话会议结束后接受了《巴伦周刊》的采访，他说这次技术革命的受益者是老牌企业，而不是像过去那样对带来颠覆的新企业有利。他认为赢家将是我们熟悉的公司，而不是新公司。布鲁克已经提到过这个观点，凯茜，作为初创公司的投资者，你怎么看这个观点？
凯茜·高：这是我们最关心的问题。老牌企业拥有规模和资本以及当今稀缺的计算资源，它们有大量数据，所有这些围绕生成式人工智能取得巨大成功的关键要素。在这个时代，老牌企业肯定会发挥巨大的作用，我说的是超大规模的公司，比如谷歌、亚马逊（AMZN）、微软等，它们都在积极投资于这项技术。在最近的财报电话会议上，微软59次提到了“人工智能”。
对于像我这样正在寻找颠覆者的投资者来说，在看大多数生成式人工智能应用软件公司时，最大的问题和最大的风险是，如果微软、谷歌或奥多比（Adobe，ADBE）未来也在做相同的业务怎么办？这家新公司会被消灭吗？能带来差异化的是客户和产品体验如何，以及我们之前谈到的数据护城河。
布鲁克·戴恩：我同意凯茜刚才说的。在每一次转型中，都会出现新公司，其中一些会变得更大。但这一次老牌企业确实拥有巨大的优势。最重要的是公司的领导层和执行力，尤其是在市场开始关注公司利润率扩张的时期。要想提高利润率，需要一定程度的投资，一些老牌企业可能会犹豫是否要为成为相关参与者而投入必要的资金，但在这次转变中，拥有先发优势的是这些老牌企业。
《巴伦周刊》：马克，你怎么看这个问题？
马克·莫德勒：我同意两位的观点，我还想补充一点。人工智能是一种数据驱动的学习体验，从理论上讲，你接触到的数据越多，你的产品就越好，进入市场的速度也越快，你吸收的信息越多，触及的范围就越广——这在某种程度上是一种“自我实现”。但正如布鲁克说的，最重要的是执行力，现在有很多公司对生成式人工智能只是口头上的承诺，还没有真正开始通过投资建起护城河。
布鲁克·戴恩。图《/ 巴伦周刊》
布鲁克·戴恩：在我为整个软件生态系统中建立模型和进行预测时，执行力强的公司的客户流失率更低。客户留存率更高，追加销售和交叉销售额也更高。我开始看到一些未来两年、三年、四年自由现金流前景改善的公司，但不确定这是否会对未来12个月的现金流产生实质性影响。不过当我放眼长远时，我对它们做大做强的能力越来越有信心。
《巴伦周刊》：除了科技公司，金融服务、制药和材料等领域的传统公司也拥有大量数据。
达里奥·吉尔：从数据表示（data representation）发生的转变这个角度来理解目前这个重要时刻非常关键。这听起来可能有点抽象，但意义深远。当关系型数据库被发明时，那时有一种我们都已经习惯了的数据表示形式，即行和列。数据库的发明就是为了做好数据表示，它对工资、财务和会计产生了巨大的影响。现在，想象一个图形化的数据表示。事实证明，图形表示对于搜索、社交媒体等事物来说是必不可少的。
那么，谁能成为价值创造者？世界各地的企业和政府拥有最多的数据。目前看来，在美国，大多数数据由大约五家公司拥有，但这并不是未来的发展方向，因为与流行的观点相反，多亏了开源计划，人工智能的民主化可能是目前最重要的力量。理解、采用以及创造这些大型语言模型会变得多么简单将成为一股决定性的趋势，因为它变得更加国际化和民主化，价值创造将会变得更加分散。
《巴伦周刊》：这就引出了监管这个重要的话题，以及如何降低风险和减少潜在危害，还有关于失业、知识产权保护和深度伪造等问题。我们需要新的监管机构和监管规则吗？如何在不降低美国公司相对于中国或其他国家的竞争地位的前提下做到这一点？
马克·莫德勒：我们正处在一个新时代，监管机构不一定有这方面的经验，他们正在学习，就像我们其他人正在学习如何适应一样。监管可能是一把双刃剑，可以用来限制不良行为，还可能限制发展。我们必须通过控制来确保治理、隐私和安全性，确保系统不会被不良行为者滥用。必须对需求、控制，甚至法规进行某种程度的标准化，但也必须通过深思熟虑来做到这一点，否则会为美国以外的公司创造一个夺取市场份额的机会。
《巴伦周刊》：艾琳，你怎么看这个问题？
艾琳·索莱曼：好的监管很难做到，监管机构身兼数职，它们不是人工智能方面的专家，但它们擅长的是公共利益。我希望从政策制定者那里了解到他们认为人工智能应该朝哪个方向发展，但监管难度极大。没有哪项单一立法能影响人工智能的方方面面。美国、欧盟、英国和加拿大的监管机构正在努力，美国国会也对此给予了前所未有的关注。我们支持监管，但希望这种监管能引导创新朝着正确的方向发展。
达里奥·吉尔：一个精确监管的框架将很好地服务于该行业。看看欧盟在过去几年所做的工作，其在用例和风险调整监管框架上开发了一种非常周到的方法，将人工智能应用于核反应堆和将人工智能应用于比萨推荐系统之间肯定是两回事对吧？所以要对风险进行调整，即对可能造成的伤害进行分类或者对社会造成的风险进行分类，并利用适当的监管机构来加强专业知识，让每个机构都成为人工智能机构，这与通过单一的人工智能监管机构解决所有问题有很大区别。
《巴伦周刊》：凯茜，监管加强的风险会如何影响Sapphire的投资？
凯茜·高：这是我们密切关注的问题。我们的投资仍处于早期阶段，还有很多未知因素。风险投资是一种高贝塔资产类别，我们希望能处理好我们所承担的风险。在投资人工智能时，我们现在看到的许多用例都不太可能成为监管审查的目标，但仍在密切关注监管方面的动向。
马克·莫德勒：从隐私、偏见和知识产权等角度来看，这些系统可能存在问题，投资者需要仔细考虑自己可能面临哪些方面的风险，而不仅仅是监管风险。比如说，如果你训练的系统给出了侵犯别人的知识产权的回答，你的客户和你会被起诉。在决定这些系统是否会成为良好的、可持续的业务时，即不仅能产生收入，还能在很长一段时间内产生利润时，这些都是你要考虑的问题。投资者需要仔细考虑风险可能在哪里，是否会带来一些法律、监管或经济方面的风险。
《巴伦周刊》：另一个被广泛讨论的风险是人工智能可能会让人们失业。人工智能会成为就业岗位的创造者还是破坏者？
达里奥·吉尔：我们有几百年的证据表明，工作的性质会随着时间的推移而变化，一百年前，一半的美国人口在田地里工作。所以首先，这种现象并不新鲜，每当真正的颠覆性技术出现时，人们都认为这一次会不一样，而证据表明并不是这样。有很多分析表明，工作是由很多不同的任务组成的，有些工作会自动化，而另一些工作则不会。人们关注的关键指标是我们是否能实现生产力的承诺。有了更高的生产力，我们就能创造更多的财富，并投资于我们深切关心的事情，以创造更好的制度、更好的社会等等。
我更担心的是我们是否能够足够快地拿出解决方案，以达到提高生产率的目标。当我和其他人谈论人工智能、半导体和量子计算的进步时，技术进步的速度让他们特别有压力。如果我们能利用这些技术加快推出解决方案的速度，就都能获得更好的服务。人们因为人工智能的进步而失去工作绝对不是我担心的问题，因为有史为鉴。
艾琳·索莱曼：五年前人们还在讨论自动驾驶汽车会不会取代人类司机，但事实证明，最具对抗性的环境其实是在我们的现实世界中。我期待看到更多关于这方面的讨论，比如对工资分配有什么影响？如果人们获得人工智能的帮助，他们的工资是否应该减少？还有其他一些重要的经济问题。
《巴伦周刊》：我们必须讨论一下生成式人工智能对人类生存构成威胁这一观点。需要指出的是，生成式人工智能（聊天机器人）和通用人工智能（AGI）是有区别的，后者指有感知能力并可以自主行动的软件，就像电影《2001太空漫游》里的机器人HAL。
达里奥·吉尔：我非常反对这种威胁论，因为它在很大程度上扭曲了事实。首先，这种观点吓坏了不少人，从某种程度上来说，部分支持这种观点的人目的是为了控制监管方向。
艾琳·索莱曼：我在人工智能领域已经工作了一段时间，我在研究中思考最多的问题是，如果我们正在构建这些令人难以置信的强大系统，它们代表谁的价值观？我现在的主要动机是让人工智能系统更好地为科技领域中未被充分代表的人服务。
《巴伦周刊》：但我们不会很快就得为“机器人主人”服务，对吧？
马克·莫德勒：更紧迫的问题是如何避免人工智能被滥用，而不是人工智能本身是否会自行决定对人类造成伤害，因为距离人工智能自己做决定还有很长的一段时间。就像达里奥说的，一些人为了其他目的而夸大了这个说法。
《巴伦周刊》：现在我们来谈谈人工智能股票。布鲁克，几个月前我们谈话时，你向我介绍了一些人工智能股票。现在人工智能股票已经涨了不少，你还在继续寻找有吸引力的股票吗？
布鲁克·戴恩：首先，正如我刚才说的，现在还是投资人工智能的早期阶段。这项技术还在萌芽阶段，未来一年、三年、五年形势会发生巨大变化，投资者必须关注形势是如何变化的，以及机会在哪里出现。其次，一般来说，赢家和输家之间会有很大的区别，目前最受关注的是现在就能创造收入的公司，比如提供“铁镐和铁锨”（picks and shovels）的公司、半导体元件公司、网络公司和大型云供应商。
但我们正处于这样一个时刻，市场已经意识到应用程序会蓬勃发展，一批基础设施软件将同时获得拉动。现在有令人兴奋的机会，但不会改变2023日历年相关公司的财务数字。所以，只要投资期限足够长，投资者就有可能从中看到回报。如果你想从现在开始到2023年底建立一个投资组合，那么受益公司显然是那些已经开始行动的公司，比如英伟达、微软和Alphabet。
《巴伦周刊》：微软几周前公布二季报时，市场反应有些冷淡，财报并没有真正反映出该公司所说的人工智能领域即将发生的所有事情。
布鲁克·戴恩：二季度财报季很多公司的业绩都超出了预期，或者刚好符合预期，很少有公司大幅上调业绩指引，股票因此遭到抛售，因为它们已经大幅上涨，投资者期待的是更多好消息。有很多令人兴奋的公司，但在接下来的90天里还看不出来。
我们认为积极开展Copilot和Azure业务的微软是一个很有吸引力的机会。
《巴伦周刊》：还有其他公司吗？
布鲁克·戴恩：我看好迈威尔科技（Marvell Technology，MRVL），该公司生产用于数据中心网络的芯片。迈威尔科技将与英伟达一道实现增长，该公司人工智能相关业务收入约为2亿美元，未来几年有望每年翻一番。迈威尔科技的股价涨了，但盈利预期也在上升，这是一只“铁镐和铁锨”股票，业绩会越来越好。
我们看好的另一家公司是在创意软件市场占据主导地位的奥多比。我们已经听到了关于公司版Firefly（奥多比的生成人工智能工具集合）的beta测试的好消息。我们从销售渠道了解到，测试版做得非常好。至于这个市场的规模有多大，我们还在进一步观察中，但奥多比是拥有优势的老牌企业之一。
《巴伦周刊》：英伟达呢？
布鲁克·戴恩：我们一直持有英伟达，还会继续在我们的大盘股基金和科技股基金中持有这只股票，但我们会通过调整仓位来管理风险和回报。作为图形处理器领域的领头羊，英伟达的市场地位很独特，也确确实实受益于人工智能热潮，这项业务将做得特别好，但估值非常高。
《巴伦周刊》：马克，你在最近撰写的一篇文章中提出我们是否处于人工智能泡沫中这个问题，你认为是这样吗？
马克·莫德勒：我们一直处在一个高期待值或乐观的泡沫中，投资者对这项技术将带来的短期收益非常感兴趣，认为相关公司可以在相对较短的时间内创造可观的收入，预期上升，估值也随之上升。许多公司的管理团队开始讨论自己的人工智能解决方案，可以看到，他们谈论人工智能越多，股票估值就越高，尽管并没有给出任何具体执行计划。一些公司市盈率已经上升到相对较高的区间，接近我们近年看到的峰值，但我们没有看到创造收入的可能性。
所以从这个角度来看存在一些泡沫。人工智能要想带来实质性的收入，所需时间比许多人以为的更长。一些公司确实已经有了收入，但还不足以推动盈利增长。此外，我认为这股浪潮不会抬高所有的船，能脱颖而出的将是那些能够创造差异化、抵御竞争威胁的公司，以及那些有能力实现商业化的公司。
就像布鲁克说的，投资者要考虑投资期限这个问题。我们把这些公司分为三类：第一类是现在就能提供差异化产品的公司；第二类是正在增加人工智能功能的公司，但这可能只意味着更高的经营成本，至少在短期内是这样，从更长期的角度来看有望获得成功；第三类是会被颠覆的公司。目前大多数公司都处于第二类。
《巴伦周刊》：哪些公司属于第一类？哪些属于第三类？
马克·莫德勒：布鲁克刚才提到的微软和奥多比属于第一类，提供无代码和低代码软件解决方案的公司属于第三类，它们将面临来自人工智能编写代码的新竞争。第三类公司的客户流失问题会变得更严重，同时还面临定价压力。其他几乎所有公司都属于第二类，对于大多数公司来说，生成式人工智能不是主要的差异化因素，但从竞争定位的角度来看，采用这项技术是有必要的，这些公司中的大多数都在追赶人工智能的潮流，虽然它们能迅速将新产品推向市场，但不会有差异化，而且其中许多公司的产品不会给客户带来真正的价值。
布鲁克·戴恩：我想指出的一点是，目前科技公司带来的人工智能投资机会很诱人，它们的业务基本面基本稳定，美国经济状况也比六个月或九个月前我们预想的更好，这些公司大多开始转为关注现金流和营业利润，而不只是为了增长而追求增长，而且还有人工智能这项业务。
马克·莫德勒：我同意你说的。如果投资者关注的是业务价值，以及人工智能带来的优势，那么相比只有人工智能一项业务的公司（可能需要更长的时间才能创造收入），投资这些科技公司可以获得更好的风险回报。
《巴伦周刊》：2023年科技股表现出色，所有人都在谈论人工智能，但目前还没有任何人工智能IPO，也没有任何科技公司IPO。凯茜，你认为这说明人工智能的发展处在什么阶段？
凯茜·高：对于科技公司来说，整个IPO市场何时解冻是一个大问题，我也不知道这个问题的答案。不管怎样，我们距离主攻人工智能业务的公司上市还有一段时间。在当前这个人工智能周期中，采用速度要快于我在之前的转变中看到的，但或许我们可以从互联网革命中学到一些可以应用于当前这个时代的东西。在互联网时代，出现的第一波公司并不是最终获得成功的公司，第二波和第三波公司中获得成功的更多，它们从前辈的错误中吸取了教训，然后通过改进和磨炼走向市场。我的直觉告诉我这还需要一段时间。
《巴伦周刊》：感谢各位的分享。
（《巴伦周刊》英文版2023年8月18日）
