AI 泡沫要來了嗎？從 .com 時代學到的生存法則

在史丹佛 CS230 的課堂上，業界專家 Laurence Moroney 放了一張投影片，上面畫著一個三角形金字塔，最上層寫著「炒作」，最下層寫著「真實價值」。他指著這張圖說：「這就是泡沫的解剖學。AI 的泡沫，很可能正在形成。」

這句話從別人嘴裡說出來可能只是危言聳聽，但 Moroney 不是普通人。他在 Google 擔任 AI 倡導者多年，親手推動 TensorFlow 的全球推廣，現在在晶片公司 Arm 負責 AI 業務。他不是那種喜歡製造恐慌的人，而是長年在產業第一線觀察錢往哪裡流、哪些專案成功哪些失敗的人。

當他說泡沫要來了，值得認真聽。

為什麼這堂課重要？

先說說這堂課的背景。地點是史丹佛大學，矽谷 AI 圈的核心基地。ImageNet 創始人李飛飛、前 Tesla AI 總監 Andrej Karpathy 都和史丹佛有深厚淵源，Google、OpenAI、Anthropic 的核心團隊裡史丹佛人比比皆是。這裡是 AI 產業的神經中樞，很多還沒公開的資訊都會先在這個圈子裡流通。

課程主持人是吳恩達（Andrew Ng），Google Brain 創辦人、Coursera 共同創辦人、DeepLearning.AI 創辦人。他創立的 DeepLearning.AI 和 AI Fund 目前在臺灣都有運作，他的線上課程培養了全球數百萬名 AI 從業者。

當這樣的講者陣容聚在一起談「AI 職涯建議」，話題卻轉向泡沫風險，這本身就是一個訊號。

泡沫的解剖學：四層金字塔

Moroney 用一個金字塔來描述泡沫的結構，從上到下分別是：

第一層：炒作。 這是最上層，也是最顯眼的部分。社群媒體上的誇張宣傳、媒體上的革命性報導、各種「AI 將改變一切」的預言。這些內容的目的是吸引眼球和互動，而不是傳達準確資訊。

第二層：大量創投資金湧入。 當炒作夠熱，錢就會跟著來。Moroney 說他已經看到這層開始鬆動了。曾經只要專案裡有「AI」兩個字就能拿到投資，後來變成要有「LLM」才行，現在創投的態度明顯更加謹慎。投給新創的金額在縮減，審核也更嚴格。

第三層：不切實際的估值。 那些還沒獲利、甚至還沒有穩定收入的公司，被估出天文數字的市值。這層目前還在，但 Moroney 認為調整遲早會來。

第四層：跟風產品。 某個方向火了，大家就一窩蜂去做。這在 .com 時代最明顯——看到 Amazon 做電商成功，無數公司跳進來做類似的事情，絕大多數都死了。

最底層是「真實價值」，這部分其實很小。Moroney 自嘲說他這張投影片應該畫成倒三角形才對，因為真實價值在整個泡沫結構中只佔一小塊。

.com 泡沫的教訓：Amazon vs Pets.com

要理解 AI 泡沫，最好的參照是二十多年前的 .com 泡沫。

2000 年前後，網際網路被認為是改變一切的革命性技術。這個判斷本身沒有錯——網際網路確實改變了一切。但在那個瘋狂的年代，任何和網際網路沾上邊的公司都能拿到大筆資金，估值也飆到不合理的高度。然後泡沫破了，無數公司一夜蒸發。

但有些公司不只活下來了，還變得更強大。Amazon 和 Google 就是最好的例子。

Moroney 提到一個反面教材：Pets.com。這家公司的策略是「只要你蓋好，他們就會來」——先燒錢做出一個平台，假設用戶自然會湧進來。他們買了超級盃廣告，結果網站根本撐不住湧入的流量。泡沫一破，公司就沒了。

Amazon 和 Pets.com 有什麼差別？差別在於 Amazon 真的搞懂了電子商務的本質，建立了真正的物流和營運能力，創造了真實的價值。Pets.com 只是追著熱潮跑，沒有建立任何紮實的東西。

「做對的人不只會存活，他們會壯大。」Moroney 說。這是 .com 泡沫最重要的教訓，也是 AI 從業者今天應該牢記的事。

大模型 vs 小模型：產業正在分流

Moroney 預測，未來五年 AI 產業會出現一個明顯的分流。

一邊是「大模型路線」。Gemini、Claude、GPT 這些巨型模型會繼續變大，背後的公司追求的是通用人工智慧（AGI）或是越來越強的通用能力。這條路線的玩家主要是資源雄厚的大公司，他們把模型托管在雲端，使用者透過 API 來使用。

另一邊是「小模型路線」。開源社群的可自行托管模型正在快速進步，Moroney 說他讀到一篇文章指出 Y Combinator 裡有 80% 的新創公司在使用來自中國的小型模型。這些模型參數量可能只有大模型的幾十分之一，但針對特定任務進行微調之後，效果可以很好。

這個分流為什麼重要？因為不同路線有不同的風險和機會。

大模型路線的泡沫風險可能會先爆發。那些估值過高、還沒找到可持續商業模式的公司，在資金收緊的時候會最先受到衝擊。

小模型路線的泡沫可能會晚一點來，而且這條路線有一些結構性的優勢。很多企業基於隱私考量，不願意把資料送到第三方的雲端服務。例如 Moroney 分享了他和好萊塢片廠合作的經驗：片廠的智慧財產權保護極其嚴格，他們絕對不可能把電影的劇本或創意素材上傳到 GPT 或 Gemini。但如果有一個可以在自己伺服器上運行的小模型，微調後用來分析劇本或預測票房，他們就願意嘗試。

法律事務所、醫療機構這些對隱私敏感的行業也是類似的邏輯。這意味著小模型路線有一塊相對穩固的需求基礎，不純粹是炒作撐起來的。

泡沫破掉的時候會發生什麼？

Moroney 很坦白地描述了泡沫破裂的後果：資金蒸發、招聘凍結變成裁員潮、專案被砍、大量人才湧入市場。

對個人來說，這聽起來很可怕。但他強調，這不是要嚇人，而是要讓大家做好準備。

「如果你把所有的雞蛋放在一個籃子裡，泡沫破的時候你就會很慘。」他說。這適用於投資，也適用於職涯。

他舉了一個例子：他認識一些非常厲害的人，專精於某一個特定的 API 或框架。當那個技術還熱門的時候，他們是搶手貨；當產業風向轉變，他們就被拋在後面了。

技能多元化不是指什麼都學一點、什麼都不精。而是說除了核心的 AI 技術能力之外，你還應該懂一些周邊的東西：怎麼把模型變成產品？怎麼讓系統能夠規模化？使用者體驗怎麼設計？商業模式是什麼？

這些能力在泡沫時期可能不是最吸睛的，但在泡沫破裂之後，它們是讓你存活下來的關鍵。

小型 AI 的崛起：為什麼 Apple 可能是最大贏家？

Moroney 特別看好一個趨勢：AI 在邊緣裝置上的運行。

傳統認知是，跑 AI 模型需要強大的 GPU。但這個假設正在被打破。新的技術像是 SME（Scalable Matrix Extensions）讓 AI 可以在 CPU 上高效運行。Vivo、Oppo 等手機廠商已經推出支援這項技術的晶片，可以在手機上跑 AI 模型而不需要額外的耗電硬體。

Moroney 舉了支付寶的例子。支付寶想做一個功能，讓用戶可以搜尋自己的照片、自動產生相簿。傳統做法是把照片上傳到雲端，用雲端的 AI 來分析和分類。但這有三個問題：隱私（你要把照片給第三方）、延遲（要上傳下載）、成本（要維護雲端服務）。

支付寶的解法是把整個 AI 模型放在手機上跑。照片不用離開裝置，處理速度更快，而且不需要負擔雲端成本。這就是邊緣 AI 的威力。

Apple 在這個方向上投資很深。每次 WWDC 講到新的 A 系列或 M 系列晶片，你會聽到他們談「神經引擎」、談「每秒多少兆次運算」。這些都是為了讓 AI 能夠在裝置本地運行。Moroney 說他對 Apple 和 Apple Intelligence 非常看好，因為他們在這條路線上領先很多。

如何在泡沫中存活？

最後，Moroney 給出了幾個實用的建議。

第一，專注於基本功。 炒作來來去去，但紮實的技術理解不會過時。真的搞懂機器學習的原理、真的會讀論文、真的能把東西做出來——這些能力在任何市場環境下都有價值。

第二，多元化你的技能。 不要只會一件事。除了核心的 AI 能力，學一些軟體工程、學一些產品思維、學一些使用者研究。這不是要你樣樣通樣樣鬆，而是讓你在核心專業之外有更多的適應能力。

第三，做能創造真實價值的事。 那個金字塔最底層的「真實價值」雖然看起來最小，但那是泡沫破裂後唯一會留下來的東西。問自己：我做的事情真的解決了某個問題嗎？有人願意為此付錢嗎？

第四，保持手指在脈搏上。 這不是說要追逐每一個熱門話題，而是要有能力分辨什麼是真趨勢、什麼只是炒作。這需要深入的理解作為基礎，也需要刻意練習。每次看到一個「革命性」的宣布，問自己：這真的能解決什麼問題？有什麼是它做不到的？誰會從中獲益？

做對的人會壯大

吳恩達在課堂開頭說，現在是有史以來最適合動手做東西的時代。AI 工具讓每個人的能力都被放大了，一個人能完成的事情比以前多很多。

這個時代有泡沫嗎？很可能有。但泡沫不是世界末日。.com 泡沫破掉之後，網際網路沒有消失，反而變得更強大。Amazon、Google 這些真正做對事情的公司，在泡沫中不只存活，還成長為世界級的巨頭。

AI 也會是類似的劇本。炒作會退潮，不切實際的估值會修正，一批公司會消失。但真正解決問題、創造價值的人和公司，會在另一邊變得更強。

問題是：你想站在哪一邊？

本文整理自 Stanford CS230 2025 年秋季班第九講「Career Advice in AI」。