刷屏全网：摩尔线程投资人对AI的40个观察新智元

本文作者为摩尔线程天使投资人、中国初代AI投资人王捷。他于今年8月发表了《浮现中的AI经济》一文，对即将到来的AI经济进行了展望和解读。本篇文章是他近期对当前AI的思考的小结。

《浮现中的AI经济》（以下简称「文章」）发表以来，AI行业继续发生了众多大事：

OpenAI牵头的千亿美金「循环交易」引发「AI泡沫论」大讨论，

模型公司估值来到数千亿美金级别，

而Gemini 3和GPT5.2等新发布模型版本又持续体现了能力进步，

中国模型也持续在开源领域保持全球领先。

我们看到，与AI相关的历史事实，正继续以「非线性、非均匀」的特征往前发展：

Scaling Law并未收敛，AI行业继续呈现加速发展的特点，与AI相关的经济活动规模来到了前所未有的量级；

同时，历史进程呈现出「非均匀」的面貌，虽然人们是在同一个时空下，但是与AI有关的经济社会活动，和与AI无关的经济社会活动，看起来不在同一个历史进程中，前者正以强大的动能迅猛往前发展，而后者维持着我们所熟悉和习惯的、传统工业经济的节奏和特点。

另外，文章发表以来，一些行业领袖表达了与文章类似的观点。如马斯克认为社会将进入「全民高收入」时代；黄仁勋推测AI将把全球GDP推高5倍至500万亿美元，以及对于「AI工厂」、「数字员工」的讨论。

如何在有效框架下具体地讨论这些问题，越发成为大家共同的关注。

基于以上，为了集中回应读者朋友对于文章的兴趣，也为了对文章所表达的内容做更进一步的阐述，我们整理了关于AI经济的四十个重要问题，供关心AI大模型接下来对于经济、社会影响的朋友们参考。

我们希望这些观察，之于即将展开的AI经济，能对其为什么会发生、将有哪些结构性特征，给出一些可参考的观察；对于AI经济将要如何展开，给出一些理解、预判的视角、基准和指标；对于AI大模型即将带来的对于社会、经济的全面影响，给出一些观察和分析的基础框架。

在一个即将展开的未知大时代，我们相信要揭开其全貌，提出问题，是开始的方式之一。

问题一：Transformer架构的Scaling Law在何处收敛？

Scaling Law启动了我们当前所在的AI大模型发展的大浪潮；

Scaling Law作为AI大模型行业发展的基石，将会在何种条件下、什么时候收敛？

问题二：Transformer之后，下一个将AI智能往前大幅推进的架构是什么？会诞生在哪里？

这会决定我们到达transformer架构下的AI能力上限后，继续往哪里走；

目前全球众多AI研究机构在做这方面的探索；正如2015年成立的OpenAI带来了这一轮的大语言模型浪潮，目前的边缘地带在十年后又可能成为最重要的技术推动力量。

问题三：我们需要知道更多关于AI大语言模型基础规律

目前，我们已经知道大语言模型的推理成本每12个月下降90%、能力密度约每100天翻一番、完成复杂任务的能力每七个月翻倍等一些关于大语言模型的规律；

我们能否发现AI大语言模型的「摩尔定律」？

问题四：AI将以什么样的顺序、在什么时间扩散到各个行业、整个社会？

回看蒸汽机和电力的扩散过程，基本分为核心原理成熟、工程化成熟、跨行业和规模化部署、成为基础设施四个阶段；

当前的AI，处在核心原理成熟当中（Scaling Law尚未收敛）、工程化尚有巨大发展空间（如Deepseek、Kimi通过工程优化都实现了明显提升模型效能）、跨行业和规模化部署处在早期（各行业的专用agent均刚刚出现，都还在探索各自行业适用AI的最优解），这样一个阶段；

蒸汽机完成上述过程用了120–150年，电力完成上述过程用了80–100年；

我们初步预计，AI完成上述整个过程可能会用40–60年；AI的研究始于1956年的达特茅斯会议；如果把2012年的神经网络AlexNet作为核心原理成熟的起点的话，那AI可能在2035到2050年完成上述过程。

问题五：Transformer架构的Scaling Law收敛时，对应的AI工作能力是怎么样的？需要一套对于AI Agent工作能力的评测体系

也就是，届时全球最领先的AI大模型所具备的「工作能力」，将会达到什么水平？对于这里的AI工作能力，我们需要量化的评估指标，即一套对于AI Agent工作能力的评测体系；

当前流行的各项AI能力评测基准，评测任务基本不来自于真实经济活动；我们需要构建评测任务来自于真实经济活动的评测基准；

以上评测体系，可以让我们知道不同推理能力的AI大语言模型的ROI/创造价值能力。

问题六：关于「经济图灵测试」

在文章中我们提到，对于从事经济活动的AI而言，更好的评估基准是专门来评估其从事经济活动的能力，我们将其命名为「经济图灵测试」；

基于问题五提到的评测体系，我们应该有能力构建可用的「经济图灵测试」标准，来评价什么情况下我们认为AI独立完成了经济任务，什么情况下我们的经济和社会可以完全接受AI完成的工作结果，以及我们是否同意AI持续为我们完成这样的工作。

问题七：关于产出增强倍数（Output Augmentation Multiple）

用一个经济体中一个劳动力一年的总成本，投入到AI和机器人系统执行该劳动力同样的任务，所得到产出与该劳动力一年产出的比值，我们称之为「产出增强倍数」；

产出增强倍数，是这次由AI驱动的工业革命带给人类的结果的最显式和简洁的表达：同样的投入，人干和AI干，后者的产出是前者的多少倍？

在数字世界和物理世界，产出增强倍数各是多少？哪些行业的产出增强倍数高，哪些行业的产出增强倍数低？

问题八：不同行业、不同经济体、AI经济不同发展阶段的产出增强倍数各是多少？

不同行业、不同经济体的产出增强倍数各不相同；当我们有足够多的样本，我们将可以统计出这些产出增强倍数各是多少；这些产出增强倍数将为我们提供不同行业、不同经济体的「AI浓度」和「AI有效度」；

在AI经济的不同发展阶段，会有不同的产出增强倍数；随着AI对于全球经济产出的贡献越来越大，对于产出增强倍数的跟踪，将有助于我们理解整个这次AI工业革命。

问题九：在问题一的收敛状态到来时，AI带来的工作能力会把一个经济体的全要素生产率提高百分之多少？会把稳态下的全球GDP增长率提高百分之多少？以及，AI生产力会把全球的GDP提高到目前全球GDP的多少倍？

我们知道，全要素生产率决定一个经济体的长期经济增长率。如果AI的工作能力提高了全要素生产率，那也会提高全球的长期经济增长率。

第三问是问题七的加总：也就是我们在文章中提到的，「N倍于当前人类经济总产出的产出能力」；

现在大家对此有很多积极的猜测，比如黄仁勋认为是5倍；但是，我们需要更多扎实的基础性统计和计算工作。

问题十：我们会怎样进入「非稀缺经济」？

对于一个经济体，我们将有机会定义其单位时间的「产出/需求比」（Output–Demand Ratio），即该经济体的单位时间总产出，比上该单位时间该经济体总需求的倍数；

当单位时间的「产出/需求比」大于多少时，人们会感觉处在一个「非稀缺经济」中。

「数字层使得每个个人的脑力的差异，在经济活动中被很大程度上抹除了——新的情况是，只要有足够的电力和算力，你可以让无数个拥有科学家般智商的数字员工替你无休止地工作。」

问题十一：文章提到AI经济阶段将可能出现的一个重要基础设施是「数字层」。「数字层」由用户的个人AI助理和各个垂类的AI Agent组成，全面了解消费者和生产者等经济主体，也全面了解物理世界。「数字层」的工作机制是怎么样的？

基于对个人AI助理和各个垂类的AI Agent的观察，我们可以初步说，当前正在出现的「数字层」是以LLM为决策核心、以Agent为执行单元、在「状态—目标—行动」闭环中持续运行的代理化操作层。

以chatbot为例，它可以接收用户的问题和关于用户的环境信息，通过模型计算生成回答（可能结合实时信息获取模块），发送给用户；可以全天候工作。

以agent为例，它可以接收用户任务和环境信息，以任务为目标自主规划执行策略，收集所需信息，调用工具并执行，给用户交付该任务要求的结果；可以全天候工作。