【AI 的死亡螺旋：智慧增加是线性，成本增加是指数】🚨

Yann LeCun（杨立昆） 转发了一张可能是 AI 领域最重要的图表。Brandon Carl 用 OpenAI 从 GPT-4 到 GPT-5.5 的成本曲线指出了一个残酷事实：模型智慧只能线性增加，但运算成本却在指数级飙升。

■ 图表呈现的事实： ・X 轴是成本（对数刻度，从 8 一路到 4,000+） ・Y 轴是 Artificial Analysis 智慧指数 ・GPT-5.5(high)智慧约 60、成本超过 $4,000 ・GPT-5 nano(medium)智慧约 45、成本不到 $64 ・智慧每提升 10 分，成本要翻 10 倍以上

■ 为什么这会「自我崩溃」： ・即使用 Mixture of Experts、分布式运算解决算力问题，还会撞上内存与存储的墙 ・计算机科学里这叫 Big O notation，当任务复杂度超过 O(exp(N))，系统会吃光所有资源 ・最终运算成本会超过直接雇佣人类的成本——也就是 AI 的经济意义消失

■ Yann LeCun（图灵奖得主、AI 教父之一）为什么转发： LeCun 多年来一直反对「靠 scaling 暴力叠算力就能达到 AGI」这条路径，主张需要全新的算法架构（他的 JEPA 模型）。这张图等于给他长期的警告做了可视化背书。

这张图跟前几天 Morgan Stanley 上修 hyperscaler capex 到 $911bn 的信号刚好对撞，值得多面向看：

多头视角：既然智慧进步要指数级成本，代表 GPU、内存、数据中心的需求只会更疯狂。NVDA、TSMC、SK 海力士、Micron 在这个剧本里是最大赢家——因为「烧钱」就是他们的营收。

空头视角：当运算成本超过人类劳动成本，AI 的商业模式就破产。OpenAI 已经传出每年烧掉 $50bn+，如果 GPT-6 要花十倍成本只换来边际智慧提升，投资人会开始问「这笔钱什么时候回得来」。一旦有人喊停，整个 AI capex 链会立刻反转。

真正的观察点：这个系统的崩溃点不是技术问题，而是资本耐心。只要市场相信 AGI 还在前方、愿意持续喂钱，Pareto 前沿就会继续被推升；当任何一家 hyperscaler 开始质疑投资回报，信心会像骨牌一样倒下。

LeCun 的立场一直是：不是 AI 不行，是「这个 AI」不行。如果他是对的，下一波赢家不会是现在烧最多钱的人，而是想出新架构、绕开这条指数曲线的人。

资料来源：Artificial Analysis、Brandon Carl 、Yann LeCun ——————————观点仅供参考，杨立昆之前领导Meta的人工智能团队，一直不认可大模型这条路径，导致Meta从领先变落后，但是他的观点逻辑上也没问题