德银：2030年或迎来超级智能时代 但AI投资回报并不依赖AGI实现

10月13日，德意志银行（DB.US）研究所发布研报指出，随着人工智能（AI）能力加速提升，模型规模扩张与“递归自我改进”（RSI）相结合，可能在2030年前催生超越人类专家的超级智能。不过，这一前景并非确定性预测，即使未能实现通用人工智能（AGI（AGBK.US）），AI产业仍可能创造可观经济回报。

AI能力提升与成本下降正在同步加速。过去三年，同等性能AI的价格几乎每季度减半，一年下降约13倍。METR数据显示，领先模型目前可在50%成功率下独立完成相当于人类专家16小时工作量的软件任务，而2023年GPT-4仅为4分钟。

德银认为，实现超级智能需要模型规模扩张与RSI形成正反馈，但规模定律能否持续有效仍存争议。AI自主研发还受到实验周期、结果验证和芯片制造速度制约，技术能力提升不一定意味着生产力同步跃升。

算力需求构成另一项挑战。德银测算，假设训练AGI级模型需要10^30 FLOPs算力，采用当前英伟达（NVDA.US）Vera Rubin芯片，在四个月内完成训练需要约780万颗芯片、26GW电力，硬件成本约9000亿美元。若技术进步和成本下降趋势延续，到2030年相关计算及电力硬件成本可能降至2000亿美元，单次训练费用约200亿美元。

目前，Alphabet、亚马逊（AMZN.US）、Meta（META.US）、微软（MSFT.US）和甲骨文（ORCL.US）2026年资本开支预计合计接近8000亿美元，2030年前后年支出可能超过1万亿美元。但电网接入、设备交付和融资仍是瓶颈，部分变压器交付周期长达三年。随着资本开支超过经营现金流，云巨头正逐步增加债务融资。

数据同样存在约束。高质量公开文本资源可能在2026至2032年间耗尽，合成数据虽缓解短缺，但AI生成结果的可靠性验证正成为新的稀缺资源。

投资方面，德银认为，若超级智能普及，认知劳动成本将大幅下降，企业可能加速分化为技术采用者和落后者。专有数据、监管牌照、客户关系及实物资产将更具价值，传统分散投资和逢低买入策略也可能失效。

不过，德银强调，AI投资的基准情景无需依赖超级智能。企业采用AI工具的速度约为互联网、移动通信和云计算浪潮的三倍。中国以外AI产业收入预计从2022年不足10亿美元增长至2026年超过2000亿美元。即使AGI未能如期实现，AI应用普及、企业效率提升和新商业模式仍有望支撑长期增长。