人工智能的蓬勃发展可能会进一步扩大社会不平等,只有少数公司和投资者能够从中获得经济回报,全球最大资产管理公司贝莱德首席执行官拉里·芬克如此表示。
这位管理着14万亿美元资产的公司老板在周一发给投资者的年度信函中,重点强调了生成式 AI指数级增长带来的潜在风险。生成式 AI已经吸引了大量快速投资,并成为美国和中国等全球大国之间"战略竞争的核心"。
芬克表示:"过去几代人创造的巨额财富主要流向了那些已经拥有金融资产的人群。现在生成式 AI有可能以更大规模重复这种模式。"
他警告说,生成式 AI繁荣可能会加速一种趋势,即领先公司不断拉开差距,而其他公司则难以跟上步伐。
专注于人工智能的科技股近年来取得了显著涨幅——市场领导者芯片制造商英伟达目前市值已达4.3万亿美元。
芬克指出,拥有数据、基础设施和资金来大规模部署人工智能的公司"将获得不成比例的收益"。他说,这最终可能会加剧贫富之间的鸿沟。
"历史表明,变革性技术会创造巨大价值——这些价值很大程度上会流向构建和部署这些技术的公司,以及拥有它们的投资者,"芬克说道。
他补充说:"这并不罕见,这些本身也没有什么问题。"他指出,技术变革往往会带来风向的转变。
然而,芬克警告说:"更广泛的问题是谁能参与到收益中来。当市值上升但所有权仍然狭窄时,对于那些局外人来说,繁荣可能会感觉越来越遥远。"
芬克的这番评论发表几周后,贝莱德预计将公布他2025年的薪酬。他在一年前获得了3080万美元的薪酬,这引起了一些股东的担忧,去年春天只有67%的股东批准了这一令人瞠目的薪酬方案。
芬克在信中补充道:"有一点很清楚,人工智能将创造巨大的经济价值。确保对这种增长的参与度能够与之同步扩大,既是挑战也是机遇。"
然而,人们也越来越担心生成式 AI投资泡沫的出现,一些专家警告说,该行业的快速增长与导致互联网泡沫破裂的条件相似。
英格兰银行在10月份警告说,与领先的生成式 AI科技公司估值飙升相关的全球市场存在"突然调整"的风险日益增加。
对各种数十亿美元交易的审查越来越严格,包括领先的生成式 AI公司之间的循环投资。这包括英伟达投资某家公司,该公司后来购买英伟达芯片的案例,这引发了一些担忧,即生成式 AI行业的基础比其支持者愿意承认的更加不稳定。
芬克并未直接提供解决人工智能对不平等影响的方案,但他敦促更多人开始投资股票,而不是专注于购房来积累财富。
这位贝莱德老板表示,房价上涨和更严格的放贷规定使得拥有住房变得更加困难,而税收、保险和维护费用导致那些成功上车的人获得较低的回报。
芬克说:"很难不同情那些面临这种情况的人。如果你不再相信你的工作是成功的道路,相信你买不起房子,或者相信即使你能买得起,它也不会积累很多财富,那么经济对你来说就不起作用了。如果公民有这种感觉,没有国家能够繁荣。"
相反,这位资产管理公司的老板——该公司通过帮助人们投资收取费用——表示人们应该转向金融市场来增长财富。
他说:"如果繁荣越来越多地在资本市场中创造,部分答案是确保更多人投资于这些市场。"
芬克补充说:"这并不能减少住房负担能力方面的真正挑战,也不能否认许多家庭的收入没有跟上资产价值的步伐。这只是意味着解决方案的关键部分是让更多人进入资本市场——这样他们就可以分享已经发生的增长,而不仅仅是在场边观看。"
Q&A
Q1:贝莱德CEO芬克为什么认为AI繁荣会加剧贫富差距?
A:芬克认为AI繁荣会重复历史模式,即变革性技术创造的巨大财富主要流向已经拥有金融资产的人群和构建部署这些技术的公司。拥有数据、基础设施和资金来大规模部署AI的公司将获得不成比例的收益,这可能加剧贫富鸿沟。
Q2:目前AI投资市场存在哪些风险?
A:专家担心AI投资泡沫的出现,认为该行业快速增长与互联网泡沫破裂前的条件相似。英格兰银行警告全球市场存在"突然调整"风险,还有AI公司间的循环投资问题,如英伟达投资某公司后该公司又购买英伟达芯片,显示行业基础可能不如表面稳定。
Q3:芬克建议人们如何应对AI时代的财富增长?
A:芬克建议人们应该转向投资股票而非专注于购房来积累财富。他认为房价上涨、严格放贷规定以及税收保险维护成本降低了房产投资回报。如果繁荣越来越多在资本市场创造,解决方案是让更多人进入资本市场分享增长。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。