德意志银行报告回顾AI 70年：14条启示透视当前投资热潮

德意志银行研究院主题策略师 Adrian Cox 在最新报告中，以 1956 年达特茅斯夏季研讨会为起点，系统梳理了人工智能 70 年来的发展脉络，并从中提炼出 14 条关键启示。报告认为，理解 AI 未来走向，「语境」至关重要，当前这轮投资与估值热潮正在重演历史上多次出现的技术革命范式。

增长非线性，进步速度已超摩尔定律

报告开篇点明 AI 进步的核心特征是非线性。以对数坐标呈现训练算力的历史数据，可以清晰看出，自 1956 年至今，用于训练主要 AI 系统的算力增长跨越了数十个数量级，而线性图表几乎完全掩盖了这一趋势。指数级增长在直觉上极易被低估，是理解 AI 浪潮的第一道认知门槛。

与之相关的是，AI 的进步速度已超越摩尔定律。传统计算能力每 18 至 24 个月翻一番，但进入深度学习时代后，算力年均增速已达约 4 倍，远高于深度学习之前约 1.4 倍的年增速。报告认为，系统规模扩大、内存提升、算法优化等多重因素同步改善，形成叠加效应。

技术路线持续迭代，今日领先者未必是明日赢家

报告以 AI 技术谱系图呈现 70 年来的路线演变：从符号逻辑、专家系统，到统计机器学习、深度学习，再到当前主导的大型语言模型。每一代主流技术都曾经历从兴起到被取代的周期，部分路线已被超越，另一些则仍在并行演进。报告指出，大型语言模型未来或将让位于「世界模型」等新范式，技术代际更替不以当前领先者的意志为转移。

历史的市场份额更迭同样印证这一点：Internet Explorer 一度压倒 Netscape，自身随后又被 Chrome 取代。当前生成式 AI 竞争中，ChatGPT 月访问量领先，但 Google Gemini、DeepSeek 和 Claude 均在快速追赶。

研发积累决定竞争格局

报告以 DeepSeek 为例分析中国 AI 模型的崛起。表面上看似「一夜成名」，实则是多年研发投入积累的结果。数据显示：

• 中国在研发总支出上已于 2024 年超越美国
• 在主要 AI 模型数量上的追赶速度同样显著
• AI 专利授权数量的增长曲线大幅领先其他经济体

报告认为，竞争格局的变化往往在表面可见之前已在底层积蓄多年。

成本下降反而扩大需求，硬件供给是当前约束

报告引用「杰文斯悖论」说明：AI 使用成本的大幅下降并不会压缩总需求，反而会刺激需求激增。自 2006 年以来，GPU 算力成本已下降逾 99%，但根据国际能源署（IEA）预测，全球数据中心电力消耗将从 2024 年至 2030 年翻倍。

历次科技革命均有赖于大规模硬件投资。自 ChatGPT 于 2022 年 11 月上线以来，在 Russell 1000 指数中，数据中心、硬件及芯片相关行业的总回报率远高于软件行业。当前的瓶颈更多在于 AI 芯片供给侧，英伟达 H100 GPU 的每小时租用价格在过去数个季度持续波动，反映出供需的结构性张力。

商业落地仍处早期，估值已处历史高位

报告援引数据指出，目前美国员工中使用 AI 完成工作的比例不足一半，平均将 6% 的工作时间用于 AI 相关任务，仅节省了约 2% 的工作时长。消费端的采纳速度已创历史纪录，但可直接货币化的企业端应用推进明显更慢。

在估值层面，从席勒周期调整市盈率（CAPE）来看，当前标普 500 估值水平已与 2000 年互联网泡沫顶峰相近，位于 150 年来的最高区间。报告梳理了历史上的估值高峰与变革性技术浪潮的对应关系：

• 1899 年：电气化
• 1929 年：无线电与汽车
• 1966 年：电子浪潮
• 2000 年：互联网
• 2026 年：AI

收入层面，OpenAI 和 Anthropic 当前的营收增速已超过同期对比公司的历史峰值水平。但报告同时指出，要兑现当前估值所隐含的远期营收预期，两家公司的增长曲线需要与 Google、Meta、英伟达等科技巨头的历史轨迹相比「更加不同」才行。

长期趋势具有韧性，极端情景已进入讨论

报告以标普 500 每股盈利的长期趋势收尾，数据显示该指标自 1935 年以来年均增长约 6.5%，历经多次战争与衰退保持趋势稳定。在 GDP 层面，报告梳理了三种 AI 情景：基准趋势、AI 驱动的温和提速（未来 10 年年均增速约 2.1%），以及「奇点」场景下的两个极端——从技术乌托邦到人类灭绝。报告对此保持中性立场，但提示投资者：在历史趋势与极端情景之间，当前市场的定价更接近哪一端，是值得持续追踪的核心问题。