Tokenmaxxing 退潮之後，AI 產業下一步會是什麼？

原文連結：https://garymarcus.substack.com/p/what-happens-next-after-the-decline

文章說明

這是 AI 評論家 Gary Marcus 針對「tokenmaxxing」（追求更大 token 處理能力的軍備競賽）衰退後 AI 產業走向的預測文章。文中呈現兩組截然不同的未來預測：Marcus 的悲觀務實派 vs AI 研究者 Lisan al Gaib 的極度樂觀派，雙方約定 12 個月後驗證。

內容介紹

Tokenmaxxing 衰退的證據：

Marcus 引用多個數據指標證明 token 軍備競賽正在降溫：

1. GPU 租金崩盤：Nvidia H200 租金 3 週內從 $7/小時暴跌至 $4/小時（-40%）
2. ROI 計算很難看：金融時報計算 2025-2030 超大規模雲服務商的 AI 投資回報，即使在「最佳情境」假設下（零成本，只看收入對資本支出），也只有一家能轉正
3. Amazon 取消 AI 使用排行榜：防止員工為了衝榜而濫用，顯示內部使用動機不純
4. Fortune 專欄 Jeremy Kahn 也觀察到相同趨勢

兩組截然不同的預測：

Gary Marcus 的悲觀預測（原文截圖）：

• Scaling laws 已觸及天花板
• 大型語言模型無法實現 AGI
• 產業將轉向混合架構（結合符號推理）
• 資本支出將大幅縮減
• 許多 AI 新創將倒閉或轉型

Lisan al Gaib 的樂觀預測（詳細列表，原文截圖）：

• GPT-5 將在 2026 Q3 發布並超越預期
• 多模態整合（視覺、音訊、3D）將突破
• Agent 系統將真正可用
• Scaling 仍有效，且會出現新範式
• AI 晶片效能持續指數成長
• 到 2027 將出現接近人類水平的 AI 助理

社群反應：

這對對比預測迅速成為 meme，有人製圖諷刺兩邊立場的極端差異。Marcus 和 Lisan 約定 12 個月後檢視預測準確度。

Marcus 的立場脈絡：

Marcus 長期批評 AI 炒作，認為：

• LLM 存在根本性推理缺陷（他稱為「被我名字變成動詞」的現象 - 參考他另一篇文章「A knockout blow for LLMs」）
• 產業過度依賴 scaling，忽略架構創新
• 許多「突破」其實是基準測試遊戲

你可以帶走的重點

1. GPU 租金是產業健康指標：H200 價格 3 週跌 40%，反映需求降溫或供給過剩，都不是好訊號。

2. ROI 困境正在浮現：即使在最樂觀假設下，超大規模雲服務商的 AI 投資回報也很可疑，這會影響未來資本支出。

3. 預測的價值在於可驗證性：Marcus 和 Lisan 都給出具體、可驗證的預測（GPT-5 時間、Agent 能力等），12 個月後見真章。

4. 立場對立反映產業分歧：悲觀派認為 scaling 已死，樂觀派認為還在加速。這不只是技術判斷，也是商業與研究方向的根本分歧。

5. Tokenmaxxing 衰退不等於 AI 衰退：重點是產業會從「比誰模型大」轉向「比誰能解決真實問題」，這可能是健康調整。

適合誰閱讀

• AI 產業投資者與分析師（需要理解產業週期與風險）
• AI 研究者與工程師（關注技術路線與資源分配）
• 追蹤 AI 炒作與現實落差的評論者
• 想看「預測對決」戲碼的科技觀察者