华尔街新闻 麻省理工学院报告发现，多达95％的公司从其生成的AI投资中获得了零收益率。在对美国股票进行高度评估的时候，这个结论以及阿尔特曼最近的评论“发明过于激动”，本来可以形成AI的泡沫，严重打击了市场信心，并允许投资者重新考虑支持这一大幅增长的中心逻辑。 麻省理工学院的报告揭示了AI投资公司的苛刻现实。这涉及Openai首席执行官在AI泡沫上的警告，打破了华尔街的乐观情绪，并引起了技术行动的突然出售。 美国股市的技术领域0.7％。 AI Boom的中心受益人Nvidia下跌了3.5％，而Palantir软件公司和ChIP Design Company Arms分别下降了9.4％和5％。同时，防御部门（例如消费者需求，公共服务和房地产）反对这一趋势，强调了Obv资本的趋势在高风险时刻旋转了技术清单。 市场煽动的直接融合指向了麻省理工学院周一发布的一份关键报告。该报告表明，“多达95％的企业投资获得了零收益率”。这一结论以及歌剧院首席执行官Sam Altman的最新评论“投资太兴奋了”，可能会影响AI的泡沫，严重打击了市场信心。 此次出售将集中于今年的高性能股份，该股票允许投资者开始重新考虑中央逻辑以支持这种质量增加。 报告揭示的“ AI分裂” 商人提到的“人恐怖人物”的报告名为“遗传学的股息：2025年的当前业务状况”，由南达·德尔·米特（Nanda del Mit）项目出版。该报告的核心发现是尽管项目对项目的期望，但大多数项目都不会拥有真正的经济影响。 一位接近美国技术基金的商人说：“这个故事使人们感到害怕。” 该报告基于对150名业务领导者的访谈，350名员工的调查以及对300例公共实施案件的分析。结果表明，尽管AI的试点项目中只有大约5％实现了收入的快速增长，但大多数项目仍然停滞不前，而Watertighttwo没有对公司的收益和损失声明产生可衡量的影响。 该报告的主要作者Aditya解释说，该问题的核心不是AI模型本身的质量，而是公司内部工具与组织的内部工具与有缺陷集成的策略之间的“学习差距”。尽管许多高管谴责失败的监管机构或模型的表现，但麻省理工学院的研究是指业务整合过程的问题。 为人类（例如Chatgpt）设计的通用工具很受欢迎，可以灵活，但CannOT从特定的工作流程中学习或适应，这会导致墙壁在商业环境中受到打击。 成功的少数民族和多数失败 该报告更详细地分析了AI实施中成功与失败之间的关键差异。一些成功的人，例如一些新公司，他们的战略是“选择问题，做得好并与使用工具的公司建立智能联系”。阿迪亚（Aditya）引用了查拉利（Challapally）为一个领导年轻人的一个例子，“每年从零跳到2000万美元”。 但是，IA实施对于数据集中的95％的公司无效。该报告发现，销售和营销工具中使用了一半以上的生成预算，但是最大的投资回报率（ROI）实际上来自后台自动化，例如外包商业流程和降低外部机构的成本。 另一个重要的发现是，“购买”优于“自我建设”。购买AI专业供应商和建立协会约为67％，但是公司内部的系统的构建仅持续3分钟1。AdityaChallapallyo指出，尽管Muchas Companies倾向于构建自己的独特工具，但数据表明，这种“独特”模型的故障率要高得多。 这一发现给那些在试图建立自己的AI系统并询问有关这些公司资本支出效率的市场问题的公司面临直接挑战。该报告还指出，成功的关键因素包括加强力量以提高对第一行经理而不是AI中央实验室的应用程序，以及可以选择随着时间的推移而深入整合和适应的工具。 评估压力和市场感觉转弯 该报告是在市场是指技术行动估值日益增长的时候。根据彭博社的说法，纳斯达克100的价格 /增益比为27倍，几乎从长远来看，诺言比承诺高三分之一。这项伸展的评估为市场的吸引力奠定了基础。 山姆·奥特曼（Sam Altman）的警告增加了燃料。他承认“我认为有些投资者可能会损失很多钱”，并承认市场上有一个“虚假的繁荣时期”，这加剧了对投资者的怀疑。 欧文投资者投资组合经理雅各布·索南伯格（Jacob Sonnenberg）表示：“市场很热，但是今天我们看到了从非常受欢迎且具有很大动力的行动转向的钱。” 实际上，市场对有关AI的负面消息非常敏感。 今年1月，DePseek宣布，他的计算机功率远低于他的美国竞争对手，这曾经导致市场中断。从那时起，股票的价格已恢复，但事件突显了投资者感受的脆弱性。 周二的销售再次证明了其合业化可以是queAI繁荣月份后，所有权力证据都可能成为市场挫折的催化剂。 风险警告和辞职 市场很危险，因此在投资时要小心。本文不构成个人投资建议，也不考虑特殊的投资目标，财务状况或个人用户的需求。用户应考虑本文中的意见，意见和结论是否符合特定情况。根据这是您自己的责任。 官方NINA Finance帐户 24-最新信息和财务视频的流离失所，以及扫描QR码以关注更多粉丝（Sinafinance）