加载失败
一封署名学者与评论者的公开信（可在 ICCL 网站上看到）致欧盟委员会主席 Ursula von der Leyen，呼吁不要过度夸大 AI 的短期能力并以事实为依据制定政策。讨论延伸到欧盟如何用补贴和产业政策支持本土科技——批评者担心资金流向被营销与政治话语驱动，导致“build-to-fail”项目。另一条脉络是对署名者构成的争议：许多签名来自社会科学与批判性 AI 研究者，部分评论者质疑其缺乏工程技术评估。与此同时，论坛也讨论了市场炒作（meme stocks 与极高的 P/E）、Turing test 与 LLM 能力，以及政治信任问题如何交织影响政策选择。
有评论认为资本市场已部分脱离“硬现实”，出现以情绪和故事驱动的meme stocks，举例 Nvidia、Tesla、Palantir 等并列出极高的 P/E 估值作为警示。有人断言理性市场神话已死（甚至把 BTC 视为标志性事件），因此简单要求市场回归理性无效。现实路径应是“趁潮而行但要有风控”，在炒作中寻找机会同时限制系统性风险和财政暴露。该观点把焦点从技术争论转向如何在投机主导的宏观环境下制定务实经济与产业政策。
批评者指出当领导层在竞争力上落后时，往往寄希望于“Wunderwaffe”式的突破（例如飞行出租车、量子计算、区块链或AI“大月球计划”），把这些作为捷径。评论认为单靠把资金投向新奇项目无法解决制度性或基础设施性问题，反而滋生“build-to-fail”的补贴型产业，如反复被提到的“Google 竞争对手”“European cloud”等示例。因此争论在于应优先弥补系统性短板，还是通过大手笔押注创新来追赶对手。评论还提醒选民容易被这些承诺吸引，导致重复失败的政治循环。
部分评论把乌尔苏拉·冯德莱恩描绘为缺乏专业、像游说者般随声附和企业宣传，并用纳税人钱支持相关团体或公司，呼吁改革欧盟的决策与资金分配结构。也有回复为游说辩护，认为游说是公司与政府沟通的渠道，可以帮助避免低质量监管，但企业陈述应被谨慎验证并予以适当权重。还有更政治化的质疑把AI炒作与之前与制药公司（如 Pfizer）相关的“幕后往来”并列，显示这场争论不仅是技术或经济问题，还包含强烈的政治不信任与阴谋论元素。
有评论详细盘点公开信签署者的学科背景，指出名单中包含大量社会科学、性别研究、文化研究和批判性AI研究者（例如“可持续性助理教授”“性别与多样性AI助理教授”等职位）。批评者认为信中措辞接近 AI-skeptic 的论调，侧重指责“营销 driven by profit-motive and ideology”，却缺乏正面的技术评估或可量化证据，因此容易被视为反科学或政治化。评论警告，如果政策制定过度依赖这些非工程类专家的集体声音，可能削弱欧洲在AI治理与技术竞争上的公信力与专业判断力。
讨论中有人断言我们已经在很多任务上“超越”了 Turing test，认为 AI 在某些场景已明显优于人类，但并未给出具体示例以支持该广泛主张。反对者强调很少有人对最先进的 LLM 做过严格的 Turing test；真正的测试要求人在受控条件下努力辨识并用复杂问题检验，评论中举出棋局难题和重复同一句话作为具有辨识力的实验范例。另有观点提醒不要误读 Alan Turing 本人的意图：imitation game 并非要定义“思考”的临界点，而是把注意力放在表现上；很多对AI的抵制其实更源自就业与经济被替代的担忧而非纯技术论证。
Turing test: 由 Alan Turing 提出的“模仿游戏”（Turing test），用于通过对话判断机器是否能被误认为人类；原始论述侧重能力表现而非给出“思维”定义。
LLM (large language model): 大规模预训练语言模型，如 GPT 系列，依靠海量数据和统计学习生成连贯文本，擅长许多 NLP 任务，但在长期一致性、复杂推理与可靠性方面仍有争议。