人工智能大调整已经开始

see122

现代史上最大的资本错配正在 CFO的资产负债表上发生。一场科技海啸即将来临，而大多数公司却只收到漏水的水龙头。我们正在目睹企业人工智能项目的大规模灭绝，一场悄无声息的裁员正在董事会会议室里进行，那些董事会不愿公开他们数百万美元的“大火”。硅谷鼓吹超级智能的曙光，但实际经济的数据却讲述了一个截然不同的故事。这是一个规模惊人的失败故事。

麻省理工学院最近的一项研究报告显示，高达95%的企业生成式人工智能试点项目未能带来任何有意义的回报。让我们认真思考一下。每20个项目中就有19个是失败品。它们除了PPT和遗憾之外什么也没做。预计将超过1万亿美元的生成式人工智能市场正建立在沙土之上。少数几家被誉为“ 顶级 ”的科技公司的股价与其他所有人在现实世界中的效用之间的差距已经变成了一道鸿沟。这不是暂时的低谷或小挫折。这是一次根本性的、痛苦的调整。人工智能革命并没有取消。它只是不再是我们所期望的那种革命。下一个十年的赢家正在被决定，不是由谁喊得最响亮，而是由谁了解当前市场的残酷真相。

一 炒作与价值创造

过去两年的风险投资狂潮已经冷却。2025年的全球风险投资前景显示出急剧的收紧。轻松赚钱的时代已经过去。依靠好故事和魅力非凡的创始人来投资的时代已经结束。投资者现在要求的是一些更加难以捉摸的东西：营收。这种从炒作到基本面的转变，正在揭露该行业的肮脏秘密。人工智能繁荣的大部分目的并非创造价值，而是为了攫取投机资本。

数十亿美元被投入到商业模式存疑的初创企业，它们追逐的都是同一批有限的企业客户。如今，这些“游客”已然回头，市场上充斥着烧钱率高、却缺乏清晰盈利路径的公司。2025年，人工智能风险投资的现状将以更少的资金投入老牌企业、更大的赌注为标志，而其他所有企业都将面临死亡之谷。这并非历史上技术停滞的“人工智能寒冬”。技术仍在飞速发展。这是一个市场寒冬。这是对骗子和梦想家的必要清洗，迫使人们进行一场本应在一年前就发生的清算。幸存者将是那些解决实际问题而非仅仅解决理论问题的公司。

二 数据的肮脏秘密

造成如此巨大失败率的主要原因与算法或模型大小无关。罪魁祸首远比这更普通，是数据。据估计，60% 的项目失败源于糟糕的数据基础设施。企业急于在混乱的数据系统上部署复杂的模型。这就像试图在沼泽地上建造摩天大楼，根本就没有地基。

这并非一个光鲜亮丽的问题，它不会登上头条新闻，也不会出现在主题演讲中。但它却是人工智能应用的最大障碍。人工智能的原材料是干净、结构化且易于访问的数据。大多数组织的情况恰恰相反。他们拥有数据孤岛、遗留系统和不一致的标准。解决这个问题需要彻底革新。它成本高昂、耗时耗力，而且无法像华丽的演示那样带来立竿见影的效果。那些在生成式人工智能炒作兴起前数年就投资于强大数据管道的公司，如今正在超越竞争对手。他们是 那5%真正取得成功的默默无闻的企业。他们明白，没有燃料，引擎就无法运转。

最成功的人工智能应用都有一个共同点：它们并非试图取代人类，而是专注于增强人类的能力。大规模失业和机器人统治的叙事或许是科幻小说的佳作，但却是一个糟糕的商业策略。真正的价值在于利用人工智能让现有员工变得更聪明、更敏捷、更高效。关键在于打造更好的工具，而不是创造新的员工。

这种方法规避了全面自动化带来的巨大技术和伦理挑战，并能更快地带来回报。从供应商处购买现成AI工具的公司，其业绩始终优于那些试图内部构建复杂解决方案的公司。他们让专家解决棘手的技术问题，而自己则专注于将这些工具集成到现有工作流程中。这种基于工具的务实方法专注于解决特定且定义明确的问题。它从小处着手，逐步扩展。它认识到AI并非魔法。它是一项强大但存在缺陷的技术，需要人类的监督、批判性思维，以及对其局限性（包括其容易产生幻觉的倾向）的深刻理解。那些将AI视为强大助手而非灵丹妙药的组织，才是真正的领先者。他们正以清晰的战略，在愿景与现实之间寻找平衡。

三 生产力谎言

一个幽灵正萦绕全球经济。它就是承诺却未能兑现的生产力幽灵。两年来，我们一直被告知，生成式人工智能将带来自微芯片发明以来最大的生产力繁荣。高盛预测，它能使全球GDP增长7%。科技狂热者们预言，一个无摩擦工作和指数级增长的新时代即将到来。然而，现实却远比这更令人失望。越来越多的证据表明，对于大多数公司而言，人工智能并没有提高生产力。在某些情况下，它甚至可能损害生产力。

人工智能革命的肮脏秘密在于，我们衡量的指标是错误的。我们追踪用户参与度和采用率指标，例如ChatGPT用户的爆炸式增长，但却忽略了其最终影响。普遍生产力提升的证据充其量也仍然模糊不清。经合组织和其他机构的研究显示，在狭隘的实验环境中，人工智能确实能带来益处。但在企业界复杂混乱的现实中，这些收益往往会化为乌有。我们把积极行动误认为成就。炒作周期已经达到顶峰，现在账单即将到期。企业开始对其巨额人工智能投资的回报提出尖锐的问题。答案并不乐观。

四 历史的回声

我们以前也经历过这种情况。当前的人工智能时代与电动机和个人电脑的早期有着惊人的相似之处。这两项变革性技术都有望立即大幅提升生产力。然而，几十年来，经济学家们一直对“生产力悖论”感到困惑。尽管投入了大量资金，但国家生产力统计数据却几乎没有变化。

原因很简单。仅仅将新技术植入旧系统是不够的。企业必须彻底重新构想其工作流程、工厂布局和组织结构才能真正受益。人工智能也是如此。我们正试图将生成式人工智能强加到为前人工智能时代设计的流程上。这就像在马车上安装喷气发动机。结果就是噪音和烟雾弥漫，但速度却没有提升。在这种工作架构的根本性重塑发生之前，生产力的提升不会体现在宏观数据中。这是一个跨时代的项目，而不是一个季度目标。当前的失望是我们自身缺乏耐心的表现，而不是技术本身的失败。

像 OpenAI 的 Sam Altman 这样的 AI 奇点预言家，声称超级智能的出现只需短短几个小时。他们预见未来将呈指数级增长。这种愿景助长了炒作，并为其天文数字般的估值提供了依据。但它忽略了现实世界的摩擦。新技术的采用速度要慢得多。模型在实验室中的表现与其在受监管、高风险的商业环境中能够可靠完成的工作之间存在着巨大的差距。

人工智能的历史就是一系列兴衰循环。在充满乐观和投资的时期之后，不可避免地会迎来“人工智能寒冬”，伴随着幻灭和资金削减。我们现在正进入另一个这样的冷却期。这是一个必要的调整。它迫使行业超越令人眼花缭乱的演示，专注于构建能够解决实际问题的强大、可靠的系统。今天缓慢、渐进的进步远比未来通用人工智能（AGI）的遥不可及的前景重要得多。能够生存下来的公司将是那些掌握枯燥、实用的人工智能应用的公司，而不是那些追逐科幻幻想的公司。

五 免费的代价

许多人工智能工具表面上的易用性掩盖了其隐性成本。幻听率仍然是一个长期存在的问题。人工智能模型可以毫无保留地生成看似合理的胡言乱语。这需要人工进行新的监督和验证，这会蚕食任何潜在的生产力提升。犯错的成本不降反升。

此外，这些系统需要巨大的计算能力。数据中心训练和运行大型模型的能耗日益令人担忧。其财务和环境成本也不容小觑。如果考虑到必要的人工监督、基础设施成本以及输出不准确的风险，许多人工智能项目的投资回报率（ROI）计算结果会变成负数。生产力的提升是有代价的，而且在许多情况下，成本远高于预期。我们现在才刚刚开始就这项技术变革的真正代价进行坦诚的探讨。

人工智能军备竞赛不过是一场骗局。科技巨头和初创公司投入数十亿美元追求模型性能的微小提升，却错失了关键。大型语言模型正在成为一种商品。几年后，强大的通用人工智能将像云计算一样无处不在、价格低廉。拥有略胜一筹的模型并非可持续的竞争优势。它只是游戏的入场券，而非制胜之道。

价值不在于算法，而在于应用程序。

主宰未来十年的公司并非那些神经网络参数最多的公司，而是那些将人工智能融入特定工作流程，为明确定义的客户解决棘手问题的公司。他们并非依靠专有代码，而是依靠专有数据和专有分销渠道构建护城河。销售、分析和其他垂直领域的生成式人工智能市场正在蓬勃发展。这才是真正的行动所在。模型只是引擎，汽车、驾驶员和道路才是关键。

六 应用为王

在新的人工智能经济中， 应用 为王。即使是世界上最好的模式，如果没有人使用，也是毫无意义的。持久的优势在于拥有客户关系。拥有庞大且活跃用户群的公司拥有巨大的、往往难以逾越的优势。他们可以将新的人工智能功能直接部署到现有产品中，立即触达数百万用户，并收集宝贵的反馈数据。

这就是为什么老牌科技公司如此占据优势地位的原因。他们拥有分销渠道。一家拥有技术优势模式的初创公司面临着残酷而艰巨的竞争：逐个客户地获取。老牌公司可以随时切换。这种动态已经在整个市场上演。最成功的人工智能公司并非纯粹的人工智能公司。它们是工作流公司，利用人工智能提升现有产品的用户粘性和价值。他们利用分销优势构建强大的反馈循环。更多的用户带来更多的数据，从而带来更好的产品，最终吸引更多用户。

另一个关键的护城河是数据。虽然模型本身正在商品化，但用于微调模型的独特高质量数据却并未商品化。一家公司如果花费数年时间收集特定行业或客户群体的专有数据，就拥有竞争对手难以复制的资产。这些数据是超越通用、一刀切的人工智能并打造真正差异化产品的关键。

在精心挑选的专有数据集上训练的人工智能模型，在特定任务上的表现将持续优于更强大的通用模型。这就是新的壁垒。这无关模型的大小，而关乎数据的质量。那些将数据视为战略资产，并投资于数据收集、清理和标记的公司，正在构建持久竞争优势的基础。正是这些不起眼的幕后工作，将赢家与输家区分开来。你的数据就是你的命运。

七 购买-建造谬论

许多大型企业都倾向于自行构建基础模型。这几乎总是一个灾难性的错误。所需的资本投入、专业人才和计算资源令人咋舌。只有少数几家全球最大的科技公司才能承担得起这场游戏。绝大多数公司应该成为人工智能的买家，而不是建造者。

明智的策略是利用现有的最佳基础模型作为平台，并将资源集中在应用层。这才是创造真正价值的关键。在用户体验、工作流集成以及为客户问题提供最后一公里解决方案方面，打造差异化优势。购买现成AI工具的公司业绩始终优于自行开发AI工具的公司。他们能够更快地将产品推向市场，降低风险，并专注于核心竞争力。在AI领域，自主开发还是购买是公 司最重要的战略抉择之一。几乎所有公司都应该选择购买。

八 人类算法

多年来，我们一直担心智能机器会取代人类。然而，事实恰恰相反。人工智能越普及，真正的人类智慧就越有价值。随着人工智能处理日常事务、可预测事务和数据密集型事务，它提升了人类固有技能的重要性。批判性思维、创造力、战略判断和情商如今已成为经济中最稀缺、最宝贵的资源。

关于人工智能最大的误解是，它就是一台会思考的机器。它并非如此。它只是一台概率文本生成器。它是个规模庞大、复杂程度惊人的模式匹配引擎，但它缺乏理解力、意识和常识。它能告诉你“是什么”，却无法告诉你“为什么”。它能生成答案，却无法告诉你答案是否正确。这仍然需要人类。在人工智能驱动的世界里，人类最重要的角色不是与机器竞争，而是引导它。真正的杀手级应用是你自己的大脑。

高管的核心职责是在信息不完整的情况下做出高风险决策。这是一项判断任务，而非计算任务。人工智能可以提供数据、分析情景并预测结果。它可以增强决策过程，但无法取代人类的最终判断。权衡相互冲突的优先事项、理解局势的微妙背景以及承担后果的责任，是人类独有的能力。

随着人工智能将知识型工作的分析环节自动化，判断力的价值只会越来越高。我们需要更少的人来处理数据，而需要更多的人来解读数据。我们需要更少的人来编写代码，而需要更多的人来决定哪些问题值得解决。未来最有价值的专业人士将是那些能够有效地运用人工智能系统的人，他们将其视为强大的工具，但永远不会完全信任它们。他们将是持怀疑态度的操作者，是批判性思考者，他们了解机器的局限性以及自身直觉的价值。

人工智能是重新混合和重组现有信息的有力工具。

它可以根据从训练数据中学习到的模式，生成听起来很新颖的文本、图像和音乐。但它无法创造真正新颖的东西。它无法从生活经验中对世界形成独特的视角。这仍然是人类创造力的专属领域。

在一个充斥着人工智能生成内容的世界里，原创性将成为一种珍贵的商品。能够提供真正新颖想法的艺术家、故事讲述者和梦想家将脱颖而出。人工智能可以成为创意过程中强大的“副驾驶”。它可以帮助头脑风暴、迭代和执行，但它无法提供最初的灵感火花。对人类创造力的需求不会消失。它将成为智能机器经济中价值创造的核心引擎。我们正在从一个重视知识的世界走向一个重视思维方式的世界。

最成功的人工智能应用专注于增强，而非替代。他们利用技术来提升人类的能力。这需要一种新的素养。我们必须学会如何有效地引导这些模型，如何批判性地解读它们的输出，并负责任地将它们融入我们的工作流程。这不仅仅是一项技术技能，而是一种新的批判性思维。

教育系统和企业培训项目对这一转变准备不足，令人遗憾。我们仍在教人们如何成为优秀的计算机，如何记忆事实并遵循指令，而此时此刻，机器在这些任务上已经变得无比优秀。当务之急是培养人工智能无法复制的技能。我们必须教会我们的孩子和员工如何提出好的问题，如何跨学科思考，以及如何进行创造性合作。未来不属于那些能够回答机器问题的人，而是属于那些能够质疑机器答案的人。

最终，我们的工具反映了我们自己，同等程度地放大了我们的智慧和愚蠢。


来源：36kr