現(xiàn)代史上最大的資本錯配正在CFO的資產(chǎn)負債表上發(fā)生。一場科技海嘯即將來臨，而大多數(shù)公司卻只收到漏水的水龍頭。我們正在目睹企業(yè)人工智能項目的大規(guī)模滅絕，一場悄無聲息的裁員正在董事會會議室里進行，那些董事會不愿公開他們數(shù)百萬美元的“大火”。硅谷鼓吹超級智能的曙光，但實際經(jīng)濟的數(shù)據(jù)卻講述了一個截然不同的故事。這是一個規(guī)模驚人的失敗故事。

麻省理工學院最近的一項研究報告顯示，高達95%的企業(yè)生成式人工智能試點項目未能帶來任何有意義的回報。讓我們認真思考一下。每20個項目中就有19個是失敗品。它們除了PPT和遺憾之外什么也沒做。預計將超過1萬億美元的生成式人工智能市場正建立在沙土之上。少數(shù)幾家被譽為“頂級”的科技公司的股價與其他所有人在現(xiàn)實世界中的效用之間的差距已經(jīng)變成了一道鴻溝。這不是暫時的低谷或小挫折。這是一次根本性的、痛苦的調(diào)整。人工智能革命并沒有取消。它只是不再是我們所期望的那種革命。下一個十年的贏家正在被決定，不是由誰喊得最響亮，而是由誰了解當前市場的殘酷真相。

一、炒作與價值創(chuàng)造

過去兩年的風險投資狂潮已經(jīng)冷卻。2025年的全球風險投資前景顯示出急劇的收緊。輕松賺錢的時代已經(jīng)過去。依靠好故事和魅力非凡的創(chuàng)始人來投資的時代已經(jīng)結(jié)束。投資者現(xiàn)在要求的是一些更加難以捉摸的東西：營收。這種從炒作到基本面的轉(zhuǎn)變，正在揭露該行業(yè)的骯臟秘密。人工智能繁榮的大部分目的并非創(chuàng)造價值，而是為了攫取投機資本。

數(shù)十億美元被投入到商業(yè)模式存疑的初創(chuàng)企業(yè)，它們追逐的都是同一批有限的企業(yè)客戶。如今，這些“游客”已然回頭，市場上充斥著燒錢率高、卻缺乏清晰盈利路徑的公司。2025年，人工智能風險投資的現(xiàn)狀將以更少的資金投入老牌企業(yè)、更大的賭注為標志，而其他所有企業(yè)都將面臨死亡之谷。這并非歷史上技術(shù)停滯的“人工智能寒冬”。技術(shù)仍在飛速發(fā)展。這是一個市場寒冬。這是對騙子和夢想家的必要清洗，迫使人們進行一場本應(yīng)在一年前就發(fā)生的清算。幸存者將是那些解決實際問題而非僅僅解決理論問題的公司。

二、數(shù)據(jù)的骯臟秘密

造成如此巨大失敗率的主要原因與算法或模型大小無關(guān)。罪魁禍首遠比這更普通，是數(shù)據(jù)。據(jù)估計，60% 的項目失敗源于糟糕的數(shù)據(jù)基礎(chǔ)設(shè)施。企業(yè)急于在混亂的數(shù)據(jù)系統(tǒng)上部署復雜的模型。這就像試圖在沼澤地上建造摩天大樓，根本就沒有地基。

這并非一個光鮮亮麗的問題，它不會登上頭條新聞，也不會出現(xiàn)在主題演講中。但它卻是人工智能應(yīng)用的最大障礙。人工智能的原材料是干凈、結(jié)構(gòu)化且易于訪問的數(shù)據(jù)。大多數(shù)組織的情況恰恰相反。他們擁有數(shù)據(jù)孤島、遺留系統(tǒng)和不一致的標準。解決這個問題需要徹底革新。它成本高昂、耗時耗力，而且無法像華麗的演示那樣帶來立竿見影的效果。那些在生成式人工智能炒作興起前數(shù)年就投資于強大數(shù)據(jù)管道的公司，如今正在超越競爭對手。他們是那5%真正取得成功的默默無聞的企業(yè)。他們明白，沒有燃料，引擎就無法運轉(zhuǎn)。

最成功的人工智能應(yīng)用都有一個共同點：它們并非試圖取代人類，而是專注于增強人類的能力。大規(guī)模失業(yè)和機器人統(tǒng)治的敘事或許是科幻小說的佳作，但卻是一個糟糕的商業(yè)策略。真正的價值在于利用人工智能讓現(xiàn)有員工變得更聰明、更敏捷、更高效。關(guān)鍵在于打造更好的工具，而不是創(chuàng)造新的員工。

這種方法規(guī)避了全面自動化帶來的巨大技術(shù)和倫理挑戰(zhàn)，并能更快地帶來回報。從供應(yīng)商處購買現(xiàn)成AI工具的公司，其業(yè)績始終優(yōu)于那些試圖內(nèi)部構(gòu)建復雜解決方案的公司。他們讓專家解決棘手的技術(shù)問題，而自己則專注于將這些工具集成到現(xiàn)有工作流程中。這種基于工具的務(wù)實方法專注于解決特定且定義明確的問題。它從小處著手，逐步擴展。它認識到AI并非魔法。它是一項強大但存在缺陷的技術(shù)，需要人類的監(jiān)督、批判性思維，以及對其局限性（包括其容易產(chǎn)生幻覺的傾向）的深刻理解。那些將AI視為強大助手而非靈丹妙藥的組織，才是真正的領(lǐng)先者。他們正以清晰的戰(zhàn)略，在愿景與現(xiàn)實之間尋找平衡。

三、生產(chǎn)力謊言

一個幽靈正縈繞全球經(jīng)濟。它就是承諾卻未能兌現(xiàn)的生產(chǎn)力幽靈。兩年來，我們一直被告知，生成式人工智能將帶來自微芯片發(fā)明以來最大的生產(chǎn)力繁榮。高盛預測，它能使全球GDP增長7%?？萍伎駸嵴邆冾A言，一個無摩擦工作和指數(shù)級增長的新時代即將到來。然而，現(xiàn)實卻遠比這更令人失望。越來越多的證據(jù)表明，對于大多數(shù)公司而言，人工智能并沒有提高生產(chǎn)力。在某些情況下，它甚至可能損害生產(chǎn)力。

人工智能革命的骯臟秘密在于，我們衡量的指標是錯誤的。我們追蹤用戶參與度和采用率指標，例如ChatGPT用戶的爆炸式增長，但卻忽略了其最終影響。普遍生產(chǎn)力提升的證據(jù)充其量也仍然模糊不清。經(jīng)合組織和其他機構(gòu)的研究顯示，在狹隘的實驗環(huán)境中，人工智能確實能帶來益處。但在企業(yè)界復雜混亂的現(xiàn)實中，這些收益往往會化為烏有。我們把積極行動誤認為成就。炒作周期已經(jīng)達到頂峰，現(xiàn)在賬單即將到期。企業(yè)開始對其巨額人工智能投資的回報提出尖銳的問題。答案并不樂觀。

四、歷史的回聲

我們以前也經(jīng)歷過這種情況。當前的人工智能時代與電動機和個人電腦的早期有著驚人的相似之處。這兩項變革性技術(shù)都有望立即大幅提升生產(chǎn)力。然而，幾十年來，經(jīng)濟學家們一直對“生產(chǎn)力悖論”感到困惑。盡管投入了大量資金，但國家生產(chǎn)力統(tǒng)計數(shù)據(jù)卻幾乎沒有變化。

原因很簡單。僅僅將新技術(shù)植入舊系統(tǒng)是不夠的。企業(yè)必須徹底重新構(gòu)想其工作流程、工廠布局和組織結(jié)構(gòu)才能真正受益。人工智能也是如此。我們正試圖將生成式人工智能強加到為前人工智能時代設(shè)計的流程上。這就像在馬車上安裝噴氣發(fā)動機。結(jié)果就是噪音和煙霧彌漫，但速度卻沒有提升。在這種工作架構(gòu)的根本性重塑發(fā)生之前，生產(chǎn)力的提升不會體現(xiàn)在宏觀數(shù)據(jù)中。這是一個跨時代的項目，而不是一個季度目標。當前的失望是我們自身缺乏耐心的表現(xiàn)，而不是技術(shù)本身的失敗。

像 OpenAI 的 Sam Altman 這樣的 AI 奇點預言家，聲稱超級智能的出現(xiàn)只需短短幾個小時。他們預見未來將呈指數(shù)級增長。這種愿景助長了炒作，并為其天文數(shù)字般的估值提供了依據(jù)。但它忽略了現(xiàn)實世界的摩擦。新技術(shù)的采用速度要慢得多。模型在實驗室中的表現(xiàn)與其在受監(jiān)管、高風險的商業(yè)環(huán)境中能夠可靠完成的工作之間存在著巨大的差距。

人工智能的歷史就是一系列興衰循環(huán)。在充滿樂觀和投資的時期之后，不可避免地會迎來“人工智能寒冬”，伴隨著幻滅和資金削減。我們現(xiàn)在正進入另一個這樣的冷卻期。這是一個必要的調(diào)整。它迫使行業(yè)超越令人眼花繚亂的演示，專注于構(gòu)建能夠解決實際問題的強大、可靠的系統(tǒng)。今天緩慢、漸進的進步遠比未來通用人工智能（AGI）的遙不可及的前景重要得多。能夠生存下來的公司將是那些掌握枯燥、實用的人工智能應(yīng)用的公司，而不是那些追逐科幻幻想的公司。

五、免費的代價

許多人工智能工具表面上的易用性掩蓋了其隱性成本。幻聽率仍然是一個長期存在的問題。人工智能模型可以毫無保留地生成看似合理的胡言亂語。這需要人工進行新的監(jiān)督和驗證，這會蠶食任何潛在的生產(chǎn)力提升。犯錯的成本不降反升。

此外，這些系統(tǒng)需要巨大的計算能力。數(shù)據(jù)中心訓練和運行大型模型的能耗日益令人擔憂。其財務(wù)和環(huán)境成本也不容小覷。如果考慮到必要的人工監(jiān)督、基礎(chǔ)設(shè)施成本以及輸出不準確的風險，許多人工智能項目的投資回報率（ROI）計算結(jié)果會變成負數(shù)。生產(chǎn)力的提升是有代價的，而且在許多情況下，成本遠高于預期。我們現(xiàn)在才剛剛開始就這項技術(shù)變革的真正代價進行坦誠的探討。

人工智能軍備競賽不過是一場騙局?？萍季揞^和初創(chuàng)公司投入數(shù)十億美元追求模型性能的微小提升，卻錯失了關(guān)鍵。大型語言模型正在成為一種商品。幾年后，強大的通用人工智能將像云計算一樣無處不在、價格低廉。擁有略勝一籌的模型并非可持續(xù)的競爭優(yōu)勢。它只是游戲的入場券，而非制勝之道。

價值不在于算法，而在于應(yīng)用程序。

主宰未來十年的公司并非那些神經(jīng)網(wǎng)絡(luò)參數(shù)最多的公司，而是那些將人工智能融入特定工作流程，為明確定義的客戶解決棘手問題的公司。他們并非依靠專有代碼，而是依靠專有數(shù)據(jù)和專有分銷渠道構(gòu)建護城河。銷售、分析和其他垂直領(lǐng)域的生成式人工智能市場正在蓬勃發(fā)展。這才是真正的行動所在。模型只是引擎，汽車、駕駛員和道路才是關(guān)鍵。

六、應(yīng)用為王 

在新的人工智能經(jīng)濟中，應(yīng)用為王。即使是世界上最好的模式，如果沒有人使用，也是毫無意義的。持久的優(yōu)勢在于擁有客戶關(guān)系。擁有龐大且活躍用戶群的公司擁有巨大的、往往難以逾越的優(yōu)勢。他們可以將新的人工智能功能直接部署到現(xiàn)有產(chǎn)品中，立即觸達數(shù)百萬用戶，并收集寶貴的反饋數(shù)據(jù)。

這就是為什么老牌科技公司如此占據(jù)優(yōu)勢地位的原因。他們擁有分銷渠道。一家擁有技術(shù)優(yōu)勢模式的初創(chuàng)公司面臨著殘酷而艱巨的競爭：逐個客戶地獲取。老牌公司可以隨時切換。這種動態(tài)已經(jīng)在整個市場上演。最成功的人工智能公司并非純粹的人工智能公司。它們是工作流公司，利用人工智能提升現(xiàn)有產(chǎn)品的用戶粘性和價值。他們利用分銷優(yōu)勢構(gòu)建強大的反饋循環(huán)。更多的用戶帶來更多的數(shù)據(jù)，從而帶來更好的產(chǎn)品，最終吸引更多用戶。

另一個關(guān)鍵的護城河是數(shù)據(jù)。雖然模型本身正在商品化，但用于微調(diào)模型的獨特高質(zhì)量數(shù)據(jù)卻并未商品化。一家公司如果花費數(shù)年時間收集特定行業(yè)或客戶群體的專有數(shù)據(jù)，就擁有競爭對手難以復制的資產(chǎn)。這些數(shù)據(jù)是超越通用、一刀切的人工智能并打造真正差異化產(chǎn)品的關(guān)鍵。

在精心挑選的專有數(shù)據(jù)集上訓練的人工智能模型，在特定任務(wù)上的表現(xiàn)將持續(xù)優(yōu)于更強大的通用模型。這就是新的壁壘。這無關(guān)模型的大小，而關(guān)乎數(shù)據(jù)的質(zhì)量。那些將數(shù)據(jù)視為戰(zhàn)略資產(chǎn)，并投資于數(shù)據(jù)收集、清理和標記的公司，正在構(gòu)建持久競爭優(yōu)勢的基礎(chǔ)。正是這些不起眼的幕后工作，將贏家與輸家區(qū)分開來。你的數(shù)據(jù)就是你的命運。

七、購買-建造謬論

許多大型企業(yè)都傾向于自行構(gòu)建基礎(chǔ)模型。這幾乎總是一個災難性的錯誤。所需的資本投入、專業(yè)人才和計算資源令人咋舌。只有少數(shù)幾家全球最大的科技公司才能承擔得起這場游戲。絕大多數(shù)公司應(yīng)該成為人工智能的買家，而不是建造者。

明智的策略是利用現(xiàn)有的最佳基礎(chǔ)模型作為平臺，并將資源集中在應(yīng)用層。這才是創(chuàng)造真正價值的關(guān)鍵。在用戶體驗、工作流集成以及為客戶問題提供最后一公里解決方案方面，打造差異化優(yōu)勢。購買現(xiàn)成AI工具的公司業(yè)績始終優(yōu)于自行開發(fā)AI工具的公司。他們能夠更快地將產(chǎn)品推向市場，降低風險，并專注于核心競爭力。在AI領(lǐng)域，自主開發(fā)還是購買是公司最重要的戰(zhàn)略抉擇之一。幾乎所有公司都應(yīng)該選擇購買。

八、人類算法

多年來，我們一直擔心智能機器會取代人類。然而，事實恰恰相反。人工智能越普及，真正的人類智慧就越有價值。隨著人工智能處理日常事務(wù)、可預測事務(wù)和數(shù)據(jù)密集型事務(wù)，它提升了人類固有技能的重要性。批判性思維、創(chuàng)造力、戰(zhàn)略判斷和情商如今已成為經(jīng)濟中最稀缺、最寶貴的資源。

關(guān)于人工智能最大的誤解是，它就是一臺會思考的機器。它并非如此。它只是一臺概率文本生成器。它是個規(guī)模龐大、復雜程度驚人的模式匹配引擎，但它缺乏理解力、意識和常識。它能告訴你“是什么”，卻無法告訴你“為什么”。它能生成答案，卻無法告訴你答案是否正確。這仍然需要人類。在人工智能驅(qū)動的世界里，人類最重要的角色不是與機器競爭，而是引導它。真正的殺手級應(yīng)用是你自己的大腦。

高管的核心職責是在信息不完整的情況下做出高風險決策。這是一項判斷任務(wù)，而非計算任務(wù)。人工智能可以提供數(shù)據(jù)、分析情景并預測結(jié)果。它可以增強決策過程，但無法取代人類的最終判斷。權(quán)衡相互沖突的優(yōu)先事項、理解局勢的微妙背景以及承擔后果的責任，是人類獨有的能力。

隨著人工智能將知識型工作的分析環(huán)節(jié)自動化，判斷力的價值只會越來越高。我們需要更少的人來處理數(shù)據(jù)，而需要更多的人來解讀數(shù)據(jù)。我們需要更少的人來編寫代碼，而需要更多的人來決定哪些問題值得解決。未來最有價值的專業(yè)人士將是那些能夠有效地運用人工智能系統(tǒng)的人，他們將其視為強大的工具，但永遠不會完全信任它們。他們將是持懷疑態(tài)度的操作者，是批判性思考者，他們了解機器的局限性以及自身直覺的價值。

人工智能是重新混合和重組現(xiàn)有信息的有力工具。

它可以根據(jù)從訓練數(shù)據(jù)中學習到的模式，生成聽起來很新穎的文本、圖像和音樂。但它無法創(chuàng)造真正新穎的東西。它無法從生活經(jīng)驗中對世界形成獨特的視角。這仍然是人類創(chuàng)造力的專屬領(lǐng)域。

在一個充斥著人工智能生成內(nèi)容的世界里，原創(chuàng)性將成為一種珍貴的商品。能夠提供真正新穎想法的藝術(shù)家、故事講述者和夢想家將脫穎而出。人工智能可以成為創(chuàng)意過程中強大的“副駕駛”。它可以幫助頭腦風暴、迭代和執(zhí)行，但它無法提供最初的靈感火花。對人類創(chuàng)造力的需求不會消失。它將成為智能機器經(jīng)濟中價值創(chuàng)造的核心引擎。我們正在從一個重視知識的世界走向一個重視思維方式的世界。

最成功的人工智能應(yīng)用專注于增強，而非替代。他們利用技術(shù)來提升人類的能力。這需要一種新的素養(yǎng)。我們必須學會如何有效地引導這些模型，如何批判性地解讀它們的輸出，并負責任地將它們?nèi)谌胛覀兊墓ぷ髁鞒?。這不僅僅是一項技術(shù)技能，而是一種新的批判性思維。

教育系統(tǒng)和企業(yè)培訓項目對這一轉(zhuǎn)變準備不足，令人遺憾。我們?nèi)栽诮倘藗內(nèi)绾纬蔀閮?yōu)秀的計算機，如何記憶事實并遵循指令，而此時此刻，機器在這些任務(wù)上已經(jīng)變得無比優(yōu)秀。當務(wù)之急是培養(yǎng)人工智能無法復制的技能。我們必須教會我們的孩子和員工如何提出好的問題，如何跨學科思考，以及如何進行創(chuàng)造性合作。未來不屬于那些能夠回答機器問題的人，而是屬于那些能夠質(zhì)疑機器答案的人。

最終，我們的工具反映了我們自己，同等程度地放大了我們的智慧和愚蠢。