AI技术面临第三次寒冬：市场导向的反思与挑战

任何技术及其衍生产品都必须以市场需求为核心导向，否则无论概念多么炫酷，初期追捧多么热烈，最终都难以逃脱被市场淘汰的命运。AI技术同样面临这一考验。年初，各大厂商竞相推出AI功能及相关软硬件产品，但如今大多已少人问津。用户逐渐意识到，这些网络上爆红的功能并未真正解决企业的实际问题，反而增加了工作负担和成本，尤其是其专业复杂性让众多中小企业望而却步，AI技术似乎离寒冬仅一步之遥。

历史上的AI寒冬

在技术狂热时期，人们往往选择性地遗忘过去的教训。回顾上世纪七十年代和九十年代，AI两次因承诺过高而实际落地困难，相继陷入低谷。

第一次AI寒冬发生在1974-1980年之间，许多人不知道的是，1950-60年代曾是AI的黄金时代，研究者们充满乐观。例如，纽厄尔和西蒙在1958年预言“十年内，计算机将成为国际象棋世界冠军”和“机器将能发现并证明重要的新数学定理”。然而现实很快给予打击，当时计算机内存和处理速度有限，难以处理复杂问题。研究表明，许多看似简单的问题（如棋类游戏、定理证明）的搜索空间随复杂度指数增长，远超计算机能力。早期AI依赖形式逻辑和搜索，但任务如自然语言理解和图像识别需要大量常识和领域知识，系统无法有效获取利用。1973年，受英国政府委托，数学家詹姆斯·莱特希尔发表了一份影响深远的报告，严厉评估AI领域的成就，认为其未能实现宏伟目标，研究价值被严重夸大。这份报告导致英国和美国政府（尤其是DARPA）大幅削减对AI基础研究的资金支持，大学和研究机构的AI项目被关闭或削减，“AI”一词也变得不受欢迎。

第二次AI寒冬发生在1987-1993年之间，在第一次寒冬后期，以“专家系统”为代表的“知识驱动”AI取得商业成功。这些系统通过规则化人类专家知识，在特定领域（如医疗诊断、化学分析）表现优异，吸引了大量公司和风险投资，形成AI产业小高潮。但局限性逐渐暴露：专家系统知识库有限，无法处理规则外问题；知识库更新维护需大量人力且困难；它们无法从经验中自动学习，所有知识需人工输入。在市场应用上，因其难以扩展到更广泛场景而逐渐失去商业价值。更致命的是，苹果和IBM等公司的台式机性能增强、价格降低，远低于运行专家系统的专用Lisp机，导致昂贵AI硬件市场崩溃。同时，许多公司发现开发和维护专家系统成本高于收益，商业应用未达预期。随着“第五代计算机计划”等宏大项目失败，市场信心受挫。后果是AI硬件市场（如Lisp机公司）几乎全军覆没，大量AI初创公司倒闭，投资迅速撤离，学术界再度陷入危机。“AI”一词再次被回避，许多研究者改用“机器学习”“信息处理”等术语以避免偏见。

从以上历史不难看出AI发展两次寒冬的相似之处：

第一，技术能力与社会预期之间存在巨大鸿沟；

第二，早期对通用智能概念盲目乐观；

第三，对概念过度追捧，却在现实瓶颈前崩塌；

第四，当缺乏市场价值时，资本迅速抽离，导致研发中断和人才流失。

这些情景与当前AI境况惊人相似？

第三次AI寒冬是否悄然而至？

年初，大模型热潮席卷全球，资本疯狂涌入，各大企业争相发布“自研大模型”，仿佛没有大模型就落后于同行。一些AI软件公司融资规模巨大，估值飙升，行业陷入非理性繁荣。但热潮背后，市场瓶颈已现：大模型训练成本高、幻觉严重，且难以在企业垂直场景落地应用。企业投入服务器和开发大模型后，发现无场景可用，无法产生实际业务价值，投入产出比极低，使AI项目沦为技术秀场或管理层PPT中的“亮点与政绩”。一些软件企业未弄清市场需求就开发AI产品，追逐热潮却忽视用户痛点，投入大量资源后产品无人使用，要么被薅羊毛成免费工具，要么因功能脱节被市场淘汰。老杨与AI团队交流发现，普遍资金紧张，急于找客户、场景和融资，有的已裁员自救，部分团队转型做小型化模型或聚焦垂直领域，试图以轻量化、可解释性解决方案重获市场信任。

概念狂热掩盖了技术落地难的现实。国内企业确实需要AI“降本增效”，但忽略了自身数字化基础薄弱、业务流程不规范、数据孤岛严重等问题，导致AI技术难以落地。在狂热追捧下，许多企业盲目跟进AI项目，无清晰战略或落地路径。当AI价值未现时，企业不分析问题改善管理，而是归咎技术并放弃投入，使AI从追捧变成嫌弃。同样，资本市场缺乏耐心，一旦AI项目回报周期长，便迅速撤资转向下一风口。

在浮躁的数字化时代，互联网流量神化也妖魔化技术，AI未能幸免。流量可短时间捧红技术概念，也能一夜之间让其被遗弃。当前不正是第三次AI寒冬的征兆？

最后总结形成第三次AI寒冬的原因：

1. 技术泡沫与现实落差的巨大鸿沟；

2. AI产品与市场需求脱节；

3. 大部分AI产品缺乏可持续商业模式；

4. AI产品模仿居多，缺乏核心技术壁垒；

5. 市场未明就盲目推进，过于盲目；

6. 企业客户需要一体化解决方案，而非单一功能模块，但多数AI公司无法提供端到端服务；

7. 有先进技术却无应用基础，有产品却无匹配场景；

8. 企业和资本急于看到立竿见影的回报，不愿为长期演进买单。

不到一年，AI行业从万众追捧跌入冷静反思低谷，成为鸡肋。吹捧不能解决场景问题，因此让AI进入寒冬的正是其自身。