人工智能的真相：从炒作到价值创造的深刻变革

当今企业界正面临一场前所未有的资本错配，CFO们的资产负债表上正显现出现代史上最大规模的资本误置。一场科技海啸悄然逼近，而众多公司却如同面对漏水的水龙头，束手无策。我们目睹着企业人工智能项目的大规模夭折，以及一场静悄悄的裁员潮在董事会会议室中蔓延，而这些董事们不愿公开他们数百万美元的“大火”。硅谷虽高呼超级智能的曙光，但实际经济数据却讲述了一个截然不同的故事——一个规模惊人的失败故事。

麻省理工学院的一项最新研究报告揭示，高达95%的企业生成式人工智能试点项目未能带来任何实质性的回报。换言之，每20个项目中就有19个以失败告终，除了留下PPT和遗憾之外，别无他物。预计超过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，与所有其他公司在现实世界中的效用相比，已拉开了一道鸿沟。这不是暂时的低谷或小挫折，而是一次根本性、痛苦的调整。人工智能革命并未取消，只是不再是人们所期望的那种革命。下一个十年的赢家，将由那些了解当前市场残酷真相的人决定。

一、炒作与价值创造

过去两年的风险投资狂潮已逐渐冷却。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也已终结。投资者现在要求的是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”，而是一个市场寒冬。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并非算法或模型的大小，而是数据。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，根本没有地基。

这不是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。

三、生产力谎言

一个幽灵正萦绕全球经济——承诺却未能兑现的生产力幽灵。两年来，我们不断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。

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。

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将蚕食任何潜在的生产力提升。

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。

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。

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。

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。

八、人类算法

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。