AI的慢节奏：超越短期奇迹，拥抱长期价值

本文作者指出，人们对AI存在六个根本性误判，导致市场和企业对其短期价值抱有过高期待。实际上，AI的发展节奏更慢、更复杂，盈利路径也远不如宣传所言清晰。它真正的力量在于长期应用与深度整合，而不是即时的颠覆性奇迹。正如电力与互联网的历史轨迹，AI需要经历漫长的适配与扩散。最终能够脱颖而出的，不是追逐风口的企业，而是那些稳健推进、持续创造持久价值的实践者。

AI的真正影响

将比我们预想的来得更晚

1987年，经济学家罗伯特·索洛（Robert Solow）曾有一句著名的评论：“计算机时代的踪影无处不在，唯独不存在于生产率统计数据中。”几十年后的今天，AI成为这种悖论的最新体现。尽管投入了数十亿美元，可量化的效率提升仍然难以实现。堪萨斯城联邦储备银行的研究发现，相较于以往由技术驱动的变革，AI对生产力的影响相对有限。

错不在AI，而在于人们的预期。像大语言模型这样的生成式AI，是一种通用目的技术（General Purpose Technology, GPT）。虽然说，ChatGPT中的“GPT”不是这个意思。我们曾见证过很多通用目的技术，比如印刷术、电力、互联网，无一例外都遵循相似的路径：技术若能真正释放变革性潜力、显著影响经济，往往需要数十年的时间。例如，电力彻底改变了制造业，但工厂设计历经40年才完成适配。互联网早在20世纪70年代就已存在，但直到2000年前后才真正改写商业模式。

我们有充分理由相信，AI将遵循同样缓慢却必然的发展轨迹。麻省理工学院经济学家、诺贝尔奖得主达龙·阿西莫格鲁（Daron Acemoglu）指出，在未来十年内，仅有5%的工作任务能由AI完成并实现盈利，这对美国GDP的贡献仅增加1%，与许多人预期的巨大变革相去甚远。他认为AI带来的挑战在于，对大多数组织来说，包括业务中断、员工再培训、系统整合和算力在内的技术转型成本，远高于AI在多数任务上所能带来的收益。

但这并不意味着AI毫无价值。实际上，AI的价值并非来自全面迅猛的颠覆，而是源于有目标、有计划的融合。若盲目押注于短期成果和快速回报，只会带来资本浪费、自动化项目失败，甚至是不必要的人才动荡。相反，企业更应着眼长远发展：建立适配系统、培养团队能力，探索出将AI应用于实际业务的方法。

我们对企业采用AI的前景

过于乐观

当ChatGPT横空出世时，AI像是神奇的魔法，似乎能一夜之间带来变革。财报电话会上充斥着关于AI的讨论，风险投资热度飙升，媒体头条宣称AI转型将立竿见影、无所不包。然而，对于这样的过热炒作周期，我们并不陌生，比如早期的个人电脑、互联网泡沫、区块链热潮，甚至云计算兴起初期都曾如此。

我们之所以对技术变革产生误判，源于三种认知偏差：计划谬误（planning fallacy）使我们低估了转型所需的时间，乐观偏见（optimism bias）让我们误以为技术的采用将畅通无阻，近因偏见（recency bias）则使我们相信AI在消费端的病毒式传播也会无缝迁移到企业端。

我们担心AI存在偏见，却往往忽视了自身的偏见；在企业采用AI方面，这种忽视尤为明显。企业部署AI并非“即插即用”，而是需要与陈旧的系统、监管障碍、规避风险的企业文化、AI人才短缺和采购瓶颈等因素相互碰撞磨合。真正的障碍并不是技术问题，而是系统性问题。我们花了100年时间才给行李箱装上轮子，所以不要低估那些影响技术扩散速度的制衡力量。

AI终将变革各行各业，只是不会以硅谷速度突飞猛进。这一进程更符合企业原本的发展节奏：将更漫长、更缓慢，所面临的阻力远超大多数人的预期。那些被偏见蒙蔽、忽视现实问题的企业，将浪费资源、过度承诺预期成果并最终失去信任。AI领域的赢家不是那些喊出最响亮口号的人，而是有耐心推动真正、持久变革的实践者。

市场高估了AI公司的价值

投资者在对AI的判断上犯了一个严重错误：他们将AI公司视为高增长、轻资产的软件公司，而实际上，这些公司资本密集、成本高昂、对基础设施依赖极大。当前以AI为主的科技股的交易溢价高达20%至40%，这种定价隐含了尚未兑现的未来利润预期。

对企业高管而言，这种认知的错位不仅仅是对市场的误判，更是一种执行陷阱。虚高的估值催生出不切实际的预期，进而逐层传导至企业内部：带来快速推进的压力、华而不实的试点项目、盲目追赶AI风口的表象。那么结果如何？这导致项目仓促上线、优先级错位、投资偏向“技术噱头”，而不是实际提升利润表现。在这个幻想“有奇迹发生”的市场中，真正的优势反而来自“克制”——这要求领导者优先考虑整合资源而非博人眼球，追求长期价值而非短期曝光。

以OpenAI为例，其3000亿美元的估值目标……这些企业的AI相关资本支出在短短两年内就增长了40%至60%。仅微软一家……到2028年……市场预估有1250亿美元的年营收缺口需要填补。

真正的利润不来自模型本身

无论模型多么先进……真正的价值不在于开发……那些通过定制化AI架构解决特定行业复杂问题的企业……

AI的真正价值……是将依赖人工的服务转化为可扩展……

我们过于关注初创公司

但这不是未来

我们对生成式AI着迷

但这不是未来

我们能否理性地看待机器？