AI技术的三次寒冬：从狂热到现实的碰撞

技术及其衍生产品，若不以市场为导向，终将难逃被市场淘汰的命运。即便是曾风靡一时的AI技术，如今也面临同样的挑战。年初时，各厂商争相推出AI功能及相关软硬件产品，但如今多数已鲜有人问津。用户逐渐发现这些功能并不能真正解决企业实际问题，反而增加了额外负担和成本，特别是其专业复杂性已劝退大量中小企业用户，AI似乎正步入寒冬。

历史上的AI寒冬回顾

在技术狂热时，人们常忘却曾经的教训。上世纪七十年代与九十年代，AI因承诺过高而难以落地，接连陷入低谷：

第一次AI寒冬在1974-1980年间。早在1950-60年代是AI的黄金时代，研究者们对AI充满乐观情绪。但现实很快证明，当时的计算机内存和处理速度有限，难以处理复杂问题。许多看似简单的问题（如棋类游戏、定理证明），其解决路径（搜索空间）随问题复杂度呈指数级增长，远超当时计算机的处理能力。早期AI主要依赖形式逻辑和搜索，但很多任务（如自然语言理解、图像识别）需要大量人类常识和领域知识，当时的系统无法有效获取和利用这些知识。1973年，数学家詹姆斯·莱特希尔发表了一份极具影响力的报告，严厉评估了AI领域的成就，认为其未能实现任何宏伟目标，并指出其研究价值被严重夸大。这份报告直接导致英国政府和美国政府（尤其是DARPA）大幅削减了对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”这个词也变得不受欢迎。

第二次AI寒冬在1987-1993年间。在第一次寒冬后期，“专家系统”等“知识驱动”AI取得了商业成功。这些系统通过将人类专家的知识规则化，在特定领域表现出色，吸引了大量公司和风险投资。但专家系统的局限性逐渐暴露，如知识库有限、无法处理规则范围外的问题、知识库更新和维护困难等。更重要的是它们无法从经验中自动学习，所有知识需人工输入。在市场应用方面，由于其难以应用到更广泛的场景中而逐渐失去商业价值。同时，苹果和IBM等公司台式计算机性能强大且价格远低于运行专家系统的专用Lisp机，导致昂贵的专用AI硬件市场迅速崩溃。许多公司发现开发和维护专家系统的成本远高于其带来的收益，商业应用远未达到预期。“第五代计算机计划”等宏大项目目标未能实现，市场信心受挫。直接后果是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。

从以上我们不难看出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产生了巨大鸿沟；

第二，早期都对通用智能概念盲目乐观；

第三，对概念过度追捧，但都在现实瓶颈面前轰然崩塌；

第四，当发现没有市场价值后资本迅速抽离，导致研发中断与人才流失。

那么以上情景是否也适用于当前AI的境况？

第三次AI寒冬正在悄然而至？

年初时，大模型热潮席卷全球，资本疯狂涌入，各企业争相发布“自研大模型”。然而热潮背后，市场瓶颈已显现：

大模型训练成本高昂且难以在企业垂直场景中落地应用。企业买了服务器、开发了模型却发现没有场景可落地，无法产生实际业务价值，投入产出比极低。这些AI项目沦为技术秀场和政绩展示。一些软件企业在未搞清楚市场需求的情况下开发AI产品，急于赶上热潮却忽视了用户痛点。最后投入大量资源开发的产品发现根本无人使用，要么沦为免费工具供人娱乐，要么因功能与用户需求脱节而迅速被淘汰。老杨与一些AI团队交流时发现，大家普遍面临资金紧张困境，都在着急找客户、找场景、找融资。

狂热的概念追捧下掩盖了技术落地难这一现实。当前国内企业确实需要AI来“降本增效”，但忽略了数字化基础薄弱、业务流程不规范等现实问题导致AI技术难以落地。当AI价值难题体现时企业不是正视问题而是归咎于技术不行并放弃投入将AI打入冷宫。资本市场也缺乏耐心一旦某个AI项目回报周期拉长便迅速撤资转向下一个风口。

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产品与现实市场的需求脱节；

3. 大部分AI产品缺乏可持续的商业发展模式；

4. AI产品有太多的照抄与模仿缺乏核心技术壁垒；

5. 市场方向不明就匆忙上路存在太多盲目性；

6. 产品有了但企业客户需要的是一体化解决方案而非单一功能模块而多数AI公司无法提供端到端的服务能力。

7. 有了先进的技术却没有应用的基础有了产品却没有匹配的场景；

8. 无论是企业还是资本都急于看到AI立竿见影的回报却不愿为其长期演进买单。

不到一年时间AI行业已从万众追捧跌至冷静反思的低谷变成了鸡肋。