AI热潮下的冷静审视：技术革命还是泡沫狂欢？

2026年伊始，AI再次成为金融领域的焦点。据说，AI已成为金融人的斩杀线：

今年若不推出AI产品且未能为客户带来收益，那么今年便是金融人的斩杀线；而如果推出的AI产品让客户套牢，那么明年又将迎来新的斩杀线。

AI在金融界占据如此重要的地位，得益于今年投融资形势的向好。智谱与MiniMax（稀宇科技）两大独角兽上市，Meta官宣以约20亿美元收购AI智能体公司Manus……各种与AI相关的赛道纷纷火热起来。即使主营业务与AI毫无关系，只要声称“我们正用AI降本增效”，便能吸引关注。

然而，AI+行业真的如此高效吗？我参加某行业峰会时，有资深技术人员坦言，本行业的AI应用尚处起步阶段，大模型在石油石化业务中多只能完成极小部分工作。不久前，“张文宏拒绝将AI引入病历系统”也登上了热搜。

除了金融、互联网等数字化基础较好的少数行业，绝大多数行业的AI落地情况大致相同，普遍的业务渗透率在10%—30%，真正进入核心业务环节的并不多。2025年《关于深入实施“人工智能+”行动的意见》发布后引发社会高度关注，相关负责人随后也明确表示，发展“人工智能+”必须坚决避免无序竞争、一哄而上。

与AI从业者、使用者的审慎形成鲜明对比的是旁观者的狂热与FOMO（恐惧错过）心理。因此，是时候探讨这场开年的AI狂欢将给行业带来何种影响了。

残酷的AI

用一句话来形容大众对这波AI热潮的心态，那就是参与或许有风险，但错过的风险更大。背后的主要原因是，AI作为一种通用技术，具有长期价值，这一远景是确定的，因此不能错过。但短期内AI确实在积累一些风险，让不少人陷入纠结。

围观这场AI狂欢，风险正在几个方面积聚：

一是大量垂直应用的喧嚣遮蔽了核心技术突破。如同去年年初各行各业扎堆接入DeepSeek的盛况一样，当前几乎所有行业都能找到蹭AI热点的切入点，导致AI相关的垂直应用众多，信息繁杂，反而遮蔽了一些关乎产业根基的技术探索。

此外，对技术长期价值的信心遮蔽了新技术从实验室到规模商用所必经的残酷竞争。

新技术初期竞争最为激烈，发明家之间互相攻讦、争夺专利，历史上不乏此类事件。例如纽科门发明蒸汽机后，无数模仿者、工程师与小作坊纷纷入局研发类似产品。爱迪生与特斯拉的电流之战更是蔓延至恶性竞争。即便押对了技术路线，也未必能收割技术红利。互联网早期，99%的“.com”公司最终也难逃倒闭命运。

因此，即便长期看好AI技术的价值，也要意识到激烈竞争后谁能胜出存在很多未知数。而AI领域的竞争烈度比此前的新技术革命有过之而无不及。因为AI领域格外强调开源开放。

开源模式让技术扩散速度更快。全球知名大模型竞技榜单Imarena数据显示，自2023年年中以来，所有登顶过榜单的模型平均在榜首位置仅能停留35天左右。曾经讨论度拉满、被认为领先行业一代的OpenAI o1如今排名已跌到50位之后。顶流产品的命运尚且如此，说明技术创新难以沉淀为持久的竞争壁垒。

这导致AI领域出现了“冰火两重天”的心态。深耕AI的从业者体感较冷且竞争激烈。有AI创业者直言：“3个月就有一家公司倒下，30天就会落后一代产品。”但旁观者却十分热情，即便暂时没有利润兑现和业绩支撑，也对AI格外有信心。

押注AI的长期价值是正确的，但我们必须提醒大家，所有伟大的技术革命、每一次产业革命都不是一蹴而就的。正如相信蒸汽机、电力与互联网的价值一样，但每一个新技术都必然会经历残酷的竞争。

铁打的泡沫?

有人或许会反驳说，AI的未来是确定的，那么不参与就意味着错过。这种FOMO（恐惧错过）心理从2023年大语言模型突破后一直萦绕在行业和大众心头。发展到今天已经演变出了“AI泡沫是铁打的”这种说辞。

一些研究员表示，AI和黄金、金属是“新三大最坚硬的泡沫”。这些话术真是令人倍感亲切。但《这次不一样》一书梳理了跨越800年、覆盖66个国家的海量历史数据与案例总结出一个规律：

每一次大泡沫来临前专家都会宣称“这次不一样”。

这一次AI与之前的第一次、第二次人工智能热潮有何不同？我认为有两个不同：

一是大模型的技术确定性更强。尽管通往通用人工智能（AGI）的技术路线仍存争议但不可否认的是大模型大幅降低了AI的落地门槛与成本。

二是AI的杠杆不高。“所有泡沫的核心隐患都是过度举债加杠杆。”在AI领域杠杆率较低加上普通人都能轻易使用到AI更容易对新技术祛魅也不会有不切实际的投机幻想。

因此如果说这一次AI热潮有什么不一样的地方就是在此时此地没有非理性繁荣的基础。但技术产业的发展逻辑和商业规律不会因为新技术、新题材而改变。

FOMO的普通人

说了这么多普通人到底如何才能既不踏空这一波技术浪潮又不会被市场情绪裹挟呢？我觉得最根本的是要认识并接受自己只是个普通人。

普通人没有专业能力无法精准评估什么是真正的技术突破什么是炒作；也无法精准判断行业变化的节点既不能在变化前做好准备也不能在变化后从容应对。

有了这份清醒才能将参与AI的方式严格控制在自己的能力边界之内。

控制在认知边界内最直接有效的方式是亲身体验AI产品可以选择付费的高质量的先进模型通过AI感知技术迭代的速度以及科技公司的技术实力逐步建立起对AI更准确的认知。

控制在信息边界内在AI内容泛滥、自动化生成的时代选择真正高质量、专业的信源十分重要。

建议大家不要只聚焦在AI模型、算法、应用等软件层面而产业智能化是一个包含了多元要素的综合体对智能化进程的了解能避免被短期的模型格局波动和市场情绪所误导。

即使决定以资本形式参与也能控制在自己的风险承受边界内。

最后想说的是AI的红利并不只存在于资本回报。借助AI技术提升工作效率拓展职业新可能用AI辅助作业提升孩子的学习成绩这些实际场景都是普通人能把握的零风险的技术红利。

因此不必FOMO（恐惧错过）因为最终AI将成为像电力、互联网、智能手机一样的公共基础设施我们每个人都会分享到这场技术革命的果实。重要的是不要重蹈几个世纪以来前人“这次不一样”的覆辙。