在当今这个科技飞速发展的时代，AI 无疑成为了最热门的话题。它如同一股汹涌澎湃的浪潮，席卷了各个领域，让人们对其寄予了厚望，仿佛它就是解决所有问题的 “万能钥匙”。从企业到投资者，从普通大众到科研人员，都在密切关注着 AI 的动态，试图在这场技术革命中抢占先机。
人们对 AI 存在着六个根本性的误判，这些误判如同隐藏在迷雾中的礁石，使得市场和企业在追逐 AI 的过程中，往往偏离了正确的航线，对其短期价值抱有过高期待，而忽视了其真正的发展节奏和盈利路径。事实上，AI 的发展并非一蹴而就，它更像是一场漫长而艰辛的马拉松，需要经历时间的沉淀和实践的打磨。其盈利路径也远不如宣传中所描绘的那般清晰明了，充满了不确定性和挑战。它的真正力量在于长期的应用与深度的整合，如同深埋在地下的宝藏，需要我们耐心挖掘，才能绽放出耀眼的光芒，而不是期待它能在瞬间带来颠覆性的奇迹。
回顾历史，许多具有划时代意义的通用目的技术，如印刷术、电力、互联网等，它们的发展都遵循着相似的轨迹。以电力为例，它的出现彻底改变了制造业的面貌，但工厂设计从最初接触电力技术到完成全面适配，整整历经了 40 年的漫长时光。互联网早在 20 世纪 70 年代就已诞生，然而在随后的几十年里，它一直在默默积蓄力量，直到 2000 年前后，才真正改写了商业模式，深刻地影响了人们的生活和工作方式。AI 作为一种新兴的通用目的技术，我们有充分的理由相信，它也将遵循同样缓慢却坚定的发展轨迹。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。
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，而我们很可能还会重蹈覆辙。
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。
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，相当于 Facebook 上市时的两倍、谷歌上市时的八倍（经通胀调整后）。投资者将其视作一家云软件公司来定价，并认为其利润空间将不断扩大。但 AI 并不是 SaaS（软件即服务）。OpenAI 的成本不会随着规模扩大而降低，反而会随着用户需求的增长而增长。每一次查询都有成本，每新增一位用户就意味着成本增加。OpenAI 估计其 2024 年营收为 37 亿美元，同时亏损 50 亿美元。
问题在于，AI 所需的基础设施投入极为庞大。Meta、Alphabet、亚马逊和微软今年计划合计投入 3000 亿美元。现金流和公开声明的分析显示，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，今年就将投入 800 亿美元。到 2028 年，微软的算力需求可能相当于一个国家的用电需求。为支撑基础设施的扩张，市场预估有 1250 亿美元的年营收缺口需要填补。
与此同时，竞争正不断压缩 AI 的利润空间。LLaMA、Mistral、DeepSeek-V3 等开源模型正迅速抢占市场份额。Meta 的 LLaMA 3 已通过 Instagram、WhatsApp 和 Facebook 覆盖超过十亿用户，并对用户完全免费。相比之下，OpenAI 每服务一位用户都需付出成本，且缺乏内建的分发生态系统。AI 的同质化速度比以往任何技术周期都更快，甚至连 OpenAI 的董事会主席也公开承认了这一现实。
对于行业领导者而言，这些影响真实且迫在眉睫。许多企业正根据一些 AI 公司所开发的工具做出高风险的投资决策，而这些 AI 公司的商业模式未必具备可持续性。如果这些合作方出现成本超支、研发滞缓或是彻底崩溃，这可能导致企业在追求自身目标、执行计划的过程中陷入停滞。这类风险不仅关乎财务，更是实实在在的运营风险。
AI 领域的真正赢家，并不追求天价估值，而是能够将 AI 嵌入到能创造持久经济优势的业务环节中。这些环节包括：通过 AI 加速商业决策周期、提升决策质量、重新构思产品，所有这些都能以可量化的投资回报率来衡量。AI 转型考验的是领导者的毅力，而非投机能力。
无论模型多么先进，都难以构成真正的 “护城河”。在开源协作和政府支持的科研推动下，AI 将持续走向同质化。一旦 AI 普及开来且成本低廉，它将不再被任何一家企业所 “拥有”。真正的价值不在于开发，而在于应用 AI。
应用程序，是把 AI 从理论转化为现实，从实验室推向消费者的关键一步。将模型转化为真正的商业解决方案，其工程难度远超在聊天界面运行模型。那些通过定制化 AI 架构解决特定行业复杂问题的企业，才能创造最持久的价值。随着 AI 智能体在各行业涌现，这一转变已然开始：Harvey 是 AI 律师，Glean 是 AI 办公助理，Factory 是 AI 软件工程师，Abridge 则是 AI 医疗记录员。
AI 的真正价值，是将依赖人工的服务转化为可扩展、后台持续运行的应用程序。企业应该聚焦于如何精准地应用现有模型，而不是自建模型。太多企业误以为基础模型能够直接带来价值。但如果不在真正困难的部分加以投入，如应用开发、系统集成、数据基建、工作流重构和变革管理，AI 终将沦为华而不实的原型 —— 演示时令人惊艳，规模化时却失效。出乎意料的是，最终胜出的往往是那些让 AI 变得 “平淡无奇” 的公司：将 AI 无缝嵌入核心业务，持续可靠地运行；在真正产生价值之处，静静发挥变革力量。
尽管市场炒作聚焦于 AI 初创公司，但在众多企业中只有行业巨头才掌握真正优势。AI 并非关乎 “颠覆”，而在于 “分发”。以 Microsoft Teams 为例，微软并未开发出最好的视频会议工具，而 Zoom 做到了这一点。但是，微软通过将 Teams 整合到 Office 365 中，最终赢得了企业市场。企业选择 Teams，并不是因为它更好，而是因为它已经集成在现有系统中。同样的情节正在 AI 领域上演。初创公司或许能推动创新，但巨头企业掌握着企业预算、IT 集成系统以及分发渠道。微软、谷歌和 Salesforce 并不需要最顶尖的 AI 模型 —— 他们只需要 “够用” 的 AI，能够无缝嵌入到现有的企业技术栈中。这就是 AI 采用的真相：谁控制了企业和用户的工作流，谁就能从中胜出。
我们对生成式 AI 深深着迷，然而未来的技术远不止于对话模型。如今的 AI 擅长写邮件、总结报告，却难以应对现实世界的复杂性。AI 仍缺乏情境感知、复杂推理能力，以及实时整合多种动态信息的能力。这正是 AI 在医学、物流等领域应用滞后的原因 —— 这些行业的决策所需要的不仅仅是历史文本。聊天机器人可以起草合同，却无法诊断每位患者的病情，也无法优化濒临崩溃的供应链。
下一阶段的技术演进将是多模态 AI 和复合型 AI 系统：这类技术能够处理多种类型的输入信息，并模拟人类的认知过程来协同运行。自动驾驶汽车并不依赖单一数据源，而是融合激光雷达、毫米波雷达、GPS 和实时传感器来进行导航。同样地，AI 也需要叠加处理视觉、声音、文本和实时数据的模型。复合型 AI 系统在此基础上更进一步，通过整合多个模型，来构建具备学习、规划和自主行动能力的智能系统。如今，众多 AI 模型像孤岛一般运行，比如一个模型生成文本，另一个模型检测欺诈。未来的 AI 将会像一个专业团队般融合多种能力，协调运作。
这对企业而言是提前规划的信号。当下最新一代 AI 工具确实能带来一些收益，但这些收益往往局限且片面。领导者应避免过度投资于具有单一功能的解决方案，而应开始构建能够支持多模态集成系统的基础设施。这意味着企业需要投资于数据架构、灵活的工作流，以及随技术演进而不断调整的 AI 治理机制。AI 的未来不是打造更聪明的聊天机器人，而是设计出能够协同 “看、听、分析并行动” 这几种功能的系统，与现实世界的复杂情况保持同步，并实现规模化部署。
1950 年，艾伦・图灵（Alan Turing）提出了一个如今已广为人知的问题：“机器能思考吗？” 七十五年后的今天，我们对 AI 的评估基于其推理能力、预测能力和生成能力。或许，是时候用同样的视角审视我们自己了。当前，我们正陷入集体 “幻觉”：做出错误的投资判断，设定错位的优先事项，制定不切实际的时间表。许多公司把 AI 当作 “灵丹妙药”，向模型投入数十亿美元，却忽视了系统整合、基础设施建设，和发掘真正的商业价值等更艰巨的工作。
最终，市场将决定哪些企业和行业能够发挥出 AI 的价值并从中获益。但有一点可以确定：AI 的普及性将逐渐削弱其独占性。AI 的影响力不在于谁拥有它，而在于我们如何使用它。在这场 AI 的浪潮中，只有保持清醒的头脑，识破这些致命误判，我们才能不被浪潮淹没，而是驾驭浪潮，驶向成功的彼岸。
发表回复