动态

原帖正文 我现在越来越觉得，AI 这个行业可能正在发生一件非常荒诞的事情。一边是科技圈每天讨论 AI 泡沫什么时候破裂，几千亿美元的资本开支能不能收回来，GPU 会不会过剩，模型公司到底能不能盈利。另一边却是大量传统企业，连 AI 到底能帮自己解决什么问题都还没搞明白。这两个世界之间的认知差距，可能比我们想象的还要夸张。你天天刷 X、GitHub，每天接触 Codex、Claude Code各种自动化工作流，看着 AI 已经能够写代码、操作电脑、调用工具，甚至一个人就可以完成过去一个团队的部分工作。看多了以后，你真的会产生一种错觉：AI 都已经发展到这种程度了，下一步是不是就该泡沫破裂了？但当你真正走进传统企业，接触具体的业务流程，你会发现很多公司的 AI 使用水平，可能还停留在让员工用聊天机器人写文章、做 PPT、整理表格。甚至很多企业连内部的数据、知识库、业务流程都没有整理清楚，更别提把 Agent 真正接进生产系统。技术圈已经在讨论 AI 会不会取代整个部门，现实世界里却还有大量工作流程连最基本的数字化都没完成。所以我觉得，判断 AI 泡沫，必须区分两个完全不同的问题。第一个问题是：AI 这项技术会不会真正改变社会生产方式？第二个问题是：今天市场给 AI 相关企业、GPU、算力基础设施的估值和投入，到底合不合理？这根本不是一回事。互联网确实改变了世界，但不代表 2000 年互联网泡沫时期所有公司的估值都是合理的。同样，AI 未来可能成为整个社会的基础设施，但不代表今天每一家 AI 创业公司都能活下来，也不代表所有投入几百亿美元建设的算力中心都能收回成本。一项技术可以拥有巨大的长期价值，同时存在严重的短期资本泡沫。我反而觉得，AI 下一阶段真正值得关注的，可能已经不是模型还能提高多少分，参数还能扩大多少倍，而是这些能力什么时候才能真正进入企业，改变具体的业务流程，产生可以计算的经济价值。一个 Agent 能不能稳定运行？能不能真正减少员工重复劳动？能不能降低成本？出错以后谁来承担责任？企业愿不愿意持续付费？这些问题可能没有新模型发布那么性感，但恰恰决定了 AI 能不能从资本市场的故事变成真正的商业价值。而且，技术能力越强，不代表商业落地就越容易。很多时候最大的阻力根本不是模型不够聪明，而是组织不愿改变、数据质量太差、业务流程混乱，以及新系统根本无法融入原来的工作方式。这也是为什么我觉得，未来几年最值得争夺的，未必只是最强模型，而是把 AI 能力真正转化为企业生产力的那一层。当然，这些也不意味着 AI 泡沫不会破裂。泡沫什么时候破，我不知道，也不觉得有人能准确预测。但我越来越确信一件事：AI 的技术发展周期、资本市场的狂热周期，以及真实社会的应用普及周期，很可能根本不在同一个时间线上。资本市场可能已经提前透支了未来十年的预期，而大量普通人和企业，还没有真正体验到这项技术能带来的生产力变化。对普通开发者和创业者来说，与其天天猜测泡沫什么时候破裂，不如认真研究一个问题：当资本市场的狂热逐渐退去，哪些 AI 产品依然有人使用，哪些企业依然愿意付费，哪些系统真正创造了价值？因为最后留下来的，大概率不是故事讲得最精彩的那批人，而是能够持续解决真实问题的人。泡沫可以破裂，但真实的需求不会因为泡沫破裂而消失。我觉得这才是我们普通人在 AI 时代最应该抓住的东西。