1. 首頁 > 生活百科 > >

為什么AI越來越讓人失望？

ai阿里巴巴工業革命騰訊

為什么AI越來越讓人失望？

文章圖片

為什么AI越來越讓人失望？

文章圖片

為什么AI越來越讓人失望？

文章圖片

為什么AI越來越讓人失望？

文章圖片


ChatGPT-5終于在8月8日上線 ， 但推出之后 ， 不再有2.5出世四方雷動的艷羨 ， 甚至因為它不夠人性 ， 逼得官方不得不讓4o重新迎客 。
事實上 ， 被寄予厚望的AI正在遭遇尷尬 ， 而全球AI產業正站在一個微妙的轉折點上 。
各行各業都在追問：AI到底有什么用？什么時候能派上大用？
當前 ， 傳統發展范式已達極限 ， 全球全要素生產率增速從1996-2006年的1.5%降至2007-2017年的0.3% ， 包括中國在內的所有國家都對新技術引領的發展新范式翹首以待 。
過去十年 ， AI吸引的投入累計超1萬億美元 ， 但現實的“獲得感”卻遠低于預期——企業抱怨“AI能用但不夠好用” ， 大眾早已從最初接觸ChatGPT或者Deepseek的震撼中恢復了平靜 ， 吐槽“大模型炫技多、解決少” ， 偶爾甚至還會來一句：就這？！
連科學家都陷入分歧：圖靈獎得主Yoshua Bengio預言“2-5年實現人類水平AI”；而另一位（楊立昆）則潑來一瓢冷水：以目前人類水平連“貓貓狗狗”級別的AI都做不出來 。
這種矛盾背后 ， 是AI從“實驗室神話”向“現實應用”躍遷時的集體迷茫 。



實際上 ， 我們可能進入了一個技術大爆發之前的靜止時刻 。
今年7月 ， AI先驅Richard Sutton在演講中拋出“體驗時代”理論：當人類數據紅利耗盡 ， AI必須通過“自我體驗”實現突破——從技術進化角度看 ， 這有點類似1780年代的蒸汽機：雖早在1698年被發明 ， 卻在瓦特改良前默默無聞60年 ， 直到與紡織業、運輸業深度綁定 ， 才真正點燃工業革命 。
歷史總在押韻 。 今天的AI ， 或許正處在“蒸汽機爆發前的靜止時刻” 。 而打破靜止的關鍵 ， 從來不是某家企業“一騎絕塵”的技術突破 ， 而是讓技術像電力一樣“滲透到每個角落” ， 而這似乎正是中國AI敘事的起點——
此刻的問題不再是“誰能突破技術天花板” ， 而是誰 ， 以及如何打破靜止 ， 讓技術穿過千家萬戶的門檻？然后 ， 帶領人類推開新紀元的大門 。



一個常識性謬誤：從技術霸權到擴散效率
如何跨越靜止時刻？
工業革命的啟示錄早已寫明 ， 技術勝出的關鍵 ， 從來不是“誰先造出完美機器” ， 而是“誰讓機器更快改變生活” 。
華盛頓大學對三次工業革命的研究印證了這一點 ， 英國之所以能引領第一次工業革命 ， 并非其紡織機技術絕對領先法國 ， 而是其技術擴散效率遙遙領先——曼徹斯特的紡織廠用5年時間將蒸汽機滲透率從5%提升至40% ， 而法國同期僅12% 。
美國在第二次工業革命中超越歐洲 ， 核心也不是愛迪生的燈泡更亮 ， 而是其“電力-工廠-家庭”的全鏈條擴散網絡 ， 讓電力從實驗室到千家萬戶僅用了10年 ， 而歐洲用了25年 。
在頂級競賽中 ， 擴散效率決定國家勝負 ， 工業革命的贏家 ， 從來都是那些技術創新和擴散率兩手都硬的參與者 。
這一規律在AI時代正在重演 。
朱恒源教授提出的“AI死亡谷”理論指出 ， 當前AI正處于“技術供給過剩但需求尚未涌現”的尷尬期 ， 全球每天新增100個AI模型 ， 誰能率先跨越“四道門檻” ， 即技術性能達標、商業可持續、社會接受、制度適配 ， 誰就能成為新紀元的定義者 。
但現實是殘酷的 ， 根據麥肯錫2024報告 ， 中國AI專利申請量全球第一 ， 占比超40% ， 但商業化率僅15%；美國大模型參數規模突破萬億 ， 能真正落地的場景不足20% 。 全球Top 20大模型中 ， 14個來自中美 ， 但真正實現規模化商用的不足5個 。
無論是中國還是美國 ， 當技術不再是瓶頸 ， 如何讓技術被需要、被使用、被依賴才是新的護城河 。




機器狗按照指令給盆栽澆水
AI的競爭 ， 已從“實驗室參數競賽”轉向“場景滲透效率競賽”——就像蒸汽機不必等到足夠輕、足夠高效、足夠便宜才改變世界 ， 能讓紡織廠效率提升30%的“半成品” ， 已足夠啟動工業革命 。
當AI從實驗室的“炫技”走向市井的“普惠” ， 技術擴散效率比技術高度更能定義下一個十年 。
但無論是學術界還是產業界 ， 對AI的分歧仍在繼續 。



“完美AI”終向“實用主義”低頭
這種分歧 ， 本質是AI路線的終極博弈 。
這點在自動駕駛領域的“Waymo vs特斯拉”之爭上表現得淋漓盡致 。
Waymo的自動駕駛在技術上一直遙遙領先 ， 但Waymo的團隊早期似乎有一種技術潔癖 ， 什么時候汽車駕駛位可以完全不需要方向盤的時候（屬于L4級別） ， 才會考慮將其推向市場 ， 因此拒絕在駕駛位仍有安全員的階段商業化 。
但馬斯克則選擇“實用主義” ， 從L2級輔助駕駛起步 ， 用“影子模式”（用戶駕駛數據反哺訓練）快速迭代 ， 2023年全球搭載FSD的車輛超400萬輛 ， 累計行駛里程突破500億公里——盡管FSD至今未完全去掉人類干預 ， 但其用戶滲透率已達22%（Statista 2024） ， 商業價值遠超仍停留在“測試階段”的Waymo 。



今天 ， Waymo在諸多專業測評中仍然是自動駕駛領域獨一檔的存在 。 但Waymo的“技術完美主義”也不得不向商業化屈服 ， 其有人監控的無人駕駛出租車將在今年開上紐約街頭 。
而一輛完全自主的特斯拉 ， 在今年6月從工廠下線后 ， 自主行駛30分鐘 ， 來到了訂購者家門口 ， 完成了工業史上首次無人自動交付 。
具體到更高級的大模型 ， 路線分歧同樣尖銳 。
有人追逐“AGI（通用人工智能）的終極突破” ， 人工智能研究和預測組織Epoch在其發表的一篇論文里預測 ， 人類世界的高質量的文本數據會在2023-2027年之間消耗殆盡 。 那么 ， 當人類的數據耗盡之后怎么辦？
人工智能教父Geoffrey Hinton的解決方案之一是 ， 讓AI發展出自己的主觀體驗 ， 比如通過機器人 。
而更多人需要的是“能解決眼前問題的工具”——用戶不需要“完美的AI” ， 只需要“足夠好的解決方案” 。
當醫療AI能在10秒內完成肺部CT掃描并標注病灶（準確率97%） ， 哪怕它暫時無法解釋為何這個結節是惡性；當教育AI能為鄉村教師自動生成個性化教案（覆蓋80%常見題型） ， 哪怕它還不能像特級教師一樣與學生情感共鳴 。 這些“不完美但有用”的AI ， 才是打破靜止的關鍵 。
其實大多數人對技術的要求并不復雜 ， 提升效率 ， 從來不是“一步達到極致” ， 而是“恰到好處” 。
這種對技術的清醒 ， 讓中國當下一些公司在推進AI進程時更容易做出務實且有效的選擇 ， 比如騰訊——聚焦技術-市場適配性 ， 不做聚光燈下的“技術明星” ， 而做穿透場景的“實用工具” ， 從而推動中國AI產業化、商業化應用 。
比如海爾 ， 直接把自己的智慧生產經驗 ， 推廣到啤酒廠、化工廠等眾多看似差異巨大 ， 但技術內核卻相通的工藝流程 ， 大大提升生產效率 。
比如京東 ， 把自己的智慧倉儲、物流 ， 從電商復制到了國家重點水利工程白鶴灘水電站的建設之中 ， 實現了成千上百種物料的有序供應調度 。



用“超級場景”重構技術擴散范式
回到今天的AI競爭現實 ， 在技術供給上 ， 現階段已經過剩 ， 而我們也找到了推動AI革命的關鍵路徑 ， 即用效率與場景推動AI的產業化與商業化 ， 剩下的問題就只有一個了——
誰來推動？
中國社會科學院大學教授江小涓認為 ， 在大模型的研發實力上 ， 作為研發主體的高校在2014年還位居全球第一 ， 但目前已經嚴重下滑 ， 中美兩國的大型科技平臺已經取代高校成為創新核心主體 。
財新認為 ， 大型科技平臺在信息時代天然具有優勢 ， 是因為它們掌握海量數據、巨量資金 ， 具有海量的跨領域應用場景 ， 天然具備科研轉化優勢 。
傳統的技術創新范式被認為是線性的 ， 從科研到技術轉化再到商業產品化；但大型科技平臺兼具公共品供給和市場化運作能力 ， 從而有能力打破線性創新模式 ， 并通過系統集成和信息化整合 ， 以數據網狀方式實現技術創新 。
之后 ， 大型科技平臺又將初創技術創新進行大規模技術擴散 ， 由此形成市場需求 ， 實現大規模商業化 ， 從而反哺數據網絡狀的創新活動 。
這個過程循環往復 ， 就會不斷重塑產業結構和經濟結構 ， 進而推動新一輪的經濟發展 。
這在中美兩國都已經被證明 。
今年7月份發布的《全球人工智能科研態勢報告（2015-2024）》數據顯示 ， 中美兩國以合計近六成的全球AI研究人員占比形成“雙強并立”的格局 ， 美國以6.3萬余人的人才數量居全球領先地位 ， 其中 ， 斯坦福大學2385人、麻省理工學院2191人 ， 與谷歌2569人、微軟2461人形成高校企業雙引擎 。
從產品與場景來看同樣如此 ， 美國科技企業谷歌、微軟、特斯拉、Meta、openAI等公司推出的大模型產品 ， 成為美國絕對的引領 。
中國方面AI研究人員數量 ， 傳統高校包括中國科學院（3453人）、清華大學（2667人）、北京大學（2123人）仍具有較大的優勢 ， 但騰訊、阿里巴巴等科技企業的研發團隊分別以992人、633人的規模超越部分實力高校 ， 更重要的是 ， 在中國 ， 科技企業推出的大模型在應用場景打造與效率擴散方面 ， 具有更顯著的優勢 。
以騰訊為例 ， 在AI擴散的賽道上 ， 騰訊的競爭力來自其不可復制的“三重壁壘” 。
第一重壁壘是國民級場景構成的“天然試驗田”。 微信（14億月活）、企業微信（5億用戶）、視頻號（日活超8億）構成的超級場景 ， 既是技術落地的“沙盤” ， 也是數據迭代的“源頭” 。
例如 ， 工業質檢場景中 ， 騰訊AI通過與三一重工、寧德時代的合作 ， 積累了超1000萬張“瑕疵樣本” ， 讓檢測準確率從85%提升至99.2% 。 這種“場景即數據”的能力 ， 讓技術迭代效率比純實驗室模式快3-5倍 。
當然 ， 這種利用自身天然優勢推進AI快速迭代的能力 ， 在國內其他大模型中也被推廣 。 比如百度的文心一言立足百度APP這個月活超6億的國民級應用為入口 ， 構建AI普惠生態 ， 鞏固搜索入口地位；以交通、能源等垂直領域為突破口 ， 推動大模型產業落地 。 阿里的千問以電商（淘天）、辦公（釘釘）為切入點 ， 推動大模型在B端場景的規模化應用 。
BAT三家正在圍繞場景深度、生態開放度、技術自主性展開競爭 ， 推動AI大模型從“可用”向“好用、可落地、可持續”演進 。
第二重壁壘是其開放生態形成的“擴散網絡” ， 打造超級應用場景 。 騰訊的邏輯不是“自己做所有事” ， 而是“讓所有人能用AI做事” 。 通過“混元大模型+API接口+工具包”的組合 ， 騰訊打破單一行業邊界 ， 在“數字生活共同體” 中實現技術跨域融合 。
截至2025年7月 ， 騰訊內部多款產品接入了AI能力 。 從用戶日常工作學習高頻使用的元寶、ima、微信AI搜索、QQ瀏覽器等 ， 到政務、教育、醫療等30+垂直行業 。 接入騰訊AI能力的企業超10萬家 ， 開發者超50萬 ， 形成了“模型迭代-場景反饋-生態擴容”的正向飛輪 。
第三重壁壘是其可持續投入的“資本緩沖帶” 。 技術擴散需要長周期投入 ， 2023-2025年 ， 騰訊在AI領域的投入超1000億元 ， 其中70%用于場景落地而非單純研發 。
這種“邊投入邊變現”和“小步快跑 ， 持續迭代”的模式更具可持續性 ， 因為所有的應用場景都是真實需求 ， 都能帶來效益 ， 帶動廣告、游戲、會議、企業微信等核心業務收入顯著增長 。
根據8月13日騰訊發布的2025年第二季度財報 ， 公司收入達到1845.04億元人民幣 ， 同比增長15%；凈利潤為556.3億元人民幣 。
和盈利均實現雙位數同比增長的背后 ， 是其AI戰略已從技術投入階段成功轉化為業務增長引擎 。 AI不僅在游戲、廣告、社交平臺等核心業務中實現了深度應用和價值創造 ， 其自研的混元大模型 ， 特別是3D模型 ， 更在技術上取得了國際領先地位 ， 并開始形成有效的商業化路徑 。 這標志著騰訊的AI布局正進入收獲期 。
同樣 ， AI戰略對阿里的推動也明顯增強 ， 其在2025財年的股東信中表示 ， 要將“Al+云”為核心的科技業務打造成阿里巴巴的第二增長曲線 。 2025財年年報顯示 ， 阿里云財年收入突破雙位數增長 ， AI相關產品收入連續七個季度實現三位數同比增長 。
事實證明 ， 這種“不貪頂端突破 ， 只做全域滲透”的路徑 ， 為騰訊構建起了“國民級場景+開放生態”的“超級擴散引擎” ， 從而將全球AI競爭升維為“生態效率之戰” 。



技術擴散的中國答案
在“技術靜止”的時間里 ， 怎樣的創新是更有效率的？
這沒有標準答案 。
歐洲早早就發明了效率更高的重犁來匹配耕馬 ， 但真正讓歐洲農業超過亞洲的是馬軛的發明 ， 它讓重犁終于有了完全施展的空間 。
但在馬軛沒有被發明出來之前 ， 重犁并沒有被徹底拋棄 ， 而是依然在慢慢普及著 ， 它或許就是馬軛被發明的催化劑 。
這就是走純技術突破與邊用邊突破的差異 。
事實上 ， 中國的眾多科技企業在互聯網時代以來 ， 都是這么一路走過來的 。
回到最初的問題：AI到底有什么用？什么時候能派上大用？
答案或許藏在以騰訊為代表的眾多中國科技企業的實踐中 。 當醫療AI讓縣域醫院的肺癌篩查準確率從60%提升至90% ， 當教育AI讓鄉村教師的教學效率提升50% ， 當工業AI讓中小工廠的良品率從85%提升至95%——這些“潤物細無聲”的改變 ， 才是AI真正的“大用” 。
全球AI競賽的下半場 ， 勝負手不再是“誰的技術更先進” ， 而是誰的技術更能滲透到普通人的生活里 。
騰訊的敘事價值 ， 正在于此：它不追求成為聚光燈下的“AI明星” ， 而是甘愿做照亮千萬場景的“AI路燈”——在靜止時刻 ， 用擴散的力量 ， 力爭去催化、點燃下一個技術紀元的星火 。
在等待“AI奇點”的靜止期 ， 騰訊選擇做技術擴散的“馬軛” 。
這不僅是騰訊的AI敘事 ， 更是中國科技產業的“普惠創新”宣言：AI的終極目標 ， 不是技術領先 ， 而是讓技術成為每個人的工具 。
在全球AI的“靜止時刻” ， 中國企業正在走出一條差異化路徑 。
與歐美企業“追求技術參數領先”不同 ， 中國模式的核心是用場景反哺技術 ， 用生態放大價值 ， 把AI從實驗室的電燈 ， 變成千家萬戶的電網————這將是騰訊的產業革命敘事 。
【為什么AI越來越讓人失望？】“三身元我體 ， 四智本心明 。 身智融無礙 ， 應物任隨形 。 ” 最后 ， 借用唐詩點明中國AI終局：無界融合 ， 隨處賦能 。

    推薦閱讀