理想很丰满，现实很骨感，这就是AI的现状。
当你驱车行驶在旧金山280号州际公路上，可以留意一下广告牌，看看有多少与AI有关。你可能会有一种错觉：“AI已经无处不在。”
在加州核心区域，似乎所有公司都给自己加上了AI标签，这一幕似曾相识，当年所有公司也曾宣称自己是科技公司。
OpenAI首席执行官萨姆・奥特曼（Sam Altman）警告称，投资者高估了AI的潜在回报率，整体看，市场对AI过度兴奋。
上个月，媒体还在铺天盖地报道Meta高薪挖人的新闻，开出的薪酬甚至高达1亿美元，然而，8月21日，Meta新成立的AI实验室宣布暂停招聘。
Meta新闻发言人宣称：“我们会向超级智能实验室投入更多资金，任何相反的报道都是错误的。”
尽管如此，冻结招聘还是引起一些质疑和恐慌。
就在一周前，科技公司还在刷新业绩，准备追加AI投资。奥特曼当时表示，在短时期内，OpenAI将向数据中心扩建项目投入数万亿美元。
谷歌前CEO施密特警告称，企业过度关注AGI（达到甚至超越人类智力水平的AI）是错误的。
施密特在专栏文章中写道：“什么时候能实现AGI目前并不明确。我们担心硅谷过度关注这一目标，以至于疏远了普通公众，更糟糕的是错过了技术关键机遇。”
文章还说：“技术专家与普通民众对AI的看法存在分歧，而且分歧还在扩大。专家坚信AGI是可能实现的，他们站在了技术的最前沿，但普通公众却认为AI存在炒作，在生活中AI是一个很麻烦的工具。”
为了发展AI，如果企业每个季度都要烧掉100亿美元，投资者如果看不到回报，当然会怀疑。
几天前，英伟达公布二财季财报，季度营收达到470亿美元，同比增长56%。尽管增幅惊人，还是未能达到分析师预期，财报公布后英伟达股价下跌。
以前，AI企业不断鼓吹，宣称AI将会带来神奇变革，投资者和民众相信他们的话，但现在却发现企业的宣传过于夸大。
AI是一系列复杂因素共同作用的结果，并非单纯建立在技术之上，过度夸大损害了科技企业的声誉。
从VR到元宇宙，到加密货币和NFT，美国科技企业用同样手法造势：先将一项科技推到台前，大肆宣扬，称该技术将改变世界，还警告说不早早加入就会错失良机，信息通过算法与文章在互联网传播。但无论如何宣传，最终还是要面对现实。当AI概念股表现欠佳时，质疑声就会越来越大。
于是乎，我们看到VR、元宇宙、NFT很快变成笑料，有的甚至毫无价值。当然，AI并不像NFT一样，它的确存在价值，只是很难准确估值。
鼓吹时，有些人真的坚信AI潜力无限，有些则是纯粹的欺骗。公众很难区分真假。
实际上，最近AI市场出现的悲观情绪与GPT-5有莫大关系，因为它让用户失望了，GPT-5不够好，最终引起连锁反应。
每年美国向AI基础设施投资3000亿美元，但现在还不知道如何盈利，这是AI发展的最大问题。
根据麻省理工学院发布的报告，生成式AI项目有95%存在亏损。虽然ChatGPT和Copilot受到消费者欢迎，但只能提高个人生产力。
问题不在于模型本身，而在AI与脆弱的工作流程和日常运营难以融合。
市场对AI期望过高，投资过热，这种投资并非基于经济逻辑，而是企业担心落后，不得不疯狂投入。市场偏青睐规模、速度和炒作，而不是真正的创新。
回看过去几年的发展，当前AI投资已经达到历史最高点。
2025年，亚马逊、微软、谷歌和Meta的AI投资已经达到3000亿美元，仅微软一家就投入800亿美元。以微软的投入计算，相当于为每一位Copilot月活用户投入8500美元。虽然投入惊人，但Copilot的投资回报率仍不明确。
从经济角度看，谷歌Gemini的每次查询成本最高约为0.031美元，即便只用AI处理全球约10%的搜索，谷歌每年也要支付约12亿美元。
与传统搜索不同，AI查询呈现出“负规模效应”，也就是说每增加一位用户，成本也会随之上升。
由于成本过高，严重影响了企业的投资积极性，打击了投资者信心。企业之所以持续投入，仅仅是为了保持竞争优势。
于是，整个行业陷入“技术囚徒困境”。对于单个企业来说，每一步决策都合理，但最终还是将整个行业引入非理性状态。基础设施重复建设、成本螺旋式上升，但实际价值无法兑现。
生成式AI的表面数据的确光鲜。例如，谷歌AI概览功能（AI Overviews）的月活跃用户已经达到20亿，Gemini的活跃用户也达到了4.5亿。但在数据之下，许多用户实际上只是被动使用，因为谷歌的AI Overviews信息是嵌入搜索结果的，所以表面数据并不能反映用户的真实意图，更不能体现实际价值。
在使用AI工具时，用户的参与度并不深，只是停留在浅层。例如，Gemini的单次使用时长平均只有4分钟，浏览页面数为3.28页；ChatGPT则是6分钟和3.81页。
由此可见，用户使用时只是想完成单一、存在局限的任务，并不是想将工具融入工作流程。也就是说，行业鼓吹的“AI可以变革性提高生产力”仍然只是宣传，并没有兑现。
在企业层面，形势更为严峻。来自IBM的数据显示，企业AI投资的回报率只有5.9%，但年化资本使用成本却高达10%。在所有AI项目中，82-93%都以失败告终。如此高的失败率，说明AI技术在应用层面存在障碍，不能简单归结为执行问题。
与此同时，技术快速商业化导致利润率过低也是失败的主要原因。当某一家企业推出新功能，短短几个月就会有其它企业复制，成本可能低一半。
AI投资未能产生相应回报，原因之一在于部署与目标不匹配。企业往往将人工智能看成是一种为了寻找问题而存在的解决方案，本末倒置。
麦肯锡在报告中估算，每年生成式AI可以为全球带来2.6-4.4万亿美元的价值，但很多应用场景并不是以结果为导向的。企业一味追求节约成本，忽视了员工参与度、创新等软性指标。
当企业将AI嵌入工作流程时，往往遭遇抵触情绪。IBM认为，员工抵触是AI落地的主要障碍，企业不仅要部署技术，还要管理好变革。
总之，今天的AI投资已经存在严重泡沫，投入巨大，回报极低，即便是微软这样的科技巨头，也开始呼吁保持“战略性节奏”。也就是说要逐步摆脱盲目扩张基础设施的模式，转向更审慎、以结果为导向的投资策略。
虽然存在泡沫，彻底摒弃AI也是不明智的。目前的AI处于“落地部署阶段”，单纯追求规模扩张是错误的。
我们正在为“智能体网络（Agentic Web）”铺平道路，它是一个由智能体构建的网络，各智能体能跨系统自主学习、执行任务并协同合作。与静态工具不同，智能体可以通过协议驱动实现动态协作，更贴合企业的实际需求。
也许所谓的智能体网络真能打开一片新天地，只是在进入新世界之前，注定会有无数企业倒在开门之前。
-END-
