理性看待AI從幻覺(jué)到績(jī)效匯報(bào)人：匯報(bào)日期：2025/01/01目錄炒作與落差六種誤判速覽影響遲到采用幻覺(jué)估值泡沫利潤(rùn)在應(yīng)用目錄巨頭主導(dǎo)超越生成式回歸理性01炒作與落差A(yù)I神話：從系鞋帶到拯救世界媒體與現(xiàn)實(shí)的落差媒體對(duì)AI的狂熱炒作，讓大眾誤以為AI即將解決一切問(wèn)題，從系鞋帶到拯救世界，但現(xiàn)實(shí)遠(yuǎn)比想象復(fù)雜。這種預(yù)期與實(shí)際落地之間的落差，正是我們需要理性看待AI的起點(diǎn)。麥肯錫預(yù)測(cè)的反思麥肯錫預(yù)測(cè)AI每年將為全球經(jīng)濟(jì)貢獻(xiàn)高達(dá)25.6萬(wàn)億美元，但這一數(shù)字更像是幻覺(jué)而非現(xiàn)實(shí)藍(lán)圖。我們需要從這種不切實(shí)際的預(yù)期中清醒過(guò)來(lái)，關(guān)注AI的實(shí)際績(jī)效。技術(shù)炒作周期的啟示歷史上的技術(shù)炒作周期告訴我們，從個(gè)人電腦到互聯(lián)網(wǎng)泡沫，再到區(qū)塊鏈熱潮，每一次都存在預(yù)期與落地的落差。AI也不例外，我們不能被短期的炒作所迷惑。CIO視角：三十年技術(shù)熱潮的復(fù)盤三十年技術(shù)熱潮的回顧作為一名擁有三十年經(jīng)驗(yàn)的CIO，我見(jiàn)證了從個(gè)人電腦到互聯(lián)網(wǎng)、再到區(qū)塊鏈等技術(shù)熱潮的起伏。每一次技術(shù)的興起都伴隨著巨大的炒作，但最終真正創(chuàng)造價(jià)值的案例卻寥寥無(wú)幾。AI的現(xiàn)實(shí)挑戰(zhàn)AI并非首次被過(guò)度炒作，但它的落地難度遠(yuǎn)超以往。企業(yè)需要從‘AI可能做什么’轉(zhuǎn)向‘AI實(shí)際在做什么’，關(guān)注技術(shù)在實(shí)際業(yè)務(wù)中的應(yīng)用和績(jī)效，而不是盲目跟風(fēng)。02六種誤判速覽誤判全景：從時(shí)間到盈利六陷阱影響遲到AI的影響比我們預(yù)想的來(lái)得更晚。通用目的技術(shù)如電力、互聯(lián)網(wǎng)都經(jīng)歷了數(shù)十年的發(fā)展才釋放出變革性潛力，AI也不例外。企業(yè)需要有耐心，不能期望立竿見(jiàn)影的效果。采用過(guò)樂(lè)觀我們對(duì)企業(yè)采用AI的前景過(guò)于樂(lè)觀，低估了轉(zhuǎn)型所需的時(shí)間和面臨的系統(tǒng)性障礙。企業(yè)部署AI并非‘即插即用’，而是需要與陳舊系統(tǒng)、監(jiān)管障礙等因素相互磨合。估值過(guò)高市場(chǎng)高估了AI公司的價(jià)值，將它們視為高增長(zhǎng)、輕資產(chǎn)的軟件公司，而實(shí)際上這些公司資本密集、成本高昂。投資者需要警惕這種虛高的估值帶來(lái)的風(fēng)險(xiǎn)。利潤(rùn)不在模型真正的利潤(rùn)不來(lái)自AI模型本身，而是來(lái)自將模型深度嵌入業(yè)務(wù)系統(tǒng)，創(chuàng)造出持久、可量化的價(jià)值。企業(yè)需要關(guān)注應(yīng)用開(kāi)發(fā)、系統(tǒng)集成等環(huán)節(jié)，而不僅僅是模型的開(kāi)發(fā)。03影響遲到索洛悖論與AI1987年，經(jīng)濟(jì)學(xué)家羅伯特·索洛指出，盡管計(jì)算機(jī)技術(shù)廣泛存在，但生產(chǎn)率統(tǒng)計(jì)數(shù)據(jù)中卻看不到其蹤影。如今，AI也面臨同樣的問(wèn)題，盡管投入巨大，但可量化的效率提升仍然難以實(shí)現(xiàn)。通用目的技術(shù)的緩慢發(fā)展通用目的技術(shù)如電力、互聯(lián)網(wǎng)等，都需要數(shù)十年的時(shí)間才能釋放出變革性潛力。AI作為通用目的技術(shù)，其發(fā)展軌跡也將是緩慢而必然的，企業(yè)需要有長(zhǎng)期的視角。索洛悖論再現(xiàn)：AI提升為何看不見(jiàn)邊際收益遞減與TFP低迷邊際收益遞減早期數(shù)字化轉(zhuǎn)型帶來(lái)的紅利已經(jīng)基本實(shí)現(xiàn)，后續(xù)的技術(shù)躍遷帶來(lái)的邊際收益正在遞減。這使得AI等新技術(shù)在提升整體生產(chǎn)率方面面臨更大的挑戰(zhàn)，企業(yè)需要重新審視技術(shù)投入的回報(bào)。低強(qiáng)度使用：40%體驗(yàn)≠生產(chǎn)率躍升低強(qiáng)度使用現(xiàn)狀盡管有40%的美國(guó)成年人使用過(guò)生成式AI，但大多數(shù)人使用頻率較低，僅占工作總時(shí)長(zhǎng)的1%-5%。這種低強(qiáng)度使用難以轉(zhuǎn)化為顯著的生產(chǎn)率提升。生產(chǎn)率提升的局限性根據(jù)研究，AI的低強(qiáng)度使用最終轉(zhuǎn)化為不到1%的生產(chǎn)率提升。這說(shuō)明單純的技術(shù)采用并不能帶來(lái)預(yù)期的變革，企業(yè)需要更深入地整合AI。深度整合的重要性AI的價(jià)值并非來(lái)自全面迅猛的顛覆，而是源于有目標(biāo)、有計(jì)劃的融合。企業(yè)需要將AI深度嵌入核心業(yè)務(wù)流程，才能真正發(fā)揮其潛力，而不是停留在表面的試點(diǎn)階段。04采用幻覺(jué)三大認(rèn)知偏差助推采用狂潮01計(jì)劃謬誤計(jì)劃謬誤使我們低估了AI轉(zhuǎn)型所需的時(shí)間。企業(yè)往往高估了自身在短期內(nèi)實(shí)現(xiàn)技術(shù)落地的能力，而忽視了系統(tǒng)性改造的復(fù)雜性。02樂(lè)觀偏見(jiàn)樂(lè)觀偏見(jiàn)讓我們誤以為AI的采用將暢通無(wú)阻。然而，企業(yè)部署AI需要面對(duì)陳舊系統(tǒng)、監(jiān)管障礙、企業(yè)文化等諸多挑戰(zhàn)，這些都可能阻礙技術(shù)的順利落地。03近因偏見(jiàn)近因偏見(jiàn)使我們相信AI在消費(fèi)端的病毒式傳播也會(huì)無(wú)縫遷移到企業(yè)端。但企業(yè)端的應(yīng)用場(chǎng)景更為復(fù)雜，不能簡(jiǎn)單地套用消費(fèi)端的成功經(jīng)驗(yàn)。IBMWatsonHealth失敗解剖IBMWatsonHealth的失敗IBM曾承諾AI將徹底改變醫(yī)療行業(yè)，但最終沃森的業(yè)務(wù)被拆解出售。其失敗并非源自AI技術(shù)本身，而是因?yàn)镮BM嚴(yán)重低估了在現(xiàn)實(shí)世界落地的難度。現(xiàn)實(shí)世界的復(fù)雜性混亂零散的醫(yī)療數(shù)據(jù)、繁瑣的監(jiān)管程序以及現(xiàn)實(shí)世界的復(fù)雜性，共同扼殺了IBMWatsonHealth的發(fā)展?jié)摿Α＿@提醒企業(yè)，技術(shù)落地需要綜合考慮多種因素。05估值泡沫AI不是SaaS：資本密集型真相AI的成本結(jié)構(gòu)AI并非輕資產(chǎn)的SaaS模式，每次查詢都消耗算力，用戶越多成本越高。這種資本密集型的特性使得AI公司的盈利模式與傳統(tǒng)軟件公司截然不同。OpenAI的虧損困境以O(shè)penAI為例，盡管其估值極高，但2024年預(yù)計(jì)營(yíng)收37億美元，同時(shí)虧損50億美元。這說(shuō)明AI公司需要面對(duì)巨大的成本壓力，投資者需要警惕這種風(fēng)險(xiǎn)。開(kāi)源圍剿與同質(zhì)化加速開(kāi)源模型的威脅開(kāi)源模型如LLaMA、DeepSeek等正在迅速搶占市場(chǎng)份額，這些模型免費(fèi)且易于獲取，對(duì)商業(yè)AI模型構(gòu)成了巨大的競(jìng)爭(zhēng)壓力。同質(zhì)化加速AI技術(shù)的同質(zhì)化速度比以往任何技術(shù)周期都更快，這意味著AI公司的競(jìng)爭(zhēng)優(yōu)勢(shì)難以維持。企業(yè)需要關(guān)注如何在同質(zhì)化環(huán)境中脫穎而出?？沙掷m(xù)盈利的挑戰(zhàn)在這種環(huán)境下，AI公司需要找到可持續(xù)的盈利路徑，而不是依賴短期的市場(chǎng)炒作。企業(yè)需要謹(jǐn)慎評(píng)估合作方的商業(yè)模式是否具備長(zhǎng)期可行性。06利潤(rùn)在應(yīng)用發(fā)明≠創(chuàng)新數(shù)學(xué)模型無(wú)護(hù)城河發(fā)明與創(chuàng)新的區(qū)別AI領(lǐng)域的重大突破如神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制本質(zhì)上只是數(shù)學(xué)模型，而數(shù)學(xué)無(wú)法申請(qǐng)專利。這意味著AI的真正價(jià)值在于應(yīng)用，而不是模型本身的開(kāi)發(fā)。模型的同質(zhì)化在開(kāi)源協(xié)作和政府支持的推動(dòng)下，AI技術(shù)將持續(xù)走向同質(zhì)化。企業(yè)需要關(guān)注如何將AI深度嵌入業(yè)務(wù)系統(tǒng)，創(chuàng)造出持久的價(jià)值，而不是依賴單一的模型。云應(yīng)用超基礎(chǔ)設(shè)施的歷史啟示云計(jì)算的啟示云計(jì)算的發(fā)展歷程告訴我們，最終勝出的并非基礎(chǔ)設(shè)施提供商，而是那些將云計(jì)算融入業(yè)務(wù)流程的應(yīng)用公司。AI也將遵循同樣的模式，企業(yè)需要關(guān)注應(yīng)用開(kāi)發(fā)而非僅僅依賴模型。讓AI平淡無(wú)奇：嵌入核心才生值A(chǔ)I的真正價(jià)值A(chǔ)I的價(jià)值在于將依賴人工的服務(wù)轉(zhuǎn)化為可擴(kuò)展、后臺(tái)持續(xù)運(yùn)行的應(yīng)用程序。企業(yè)需要將AI無(wú)縫嵌入核心業(yè)務(wù)，而不是停留在表面的演示階段。系統(tǒng)集成的重要性將AI模型轉(zhuǎn)化為真正的商業(yè)解決方案，需要在應(yīng)用開(kāi)發(fā)、系統(tǒng)集成、數(shù)據(jù)基建等方面投入大量資源。企業(yè)不能期望AI模型直接帶來(lái)價(jià)值，而需要關(guān)注這些配套環(huán)節(jié)。長(zhǎng)期視角企業(yè)需要有長(zhǎng)期的視角，投資于架構(gòu)、人才和系統(tǒng)，將今天的AI工具轉(zhuǎn)化為明天的競(jìng)爭(zhēng)優(yōu)勢(shì)，而不是追求短期的曝光和熱度。07巨頭主導(dǎo)分發(fā)權(quán)優(yōu)于技術(shù)領(lǐng)先：Teams勝Zoom分發(fā)渠道的重要性微軟通過(guò)將Teams整合到Office365中，最終贏得了企業(yè)市場(chǎng)。這說(shuō)明在AI領(lǐng)域，分發(fā)渠道和企業(yè)關(guān)系比單純的技術(shù)領(lǐng)先更為重要。巨頭的優(yōu)勢(shì)巨頭企業(yè)掌握著企業(yè)預(yù)算、IT集成系統(tǒng)以及分發(fā)渠道，這些優(yōu)勢(shì)使得他們?cè)贏I采用中占據(jù)主導(dǎo)地位。初創(chuàng)公司需要尋找差異化的機(jī)會(huì)，而不是與巨頭正面競(jìng)爭(zhēng)。企業(yè)專有數(shù)據(jù)：最后的護(hù)城河專有數(shù)據(jù)的價(jià)值隨著公開(kāi)數(shù)據(jù)的枯竭，企業(yè)專有數(shù)據(jù)將成為AI時(shí)代最后的護(hù)城河。企業(yè)需要通過(guò)合作、清洗和標(biāo)注等方式，將數(shù)據(jù)轉(zhuǎn)化為戰(zhàn)略資產(chǎn)。數(shù)據(jù)治理的重要性企業(yè)需要構(gòu)建可遷移的AI治理框架，確保數(shù)據(jù)的質(zhì)量和安全性。只有將數(shù)據(jù)閉環(huán)跑通，企業(yè)才能在AI時(shí)代獲得持久的競(jìng)爭(zhēng)優(yōu)勢(shì)。08超越生成式多模態(tài)與復(fù)合AI：下一幕已開(kāi)啟01生成式AI的局限性當(dāng)前的生成式AI在處理復(fù)雜場(chǎng)景時(shí)存在局限性，缺乏情境感知和復(fù)雜推理能力。企業(yè)需要關(guān)注多模態(tài)和復(fù)合AI的發(fā)展，以應(yīng)對(duì)更復(fù)雜的現(xiàn)實(shí)需求。02多模態(tài)AI的潛力多模態(tài)AI能夠處理多種類型的輸入信息，如視覺(jué)、聲音、文本等，模擬人類的認(rèn)知過(guò)程。這種技術(shù)將為AI帶來(lái)更廣闊的應(yīng)用前景，企業(yè)需要提前布局。03復(fù)合AI系統(tǒng)的優(yōu)勢(shì)復(fù)合AI系統(tǒng)通過(guò)整合多個(gè)模型，構(gòu)建具備學(xué)習(xí)、規(guī)劃和自主行動(dòng)能力的智能系統(tǒng)。這種系統(tǒng)將能夠更好地應(yīng)對(duì)現(xiàn)實(shí)世界的復(fù)雜情況，為企業(yè)創(chuàng)造更大的價(jià)值?！啊氨苊鈫吸c(diǎn)投資：構(gòu)建可演進(jìn)AI棧構(gòu)建可演進(jìn)AI棧企業(yè)需要避免過(guò)度投資于單一功能的AI解決方案，而是構(gòu)建模塊化、可替換的AI技術(shù)棧。通過(guò)投資數(shù)據(jù)架構(gòu)、靈活工作流和AI治理機(jī)制，企業(yè)可以更好地應(yīng)對(duì)技術(shù)的快速演進(jìn)。09回歸理性從潛力到績(jī)效：領(lǐng)導(dǎo)者的行動(dòng)清單用ROI倒推場(chǎng)景企業(yè)需要根據(jù)投資回報(bào)率（ROI）來(lái)選擇AI應(yīng)用場(chǎng)景，避免無(wú)指標(biāo)的試點(diǎn)項(xiàng)目。只有明確的績(jī)效目標(biāo)，才能確保AI投資的價(jià)值。優(yōu)先投資數(shù)據(jù)與流程將預(yù)算的60%投向數(shù)據(jù)治理、流程重構(gòu)