AI熱潮該糾偏了

（圖源：MIT TR）

對 AI 產生一些幻滅感在所難免。

2022 年末，OpenAI 發布了名為 ChatGPT 的免費網頁應用，它改變了整個行業的走向，也改變了若干個世界經濟體的運行軌跡。數以百萬計的人開始和電腦對話，電腦也首次開始有了回應。由此，我們開始對 AI 抱有更多的期待。

而后，科技公司為了保持領先而競相沖刺，推出一款又一款各擅勝場的競品。語音、圖像、視頻，每一次更新都是青出于藍而勝于藍。在這種不間斷的比拼中，AI 公司把每一次產品上線都包裝成重大突破，進一步強化了人們的普遍信念：這項技術會越來越好。

AI 的鼓吹者告訴我們，進步是指數級的。他們曬出圖表，標出我們相較去年的模型走了多遠：看，曲線一路向上。生成式 AI 似乎無所不能。

但 2025 年卻成了清算的一年。

首先，頂級 AI 公司的掌舵者許下了他們兌現不了的承諾。他們告訴我們，生成式 AI 會取代白領勞動力，開啟富足時代，帶來科學發現，并幫助找到新的疾病療法。至少在全球北方國家，蔓延于各個經濟體的錯失恐懼（FOMO）讓 CEO 們撕掉舊劇本，急著加入這場行動。

也就是從那時起，光環開始褪色。盡管這項技術被包裝成一種“萬能多功能工具”，能夠重塑陳舊的業務流程、削減成本，但今年發表的多項研究顯示，企業并沒有讓那點“AI 仙塵”真正發揮魔力。

來自多個來源的調查與追蹤數據，包括美國人口普查局與斯坦福大學，都發現企業采用 AI 工具的勢頭正在放緩。而即便嘗試了這些工具，許多項目也長期卡在試點階段。

如果整個經濟體缺乏更廣泛的投入與認可，人們很難看出，這些大型 AI 公司要如何收回它們在這場競賽中已經投入的驚人資金。

與此同時，核心技術的迭代也不再像從前那樣帶來階式躍遷。

最典型的例子莫過于 8 月 GPT-5 的翻車式發布。在極大程度上造就了本輪 AI 繁榮的 OpenAI，原本要推出其全新一代技術，為此，OpenAI 連續數月為 GPT-5 造勢。CEO 山姆·奧特曼甚至夸口稱它是“任何領域的博士級專家”。

還有一次，奧特曼不加評論地發了一張《星球大戰》“死星”的圖片，OpenAI 的鐵粉把它解讀為“終極力量”的象征，仿佛在說：馬上就來。人們的期待被推到極高。

然而當它真的上線時，GPT-5 看起來像是與之前相同的東西又發布了一次。隨后出現的，是自三年前 ChatGPT 初次登場以來最大的一次氛圍轉向。

AI 研究者、知名 YouTuber 揚尼克·基爾徹（Yannic Kilcher）在 GPT-5 發布兩天后的視頻中宣布：“突破邊界的時代結束了。AGI 不會到來。我們看起來已經進入了大語言模型的三星 Galaxy 時代。”

很多人（包括我）都把它類比為手機。在差不多十年的時間里，智能手機是全球最令人興奮的消費科技。如今，蘋果或三星發布新機時幾乎不會掀起太大波瀾。鐵粉會細看每一點小升級，但對大多數人來說，今年的 iPhone 看起來、用起來都和去年的差不多。

生成式 AI 也到了這個階段嗎？如果是，這算問題嗎？當然，智能手機已經成為“新常態”。但它也確實改變了世界的運作方式。

需要承認的是，過去幾年確實充滿了許多激動人心的時刻。從視頻生成模型質量的驚人飛躍，到所謂推理模型的解題能力，再到最新編程與數學模型在世界級競賽中的勝出，這些都是真實發生的。

但這項非凡技術也才走紅短短幾年，從許多方面看仍處在實驗階段。它的成功背后也伴隨著諸多重要的限制條件——也許我們需要重新調整預期。

這里要小心：從“熱炒”到“反熱炒”的擺鐘也可能擺得過頭。僅僅因為它被過度兜售就否定這項技術，是輕率的。

當 AI 沒能回應期待時，人們的本能反應往往是說“進展撞了南墻”。但這誤解了技術研究與創新的運行方式。進步從來都是偶發的，時快時慢。墻是可以翻過去的，也可以繞過去，甚至可以從下面挖過去。

不妨把視角從 GPT-5 的發布上挪開一點。在它之前的幾個月里，OpenAI 剛剛密集推出了一系列相當出色的模型，包括 o1 和 o3（開創性的推理模型，讓行業見識到一種全新范式），以及再次抬高視頻生成門檻的 Sora 2。在我看來，這聽起來不像是撞墻。

AI 的確很強。看看 Google DeepMind 的新圖像生成模型 Nano Banana Pro，它能把一本書的一章內容變成信息圖，還能做更多事情。它就這么免費地躺在你的手機里。

但你還是忍不住會想：當“驚艷感”消退后，還剩下什么？一年后或五年后，我們會如何看待這項技術？我們會認為它值得付出如此巨大的成本嗎？無論是金錢成本，還是環境成本。

基于這些問題，下面是看待 2025 年末 AI 現狀的四種方式。這是一場迫切需要的熱潮糾偏的開始。

大語言模型不是全部

從某種意義上說，需要糾偏的是圍繞大語言模型的熱潮，而不是 AI 整體。如今已經很明顯，LLM 并不是通往通用人工智能（AGI）的入口。AGI 是一種假想技術，有人堅稱它終有一天能完成任何人類能完成的（認知）任務。

即便是像伊利亞·蘇茨克維（Ilya Sutskever）這樣的 AGI 傳道者，如今也開始強調 LLM 的局限性。蘇茨克維是 AI 初創公司 Safe Superintelligence 的首席科學家兼聯合創始人，曾任 OpenAI 首席科學家兼聯合創始人，并深度參與了 LLM 的創造。

蘇茨克維在 11 月接受德瓦克什·帕特爾（Dwarkesh Patel）采訪時說，LLM 很擅長學會做許多具體任務，但它們似乎并不會學到這些任務背后的原理。這就像學會解一千道不同的代數題，和學會解任何代數題之間的區別。

蘇茨克維說：“我認為最根本的一點是，這些模型在泛化能力上不知為何明顯比人類差得多。”

LLM 的語言能力太有說服力，因此人們很容易想象它無所不能。這項技術模仿人類寫作與說話方式的能力令人驚嘆。而我們天生就傾向于從某些行為方式中看見“智能”，不管它是否真的存在。換句話說，我們造出了具有人類行為的機器，于是很難不去相信它背后也有一個類人的心智。

這可以理解。LLM 進入主流生活也就短短幾年。但在這段時間里，營銷者利用了我們對技術真實能力還不夠穩固的判斷，不斷抬高預期、加速炒作。隨著我們與這項技術共處、對它理解加深，這些預期也該回到地面。

AI 不是解決一切問題的速效藥

7 月，麻省理工學院的研究者發表了一項研究，成了 AI 末日論者最常引用的支柱論據。其最醒目的結論是：高達 95% 的企業在嘗試使用 AI 后發現其“零價值”。

其他研究也呼應了這種總體判斷。11 月，自由職業者在線市場平臺 Upwork 的研究者發現，由 OpenAI、Google DeepMind 與 Anthropic 的頂級 LLM 驅動的智能體，單靠自己無法完成許多看似直接的職場任務。

這與奧特曼的預測相去甚遠。他在 1 月的個人博客里寫道：“我們相信，在 2025 年，我們可能會看到第一批 AI 智能體‘加入勞動力隊伍’，并實質性改變公司的產出。”

但那項 MIT 研究中常被忽略的一點是，研究者對“成功”的衡量很狹窄。所謂 95% 的失敗率，統計的是那些嘗試部署定制 AI 系統，但在 6 個月后仍未能把它們擴展到試點階段之外的公司。實驗性技術的許多實驗無法立刻見效，這并不令人意外。

這一數字也沒有把員工在官方試點之外使用 LLM 的情況納入。MIT 研究者發現，他們調查的公司中約有 90% 存在某種AI 影子經濟，員工在用個人聊天機器人賬號處理工作，但這種影子經濟創造的價值并沒有被測量。

而當 Upwork 研究觀察的是智能體與懂行的人協作完成任務的表現時，成功率就大幅上升。結論似乎是，很多人正在自己摸索 AI 如何在工作中幫到他們。

這也符合 AI 研究者、意見領袖安德烈·卡帕希（Andrej Karpathy）的觀察。他也是vibe coding一詞的提出者。卡帕希指出，聊天機器人在很多事情上都比普通人更強，比如給法律建議、修復漏洞、做高中數學題，但它們并不比專家更強。

卡帕希認為，這可能解釋了聊天機器人為何在個人消費者中如此受歡迎，它能幫非專業人士解決日常問題與任務。但它并沒有顛覆經濟，因為要顛覆經濟，就必須在工作上超越熟練員工。

這種局面也許會改變。但至少目前，AI 還沒有對就業產生鼓吹者宣稱的那種影響，這并不值得驚訝。AI 不是速效藥，也無法替代人類。但這盤棋還有很多空間。AI 如何被整合進日常工作流與業務流程中，仍在不斷試驗。

我們身處泡沫之中嗎？

如果 AI 是泡沫，它更像 2008 年的次貸泡沫，還是更像 2000 年的互聯網泡沫？兩者差別很大。

次貸泡沫吞噬了經濟體的一大部分，因為它破裂后留下的只有債務和被高估的房地產。互聯網泡沫則淘汰了大量公司，沖擊波擴散全球，但它留下了嬰兒時期的互聯網，留下了國際光纜網絡，也留下了少數后來成長為科技巨頭的創業公司，比如谷歌和亞馬遜。

但也可能，我們正處在一種不同于上述兩者的泡沫里。畢竟，LLM 目前還沒有真正成熟的商業模式。我們還不知道所謂殺手級應用會是什么，甚至不知道它是否會出現。

許多經濟學家也擔憂，前所未有的大量資金被投入到基礎設施中，用來建設算力并服務于預期需求。但如果需求最終并未出現呢？

再加上許多交易存在一種古怪的循環結構，比如英偉達付錢給 OpenAI，OpenAI 再把錢付回英偉達，如此往復。難怪每個人對未來的判斷都不一樣。

一些投資者仍然很淡定。11 月，在接受 Technology Business Programming Network 播客采訪時，國際大型私募股權公司 Silver Lake Partners 的聯合創始人格倫·哈欽斯（Glenn Hutchins）給出了幾條“不必擔心”的理由。他說：“這些數據中心中的每一個，幾乎所有，都有一個具備償付能力的對手方，并簽約承諾接收它們為其定制建設的全部產出。”換句話說，這不是“先建起來再等客戶上門”，客戶已經被鎖定了。

他還指出，這些具備償付能力的對手方中最大的一家是微軟。“微軟擁有全球最好的信用評級，”哈欽斯說，“如果你和微軟簽約，讓它接收你數據中心的產出，薩提亞（納德拉）是靠得住的。”

許多 CEO 會回望互聯網泡沫，試圖從中吸取教訓。可以這樣理解：當年倒下的公司沒有足夠的資金撐到最后；而挺過崩盤的公司則迎來繁榮。

帶著這個教訓，今天的 AI 公司試圖用資金把自己“買”過一段可能是泡沫也可能不是泡沫的時期。留在賽道上，不要掉隊。即便如此，這仍是一場孤注一擲的豪賭。

但還有另一條教訓。一些看起來像“邊角料”的公司也可能很快變成獨角獸。以 Synthesia 為例，它為企業提供虛擬人生成工具。風投機構 Air Street Capital 的聯合創始人內森·貝奈奇（Nathan Benaich）承認，幾年前他第一次聽說這家公司時，正值深度偽造（deepfakes）引發恐慌的時期，他并不確定它的技術能用來做什么，也認為這不會有市場。

他說：“我們當時不知道誰會為對口型和聲音克隆付費。結果發現，愿意付費的人很多。”Synthesia 現在大約擁有 5.5 萬家企業客戶，年收入約 1.5 億美元。10 月，這家公司估值達到 40 億美元。

ChatGPT 不是開始，也不會是結束

ChatGPT 是深度學習十年進步的結晶，而深度學習正是現代 AI 的底座。深度學習的種子早在 20 世紀 80 年代就已埋下，這個領域的整體歷史至少可以追溯到 20 世紀 50 年代。如果以這樣的背景衡量進步，生成式 AI 才剛剛起步。

與此同時，研究熱度已經到了沸點。全世界范圍內主流的 AI 會議收到的高質量投稿比以往任何時候都多。今年，一些會議組織方為了控制數量，甚至不得不拒絕那些評審已經通過的論文。（與此同時，arXiv 等預印本平臺也被 AI 生成的“學術垃圾”淹沒。）

蘇茨克維在那次與德瓦克什的訪談中談到 LLM 當前的瓶頸時說：“我們又回到了研究的時代。”這不是挫折，而是新事物的開端。

貝奈奇說：“總會有很多‘炒作怪獸’。”但他認為這也有好的一面：熱潮會吸引實現真正進步所需要的資金與人才。

他說：“你知道，就在兩三年前，構建這些模型的人基本還是研究宅，只是碰巧搞出了某種可用的東西。現在，幾乎所有在技術上真正厲害的人都在做這件事。”

接下來我們往哪里走？

這種無休止的熱潮，并不只是來自公司為其成本極高的新技術招攬生意。還有一大群人，無論在行業內還是行業外，都愿意相信一種承諾：機器可以閱讀、寫作、思考。這是一個持續了幾十年的狂野夢想。

但熱潮從來就不可持續，而這反倒是好事。我們現在有機會重置預期，看清這項技術的真實面貌，評估它真正的能力，理解它的缺陷，并花時間學習如何把它用在有價值而且有益的地方。

貝奈奇說：“我們仍在摸索，如何從這個維度高得離譜的信息與技能黑箱中，調動出我們想要的特定行為。”這場熱潮糾偏早就該來了。但要知道，AI 不會消失。我們甚至還沒有完全理解自己迄今為止造出了什么，更不用說接下來會發生什么。

https://www.technologyreview.com/2025/12/15/1129174/the-great-ai-hype-correction-of-2025/