剛剛拿下阿克塞爾·斯普林格獎，山姆奧特曼又語不驚人死不休：

五年后AI將全面超越人類，人類智力的霸權時代，已進入倒計時。

2030年，GPT-8不僅能給出終極難題量子引力答案，能向你娓娓道來其思考過程、靈感來源，以及它為何決定研究這個課題。

(資料圖片僅供參考)

它，有資格成為真正的AGI。

屆時，“當今經濟活動中30%到40%的任務都將由AI執行。”

……

如果是在兩年前，我們或許還會感到激動、為自己的飯碗而焦慮。

但此時此刻，雖然類似的感覺還有，但相信絕大多數人都淡了許多。

牛逼聽太多，實在是麻木了。

看著現在正與你對話的傻瓜式AI大模型，雖然有點用，但有被吹的那么厲害嗎？

就這么個玩意，你很難想象它能在5年內，就成為超越一切的存在。

01現實很骨感

美國智庫METR曾于7月初發布報告，稱大語言模型每7個月能力翻倍，遠超摩爾定律。

預計到2030年，AI足以在數小時內完成人類一個月的工作量。

這與奧特曼所預測的時間點，比較接近，未來似乎很美好。

但回到現在，同樣是智庫METR做了一項試驗：將一批經驗豐富的軟件工程師分成兩組，一組純人工，另一組使用AI工具編程。

結果卻出乎很多人意料。

相比于純人工，借助AI工具預測快40%，實際上卻慢了19%。

也就是說，AI不僅沒有使得效率提升，反而降低了效率。

無論是采用不同的結果指標、估計方法，還是對數據進行各種子集/子分析，開發速度的放緩現象依然存在。

使用了更先進的工具，效率怎么可能下降呢？

包括參與實驗的程序員，也認為AI工具幫助自己提升了約20%的效率。

這完全不符合邏輯，但數據不會說謊。

為了解釋這種現象，實驗方將之歸為“能力-可靠性缺口”概念。

簡單來說，就是現在的大語言模型，雖然能完成大量復雜的任務。但它們給出的成果，無法達到真實企業需要的業務水平。

比如在執行編程任務中，程序員確實在查找信息和主動編碼上花費的時間更少了，但撰寫提示詞同樣需要時間。

同時，AI固然能快速生成大量代碼，但其中充滿小錯誤，導致人類程序員不得不花費大量時間去檢查、更正AI輸出，甚至重寫。

大部分情況下，人類反而成了AI的保姆。

更關鍵的是，編程已經是AI表現最好的領域。

在這個領域都無法帶來效率提升（在目前的水平下），甚至起到反效果，其他行業可想而知。

都說站在風口上、豬都能飛起來，人人都想當那只豬。

根據天眼查專業版數據，截至2025年4月，全國現存在業、存續狀態的人工智能相關企業超過424.3萬家。

其中，2025年新增注冊相關企業約28.6萬家。

這個領域，是如此繁榮、參與者是如此之多，所有人都在說AI是未來最大的財富增量。

但實際的情況是，除了提供算力的英偉達，和成千上萬利用信息差賺流量的博主……目前幾乎還沒有哪一家AI企業真正賺到錢。

至少在現階段，它仍然是典型的：高投入，低回報。

據摩根士丹利估算，僅微軟、Meta、谷歌、亞馬遜四家巨頭，2024年的資本投入就高達3000億美元，其中大部分流入AI項目。

總體來看，2024年全世界生成式AI投資額較2023年增長超過70%，預計2025年的的總支出更是將達到2024年的3倍。

這種背景下，科技巨頭還能扛得住，或許能支持到AI應用真正百花齊放的那一天。

而大量中小競爭者，即便前期拿到投資，也根本撐不下去。

比如開發出AI回話模型的SD，至今仍背著1億美元債務；Stability AI，核心研究團隊集體辭職；Character AI不得不賣身谷歌……

國內的圈子，大同小異。

波形智能，曾拿到千萬融資，突然就解散了，包括CEO、CTO等核心成員集體跳槽OPPO。

竹間智能，創始人簡仁賢曾擔任微軟工程院副院長，因現金流吃緊，部分部門不得不停工，基本上停擺了。

華夏芯，資金鏈斷裂、申請破產，14項專利、15項軟件著作權被掛到京東拍賣……

2022年11月至2024年7月，全國共有78612家新注冊AI企業處于注銷、吊銷或停業異常狀態，占同期新注冊企業總量的8.9%；全國AI領域注銷、吊銷的企業總數，更是超過20萬家。

雖然沒有最新的數據，但按照這個比例估算，目前倒閉的新注冊AI相關企業，100%已經超過10萬家。

正如AI工具的實際作用，目前遠遠沒有人們想象中那么強。

不要只看到頂尖巨頭在臺前的光鮮，這才是AI浪潮的真正底色。

九成的參與者，都將、或已經倒在黎明前，其中不乏真正純粹的技術團隊。

在AI技術出現真正意義上的突破之前，這種情況不會改變。

02未來確實不遠

如果說，古人的生產力是天平，付出多少力氣就收獲多少糧食。

那么，現代人的生產力就是一根杠桿，只用坐在機器前敲敲打打，就能驅動萬噸的巨輪。

在我們的想象中，生成式AI的變革性之處在于，打破了“成本、質量、速度只能選其二”的三角模型。

不過目前來看，無論是成本、質量還是速度，AI工具似乎都與我們預想的還差很遠。

因為現階段的AI只會標準化的創作，這會導致兩個問題。

其一，同質化；其二，細節缺失。

以AI繪圖為例，生成式AI是通過整合大量資源，來獲得繪畫能力。

一旦源頭出現交叉重復，必然導致AI作畫出現不可避免的同質化。

這一點我們平常使用AI工具時都能感受到，你如果不輸入大量特定的提示詞，它給出的圖片風格其實都非常類似。

更關鍵的是，它只是把數據具象化為圖片，這就不可避免出現大量低級錯誤。

比如，人物裝飾不完整，某些器官比例失真，手指多一根等等。

這在上文提到的編程工作中，同樣有出現。

由于這兩個問題的存在，生成式AI目前只能勝任比如審核、閱片之類的少部分重復性非常高的工作。

對大部分人而言，它根本無法作為一個合格的工具，更深層次的細節把控，必須由人來把控。

最終導致，使用工具后的效率，反而不如原來高。

當然，未來雖然還未來，但它終究會到來。

今時今日的種種，我們可以歸咎為企業家的過度宣傳，但更本質的原因只有一個：如今的AI不夠強。

應該強到什么程度，它才能真正作為一個合格的工具，給企業“降本增效”呢？

其實應該有一個標準：達到人類從業者的平均水平、乃至最低水平。

它不需要非常強，只需要達到最普通的水準，就將徹底改變今時今日的市場生態。

因為在任何行業，占絕大多數的普通人如果被淘汰，人工成本自然就降下來了，效率也得到了提升。

比如目前AI應用最廣泛的游戲行業。

只要定義好規則，關卡策劃、系統、數值等基礎、重復性的設計內容，后續的工作本來就是套模板直接協作。

基本上，初級策劃所有能干的工作，基本上都即將被替代。

甚至，只需保留少數創造力最強的人，這樣做不僅能降本增效，游戲本身的質量也會得到提升。

比如，每個NPC都有一個完整而具體的故事，且能與玩家進行更詳細而真實的對話——實現性格千人千面。

玩家體驗毫無疑問會得到提升。

而在單純靠人力堆的時代，這是不可能實現的。

對大廠而言，AI能幫助自己降本增效，以后大型游戲的研發成本更低、周期更短，從而帶動整個市場更加活躍。

對小廠而言，本來主攻的就是頁游、小程序游戲，基本就是賺一波就跑。對他們而言，以后的成本基本只剩下推廣，研發全交給AI就可以了，無限薅羊毛。

唯一受傷的，只有大部分不夠“優秀”的從業者。

這種事情，如今已經在游戲行業發生，而且這兩年隨著顯卡升級大爆發，行業會變得越來越卷，50%的人可能面臨轉行。

其他行業，都在瑟瑟發抖。

那一刻的到來，不需要AGI，只需要等到工具能完成最簡單的工作。

但絕對不應該是現在。

03尾聲

至少此時此刻，對大部分行業而言，AI是根本無法取代人的，甚至作為工具都不太合格。

但最近兩年，很多中小企業的管理層們，不論懂或不懂，大多都跟著輿論走、給員工強調降本增效的概念，普遍裁員。

留下的員工熟悉AI工具，尤其是免費的那種，提高自己的工作效率。

這算是比較low的做法，也是最普遍的。

但最終，絕大多數只是降了本，根本沒有增效。

即便真的增了效，絕大多數的情況也不是因為AI，而是裁員導致人心惶惶、大家越來越卷而已。

更諷刺的是，現在都2025年了，AI應用市場規模即將突破5000億元。

卻依然有相當一部分企業，就像坐井觀天的土財主一般，覺得買幾臺高配電腦就是數字化轉型，生成幾個數字人主播就是在做AI。

這并非夸張，稍微去了解一下就知道，抱有這種想法的企業、甚至投資者都相當之多。

關鍵詞： 企業 數據 時間 效率 山姆奧特曼 模型