不想被AI浪潮抛下？先识破这些致命误判

本文作者认为，人们对AI存在六个根本性误判，导致市场和企业对其短期价值抱有过高期待。事实上，AI的发展节奏更慢、更复杂，盈利路径也远不如宣传所言清晰。它的真正力量在于长期应用与深度整合，而不是即时的颠覆性奇迹。正如电力与互联网的历史轨迹，AI需要经历漫长的适配与扩散。最终能够脱颖而出的，不是追逐风口的企业，而是那些稳健推进、持续创造持久价值的实践者。

AI的真正影响

将比我们预想的来得更晚

1987年，经济学家罗伯特·索洛（Robert Solow）曾有一句著名的评论：“计算机时代的踪影无处不在，唯独不存在于生产率统计数据中。”几十年后的今天，AI成为这种悖论的最新体现。尽管投入了数十亿美元，可量化的效率提升仍然难以实现。堪萨斯城联邦储备银行的研究发现，相较于以往由技术驱动的变革，AI对生产力的影响相对有限。

错不在AI，而在于人们的预期。像大语言模型这样的生成式AI，是一种通用目的技术（General Purpose Technology, GPT）。虽然说，ChatGPT中的“GPT”不是这个意思。我们曾见证过很多通用目的技术，比如印刷术、电力、互联网，无一例外都遵循相似的路径：技术若能真正释放变革性潜力、显著影响经济，往往需要数十年的时间。例如，电力彻底改变了制造业，但工厂设计历经40年才完成适配。互联网早在20世纪70年代就已存在，但直到2000年前后才真正改写商业模式。

我们有充分理由相信，AI将遵循同样缓慢却必然的发展轨迹。麻省理工学院经济学家、诺贝尔奖得主达龙·阿西莫格鲁（Daron Acemoglu）指出，在未来十年内，仅有5%的工作任务能由AI完成并实现盈利，这对美国GDP的贡献仅增加1%，与许多人预期的巨大变革相去甚远。他认为AI带来的挑战在于，对大多数组织来说，包括业务中断、员工再培训、系统整合和算力在内的技术转型成本，远高于AI在多数任务上所能带来的收益。

但这并不意味着AI毫无价值。实际上，AI的价值并非来自全面迅猛的颠覆，而是源于有目标、有计划的融合。若盲目押注于短期成果和快速回报，只会带来资本浪费、自动化项目失败，甚至是不必要的人才动荡。相反，企业更应着眼长远发展：建立适配系统、培养团队能力，探索出将AI应用于实际业务的方法。

我们对企业采用AI的前景

过于乐观

当ChatGPT横空出世时，AI像是神奇的魔法，似乎能一夜之间带来变革。财报电话会上充斥着关于AI的讨论，风险投资热度飙升，媒体头条宣称AI转型将立竿见影、无所不包。然而，对于这样的过热炒作周期，我们并不陌生，比如早期的个人电脑、互联网泡沫、区块链热潮，甚至云计算兴起初期都曾如此，而我们很可能还会重蹈覆辙。

我们之所以对技术变革产生误判，源于三种认知偏差：计划谬误（planning fallacy）使我们低估了转型所需的时间，乐观偏见（optimism bias）让我们误以为技术的采用将畅通无阻，近因偏见（recency bias）则使我们相信AI在消费端的病毒式传播也会无缝迁移到企业端。

我们担心AI存在偏见，却往往忽视了自身的偏见；在企业采用AI方面，这种忽视尤为明显。企业部署AI并非“即插即用”，而是需要与陈旧的系统、监管障碍、规避风险的企业文化、AI人才短缺和采购瓶颈等因素相互碰撞磨合。真正的障碍并不是技术问题，而是系统性问题。我们花了100年时间才给行李箱装上轮子，所以不要低估那些影响技术扩散速度的制衡力量。

AI终将变革各行各业，只是不会以硅谷速度突飞猛进。这一进程更符合企业原本的发展节奏：将更漫长、更缓慢，所面临的阻力远超大多数人的预期。那些被偏见蒙蔽、忽视现实问题的企业，将浪费资源、过度承诺预期成果并最终失去信任。AI领域的赢家不是那些喊出最响亮口号的人，而是有耐心推动真正、持久变革的实践者。

市场高估了AI公司的价值

投资者在对AI的判断上犯了一个严重错误：他们将AI公司视为高增长、轻资产的软件公司，而实际上，这些公司资本密集、成本高昂、对基础设施依赖极大。当前以AI为主的科技股的交易溢价高达20%至40%，这种定价隐含了尚未兑现的未来利润预期。

对企业高管而言，这种认知的错位不仅仅是对市场的误判，更是一种执行陷阱。虚高的估值催生出不切实际的预期，进而逐层传导至企业内部：带来快速推进的压力、华而不实的试点项目、盲目追赶AI风口的表象。那么结果如何？这导致项目仓促上线、优先级错位、投资偏向“技术噱头”，而不是实际提升利润表现。在这个幻想“有奇迹发生”的市场中，真正的优势反而来自“克制”——这要求领导者优先考虑整合资源而非博人眼球，追求长期价值而非短期曝光。

以OpenAI为例，其3000亿美元的估值目标，相当于Facebook上市时的两倍、谷歌上市时的八倍（经通胀调整后）。投资者将其视作一家云软件公司来定价，并认为其利润空间将不断扩大。但AI并不是SaaS（软件即服务）。OpenAI的成本不会随着规模扩大而降低，反而会随着用户需求的增长而增长。每一次查询都有成本，每新增一位用户就意味着成本增加。OpenAI估计其2024年营收为37亿美元，同时亏损50亿美元。

问题在于，AI所需的基础设施投入极为庞大。Meta、Alphabet、亚马逊和微软今年计划合计投入3000亿美元。现金流和公开声明的分析显示，这些企业的AI相关资本支出在短短两年内就增长了40%至60%。仅微软一家，今年就将投入800亿美元。到2028年，微软的算力需求可能相当于一个国家的用电需求。为支撑基础设施的扩张，市场预估有1250亿美元的年营收缺口需要填补。

与此同时，竞争正不断压缩AI的利润空间。LLaMA、Mistral、DeepSeek-V3等开源模型正迅速抢占市场份额。Meta的LLaMA 3已通过Instagram、WhatsApp和Facebook覆盖超过十亿用户，并对用户完全免费。相比之下，OpenAI每服务一位用户都需付出成本，且缺乏内建的分发生态系统。AI的同质化速度比以往任何技术周期都更快，甚至连OpenAI的董事会主席也公开承认了这一现实。

对于行业领导者而言，这些影响真实且迫在眉睫。许多企业正根据一些AI公司所开发的工具做出高风险的投资决策，而这些AI公司的商业模式未必具备可持续性。如果这些合作方出现成本超支、研发滞缓或是彻底崩溃，这可能导致企业在追求自身目标、执行计划的过程中陷入停滞。这类风险不仅关乎财务，更是实实在在的运营风险。

AI领域的真正赢家，并不追求天价估值，而是能够将AI嵌入到能创造持久经济优势的业务环节中。这些环节包括：通过AI加速商业决策周期、提升决策质量、重新构思产品，所有这些都能以可量化的投资回报率来衡量。AI转型考验的是领导者的毅力，而非投机能力。

真正的利润不来自模型本身

无论模型多么先进，都难以构成真正的“护城河”。在开源协作和政府支持的科研推动下，AI将持续走向同质化。一旦AI普及开来且成本低廉，它将不再被任何一家企业所“拥有”。真正的价值不在于开发，而在于应用AI。

应用程序，是把AI从理论转化为现实，从实验室推向消费者的关键一步。将模型转化为真正的商业解决方案，其工程难度远超在聊天界面运行模型。那些通过定制化AI架构解决特定行业复杂问题的企业，才能创造最持久的价值。随着AI智能体在各行业涌现，这一转变已然开始：Harvey是AI律师，Glean是AI办公助理，Factory是AI软件工程师，Abridge则是AI医疗记录员。

AI的真正价值，是将依赖人工的服务转化为可扩展、后台持续运行的应用程序。企业应该聚焦于如何精准地应用现有模型，而不是自建模型。

太多企业误以为基础模型能够直接带来价值。但如果不在真正困难的部分加以投入，如应用开发、系统集成、数据基建、工作流重构和变革管理，AI终将沦为华而不实的原型——演示时令人惊艳，规模化时却失效。出乎意料的是，最终胜出的往往是那些让AI变得“平淡无奇”的公司：将AI无缝嵌入核心业务，持续可靠地运行；在真正产生价值之处，静静发挥变革力量。

我们过于关注初创公司

尽管市场炒作聚焦于AI初创公司，但在众多企业中只有行业巨头才掌握真正优势。AI并非关乎“颠覆”，而在于“分发”。

以Microsoft Teams为例，微软并未开发出最好的视频会议工具，而Zoom做到了这一点。但是，微软通过将Teams整合到Office 365中，最终赢得了企业市场。企业选择Teams，并不是因为它更好，而是因为它已经集成在现有系统中。同样的情节正在AI领域上演。

初创公司或许能推动创新，但巨头企业掌握着企业预算、IT集成系统以及分发渠道。微软、谷歌和Salesforce并不需要最顶尖的AI模型——他们只需要“够用”的AI，能够无缝嵌入到现有的企业技术栈中。这就是AI采用的真相：谁控制了企业和用户的工作流，谁就能从中胜出。

我们对生成式AI着迷

但这不是未来

我们对生成式AI深深着迷，然而未来的技术远不止于对话模型。如今的AI擅长写邮件、总结报告，却难以应对现实世界的复杂性。AI仍缺乏情境感知、复杂推理能力，以及实时整合多种动态信息的能力。

这正是AI在医学、物流等领域应用滞后的原因——这些行业的决策所需要的不仅仅是历史文本。聊天机器人可以起草合同，却无法诊断每位患者的病情，也无法优化濒临崩溃的供应链。

下一阶段的技术演进将是多模态AI和复合型AI系统：这类技术能够处理多种类型的输入信息，并模拟人类的认知过程来协同运行。自动驾驶汽车并不依赖单一数据源，而是融合激光雷达、毫米波雷达、GPS和实时传感器来进行导航。同样地，AI也需要叠加处理视觉、声音、文本和实时数据的模型。

复合型AI系统在此基础上更进一步，通过整合多个模型，来构建具备学习、规划和自主行动能力的智能系统。如今，众多AI模型像孤岛一般运行，比如一个模型生成文本，另一个模型检测欺诈。未来的AI将会像一个专业团队般融合多种能力，协调运作。

这对企业而言是提前规划的信号。当下最新一代AI工具确实能带来一些收益，但这些收益往往局限且片面。领导者应避免过度投资于具有单一功能的解决方案，而应开始构建能够支持多模态集成系统的基础设施。这意味着企业需要投资于数据架构、灵活的工作流，以及随技术演进而不断调整的AI治理机制。

AI的未来不是打造更聪明的聊天机器人，而是设计出能够协同“看、听、分析并行动”这几种功能的系统，与现实世界的复杂情况保持同步，并实现规模化部署。

我们能否理性地看待机器？

1950年，艾伦·图灵（Alan Turing）提出了一个如今已广为人知的问题：“机器能思考吗？”七十五年后的今天，我们对AI的评估基于其推理能力、预测能力和生成能力。或许，是时候用同样的视角审视我们自己了。

当前，我们正陷入集体“幻觉”：做出错误的投资判断，设定错位的优先事项，制定不切实际的时间表。许多公司把AI当作“灵丹妙药”，向模型投入数十亿美元，却忽视了系统整合、基础设施建设，和发掘真正的商业价值等更艰巨的工作。

最终，市场将决定哪些企业和行业能够发挥出AI的价值并从中获益。但有一点可以确定：AI的普及性将逐渐削弱其独占性。AI的影响力不在于谁拥有它，而在于我们如何使用它。

关键词：

保罗·赫利夫科（Paul Hlivko）| 文

保罗·赫利夫科是美国健康保险公司Wellmark Blue Cross and Blue Shield的执行副总裁兼CIO，毕业于麻省理工学院斯隆管理学院。从初创公司到华尔街，再到医疗保健行业，在他过去三十年的职业生涯中，他始终致力于将新兴技术转化为企业影响力。

周静怡 | 编校

本文选自《哈佛商业评论》中文版2025年9月刊。

《哈佛商业评论》中文版 联系方式

投稿、广告、内容和商务合作

newmedia@hbrchina.org