31%科技圈老炮投票：AI最大毛病是瞎编，但82%的人还在偷偷用

一份覆盖科技从业者的投票显示，31%的人把"胡说八道"列为AI的头号罪状。讽刺的是，同一批人里82%每周至少用一次AI工具——嘴上说不要，身体很诚实。

HackerNoon这份"3 Tech Polls"调研，采样对象是实打实的科技圈用户。他们不是刷短视频的路人，是每天跟代码、产品、数据打交道的人。这群人对AI的态度，比任何科技媒体的 headline 都更值得看。

AI智能体要进办公室了，但没人信它能活过试用期

第一个投票问的是AI智能体（AI Agent）——那种能自主完成任务、不用人一步步喂指令的系统。43%的受访者认为这类工具"会在未来1-2年内"进入工作流，23%觉得"就是今年的事"。

加起来66%的人相信AI智能体 imminent，但问到" hype 能不能兑现"时，画风突变。只有28%认为当前宣传"基本属实"，41%直言"夸大其词"，31%选择"严重泡沫"。

这种分裂很典型：技术从业者对时间表乐观，对质量悲观。他们见过太多"明年普及"的东西死在明年。

一个做SaaS的产品经理在评论区写：「我们团队试过三个AI智能体框架，两个在真实业务数据上直接 hallucinate（产生幻觉），第三个API稳定性堪比早期以太坊。」

31%的人最烦AI瞎编，但没人因此弃用

第二个投票直接问"AI的最大问题是什么"。选项包括偏见、隐私、失业焦虑、能耗，以及"编造信息/幻觉"。

31%选了"编造信息"，占比最高。隐私问题以22%排第二，偏见16%，失业焦虑14%，能耗只有9%。

这个排序很有意思。科技圈的人不怕AI抢饭碗——至少没怕到要投票抗议。他们怕的是AI一本正经地撒谎，而且撒得比真话还像真的。

一位数据工程师的留言被顶到前排：「我让GPT-4写SQL优化建议，它给了我一段语法完美、逻辑自洽的代码。跑了两小时才发现，那个'官方推荐'的索引策略在MySQL 8.0根本不存在。它编了一个版本号。」

但诡异的是，同一批受访者里82%每周使用AI工具超过一次，47%每天都在用。痛点和使用率并行上涨，像极了早期智能手机——续航烂、信号差、APP闪退，但没人愿意换回诺基亚。

开源模型正在吃掉闭源的午餐

第三个投票关于模型选择偏好。38%的受访者首选开源模型（如Llama、Mistral），35%选闭源API（如GPT-4、Claude），27%无所谓，看场景切换。

一年前这个数字可能是倒过来的。OpenAI的API统治力在2023年中达到顶峰，但2024年开源生态的追赶速度超出了多数人的预期。

一个明显的转折点：Meta的Llama 3在多项基准测试中逼近GPT-4级别，而企业可以在本地部署、微调、不碰外部API。对于处理敏感数据的公司，这是刚需，不是偏好。

一位金融科技公司的CTO在调研附言里写：「我们用Llama 3-70B替换了部分GPT-4工作流，推理成本降到1/5，延迟从800ms降到200ms。唯一损失的是多语言理解，但我们的业务90%是英文。」

闭源模型的护城河正在从"技术领先"变成"生态锁定"——企业已经写的prompt、调好的参数、训练好的助手，迁移有成本。但这个护城河比想象中浅。

一个被忽略的细节：没人关心能耗了

回到那个"最大问题"的投票。9%的人选择"环境影响/能耗"，垫底。

这不太符合媒体叙事。过去两年，"训练GPT-4耗电量相当于X个家庭"的标题满天飞，但科技从业者显然没把这当回事。可能是信息疲劳，可能是觉得算力效率在指数提升，也可能是——他们更怕眼前的幻觉，而不是远期的气候。

一个做AI基础设施的工程师评论：「2023年我们确实担心过电费账单。现在？NVIDIA H100的能效比V100提升了6倍，下一代B200再翻一番。问题会自己解决，但模型瞎编不会。」

这种实用主义贯穿整份调研。科技圈的人不是不关注伦理，但他们的问题排序很具体：先解决能烧到我手里的火，再讨论远处的烟。

数据背后的一个矛盾

把三个投票串起来看，有一个明显的张力：人们对AI智能体的落地时间乐观（66%认为1-2年内），但对当前可靠性悲观（72%认为 hype 过度）。这怎么自洽？

可能的解释是：他们相信"能用的AI智能体"会来，但不相信是现在市面上吹的那些。就像2016年的人相信自动驾驶会来，但不相信是那家喊得最响的公司。

另一个解释更朴素：科技从业者习惯了"先上车再补票"的节奏。工具不完美，但比没有强；幻觉率高，但人工复核后依然省时间。31%的人把"编造信息"列为最大问题，但没人因此下车。

HackerNoon在调研末尾加了一个开放问题：「你会在2024年把AI智能体接入核心工作流吗？」

最高赞的回答只有一句话：「已经接了，但每条输出都要有人类签名。」