AI时代最大的幻觉：技术正在解决一切问题，但真正的问题是没人理解业务

AI行业正面临一场深刻的认知革命——技术能力与商业价值的鸿沟从未如此明显。从95%的企业Gen AI项目零回报，到FDE岗位激增729%背后的行业矛盾，再到Token经济与垂直场景的价值之争，本文直击AI落地的八大认知误区，揭示真正决定AI成败的关键：不是模型参数或技术demo，而是对业务流程的重构能力与行业理解的深度。

最近几年，AI行业出现了很多看似正确的判断：

“AI应用落地很难。”

“未来需要大量FDE。”

“大模型公司卖Token才是最大的生意。”

“应用层没有壁垒。”

“软件会越来越没有价值。”

“硬件才是AI时代最大的机会。”

这些观点单独来看，都有一定合理性。

但是，如果把这些观点放到整个AI产业链里观察，会发现一个问题：

很多讨论依然停留在单一视角。

• 技术人员从技术角度解释AI。
• 资本从市场规模解释AI。
• 创业者从商业模式解释AI。

但真正决定AI价值的，是：业务流程是否因为AI发生改变。

一、AI落地难，不是因为AI不够强，而是因为企业的问题没有被重新定义

现在行业里最常听到的一句话：AI落地很难。

为什么难？

很多人的答案是：模型不稳定、数据质量差、企业系统复杂、权限管理困难、成本太高。

这些都是事实。但是这些只是表层原因。

更深层的问题：很多AI项目根本没有找到真正值得自动化的业务环节。

数据可以说明问题的严重性。MIT 2025年的NANDA调研显示，95%的企业Gen AI项目没有产生可衡量的商业回报。

RAND同年访谈65位资深数据科学家，结论是超过80%的AI项目失败，是普通IT项目的两倍。Deloitte 2025年的数据更直接——42%的企业砍掉了至少一个AI项目，每个被砍项目的平均沉没成本是720万美元。

牛津大学研究团队发布的《AI初创企业价值创造白皮书（2025）》显示，全球AI年度投资总额已超过4000亿美元，但仅有约33%的企业成功将AI项目从试点推向规模化应用。IBM商业价值研究院的《2025年首席执行官研究》指出，只有16%的AI计划在企业层面实现了规模化。

95%的投入打了水漂，不是因为AI不够强。

MIT的报告将失败归因于“脆弱的流程、薄弱的情境学习，以及与日常运营的脱节”。大多数失败源于工作流程僵化、缺乏情境学习能力以及与日常运营需求不匹配。

举一个简单例子。

一家外贸公司想使用AI。技术团队可能设计AI聊天机器人、AI邮件生成器、AI客户分析工具。然后发现：客户不买。

为什么？

因为产品解决的是“生成内容”。但企业真正的问题可能是：为什么销售每天开发100个客户，却只有2个成交？为什么销售经验无法复制？为什么新人培养周期半年？为什么海外市场判断依赖老板经验？

真正的问题不是“如何生成一封邮件？”而是“如何提高订单转化率？”

这就是AI时代最大的区别：过去软件解决信息管理，未来AI解决决策和执行。

工业AI公司Cognite的联合创始人兼CTO Geir Engdahl有一个更尖锐的判断：工业AI通常不是死在模型层，而是死在车间里。他出身Google广告ML团队，2016年创立Cognite，近十年后坦诚：工业的复杂度远超当年的想象。数据分散在几十个遗留系统中——SCADA、DCS、历史数据库、MES、ERP，以及积压几十年的工程图纸和PDF手册。“你可能为一个泵解决了AI预测维护的问题，但你的工厂里还有成千上万个泵”——Pilot的典型死法：笔记本电脑上精度感人的模型，在接入实时数据的第一步就卡了半年。

有亲历者这样描述：“花了两周搭的RAG Demo，演示会结束时所有人鼓掌。业务负责人跟VP握手，说这是’今年最激动人心的项目’。三个月后，我打开后台看日活——零。不是慢慢下滑到零，是从上线第二周起就一直是零。没人骂、没人投诉，只是没人用。”

二、FDE兴起，本质暴露了AI行业的一个矛盾

FDE（Forward Deployed Engineer，前线部署工程师）最近成为AI行业最热门的岗位之一。

它最早来源于Palantir，后来被OpenAI等AI公司大力推广。

核心工作：进入客户环境、理解业务流程、连接数据和系统、部署AI能力、推动真正使用。

FDE有多热？据Indeed平台数据，2025年针对FDE的月度招聘帖数量激增了800%以上。2025年4月，Indeed平台相关招聘信息仅为643条；截至2026年4月，岗位数量已攀升至5330条，增幅高达729%。

OpenAI年初组建FDE团队，计划2025年扩编至约50人。Anthropic也将包含此职位在内的应用AI团队扩大5倍。Google Cloud、OpenAI、Anthropic在同一时间里相继宣布大规模投入这个方向。

OpenAI开出的FDE职位薪酬区间达22万至28万美元，还不包括股权激励。

很多人看到FDE，会得出一个结论：“AI太复杂，所以未来必须靠FDE。”

这个结论只对了一半。

FDE出现，说明AI不是传统软件。传统软件：开发一次，卖给很多客户。AI系统：需要理解上下文、需要适配业务、需要不断优化。

但是另一个角度：如果一个行业AI产品长期依赖FDE驻场解决问题，说明什么？说明产品本身还没有完成行业抽象。

正如一位观察者所言，FDE能在现场完成“产品发现”与“流程重设”，缩短技术到价值的距离。这套模式的核心精神是：把一线洞察沉淀回平台产品，降低未来项目的定制化成本与时间。

真正成熟的AI产品应该经历：第一阶段FDE帮助理解客户，第二阶段沉淀行业最佳实践，第三阶段形成标准化产品，第四阶段规模化复制。

所以FDE不是终点。FDE是AI从技术能力走向产品能力过程中的桥梁。

三、“卖Token”为什么不是最终商业价值？

很多人认为：未来所有AI应用都会调用模型，所以最大的机会是卖Token。

这个逻辑类似：互联网时代卖服务器，云计算时代卖算力。

基础设施当然重要。但是历史证明：基础设施不是全部价值。

互联网时代服务器公司赚钱，但是最大的价值来自淘宝、微信、Google。移动互联网芯片重要、手机重要，但是最大价值来自应用生态。

AI也是如此。模型是能力，Token是成本，应用是价值。

Token的使用量确实惊人。OpenAI在2025年DevDay中泄露的Top100+客户清单显示，超过30家公司的Token消费量突破1万亿。

1万亿Token是什么概念？普通人活80年每天写1000字，1万亿Tokens相当于写6000万个汉字，是20万人一辈子写的总和。

但真正值得注意的是：在这30家超过1万亿Tokens消耗量的客户中，AI编程公司、基础设施提供者是Token消耗大户；而法律AI的Harvey、医疗AI通讯Decagon等垂直业务场景，才是AI商业化更有潜力的领域。

OpenAI这100家大客户中，超过75%的公司集中在ToB和开发者领域。

这意味着Token消耗量大的，恰恰是那些把AI深度嵌入到具体业务流程中的公司。

一家医疗AI公司的价值，不是调用多少Token，而是帮助医生减少多少科研时间、提高多少诊断效率、降低多少医疗成本。一家金融AI公司的价值，不是用了哪个模型，而是是否提升投资效率、降低风险、优化决策。

正如智谱给出的公式：AGI商业价值=智能上限×Token消耗规模。但关键在于——Token消耗规模取决于应用场景的价值深度。Token只是电，业务场景才是机器。

四、最大的误区：认为AI创业等于技术创业

过去互联网时代，很多创业者确实依赖技术优势。因为软件开发成本高，技术壁垒明显。

但是AI时代正在发生变化。

代码越来越容易生成，模型越来越开放，基础设施越来越成熟。正如一位参与过OpenAI、Google、Amazon 50多个AI项目的专家所说：“今天构建的成本已经非常低了，真正昂贵的是设计，是你是否真正想清楚了产品要解决什么痛点。”

未来最大的稀缺资源是什么？不是代码，而是业务理解。

为什么？因为AI解决的是非结构化问题。

传统软件：规则明确，流程固定。AI：需要理解人的行为、理解组织流程、理解行业经验。

Aishwarya Naresh Reganti在OpenAI Codex团队时发现了一个关键观察：从传统软件公司转型做AI的团队，失败率是AI原生团队的三倍。不是因为技术不行，而是方法论错了。

AI不是万能修复器。AI只是放大器。如果业务流程本身错误，AI只会让错误更快发生。

五、为什么纯技术团队容易陷入“技术正确，商业错误”？

技术人员天然喜欢解决：可计算的问题、可优化的问题、可工程化的问题。

但是商业世界大量问题不是这样的。

例如企业销售下降，技术人员可能想到做预测模型、推荐系统、自动化工具。但是老板真正的问题可能：销售团队激励机制错误、客户定位错误、产品竞争力不足。

高盛的调研显示，随着开源与闭源基础模型在性能上迅速趋同，纯粹的模型能力已不再是决定性的护城河。竞争的焦点正从基础设施层全面转向应用层，真正的壁垒在于能否将AI深度整合进特定工作流、利用专有数据进行强化学习，并建立稳固的用户生态。

a16z的合伙人指出，AI时代护城河并非不重要，而是要求更高——差异化日益稀薄，防御性则取决于是否深度嵌入客户的工作流、成为不可或缺的运行基础。

AI首先改变的是认知方式，其次才是技术方式。

六、AI时代真正的超级人才：业务专家+技术能力

未来最有价值的人，不一定是最强算法工程师，也不一定是最懂行业老板，而是连接两者的人。

例如一个外贸十年经验的人，他知道客户在哪里、销售怎么推进、订单为什么失败。如果他掌握AI，他可能创造全球销售Agent、海外市场分析系统、智能客户开发平台。

一个医生知道科研流程哪里浪费、医学信息如何获取。

结合AI可以创造医学科研助手、临床决策工具。

一个财务负责人知道企业经营数据哪里有价值。结合AI可以创造经营分析智能体。

麦肯锡的研究强调，唯有着眼于 “从头到尾重构工作流”——即重新设计涉及人员、流程与技术的每一个环节，AI智能体项目才更易成功。人依旧是工作的核心，但如今会有各类智能体、工具与自动化手段为人提供支持。

正如花旗银行的AI部署逻辑所示：起点不是技术，而是业务价值——必须端对端重造流程，而不只是在边缘自动化。

未来最大的创业机会不是创造AI，而是重新设计行业。

七、AI时代最大的竞争，不是模型竞争，而是流程竞争

很多人还在讨论GPT和Claude谁更强、哪个模型参数更多、哪个Agent框架更先进。

但是企业最终不会因为模型赢，企业会因为流程赢。

未来企业竞争：A公司销售人员使用传统CRM，B公司AI Agent自动发现客户、分析客户、辅助成交。几年之后，竞争结果可能已经决定。

因为AI真正改变的是组织生产方式。

摩根大通2025年全年技术投入达180亿美元，AI是其中的核心预算而非试验项目。CEO Jamie Dimon为转型定调：“我们用AI改变的是人的分工、工作的节奏、决策的路径。”

Salesforce的CEO Marc Benioff透露，2025年不会增加更多软件工程师，因为Agentforce和其他AI技术已经帮助工程团队的生产力提升超过30%。

卡夫亨氏用AI重塑番茄酱制造，内部AI助理“The Cookbook”让员工即时查询生产流程信息，整合了公司逾150年积累的番茄酱制程经验与资料。Vercel让AI向公司最优秀的员工“取经”，实现了1个人+1个智能体干掉原本10人团队。

这些案例说明：AI竞争的终点不是谁的模型更强，而是谁的业务流程被重新设计得更高效。

八、为什么很多人永远停留在单一视角？

因为每个人看到的是自己熟悉的部分。

• 技术人员看到：模型、架构、代码。
• 产品经理看到：需求、用户、体验。
• 销售看到：客户、成交。
• 老板看到：利润、增长。

但是AI需要的是系统视角。

真正优秀的AI产品，需要同时回答：技术能不能实现？产品用户需要吗？业务价值在哪里？商业能赚钱吗？组织能使用吗？

任何一个环节缺失，AI项目都会失败。

正如IBM所指出的，试图闭门实施企业AI转型肯定会失败——将战略利益相关者、业务部门领导者和协作者排除在外，最终意味着忽视成功所需的观点和资源。

结语：AI不会淘汰软件，也不会让硬件统治世界

未来真正消失的：不是软件，不是硬件，不是某个岗位。

真正消失的是：脱离业务的软件思维，脱离场景的技术崇拜，脱离价值的AI Demo。

FDE解决的是AI进入企业最后一公里的问题。Token解决的是模型能力供应的问题。模型解决的是智能能力的问题。

但是最终创造商业价值的，永远是：谁发现了真实问题，谁理解了真实流程，谁重新设计了生产方式。

AI时代最大的机会，不属于最懂模型的人，也不属于最懂硬件的人。

而属于能够站在技术和业务交叉点、重新定义行业的人。

因为：技术永远只是杠杆，业务，才是真正的支点。

本文由 @Alex的荒诞产品观 原创发布于人人都是产品经理。未经作者许可，禁止转载

题图来自 Unsplash，基于CC0协议