C端免費(fèi)B端難落地；三萬億投入待驗(yàn)證；小模型才是企業(yè)未來

人工智能的使用場景正在明顯分化。一邊是消費(fèi)者端的AI熱度居高不下，各大AI模型的日活用戶已觸及10億量級。但另一個(gè)扎心事實(shí)是：絕大多數(shù)消費(fèi)者使用AI并不付費(fèi)，僅靠日活數(shù)據(jù)支撐的投資邏輯難以成立。

真正能為AI產(chǎn)業(yè)鏈創(chuàng)造商業(yè)價(jià)值的，是企業(yè)端市場。企業(yè)級AI落地的進(jìn)展遠(yuǎn)不及預(yù)期。麥肯錫調(diào)研顯示，盡管90%的企業(yè)已啟動AI轉(zhuǎn)型，但僅25%取得了切實(shí)成果，真正實(shí)現(xiàn)規(guī)模化應(yīng)用的企業(yè)僅占10%。企業(yè)部署AI并非簡單地接入聊天機(jī)器人，而是需要整合內(nèi)部不同格式、不同系統(tǒng)的非結(jié)構(gòu)化數(shù)據(jù)，并融合人工判斷才能輸出可靠結(jié)果。目前的通用AI模型在穩(wěn)定整合多套數(shù)據(jù)方面仍有明顯短板，且存在“幻覺”問題。

更深層的問題在于，企業(yè)AI的應(yīng)用涉及數(shù)據(jù)治理、流程調(diào)整、員工培訓(xùn)等一系列系統(tǒng)性工程，絕非安裝一個(gè)軟件即可解決。正如高盛全球股票研究主管吉姆·科韋洛在訪談中所言，至今仍無人能清晰回答AI能為企業(yè)節(jié)省多少錢、創(chuàng)造多少收益。如果AI無法實(shí)現(xiàn)真正的降本增效，這一輪投資便缺乏穩(wěn)固的經(jīng)濟(jì)基礎(chǔ)。

科韋洛在訪談中提及一個(gè)關(guān)鍵數(shù)字：據(jù)摩根士丹利等機(jī)構(gòu)預(yù)測，到2026年全球AI基礎(chǔ)設(shè)施相關(guān)資本支出可能達(dá)到3萬億美元規(guī)模，但目前實(shí)際部署的尚不足20%。

這筆巨額資金主要流向芯片、數(shù)據(jù)中心和電力三個(gè)方向。AI已從早期的試探性投入演進(jìn)為系統(tǒng)性的資本開支周期。但問題也隨之而來：投入越大，未來需要算清的賬就越復(fù)雜。

科韋洛指出，此前的技術(shù)革命通常打破一個(gè)成熟的盈利模式——谷歌打破了紙媒廣告的格局，亞馬遜沖擊了線下零售。但AI究竟要重塑哪個(gè)領(lǐng)域？最常被提及的是“替代人工”，但當(dāng)前企業(yè)AI應(yīng)用的順暢度遠(yuǎn)未達(dá)到大規(guī)模替代員工的程度。若成本省不下來，AI的投資邏輯便無法自洽。

關(guān)于AI行業(yè)是否存在泡沫，科韋洛給出了更為細(xì)致的判斷：泡沫分兩種，且分布在不同市場層面。

公開市場上，芯片和AI基礎(chǔ)設(shè)施相關(guān)公司確實(shí)獲得了可觀利潤，但這些利潤高度依賴下游客戶的持續(xù)投入。若需求斷檔，利潤便難以為繼——這更多是“盈利泡沫”而非估值泡沫。

私募市場則不同。許多AI初創(chuàng)公司估值高企，但商業(yè)模式尚未清晰，甚至未來四五年內(nèi)都未必能實(shí)現(xiàn)盈利，這才是真正需要警惕的“估值泡沫”。

另一個(gè)不可忽視的風(fēng)險(xiǎn)信號是產(chǎn)業(yè)鏈融資問題——企業(yè)向客戶提供資金支持以購買自身產(chǎn)品，若客戶的需求完全依賴產(chǎn)業(yè)鏈輸血而非自身現(xiàn)金流支撐，這種需求便是虛的。

關(guān)于中美AI競爭，搜索材料顯示：中國在模型層的低成本生產(chǎn)方面具有優(yōu)勢，而美國在芯片層掌握關(guān)鍵技術(shù)。對企業(yè)而言，真正值得關(guān)注的是推理成本下降趨勢、國產(chǎn)算力生態(tài)成熟度，以及企業(yè)AI的付費(fèi)能力和場景復(fù)制性。

一個(gè)值得關(guān)注的長周期趨勢是：未來企業(yè)使用的將不再是“什么都能聊”的通用大模型，而是專門解決特定任務(wù)的小模型。企業(yè)需要的是能解決具體問題的工具，而非全能選手。全球開發(fā)者使用開放模型的比例持續(xù)攀升，在模型路由平臺上，中國模型的Token份額已從年初的不足1%升至17%。

這場訪談的價(jià)值在于，它沒有盲目跟風(fēng)，而是提醒一個(gè)關(guān)鍵事實(shí)：AI已步入需要以資本回報(bào)驗(yàn)證價(jià)值的階段。在這些根本問題尚未厘清之前，不宜輕易入局。