四川
人工智能的使用場景正在明顯分化。一邊是消費者端的AI熱度居高不下，各大AI模型的日活用戶已觸及10億量級。但另一個扎心事實是：絕大多數消費者使用AI并不付費，僅靠日活數據支撐的投資邏輯難以成立。
真正能為AI產業鏈創造商業價值的，是企業端市場。企業級AI落地的進展遠不及預期。麥肯錫調研顯示，盡管90%的企業已啟動AI轉型，但僅25%取得了切實成果，真正實現規模化應用的企業僅占10%。企業部署AI并非簡單地接入聊天機器人，而是需要整合內部不同格式、不同系統的非結構化數據，并融合人工判斷才能輸出可靠結果。目前的通用AI模型在穩定整合多套數據方面仍有明顯短板，且存在“幻覺”問題。
更深層的問題在于，企業AI的應用涉及數據治理、流程調整、員工培訓等一系列系統性工程，絕非安裝一個軟件即可解決。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能為企業節省多少錢、創造多少收益。如果AI無法實現真正的降本增效，這一輪投資便缺乏穩固的經濟基礎。
科韋洛在訪談中提及一個關鍵數字：據摩根士丹利等機構預測，到2026年全球AI基礎設施相關資本支出可能達到3萬億美元規模，但目前實際部署的尚不足20%。
這筆巨額資金主要流向芯片、數據中心和電力三個方向。AI已從早期的試探性投入演進為系統性的資本開支周期。但問題也隨之而來：投入越大，未來需要算清的賬就越復雜。
科韋洛指出，此前的技術革命通常打破一個成熟的盈利模式——谷歌打破了紙媒廣告的格局，亞馬遜沖擊了線下零售。但AI究竟要重塑哪個領域？最常被提及的是“替代人工”，但當前企業AI應用的順暢度遠未達到大規模替代員工的程度。若成本省不下來，AI的投資邏輯便無法自洽。
關于AI行業是否存在泡沫，科韋洛給出了更為細致的判斷：泡沫分兩種，且分布在不同市場層面。
公開市場上，芯片和AI基礎設施相關公司確實獲得了可觀利潤，但這些利潤高度依賴下游客戶的持續投入。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初創公司估值高企，但商業模式尚未清晰，甚至未來四五年內都未必能實現盈利，這才是真正需要警惕的“估值泡沫”。
另一個不可忽視的風險信號是產業鏈融資問題——企業向客戶提供資金支持以購買自身產品，若客戶的需求完全依賴產業鏈輸血而非自身現金流支撐，這種需求便是虛的。
關于中美AI競爭，搜索材料顯示：中國在模型層的低成本生產方面具有優勢，而美國在芯片層掌握關鍵技術。對企業而言，真正值得關注的是推理成本下降趨勢、國產算力生態成熟度，以及企業AI的付費能力和場景復制性。
一個值得關注的長周期趨勢是：未來企業使用的將不再是“什么都能聊”的通用大模型，而是專門解決特定任務的小模型。企業需要的是能解決具體問題的工具，而非全能選手。全球開發者使用開放模型的比例持續攀升，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%。
這場訪談的價值在于，它沒有盲目跟風，而是提醒一個關鍵事實：AI已步入需要以資本回報驗證價值的階段。在這些根本問題尚未厘清之前，不宜輕易入局。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
