真实的底色查询配资平台
刚刚拿下阿克塞尔 · 斯普林格奖，山姆奥特曼又语不惊人死不休：
五年后 AI 将全面超越人类，人类智力的霸权时代，已进入倒计时。
2030 年，GPT-8 不仅能给出终极难题量子引力答案，能向你娓娓道来其思考过程、灵感来源，以及它为何决定研究这个课题。
它，有资格成为真正的 AGI。
届时，"当今经济活动中 30% 到 40% 的任务都将由 AI 执行。"
……
如果是在两年前，我们或许还会感到激动、为自己的饭碗而焦虑。
但此时此刻，虽然类似的感觉还有，但相信绝大多数人都淡了许多。
牛逼听太多，实在是麻木了。
看着现在正与你对话的傻瓜式 AI 大模型，虽然有点用，但有被吹的那么厉害吗？
就这么个玩意，你很难想象它能在 5 年内，就成为超越一切的存在。
01现实很骨感
美国智库 METR 曾于 7 月初发布报告，称大语言模型每 7 个月能力翻倍，远超摩尔定律。
预计到 2030 年，AI 足以在数小时内完成人类一个月的工作量。
这与奥特曼所预测的时间点，比较接近，未来似乎很美好。
但回到现在，同样是智库 METR 做了一项试验：将一批经验丰富的软件工程师分成两组，一组纯人工，另一组使用 AI 工具编程。
结果却出乎很多人意料。
相比于纯人工，借助 AI 工具预测快 40%，实际上却慢了 19%。
也就是说，AI 不仅没有使得效率提升，反而降低了效率。
无论是采用不同的结果指标、估计方法，还是对数据进行各种子集 / 子分析，开发速度的放缓现象依然存在。
使用了更先进的工具，效率怎么可能下降呢？
包括参与实验的程序员，也认为 AI 工具帮助自己提升了约 20% 的效率。
这完全不符合逻辑，但数据不会说谎。
为了解释这种现象，实验方将之归为"能力 - 可靠性缺口"概念。
简单来说，就是现在的大语言模型，虽然能完成大量复杂的任务。但它们给出的成果，无法达到真实企业需要的业务水平。
比如在执行编程任务中，程序员确实在查找信息和主动编码上花费的时间更少了，但撰写提示词同样需要时间。
同时，AI 固然能快速生成大量代码，但其中充满小错误，导致人类程序员不得不花费大量时间去检查、更正 AI 输出，甚至重写。
大部分情况下，人类反而成了 AI 的保姆。
更关键的是，编程已经是 AI 表现最好的领域。
在这个领域都无法带来效率提升（在目前的水平下），甚至起到反效果，其他行业可想而知。
都说站在风口上、猪都能飞起来，人人都想当那只猪。
根据天眼查专业版数据，截至 2025 年 4 月，全国现存在业、存续状态的人工智能相关企业超过 424.3 万家。
其中，2025 年新增注册相关企业约 28.6 万家。
这个领域，是如此繁荣、参与者是如此之多，所有人都在说 AI 是未来最大的财富增量。
但实际的情况是，除了提供算力的英伟达，和成千上万利用信息差赚流量的博主 …… 目前几乎还没有哪一家 AI 企业真正赚到钱。
至少在现阶段，它仍然是典型的：高投入，低回报。
据摩根士丹利估算，仅微软、Meta、谷歌、亚马逊四家巨头，2024 年的资本投入就高达 3000 亿美元，其中大部分流入 AI 项目。
总体来看，2024 年全世界生成式 AI 投资额较 2023 年增长超过 70%，预计 2025 年的的总支出更是将达到 2024 年的 3 倍。
这种背景下，科技巨头还能扛得住，或许能支持到 AI 应用真正百花齐放的那一天。
而大量中小竞争者，即便前期拿到投资，也根本撑不下去。
比如开发出 AI 回话模型的 SD，至今仍背着 1 亿美元债务；Stability AI，核心研究团队集体辞职；Character AI 不得不卖身谷歌 ……
国内的圈子，大同小异。
波形智能，曾拿到千万融资，突然就解散了，包括 CEO、CTO 等核心成员集体跳槽 OPPO。
竹间智能，创始人简仁贤曾担任微软工程院副院长，因现金流吃紧，部分部门不得不停工，基本上停摆了。
华夏芯，资金链断裂、申请破产，14 项专利、15 项软件著作权被挂到京东拍卖 ……
2022 年 11 月至 2024 年 7 月，全国共有 78612 家新注册 AI 企业处于注销、吊销或停业异常状态，占同期新注册企业总量的 8.9%；全国 AI 领域注销、吊销的企业总数，更是超过 20 万家。
虽然没有最新的数据，但按照这个比例估算，目前倒闭的新注册 AI 相关企业，100% 已经超过 10 万家。
正如 AI 工具的实际作用，目前远远没有人们想象中那么强。
不要只看到顶尖巨头在台前的光鲜，这才是 AI 浪潮的真正底色。
九成的参与者，都将、或已经倒在黎明前，其中不乏真正纯粹的技术团队。
在 AI 技术出现真正意义上的突破之前，这种情况不会改变。
02未来确实不远
如果说，古人的生产力是天平，付出多少力气就收获多少粮食。
那么，现代人的生产力就是一根杠杆，只用坐在机器前敲敲打打，就能驱动万吨的巨轮。
在我们的想象中，生成式 AI 的变革性之处在于，打破了"成本、质量、速度只能选其二"的三角模型。
不过目前来看，无论是成本、质量还是速度，AI 工具似乎都与我们预想的还差很远。
因为现阶段的 AI 只会标准化的创作，这会导致两个问题。
其一，同质化；其二，细节缺失。
以 AI 绘图为例，生成式 AI 是通过整合大量资源，来获得绘画能力。
一旦源头出现交叉重复，必然导致 AI 作画出现不可避免的同质化。
这一点我们平常使用 AI 工具时都能感受到，你如果不输入大量特定的提示词，它给出的图片风格其实都非常类似。
更关键的是，它只是把数据具象化为图片，这就不可避免出现大量低级错误。
比如，人物装饰不完整，某些器官比例失真，手指多一根等等。
这在上文提到的编程工作中，同样有出现。
由于这两个问题的存在，生成式 AI 目前只能胜任比如审核、阅片之类的少部分重复性非常高的工作。
对大部分人而言，它根本无法作为一个合格的工具，更深层次的细节把控，必须由人来把控。
最终导致，使用工具后的效率，反而不如原来高。
当然，未来虽然还未来，但它终究会到来。
今时今日的种种，我们可以归咎为企业家的过度宣传，但更本质的原因只有一个：如今的 AI 不够强。
应该强到什么程度，它才能真正作为一个合格的工具，给企业"降本增效"呢？
其实应该有一个标准：达到人类从业者的平均水平、乃至最低水平。
它不需要非常强，只需要达到最普通的水准，就将彻底改变今时今日的市场生态。
因为在任何行业，占绝大多数的普通人如果被淘汰，人工成本自然就降下来了，效率也得到了提升。
比如目前 AI 应用最广泛的游戏行业。
只要定义好规则，关卡策划、系统、数值等基础、重复性的设计内容，后续的工作本来就是套模板直接协作。
基本上，初级策划所有能干的工作，基本上都即将被替代。
甚至，只需保留少数创造力最强的人，这样做不仅能降本增效，游戏本身的质量也会得到提升。
比如，每个 NPC 都有一个完整而具体的故事，且能与玩家进行更详细而真实的对话——实现性格千人千面。
玩家体验毫无疑问会得到提升。
而在单纯靠人力堆的时代，这是不可能实现的。
对大厂而言， AI 能帮助自己降本增效，以后大型游戏的研发成本更低、周期更短，从而带动整个市场更加活跃。
对小厂而言，本来主攻的就是页游、小程序游戏，基本就是赚一波就跑。对他们而言，以后的成本基本只剩下推广，研发全交给 AI 就可以了，无限薅羊毛。
唯一受伤的，只有大部分不够"优秀"的从业者。
这种事情，如今已经在游戏行业发生，而且这两年随着显卡升级大爆发，行业会变得越来越卷，50% 的人可能面临转行。
其他行业，都在瑟瑟发抖。
那一刻的到来，不需要 AGI，只需要等到工具能完成最简单的工作。
但绝对不应该是现在。
03尾声
至少此时此刻，对大部分行业而言，AI 是根本无法取代人的，甚至作为工具都不太合格。
但最近两年，很多中小企业的管理层们，不论懂或不懂，大多都跟着舆论走、给员工强调降本增效的概念，普遍裁员。
留下的员工熟悉 AI 工具，尤其是免费的那种，提高自己的工作效率。
这算是比较 low 的做法，也是最普遍的。
但最终，绝大多数只是降了本，根本没有增效。
即便真的增了效，绝大多数的情况也不是因为 AI，而是裁员导致人心惶惶、大家越来越卷而已。
更讽刺的是，现在都 2025 年了，AI 应用市场规模即将突破 5000 亿元。
却依然有相当一部分企业，就像坐井观天的土财主一般，觉得买几台高配电脑就是数字化转型，生成几个数字人主播就是在做 AI。
这并非夸张，稍微去了解一下就知道，抱有这种想法的企业、甚至投资者都相当之多。
或者说查询配资平台，这大概才是目前市场热炒 AI 的真实底色。
海通证券提示：文章来自网络，不代表本站观点。
