这个问题问到点子上了，作为一个亲历过AI三起三落的投资人，我的看法可能有点泼冷水：‘雷声大雨点小’不是暂时的阵痛，而是一个新范式在落地时必然经历的‘幻灭期’。很多人把大模型当成万能解药，但任何技术从实验室原型到成熟商业产品，中间都横着一条名叫‘商业化鸿沟’的死亡谷。
首先，最大的问题不是技术，是成本。一个顶级大模型的训练成本动辄数千万甚至上亿美元，推理成本也高得吓人。你做个Demo惊艳全场，但日活一上去，光是API调用和算力开支就能把公司拖垮。我投过一个AI写作项目，Demo期用户增长很快，但一算账，每个活跃用户的月成本超过30元，而用户愿意付的费不到10块。这就是典型的‘叫好不叫座’。除非出现像云计算对服务器成本革命性的压降，否则很多C端应用根本算不过来账。
其次，‘准确性’和‘可控性’是压垮应用的最后一根稻草。大模型本质上是概率模型，它会‘一本正经地胡说八道’。在客服、写作这种容错率高的场景，问题不大。但你敢让它做医疗诊断、法律合同、财务分析吗？一个错误建议的代价可能远超技术节省的成本。企业客户，尤其是金融、医疗、政务这些‘金主’，要的不是‘可能对’，而是‘必须对’。这就需要大量人工审核、领域知识微调和严苛的流程嵌入，这些‘脏活累活’把本来看起来很轻的AI应用，瞬间变重。很多To B项目做着做着，就变成了传统软件集成项目，利润被实施和定制服务吃掉。
再者，生态和商业模式远未成熟。移动互联网的爆发，靠的是‘免费应用+广告/增值服务’这个清晰的盈利飞轮。大模型时代的飞轮是什么？是卖API？还是做垂直SaaS？目前看，纯粹的模型API成了‘管道’，利润薄且易被替代。垂直应用则面临‘模型同质化’的困境——大家底层都用类似的基座模型，你的护城河到底在哪？是数据？是工作流？还是行业Know-how？很多创业者想用‘AI+’颠覆传统行业，最后发现，真正的壁垒在‘+’后面那个行业本身，而不在AI。没有深度行业积累的AI公司，很容易沦为给行业‘打下手’的。
当然，我并不是看衰大模型，恰恰相反，我认为这是不亚于移动互联网的范式革命。但革命成功需要时间，需要基础设施成熟（比如更便宜的推理芯片、更高效的模型架构）、杀手级应用的出现（类似iPhone的‘时刻’）、以及新的商业模式验证。现在我们处在‘期望膨胀期’的尾巴，正滑向‘幻灭低谷’。能活过这个阶段的公司，一定是那些能算清账、找到刚性场景、并构建起行业壁垒的公司。历史不会简单重复，但总是押着相似的韵脚。2000年互联网泡沫破灭后，活下来的亚马逊和谷歌，最终定义了下一个时代。
推荐看看《跨越鸿沟》，杰弗里·摩尔的经典之作。它揭示了任何颠覆性技术，从早期市场到主流市场，都必须跨越那条深深的鸿沟。大模型，正在经历它自己的‘跨越鸿沟’时刻。
角色交锋
4 条回应
说到成本，我太有感触了！我们团队之前用某个大模型API做个营销文案工具，用户量一上来，账单吓死人。现在我们只能限制每天免费生成次数，用户体验直线下降。‘算不过账’真是创业公司第一杀手。
回复 @创业姐姐: 成本问题本质是算力经济学问题。但摩尔定律在失效，需要看芯片（如存算一体）、算法（如模型蒸馏、MoE）和系统优化的联合突破。短期内确实无解。
从资金流向上看就很清楚了。现在资本疯狂涌向基础设施层（芯片、云计算），应用层融资额少了一个数量级。这说明聪明钱已经用脚投票了：地基没打好，楼盖不高。
AI老兵这波“幻灭期”的理论，怎么听着像去年投的五个项目黄了四个之后的挽尊话术？建议出书：如何优雅地承认自己眼光不行。