ARTICLE · 1159666
一场98分钟的中学生路演,戳穿了车企AI项目的5件＂皇帝新衣＂
🚗 松哥聊汽车数字化 · 一线数字化现场深度拆解一场48小时黑客松的路演专场，18支队伍，成员是一群中学生。98分钟听下来，最反差的不是初中生会调用大模型，而是他们对大模型的不信任、对边界的克制，超过了大多数企业的AI项目。MIT说95%的企业GenAI试点无量化回报——这篇拆给学生项目做对了什么。
上周日下午，我旁听了一场黑客松的路演专场。98分钟，18支队伍，评委点评+打分。
这不是什么行业峰会。台上站着的，是一群中学生——最小的团队成员还在读初中。比赛规则很简单：48小时，从想法到能跑的产品，做出来说清楚。
98分钟听下来，我的心情经历了三个阶段：一开始是"现在的孩子真厉害"，听到一半变成了"等一下，这个架构怎么比我们公司的还克制"，听完之后只剩一句话在心里打转——
如果把台上这些项目的评审标准，原封不动拿去考核车企的AI项目，一大批项目活不过第二问。
先把这场路演压缩成三句话：
第一，最反差的不是初中生会调用大模型，而是他们对大模型的不信任程度，超过了大多数企业。一个做企业数据透视的团队，第一版方案干脆不让大模型碰数字——所有计算走函数量化，模型只负责"翻译"和"解释"，还留了一句设计原则：「无可靠数据源，不生成内容」。
第二，评委的四条点评，本质上是企业AI落地的验收清单：真需求验证过没有？0到1阶段敢不敢只做一个人群？数据源的权威性、时效性、合规性、可追溯性说得出吗？商业化冷启动有没有"傍机构"的路径？——这四问，恰好是MIT说的那95%失败项目最答不上来的四问。
第三，反共识的一条：企业AI项目输给学生作品的，从来不是技术，是"不敢推翻"。学生团队48小时内能整案推翻重来，企业的立项报告走完流程要三个月，之后再动就是"变更风险"。
信息量不小，建议先收藏再读。
✦ · ✦ · ✦
一、先说现场：初中生在聊什么
先还原几个让我坐直了的瞬间。
一个还在读初中的成员，负责整个产品的数据开发。48小时里，他搭完了多数据源交叉验证的框架：裁判文书网、法院公告网、财经数据源拼接核验，图表可视化，AI只做"翻译"，把专业金融信息转成普通人能懂的结论，所有数据可溯源。
评委问他数据合规怎么办，他答："数据查询程序优先走公开渠道，人工介入决策，无可靠数据源不随意生成内容。"
另一个团队做合同审查工具，讲他们的幻觉治理：合同原文、风险建议、对应法条/案例，三方匹配；再加一个校对Agent做二次核验。他们甚至规划了"攻防演练"——一个Agent专门挖坑，一个Agent专门找坑，用对抗的方式持续打磨风险识别的标准体系。
还有团队聊商业化：C端订阅制切入，B端给律所做可本地部署的私有库；冷启动不烧钱投放，直接去对接银行和机构——"投资者教育有专项预算"。
私有化部署、订阅制、多Agent协同、数据溯源、冷启动傍机构。这些词从一群中学生嘴里说出来，配上48小时做出来的demo，杀伤力比任何行业报告都大。
"当你的孩子开始聊'函数量化压幻觉'，而你公司的AI项目还在PPT里写'拥抱大模型'，焦虑就不再是贩卖出来的了。"
🧭 划重点：别把这当成"别人家孩子"的故事看。这群人再过五到八年，就是车企数字化部门的校招池。他们带着"AI原住民"的直觉进场，第一件事可能就是问：为什么你们的数据源没有优先级规则？为什么AI的输出没有溯源？到那时候再补课，成本不是今天这个价。
✦ · ✦ · ✦
二、5件"皇帝新衣"：学生做对的，恰是企业做错的
MIT的Project NANDA研究2026年给出的数字被引用了一整年：95%的企业生成式AI试点，没有产生可量化的损益影响——对应着300多个公开部署案例、150场高管访谈、350份员工调查，背后是300到400亿美元的企业支出。研究者的结论说得很清楚：这不是模型问题，是组织问题。
一边是95%的企业项目无声阵亡，一边是48小时的学生项目把方法论做对了。对照下来，是五件皇帝新衣。
第一件："先上大模型再说"
学生团队的顺序是反的。做金融数据产品的那个团队，最初的设计是纯函数量化，压根不接大模型——因为"和钱财直接相关的数据，必须保证准确性"。后来接了模型，也是通过自研工具封装数据接口：模型要数据，只能调接口拿，不许自己"编"。
反观不少企业的AI问数项目：大模型直连数据库，指标口径没人管，问错了就加一句提示词，上线了再"持续优化"。数字对不对，取决于模型今天的心情。
"压住幻觉最有效的那个东西，不叫更聪明的模型，叫'不许它碰数字'。"
第二件："方案既定，跪着也要走完"
有一个团队的故事值得单独讲。48小时里，他们发现初始方案落不了地——于是整案推翻，重新聚焦核心痛点，把第二版做了出来，正常完成路演。
对企业来说，这个动作有多难，不用我多说。一个立项三个月的AI项目，中途发现方向偏了，谁来拍"推翻"？推翻的成本谁背？立项报告上的KPI怎么交代？于是大部分项目的宿命是：方向错了，但流程走完了，交付了，验收了，归档了——然后在某次组织调整里悄悄下线。
S&P Global 2025年的调查：42%的公司砍掉了大部分AI计划，比2024年的17%翻了一倍多。注意，"砍掉"在报告里是止损，在企业里是事故。没人愿意当那个签字的人。
"学生的48小时里有'推翻重来'，企业的三年规划里只有'风险管控'。"
第三件："AI要智能，要全自动"
路演上有一句全场最佳，来自一个做预付消费风险核对工具的团队。评委问：你们为什么不直接给用户一个风险结论？他们答：
"我们不替人做决定，只把那句该问的话递到要交这笔钱的人手上。"
他们的产品逻辑：不给"高风险/低风险"的判决，只输出3条可以直接拿去和商家当面核对的标准化问题——收款方是谁、权益承担方是谁、退款和经营状态如何。找证据、做反证，不随意给标准答案。还有一句同样精彩：
"我们宁愿告诉你不知道，也不给你一个看起来标准的答案。"
对比一下：多少企业的AI项目KPI里写着"智能决策""全自动闭环"？替人做决定的AI，错误是要有人担责的；递话的AI，价值是可验证的。这是一个产品边界问题，更是一个责任设计问题——学生凭直觉选对了。
第四件："平台要大而全"
评委对所有To C项目说了一句几乎重复了18遍的话：0到1阶段，必须明确核心目标人群，避免功能泛化，聚焦单一核心痛点做深做透。
这话企业听着应该耳熟，因为它是所有平台型项目的死因排行榜第一名。车企的AI项目特别容易犯这个病：一立项就是"全场景智能助手"，覆盖销售、售后、生产、供应链十二个场景，需求文档八十页，第一版交付一个"通用问答"。半年后复盘：每个场景都能答两句，每个场景都没人用。
Gartner 2026年对782名基础设施与运维领导者的调查里，73%的失败项目缺乏高管对成功指标的对齐——指标太多就等于没有指标，场景太大就等于没有场景。学生的产品反而个个"小"：只管预付消费、只管合同坑点、只管一家公司的透明度。小，才验证得快。
第五件："数据接上就行"
整场路演，评委说得最重的一句话，是对所有涉及企业信息抓取的产品说的：
"数据源的权威性、抓取时效性、内容合规性与可追溯性，这是产品的核心生命线。"
这就是数据人的语言。学生团队接企查查、天眼查的官方API，抓公开平台的用户反馈补数据盲区，每条信息变化附逐字引文，"不符即删"。评委还在追问：抓取企业公告的速度和客观性，才是核心技术内核。
对照车企现实：BI口径三套并存、AI问数不知道数据从哪张表来、报表里的数对不上没人负责。数据可信这件事，学生黑客松的评委和学生，都把它当生命线；很多企业把它当"数据治理专项"，排期排到明年Q2。
🧭 划重点：把五件皇帝新衣连起来看，会发现它们其实是同一件事的五个切面——克制。不许模型碰数字，是克制；敢推翻方案，是克制；不替人做决定，是克制；只做一个人群，是克制；数据必须可溯源，还是克制。BCG那条著名的10/20/70法则说：AI项目预算，10%给算法，20%给技术和数据，70%给人和流程。企业的常见做法恰好反过来——90%的热情给了模型，给克制的预算是零。学生赢在没钱烧，只能靠克制。
✦ · ✦ · ✦
三、为什么他们反而做对了：三个结构性原因
把"学生比企业清醒"解释成"年轻人有天赋"，是最偷懒的读法。真正的原因是结构性的，每一条企业都学得会。
第一，48小时强迫你做取舍。时间不够，人就诚实。大而全的方案在48小时里连demo都跑不出来，于是所有团队都自动收敛到"最小可用核心"。企业的项目周期是六个月起步，于是"再想想""再调研调研""把场景覆盖全"就成了拖延的美德。
第二，评委不留情面。路演现场的评审是即时的、公开的、不可修改的——方案有没有真需求，评委三句话就戳穿了。企业的项目评审呢？立项会开完，所有人都知道这项目悬，但没人有动力说破，因为说破的成本由说破的人承担。MIT那个研究还有个扎心的注脚：研究者的原话是，"几乎每到一家企业，都发现他们在试图自建工具"——自研成功率约三分之一，引入外部专业能力适配自身流程的做法，成功率翻倍。但自建的立项理由里，永远有一句"沉淀自有能力"。
第三，学生没有沉没成本。推翻重来的决策，对学生来说是48小时里的一天；对企业来说，是推翻一份签过字的立项报告、一段已经花掉的预算、一批已经安排好的人力。所以那句老话在AI时代有了新版本：打败你的不是年龄，是你签字过的方案。
香港一个研究机构2026年发布过首个青年AI素养指数，八个维度里"AI创造"得分最低——只有3.22分（满分5分）。意思是：这一代学生普遍"会用AI"，但"用AI做出东西"还是短板。而这场黑客松的意义恰恰在于：它把"做出来"这件事变成了一场限时48小时、有评委、有真实路演压力的强制练习。短板是可以练的——对企业也一样。
✦ · ✦ · ✦
四、给车企数字化团队的三个动作
这场98分钟的路演，浓缩成三个下周就能做的动作：
第一，给你的AI项目加一条"推翻条款"。在立项文档里预先写明：什么信号出现时，项目降级、转向或终止，谁来拍板，怎么记录。把"推翻"从事故变成流程。学生用48小时证明了：推翻得越早，第二版越能打。
第二，把验收标准改成"三个敢不敢"。敢不敢只服务一个部门的一个场景？敢不敢在输出里标注"我不知道"？敢不敢把每个数字的来源链路亮给用户看？三个都敢，说明边界设计过了；有一个不敢，说明项目还在用"功能清单"冒充"产品定义"。
第三，给团队办一场内部的48小时黑客松。不是团建，是压力测试。规则照抄：限定48小时、必须出可运行的demo、评委现场点评不留情面。你会很快看清，哪些人有"从需求倒推产品"的能力，哪些人只会"从PPT正推排期"。顺便说一句，这也是我见过成本最低的AI人才盘点方式。
✦ · ✦ · ✦
写在最后
路演结束的时候，主持人说了一句话，大意是：无论今晚奖项结果如何，这48小时的创造力已经给出了答案。
台下坐着的有车企背景的从业者，一路记笔记记到最后。让我坐立不安的从来不是"学生比我强"，而是一个更实际的问题：当这群把克制刻进产品直觉的人进入职场，他们会怎么看我手头那些"大而全、难追溯、不敢推翻"的项目？
答案大概率不客气。所以最好的应对时机，不是五年后他们入职那天，是下一个立项评审会。
别等皇帝的新衣，被下一代一眼看穿。