最近和几位上市公司的CIO朋友聊了很多关于AI的话题。 表面上，各家都在吹“All in AI”，PPT里全是自动化流水线和智能体；但实际上，不少人私下已经在做“AI瘦身计划” ——砍预算、收权限、关掉那些烧钱却看不清回报的试点项目。 为什么？因为在实际落地的环节，AI连两张最基本的入场券都没拿到： 今天就是基于我们近期闲聊的汇总，没有技术神话，只有账单和现实。
1️⃣ AI活在“点”上，企业死在“面”上 很多老板以为，买了Copilot，程序员就能干三个人的活。 1. 企业数字化不是“写代码”，而是“运营系统”。 生成的代码谁来Review？谁来测试？跟十年前的老ERP怎么兼容？出Bug了谁来兜底？ 在一个成熟企业里，写代码的时间可能只占20%，剩下80%是集成、治理、修Bug和扯皮。AI把20%加速了，却让剩下的80%变成了定时炸弹。AI省下了敲键盘的时间，却消耗了双倍的治理成本。 1986年，图灵奖得主Fred Brooks说软件有“本质复杂性” （Essential Complexity）——这是人类智慧的上限，没法用工具消除。 它不懂业务潜规则 ：系统里那个“订单状态”字段，为什么有时候是A，有时候是B？因为三年前的一次紧急会议决定临时改的。AI没开会，所以它不懂。它不懂遗留系统 ：一个跑了10年的核心系统，文档是一回事，代码是另一回事，而业务部门用的又是第三回事。AI看不懂这种“精神分裂”。它不懂组织政治 ：谁也不愿把自己的数据给别人，因为数据就是权力。AI解决不了部门墙，解决不了KPI博弈，更解决不了“中层干部怕被替代而消极抵抗”的人性问题。MIT的研究报告说，95%的生成式AI试点项目正在失败。 很大一部分原因就是：AI在处理“点”上的任务时很聪明，但在面对企业这张“面”的复杂性时，像个瞎子。2️⃣AI省下了人头，却依然烧光了预算 现实是：AI把“人力成本”转化成了“算力成本”，而且后者更贵、更不可控。 微软 ：作为Anthropic的大股东（投了50亿美金），在2026年6月底前，全面叫停了内部的Claude Code订阅，强制迁回GitHub Copilot。为什么？太贵了。 连微软这种云巨头都嫌贵，你说这生意经该怎么算？Uber ：CTO发内部备忘录承认，全年的AI工具预算，4个月就烧光了 。一场两小时的AI演示，烧掉1200美元；一个工程师一个月的API调用费，最高能飙到2000美元。以前的软件是“买断制”或“订阅制”，预算是固定的。 现在的AI是“按量计费”（Token）。随着Agent（智能体）模式兴起，AI不再是你问一句它答一句，而是自己跟自己对话几十轮去完成任务。任务越复杂，Token消耗指数级暴涨。 Gartner早就预警：Token单价虽然在降，但企业的使用量涨得更快，总成本不降反升。 连英伟达这种“卖铲子”的公司都喊受不了。他们深度学习的VP直言：“在我团队里，算力的成本已经超过了雇员的工资。” 验证成本 ：AI写错了怎么办？你得雇更贵的高级专家去查错。返工成本 ：AI的“幻觉”导致生产事故，修复成本远高于当初让人手写。合规成本 ：数据泄露风险、知识产权风险，法务和安全团队为了盯AI，又得多招几个人。这笔账算下来，AI并没有让企业数字化变得更便宜，反而让它变得更“奢侈”了。 目前的答案是：在“点”上，它已经是神兵利器；但在“面”上，它还像个不懂事的天才少年。 它不懂业务的厚重，不懂组织的纠葛，也还没学会如何在预算内跳舞。 那些指望AI一来，就能把IT团队砍一半、成本立减的老板，大概率会在接下来的账单里清醒过来。 1、我们要解决的，到底是“效率问题”还是“流程混乱问题”？（AI治不了流程的病） 3、我们的代码审查能力，能否承接AI 3倍的产出速度？ 5、业务部门准备好接受“数据共享”了吗？（这是AI的前提，不是结果） 6、这个场景，用简单的RPA或规则引擎能不能解决？（别用大炮打蚊子） 7、我们算的是“API调用费”，还是包含了“验证、返工、安全”的全成本？ 8、如果明天AI工具涨价3倍，我们的系统会不会被锁死？
夜雨聆风