AI 是泡沫吗?��

判断 AI 有没有泡沫，别只看估值和叙事。更关键的是：应用层到底站没站住。

“AI 是泡沫。”

这句话现在很好说。估值偏高、demo 满天飞、不少公司上了大模型却算不清 ROI、融资故事比产品故事还响——这些都是真的。

但若因此断定“AI 没用”，就是从正确的怀疑，滑向了错误的判断。

更准确的说法是：

资本叙事里有泡沫，应用层已经在长出真实工作流。
虚的是预期，不是所有已经发生的变化。

真正值得讨论的，是应用侧：哪些场景已经站住，哪些还在装。

“泡沫”被说滥了，先拆开

很多人说泡沫时，其实在骂四件不同的事：

1. 估值泡沫：钱堆得太快，故事跑在利润前面  

2. 叙事泡沫：什么都叫 AI，PPT 比产品完整  

3. 能力泡沫：把 demo 当交付，把概率当确定性  

4. 组织泡沫：流程没改，却指望模型直接贡献利润

前两层泡沫味很重；后两层更像新技术扩散期的正常混乱。

互联网早期也有门户泡沫、团购泡沫，但搜索、电商、移动支付后来都成了基础设施。判断 AI，不必停在“有没有泡沫”，更该追问：

泡沫退去后，会留下什么不可逆的使用习惯？

眼下答案已经比较清楚：一批工作入口正在被改写。

应用层真正的变化：AI 开始进“干活的地方”

替代与否是空问题。看应用，只看一件事：它有没有进入高频、付费、可复用的任务。

1. 编程：目前最扎实的落地带

这几乎是争议最少的一块。

写样板代码、补单测、读陌生仓库、改报错、生成 SQL、做 code review 草稿——这些场景里，AI 不是偶尔好玩，而是每天能省时间。

编程先跑通，原因很实际：

• 输入输出相对结构化

• 结果可验证：能跑、能测、能看 diff

• 开发者付费意愿强

• 反馈闭环短，错了马上知道

于是出现一个很常见的画面： 嘴上说 AI 是泡沫，手却没离开代码助手。

这不是信仰，是体感。

2. 客服与支持：从套话机器人，变成工单前置层

早期 chatbot 惹人厌，是因为它只会背话术。现在更常见的路径是：

• 先理解用户问题

• 再查订单、知识库、政策

• 能解决就解决，不能解决再转人工

• 同时给坐席生成工单摘要

它没有消灭客服，但在改成本结构：

• 重复问题被拦截

• 平均处理时长下降

• 新人培训周期缩短

• 服务质量更依赖知识库，而不是话术背诵

关键从来不在“模型多聪明”，而在有没有工具、权限和业务数据。 纯聊天解决不了退款；连上订单系统，才有机会解决退款。

3. 内容与知识工作：胜负手在工作流，不在一键生成

运营、市场、咨询、教育，这些岗位最容易被 AI 文案淹没，也最容易得出“全是垃圾”的观感。

差别通常出在用法上。

不稳的做法： “写一篇行业报告” → 直接发布

稳的做法：

• 用 AI 做资料初筛和对照

• 用 AI 出提纲、反方观点、标题备选

• 人负责判断、取舍、补现场经验

• 最后再压缩、改口吻、做多平台适配

内容领域真正被改写的，不是“观点可以被机器替代”，而是：

从 0 到 60 分的成本显著下降，人的时间应留给 60 到 90 分。

还在追求一键出成品的人，最容易觉得 AI 没用； 把 AI 嵌进选题、调研、初稿、校对、分发链路的人，更容易觉得它值回票价。

4. 企业知识库与内部检索：不性感，但值钱

很多团队一上来就要“企业专属大模型”。更靠前的工作通常是：

• 文档接入

• 权限治理

• 检索做准

• 回答带来源

• 明确不能答的边界

也就是内部搜索、政策问答、方案复用，以及常说的 RAG。

它不浪漫，却打在刚需上：

• 新员工上手慢

• 老人经验沉淀不下来

• 跨部门重复造轮子

• 制度文件多到没人查

价值评估也很直接： 过去要找三个人、翻二十分钟的问题，现在三十秒给出带出处的答案。

省下的不是一个抽象的“智能”，是协调成本和等待成本。

5. 办公效率：单点不震撼，合在一起很要命

会议纪要、邮件草稿、PPT 骨架、表格清洗、跨语言沟通、长文摘要——单独拆开，都不像革命；合在一起，却足够改变默认习惯。

软件竞争到最后，拼的往往不是功能清单，而是：

用户遇到问题，第一时间打开谁。

搜索框之后，对话框正在成为新的工作入口。入口一旦养成，后面接的是文档、表格、浏览器、CRM、代码仓库、企业微信。 应用层真正的争夺，发生在这里。

为什么泡沫感仍然很强

因为失败样本太多，而且很多失败并不冤枉。

1. 把概率系统当成业务系统

大模型会漏约束，会在边界情况下自信地错。 如果直接塞进审批、合规、医疗结论、金融放贷，又没有人工复核和规则兜底，那不是创新，是事故。

能辅助决策，不等于能单独承担责任。

2. 只买模型，不改流程

最常见的企业剧本：

1. 采购一批大模型账号  

2. 全员培训一次 prompt  

3. 三个月后追问 ROI

ROI 当然出不来。 报销还是老流程，客服还是老工单，销售还靠人肉跟进，知识仍散落在群聊和网盘。

AI 不是插上电就自动增产的设备。它更像电力进厂： 产线不改，效率不会凭空出现。

3. 场景太大，目标太虚

“做个公司级智能体，全面提升组织效率。” 目标好听，落地必碎。

跑得通的团队，几乎都从一个很窄的场景开始：

• 周报自动初稿

• 合同条款风险初筛

• 客服会话自动分类

• 代码 MR 检查清单

• 销售拜访纪要结构化入库

先让一个场景稳定跑通，再复制。 先画一张覆盖一切的架构图，再等待奇迹，通常等不来。

4. 分不清演示和上线

demo 只需要一次惊艳。 上线要稳定、可观测、可追责、可降级、可算账。

应用是否成熟，不看又发布了多少 Agent 概念，而看有没有：

• 评测集

• 失败兜底

• 人工接管

• 成本账本

• 权限与审计

到这一步，AI 才从热点项目，变成业务系统的一部分。

哪些已经像基础设施，哪些还在概念区

图：AI 应用成熟度地图

结论可以写得很短：

AI 在“辅助人完成明确任务”上已经值钱；
在“无人监督地替人负责”上，大多还早。

泡沫感，常常来自后半句被前半句的营销提前透支。

应用主线已经变了：从更会聊，到更能办事

只看聊天，AI 像玩具。 放进工作流，AI 更像新的系统接口。

目前跑得通的应用，骨架几乎一致：

1. 任务明确：处理这类工单、生成这类草稿、检查这类风险  

2. 上下文够用：业务数据、历史记录、权限范围齐备  

3. 工具可调用：能搜、能读文档、能写表格、能提工单、能跑代码  

4. 结果可检查：规则校验、人工抽检、自动评测  

5. 成本算得过账：省下的时间、人力、错误成本，高于模型与工程投入

满足这五条，AI 就站得住。 缺这五条，模型再大，也只是昂贵的自动补全。

近两年应用重心也在转移：从比拼分数，转向能否稳定嵌进流程，再转向权限、工具、记忆、评测能否形成闭环。

模型是引擎，应用是车。 路人听引擎响不响，司机只关心车能不能每天通勤。

一个更管用的判断标准

面对具体 AI 应用，与其争论“聪不聪明”，不如连续问三句。

1. 它消掉的是哪一段摩擦？

找信息慢，写初稿慢，跨系统操作烦，新人不会干，还是质量不稳定？

说不清摩擦，多半是伪需求。

2. 错一次的代价有多大？

写错营销标题，代价低； 写错退款规则，代价高； 写错医疗建议，代价极高。

代价越高，越需要规则、权限，以及人在回路里。

3. 它能不能进周会报表？

真正的应用最后都要回答：

• 处理量

• 节省时长

• 准确率

• 人工接管率

• 单位成本

进不了报表的项目，很容易沦为领导演示专用。

分层看，结论并不矛盾

叙事层：有泡沫。 什么都 AI 化，融资叙事过度，部分公司靠热点续命。这里值得警惕。

能力层：不是泡沫。 大模型在理解、生成、编码、总结、翻译、初步规划上，已经打穿一批旧软件体验。这不是 PPT。

应用层：泡沫与扎实并存。 扎实的是编程辅助、客服预解答、知识检索、办公草稿、内容初加工； 虚的是无流程改造的“全面智能化”、无监督自动决策、为了 AI 而 AI 的项目制表演。

也可以压成一句：

AI 不是“全面取代工作”的神话，
而是一次关于软件交互与工作分配的基础设施迁移。

迁移期一定吵，一定贵，一定有人交学费。 但迁移一旦发生，很少完全退回。

程序员很难集体卸载代码助手， 企业也很难重新爱上“纯关键词搜内部网盘”。

对企业和个人，分别意味着什么

企业

问题不该再是“要不要上 AI”，而该是：

• 哪个流程最短、最痛、最好评测

• 数据在不在、权限清不清

• 谁对结果负责

• 三个月后看什么指标

先做小而真的场景，再谈平台和统一 Agent。

个人

真正的压力，往往不是 AI 直接取代你， 而是会用 AI 的人，先拿走你原来靠熟练度吃饭的那部分工作。

值得练的也不是更花哨的提示词，而是：

• 把任务拆清楚

• 给足上下文

• 会校验输出

• 能把 AI 嵌进自己的交付链路

应用能力，正在变成职业能力。

收束

觉得 AI 是泡沫，通常说明嗅觉还在。这个市场确实有人在卖空气。

可只看见空气，也会误判天气。

应用层已经出现一批很“无聊”、却很硬的事实：

• 代码写得更快了

• 客服前置分流更常见了

• 内部知识比以前好找了

• 初稿、纪要、摘要、翻译的成本塌了

• 软件开始围绕“对话 + 工具调用”重做入口

这些都已经在发生。

分水岭也不在“信不信 AI”， 而在你仍把它当聊天玩具， 还是当成新的工作接口。

泡沫会破。 破完之后，神话留不下多少， 干活方式却会留下一套。

而改变干活方式的东西，很少只是泡沫。