AI 行业今年走到哪了?说点没人愿意细说的

一半泡沫，一半地基

2026 年，再聊 AI，已经很难靠「震惊」开场了。

三年前，大家还会为一段流畅的对话欢呼，截图发朋友圈，配文「卧槽，AI 真的成精了」。

现在呢？办公室里每天跑着几十个智能体，写周报的、做客服的、盯数据的，各干各的，没人觉得稀奇。

AI 从新闻变成了日常，从名词变成了动词。

这本身，可能就是今年最重要的一条趋势。

比技术突破更重要的那种。

过去的半年，我一直在看这个行业的各种数据、财报、发布会，也跟不少从业者聊。看得越多，我越觉得，真正值得说的，不是那些台上光鲜的数字。

而是那些没人愿意细说的东西。

今儿这篇，就聊聊这个。

· · ·

01 从比参数，变成了比谁算得便宜

先说市场，数字确实吓人。

2024 年，中国大模型市场 294 亿。2025 年，估计 495 亿。2026 年，预计破 700 亿。

三年，复合增长率超过 40%。

参数是面子，推理成本是里子

但比这些数字更值得看的，是打法的变化。

厂商们嘴上还在比参数量，钱包已经悄悄转向了效率。

DeepSeek 用动态稀疏激活，把单次推理能耗降了 55%，响应速度提了 2.3 倍，训练成本压到 GPT-4 的十分之一。华为、阿里也在高并发场景里验证了稀疏架构和轻量化模型。

翻译成人话就是：

模型还是那个模型，但跑一次的成本，断崖式地掉。

为什么会这样？

原因其实不复杂。基座能力被开源拉平之后，各家模型已经拉不开本质差距了。

你卷出来的推理能力，别人从开源仓库里 pull 一下，也就有了。

那怎么办？

只能在单位成本上较劲。谁的单次调用便宜，谁才打得起价格战，谁才有资格把客户留住。

参数是面子，推理成本是里子。面子决定你能不能上发布会，里子决定你能不能活到下一年。

这句话是我今年听到的、关于大模型行业最透的一句判断。

参数还能继续堆，但行业里真正心知肚明的是：没有成本优势的参数，只是漂亮的 PPT 弹药。

02 智能体，才是今年真正的明星

纯粹聊天的 AI，已经不太能打了。

它是个极好的实习生，还不是能撒手不管的员工

企业要的不是一个更聪明的问答机器人，而是一个能端到端把活干完的东西。

我给你一个任务，你从头到尾给我办利索了，中间别来烦我。

数据也印证了这个方向。2026 年，中国智能体市场规模预计到 135.3 亿，客服、办公、电商这几个场景，已经跑出了可以复用的范式。

海外更猛，agentic AI 的市场从 2025 年的 76 亿美元涨到 2026 年的 108 亿，增速比当年云计算早期的渗透还快。

但这里有个数字，我觉得特别值得细品。

Anthropic 自己透露过：内部 60% 的开发工作，已经交给 AI 了。

但其中，能真正独立完成的，不到 20%。

这两个数字放在一起，信息量很大。

翻译一下就是：AI 确实干了很多活，但人的把关，仍然是主力。

这个比例放在整个行业里，大概也成立。

所以所谓「智能体替你干活」，更准确的说法是：

「智能体替你干完那些你已经会干的活」，剩下的边角料，还得人来补。

它是个极好的实习生，而不是一个可以撒手不管的正式员工。

认清楚这一点，比什么都重要。

那些跟你拍胸脯说「全自动、无人值守」的销售，你可以让他先把合同里的交付标准写清楚。

03 钱流向了哪里，赚到了没有

钱，正在从模型公司往应用和基础设施流。

钱在流，但不一定都流进了利润

逻辑不复杂：训练大模型越来越贵，但单卖模型越来越难赚钱，逼着大家往下游走。

政务、金融、医疗这些行业里，「私有云部署 + 数据不出域」成了标准答案。黑龙江的数字政府项目，已经把大屏数字人、智能客服这类东西，接进了真实系统里跑。

到这里，一切都还挺顺的。

但这里有个矛盾，我到现在也没想明白该乐观还是悲观。

一边是市场规模翻着倍地涨，一边是很多公司，其实说不清自己到底从 AI 里赚了多少钱。

700 亿的市场，分到几百家公司头上，真正靠它活得滋润的，并不多。

这可能就是泡沫的样子。

也可能，只是行业早期必经的挤水阶段。

我老想起 2000 年。

那时候，谁也不会想到互联网后来长成这样。但当时，确实有一堆网站，只有访问量，没有收入。

历史的剧本，从来不照抄，但押韵。

04 几个没人想细说的尴尬

最后说点扎心的。

都在经历，却很少摆到台面上讲

这些事大家都在经历，但很少有人摆到台面上讲。

尴尬一：同质化。

开源模型把底座能力拉平了。你训练出来的推理能力，别人从开源仓库里也能拿到差不多的。

差异化，已经从模型本身，转移到了数据、场景和交付能力上。

说白了，算法不再是护城河，你服务客户的那套脏活累活才是。

尴尬二：数据的墙。

高质量文本数据，快被榨干了。各家开始围着合成数据、多模态数据和行业私有数据打转。

而常识是：靠合成数据训练出来的模型，误差会一代一代地积累。

像复印件的复印件，越印越糊。

尴尬三：电费。

训练和推理的能耗，越来越像一本真实的账本。

DeepSeek 把能耗降了 55% 这件事之所以被反复讲，恰恰说明：能源，是横在规模化面前的一道硬约束。

没人吹空气，因为空气不要钱。电，要。

尴尬四：监管的节奏。

安全、伦理、责任边界的讨论一直在，但从讨论到落地规则，走得比技术慢得多。

这不算坏事。只是意味着，合规成本会实打实地进入每一家公司的预算表。

早做打算的，把它当护城河。没做打算的，把它当哑巴亏。

· · ·

05 结尾，不喊口号

我不打算给一个「未来一片光明」的收尾。

那太像 AI 写出来的东西了。

我的真实感受是：

技术确实在往实里走。智能体开始真的干活，推理成本在往下掉，这些是实打实的进步。

但行业里的噪音，还是比信号多。会讲故事的公司，比真正赚钱的公司多。

明年再回看今天，可能就像回看 2000 年的互联网：

一半是泡沫，一半是地基。

泡沫会破，地基会留下来。

难的是，判断此刻自己脚底下踩的，到底是哪一块。

是那种，第二天早上醒来，还要继续面对的问题。

但反正，先踩着。

毕竟，永远对世界保持好奇，才是我们做这一切的原因。

以上。

既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。如果能顺便星标一下公众号，就更感谢了。

我们，下篇见。