对 AI 产生一些幻灭感在所难免。

2022 年末，OpenAI 发布了名为 ChatGPT 的免费网页应用，它改变了整个行业的走向，也改变了若干个世界经济体的运行轨迹。数以百万计的人开始和电脑对话，电脑也首次开始有了回应。由此，我们开始对 AI 抱有更多的期待。

而后，科技公司为了保持领先而竞相冲刺，推出一款又一款各擅胜场的竞品。语音、图像、视频，每一次更新都是青出于蓝而胜于蓝。在这种不间断的比拼中，AI 公司把每一次产品上线都包装成重大突破，进一步强化了人们的普遍信念：这项技术会越来越好。

AI 的鼓吹者告诉我们，进步是指数级的。他们晒出图表，标出我们相较去年的模型走了多远：看，曲线一路向上。生成式 AI 似乎无所不能。

但 2025 年却成了清算的一年。

首先，顶级 AI 公司的掌舵者许下了他们兑现不了的承诺。他们告诉我们，生成式 AI 会取代白领劳动力，开启富足时代，带来科学发现，并帮助找到新的疾病疗法。至少在全球北方国家，蔓延于各个经济体的错失恐惧（FOMO）让 CEO 们撕掉旧剧本，急着加入这场行动。

也就是从那时起，光环开始褪色。尽管这项技术被包装成一种 " 万能多功能工具 "，能够重塑陈旧的业务流程、削减成本，但今年发表的多项研究显示，企业并没有让那点 "AI 仙尘 " 真正发挥魔力。

来自多个来源的调查与追踪数据，包括美国人口普查局与斯坦福大学，都发现企业采用 AI 工具的势头正在放缓。而即便尝试了这些工具，许多项目也长期卡在试点阶段。

如果整个经济体缺乏更广泛的投入与认可，人们很难看出，这些大型 AI 公司要如何收回它们在这场竞赛中已经投入的惊人资金。

与此同时，核心技术的迭代也不再像从前那样带来阶式跃迁。

最典型的例子莫过于 8 月 GPT-5 的翻车式发布。在极大程度上造就了本轮 AI 繁荣的   OpenAI，原本要推出其全新一代技术，为此，OpenAI 连续数月为 GPT-5 造势。CEO 山姆 · 奥特曼甚至夸口称它是 " 任何领域的博士级专家 "。

还有一次，奥特曼不加评论地发了一张《星球大战》" 死星 " 的图片，OpenAI 的铁粉把它解读为 " 终极力量 " 的象征，仿佛在说：马上就来。人们的期待被推到极高。

然而当它真的上线时，GPT-5 看起来像是与之前相同的东西又发布了一次。随后出现的，是自三年前 ChatGPT 初次登场以来最大的一次氛围转向。

AI 研究者、知名 YouTuber 扬尼克 · 基尔彻（Yannic Kilcher）在 GPT-5 发布两天后的视频中宣布：" 突破边界的时代结束了。AGI   不会到来。我们看起来已经进入了大语言模型的三星   Galaxy 时代。"

很多人（包括我）都把它类比为手机。在差不多十年的时间里，智能手机是全球最令人兴奋的消费科技。如今，苹果或三星发布新机时几乎不会掀起太大波澜。铁粉会细看每一点小升级，但对大多数人来说，今年的 iPhone 看起来、用起来都和去年的差不多。

生成式 AI 也到了这个阶段吗？如果是，这算问题吗？当然，智能手机已经成为 " 新常态 "。但它也确实改变了世界的运作方式。

需要承认的是，过去几年确实充满了许多激动人心的时刻。从视频生成模型质量的惊人飞跃，到所谓推理模型的解题能力，再到最新编程与数学模型在世界级竞赛中的胜出，这些都是真实发生的。

但这项非凡技术也才走红短短几年，从许多方面看仍处在实验阶段。它的成功背后也伴随着诸多重要的限制条件——也许我们需要重新调整预期。

这里要小心：从 " 热炒 " 到 " 反热炒 " 的摆钟也可能摆得过头。仅仅因为它被过度兜售就否定这项技术，是轻率的。

当 AI 没能回应期待时，人们的本能反应往往是说 " 进展撞了南墙 "。但这误解了技术研究与创新的运行方式。进步从来都是偶发的，时快时慢。墙是可以翻过去的，也可以绕过去，甚至可以从下面挖过去。

不妨把视角从 GPT-5 的发布上挪开一点。在它之前的几个月里，OpenAI 刚刚密集推出了一系列相当出色的模型，包括 o1 和 o3（开创性的推理模型，让行业见识到一种全新范式），以及再次抬高视频生成门槛的 Sora 2。在我看来，这听起来不像是撞墙。

AI 的确很强。看看 Google DeepMind 的新图像生成模型 Nano Banana Pro，它能把一本书的一章内容变成信息图，还能做更多事情。它就这么免费地躺在你的手机里。

但你还是忍不住会想：当 " 惊艳感 " 消退后，还剩下什么？一年后或五年后，我们会如何看待这项技术？我们会认为它值得付出如此巨大的成本吗？无论是金钱成本，还是环境成本。

基于这些问题，下面是看待 2025 年末 AI 现状的四种方式。这是一场迫切需要的热潮纠偏的开始。

大语言模型不是全部

从某种意义上说，需要纠偏的是围绕大语言模型的热潮，而不是 AI 整体。如今已经很明显，LLM 并不是通往通用人工智能（AGI）的入口。AGI 是一种假想技术，有人坚称它终有一天能完成任何人类能完成的（认知）任务。

即便是像伊利亚 · 苏茨克维（Ilya Sutskever）这样的 AGI 传道者，如今也开始强调 LLM 的局限性。苏茨克维是 AI 初创公司 Safe Superintelligence 的首席科学家兼联合创始人，曾任 OpenAI 首席科学家兼联合创始人，并深度参与了 LLM 的创造。

苏茨克维在 11 月接受德瓦克什 · 帕特尔（Dwarkesh Patel）采访时说，LLM 很擅长学会做许多具体任务，但它们似乎并不会学到这些任务背后的原理。这就像学会解一千道不同的代数题，和学会解任何代数题之间的区别。

苏茨克维说：" 我认为最根本的一点是，这些模型在泛化能力上不知为何明显比人类差得多。"

LLM 的语言能力太有说服力，因此人们很容易想象它无所不能。这项技术模仿人类写作与说话方式的能力令人惊叹。而我们天生就倾向于从某些行为方式中看见 " 智能 "，不管它是否真的存在。换句话说，我们造出了具有人类行为的机器，于是很难不去相信它背后也有一个类人的心智。

这可以理解。LLM 进入主流生活也就短短几年。但在这段时间里，营销者利用了我们对技术真实能力还不够稳固的判断，不断抬高预期、加速炒作。随着我们与这项技术共处、对它理解加深，这些预期也该回到地面。

AI 不是解决一切问题的速效药

7 月，麻省理工学院的研究者发表了一项研究，成了 AI 末日论者最常引用的支柱论据。其最醒目的结论是：高达 95% 的企业在尝试使用 AI 后发现其 " 零价值 "。

其他研究也呼应了这种总体判断。11 月，自由职业者在线市场平台 Upwork 的研究者发现，由 OpenAI、Google DeepMind 与 Anthropic 的顶级 LLM 驱动的智能体，单靠自己无法完成许多看似直接的职场任务。

这与奥特曼的预测相去甚远。他在 1 月的个人博客里写道：" 我们相信，在 2025 年，我们可能会看到第一批 AI 智能体‘加入劳动力队伍’，并实质性改变公司的产出。"

但那项 MIT 研究中常被忽略的一点是，研究者对 " 成功 " 的衡量很狭窄。所谓 95% 的失败率，统计的是那些尝试部署定制 AI 系统，但在 6 个月后仍未能把它们扩展到试点阶段之外的公司。实验性技术的许多实验无法立刻见效，这并不令人意外。

这一数字也没有把员工在官方试点之外使用 LLM 的情况纳入。MIT 研究者发现，他们调查的公司中约有 90% 存在某种 AI 影子经济，员工在用个人聊天机器人账号处理工作，但这种影子经济创造的价值并没有被测量。

而当 Upwork 研究观察的是智能体与懂行的人协作完成任务的表现时，成功率就大幅上升。结论似乎是，很多人正在自己摸索 AI 如何在工作中帮到他们。

这也符合 AI 研究者、意见领袖安德烈 · 卡帕希（Andrej Karpathy）的观察。他也是 vibe coding 一词的提出者。卡帕希指出，聊天机器人在很多事情上都比普通人更强，比如给法律建议、修复漏洞、做高中数学题，但它们并不比专家更强。

卡帕希认为，这可能解释了聊天机器人为何在个人消费者中如此受欢迎，它能帮非专业人士解决日常问题与任务。但它并没有颠覆经济，因为要颠覆经济，就必须在工作上超越熟练员工。

这种局面也许会改变。但至少目前，AI 还没有对就业产生鼓吹者宣称的那种影响，这并不值得惊讶。AI 不是速效药，也无法替代人类。但这盘棋还有很多空间。AI 如何被整合进日常工作流与业务流程中，仍在不断试验。

我们身处泡沫之中吗？

如果 AI 是泡沫，它更像 2008 年的次贷泡沫，还是更像 2000 年的互联网泡沫？两者差别很大。

次贷泡沫吞噬了经济体的一大部分，因为它破裂后留下的只有债务和被高估的房地产。互联网泡沫则淘汰了大量公司，冲击波扩散全球，但它留下了婴儿时期的互联网，留下了国际光缆网络，也留下了少数后来成长为科技巨头的创业公司，比如谷歌和亚马逊。

但也可能，我们正处在一种不同于上述两者的泡沫里。毕竟，LLM 目前还没有真正成熟的商业模式。我们还不知道所谓杀手级应用会是什么，甚至不知道它是否会出现。

许多经济学家也担忧，前所未有的大量资金被投入到基础设施中，用来建设算力并服务于预期需求。但如果需求最终并未出现呢？

再加上许多交易存在一种古怪的循环结构，比如英伟达付钱给 OpenAI，OpenAI 再把钱付回英伟达，如此往复。难怪每个人对未来的判断都不一样。

一些投资者仍然很淡定。11 月，在接受 Technology Business Programming Network 播客采访时，国际大型私募股权公司 Silver Lake Partners 的联合创始人格伦 · 哈钦斯（Glenn Hutchins）给出了几条 " 不必担心 " 的理由。他说：" 这些数据中心中的每一个，几乎所有，都有一个具备偿付能力的对手方，并签约承诺接收它们为其定制建设的全部产出。" 换句话说，这不是 " 先建起来再等客户上门 "，客户已经被锁定了。

他还指出，这些具备偿付能力的对手方中最大的一家是微软。" 微软拥有全球最好的信用评级，" 哈钦斯说，" 如果你和微软签约，让它接收你数据中心的产出，萨提亚（纳德拉）是靠得住的。"

许多 CEO 会回望互联网泡沫，试图从中吸取教训。可以这样理解：当年倒下的公司没有足够的资金撑到最后；而挺过崩盘的公司则迎来繁荣。

带着这个教训，今天的 AI 公司试图用资金把自己 " 买 " 过一段可能是泡沫也可能不是泡沫的时期。留在赛道上，不要掉队。即便如此，这仍是一场孤注一掷的豪赌。

但还有另一条教训。一些看起来像 " 边角料 " 的公司也可能很快变成独角兽。以 Synthesia 为例，它为企业提供虚拟人生成工具。风投机构 Air Street Capital 的联合创始人内森 · 贝奈奇（Nathan Benaich）承认，几年前他第一次听说这家公司时，正值深度伪造（deepfakes）引发恐慌的时期，他并不确定它的技术能用来做什么，也认为这不会有市场。

他说：" 我们当时不知道谁会为对口型和声音克隆付费。结果发现，愿意付费的人很多。"Synthesia 现在大约拥有 5.5 万家企业客户，年收入约 1.5 亿美元。10 月，这家公司估值达到 40 亿美元。

ChatGPT 不是开始，也不会是结束

ChatGPT 是深度学习十年进步的结晶，而深度学习正是现代 AI 的底座。深度学习的种子早在 20 世纪 80 年代就已埋下，这个领域的整体历史至少可以追溯到 20 世纪 50 年代。如果以这样的背景衡量进步，生成式 AI 才刚刚起步。

与此同时，研究热度已经到了沸点。全世界范围内主流的 AI 会议收到的高质量投稿比以往任何时候都多。今年，一些会议组织方为了控制数量，甚至不得不拒绝那些评审已经通过的论文。（与此同时，arXiv 等预印本平台也被 AI 生成的 " 学术垃圾 " 淹没。）

苏茨克维在那次与德瓦克什的访谈中谈到 LLM 当前的瓶颈时说：" 我们又回到了研究的时代。" 这不是挫折，而是新事物的开端。

贝奈奇说：" 总会有很多‘炒作怪兽’。" 但他认为这也有好的一面：热潮会吸引实现真正进步所需要的资金与人才。

他说：" 你知道，就在两三年前，构建这些模型的人基本还是研究宅，只是碰巧搞出了某种可用的东西。现在，几乎所有在技术上真正厉害的人都在做这件事。"

接下来我们往哪里走？

这种无休止的热潮，并不只是来自公司为其成本极高的新技术招揽生意。还有一大群人，无论在行业内还是行业外，都愿意相信一种承诺：机器可以阅读、写作、思考。这是一个持续了几十年的狂野梦想。

但热潮从来就不可持续，而这反倒是好事。我们现在有机会重置预期，看清这项技术的真实面貌，评估它真正的能力，理解它的缺陷，并花时间学习如何把它用在有价值而且有益的地方。

贝奈奇说：" 我们仍在摸索，如何从这个维度高得离谱的信息与技能黑箱中，调动出我们想要的特定行为。" 这场热潮纠偏早就该来了。但要知道，AI 不会消失。我们甚至还没有完全理解自己迄今为止造出了什么，更不用说接下来会发生什么。