一组数据最近在圈内刷屏:87%的企业宣称已经大规模部署AI,而真正从中获得价值的,只有10%。
这个数字意味着什么
说实话,第一眼看到这个数字我是不信的。现在满世界都是AI成功的故事,怎么可能有87%的企业在用,但只有10%在赚钱?
但仔细想想,这其实很符合常识。做一个AI Demo太容易了,花几十万买个模型,搭一个界面,跑几个案例展示给领导看——这算「大规模部署」吗?算。但这是真正的价值创造吗?不是。
个人玩Agent和企业玩Agent是两码事
亚马逊云科技的技术总监王晓野举了个很形象的例子:个人在Mac mini上跑一个好玩的Agent、随时可以拔电源重启,和让几千个Agent在企业分布式环境里安全、可信、不中断地稳定运行,完全是两个维度的工程复杂度。
这话说到点子上了。我自己在家里玩Agent,确实觉得AI很强。但让AI在企业环境里跑起来,需要解决多少问题?算力够不够划算、数据安不安全、Agent会不会「失忆」或「记忆串台」——每一层都是硬骨头。
Token贵的原因被误解了
还有一个有意思的观点:大家都在抱怨Token贵,但真正的问题可能不是单价贵,而是你在调用模型时喂了太多没用的信息。
换句话说,不是油涨价了,而是你的车太费油了。很多企业把AI当成了一个「什么都能塞进去的黑箱」,结果就是Token消耗爆炸,但有用的信息密度很低。
企业真正需要什么
从这次AIGC产业峰会上的讨论来看,企业级AI落地需要五层能力:算力层、模型层、数据层、平台层、应用层。缺任何一层,都会导致「用起来了但没效果」。
对于我们普通打工人来说,这组数字也值得警醒:公司可能在「假装用AI」,你也可能在「假装被AI提升效率」。真正的价值,往往来自解决了真实问题的那10%,而不是看起来很热闹的那87%。


Token贵的问题确实被低估了。我之前调API的费用爆炸,后来发现是我prompt写得太啰嗦,精简之后费用直接降了60%。?