AI没有梦想

两年前的11月30日，ChatGPT正式发布。自那时起，周围人的生活和经济环境经历了云谲波诡的变化，而AI俨然成了这股洪流中的一根浮木，承载着无数人的希望与梦想。

前几天，跟一个90后海归创业者聊天。他叫Ragnar，去年五月从大厂离职，结束了朝九晚九的生活。一次偶然机会，他受邀做了一场“职场人如何利用AI提效”的线下分享，受到了年轻人的欢迎。不久后，Ragnar组建了自己的团队，为企业提供AI培训。

他们测试推出了一款599元的线下课程，90分钟的分享内容。随后又发布了1399元的线上课，开放的100多个名额很快报满。后来做的人多了，大家开始“卷价格”。Ragnar察觉到低价AI课程难以持续，终将爆雷。

提升课程定价并非易事。要实现高价位，培训内容必须与企业业务深度结合。然而，AI工具的快速迭代使得实际应用难以直接提升效率，课程的价值也难以体现。Ragnar尝试过运营社群，但效果并不理想。一年下来，没赚到什么大钱，但也能维持生活。

Ragnar逐渐发现，许多AI公司过于专注技术，却难以清晰传达自己的核心业务。于是，他转而帮助这些公司制作视频，向用户讲解他们的产品。随着时间推移，他的社交媒体账号积累了四五万粉丝，增长速度虽不算快，但在粉丝数量达到两三千时便已开始实现变现。

最近，Ragnar收到一些AI公司的邀请，请他负责产品运营和市场推广。尽管尚未找到明确的商业模式，但他认为加入一家AI公司内部也是一个不错的选择。从Ragnar的感受来看，AI这条赛道正在降温。一部分原因在于资本的冷却，另一个瓶颈则源自OpenAI等头部公司的技术发展放缓。“未来几年可能都会是这样的局面”。

Ragnar希望在真正的AI浪潮来临时登上方舟，哪怕只是被动地跟随。他还计划保留一些灵活时间，继续制作自媒体短视频。至少，新的工作能为他提供稳定的收入。

前不久，前谷歌CEO Eric Schmidt在斯坦福大学的一场计算机学院会议上无意间揭示了一些令人震惊的现实，打碎了不少人的美好幻想。

Schmidt认为， 基础大模型的技术进步几乎停滞，人类距离实现通用人工智能（AGI）仍遥不可及 。OpenAI今年迟迟未发布GPT-5就是一个信号。即使是Sam Altman宣传的“星际之门”项目，所需的1000亿美金恐怕远远不够，3000亿美金都可能捉襟见肘，大量资金都被投入到购买水电资源上。

Schmidt将当前的AI行业比作电力产业的早期阶段。就像电力并没有立即取代蒸汽机一样，AI的成熟还需要时间和社会结构的变革。当年的过程持续了30年，整个社会结构才开始变化，直到分布式电源改造了车间布局，电力才开始实现生产力的飞跃。现在的AI只是刚刚触及表面，人们都只是在摘取“低垂的果实”。

“开源不赚钱”“开源是奉献”，这几乎打破了人们“AI会逐渐普世化”“开源将会造福应用开发”的美好幻想。 以他投资的Mistral为例，虽然1和2都开源了，但即将发布的第三个版本很可能会闭源，因为高昂的训练成本需要回收资金。

过去两三年，资本和科技巨头在AI领域疯狂“砸钱”、“砸模型”、“砸算力”、“砸数据”，甚至“砸备案”。但除了引发历史最高点的AI狂热和科技股飙升外，世界并未发生根本性变化。能引发全民投入的超级应用还渺无踪影。用户可以使用AI做什么？企业如何利用AI降本增效？这些核心问题仍在探索。

现实挺扎心。

事实上，从2016年的AlphaGo到2022年的ChatGPT，AI经历了一段漫长的沉寂期。

在此之前，短视频几乎是移动互联网领域最后的重大创新。尽管大量资本不断涌入，但技术领域却再也没有让人耳目一新的东西。同时，宏观经济环境的挑战也导致创投市场整体下滑。直到ChatGPT的出现，改变了这一局面。

人们比以往任何时候都更迅速地达成了共识：“AI大势，浩浩汤汤，不可阻挡。”这一潮流甚至渗透到生活的每个角落，连小区门口卖冰棍儿的老太太都熟悉这些口号。在我所在的教育圈，无论企业规模大小、起步早晚，无论核心问题是否解决，AI都已成为无可回避的主题。人人言必称AI。 聊AI，从一种潮流迅速演变为绝对正确。

在AGIClass.ai创始人孙志岗看来，推动这股潮流的主要力量大致分成三波：第一波是来自互联网行业的人，他们或功成身退，或在上一轮创业潮中失意离场，眼见机会再次来临，纷纷投身其中；第二波是大厂，这些巨头经过观察，认定了AI的巨大潜力，从大模型到应用都要搞一遍。大厂的行动带动了其他非互联网机构的纷纷跟进；第三波是政府的力量，通过政策支持、资金投入、考核机制和宣传手段，推动了全民对AI的认同。

在这种背景下，大量新词应运而生：算法赋能、同频对齐、种草拔草、增长黑客、智能引擎……这些“大词”听起来振奋人心，但听多了却容易让人“过敏”。自“五四”始，人们便假定“新比旧好”、“西比中好”、“城比乡好”。“新”就是好，新的事物就一定是实现梦想的途径。然而，万事如此吗？

Ragnar说他在创业的一年里，白头发蹭蹭往外冒。他说，“AI这条赛道里的焦虑感太强了。”通过AI真正赚到钱、融到资或找到产品市场匹配度的人少之又少。

AI淘金热不断被冷水浇灭，无论规模大小。本月初，人工智能初创公司Character.AI被谷歌以25亿美元收购，而去年9月时，这家公司的估值曾一度超过50亿美元。事实上，随着AI研发成本的激增，许多企业陷入了高昂支出和难以实现商业化的困境。

以Character.AI为例，虽然技术强大、用户众多，但缺乏可持续的商业模式。融资困难迫使公司最终被并购，核心团队加入谷歌，而公司则转向依靠开源模型来维持运转。这意味着在收购方眼中，除了团队之外，其他资产的价值被大大贬低了。

既要大模型，又要应用。曾梦想财富自由的创业者们一旦失去资金支持，便面临出局。数据显示，人工智能相关并购金额从2022年的1171.6亿美元下降到2023年的806.1亿美元，降幅达31.2%；私人投资也从1034亿美元降至959.9亿美元。2023年，国内AI领域的融资总额约为20亿美元，同比下降了70%。 资本在悄悄地后退。

越来越多的投资者意识到，繁荣不会永续。基础模型的升级成本不断攀升，越到后面钱只会越烧越多；与此同时，开源模型越来越强，大模型的价值快速贬值。有资金、有技术、有场景的大厂还在“卷”大模型，教育领域的一些头部机构也推出了五花八门的“垂直领域”大模型。尽管大家都在追求“全面”发展，但实际上，驱动增长的方式依然停留在移动互联网时代的挤压式逻辑，在产品边界、初期想法、用户诉求应对方面缺乏足够清晰的路径，几乎没有真正的创新。

这一切不可避免地让人联想起上一波互联网和移动互联网的创业热潮。在过去十年间，一些现象级应用彻底改变了人们的生活方式，不仅催生了新的介质和交互方式，也带来了前所未有的商业机会。

从孙志岗的角度看，人们期待AI领域迅速出现类似的现象级应用，但现实却让人失望。虽然像ChatGPT这样的产品引发了关注，但它并未像《愤怒的小鸟》或TikTok那样普及。人们为教培付费是为了提分、拿证书、找工作；为电影付费是为了释放压力、获得情绪价值，而AI的付费行为往往是为了降本增效，而非因为AI本身。尽管大模型能力的提升和成本的下降或许能带来盈利点，但AI仍面临着一个根本问题：它究竟能为谁解决何种问题。

数据显示，2023年新注册的AI相关公司数量达到了46.7万家，创下历史新高。上半年，已有23.7万家新公司加入AI领域，总数达到167万家。然而，繁荣的背后是“卷成麻花”式的竞争。在深圳做数字人项目的00后程序员小樊说，他最近参加了几个线下AI创投交流会，有几个强烈感受：一是AI创业非常卷，各行各业都在搞AI，法律、广告、农业、养老、教育，凡能想得到的领域必有AI；二是缺少原创，基本上都是大模型套壳或多组合套壳的APP，使用场景也是想象出来的；三是同质化，销售、营销、广告、数据分析、客服各个环节挤满了竞争者。

人人都知道，凭一个idea、一个创业故事就能拿到钱的时代已经过去。AI领域缺乏的不仅是创意，更是那些承载梦想的创新陷入了冰冷的商业竞争中。小樊感慨，无论是传统创业还是AI创业，仅靠一腔热血，没有做过目标受众调研，有定价没转化，凉凉是迟早的事。

通往AI的路径不一定是大模型，大模型是AI的一条必经路，还是一条歧路？ 但无论答案如何，很多人走上了这条路，还有很多人在往这条路上挤。

周柯是北京一家初创公司的HR，上周，她发布了三个计算机视觉工程师的岗位，共收到75份简历，并在线下邀请了35人参加面试。在简历筛选时，她依照三条简要标准进行评估：名校硕博背景、大厂工作经历、以及专业能力的突出表现。

然而，周柯很快发现了一个悖论：容易招到的不适合，想招的招不进来。计算机视觉相关专业的毕业生很多，但在校接触的大多是分割、目标检测、图像增强等传统方向，很难进大厂实习。名校、大厂、专业强这些buff叠加的人，选择也很多。相比而言，大厂的薪资福利、稳定性都更有竞争力。初创公司如果没有融到资或者资金不充裕，人才会很快流失。

根据MacroPolo智库的《全球AI人才追踪2.0》报告，中国培养了全球近一半的顶尖AI研究人员，其中30.96%选择留在中国工作。 AI人才的流动率居高不下。 从2022年11月底到今年7月底的20个月里，中国约8万家AI企业倒闭，近百万AI人才重回市场。与互联网创业时代的人才溢价不同，AI创业时代的人才更看重出身和教育背景，毕业于哪所顶尖高校，进了哪个核心实验室，师从哪位导师，参与过哪些项目。

一边是精挑细选，一边是频繁的裁员。真正有价值的AI岗位数量并不多。很多公司提供的AI岗位都在重复简单的任务，如安装开源代码和调整参数。 AI的发展路径似乎更加冰冷和无情。 AI创业的牌桌上，已经不再是人人都有机会的全民游戏，而是精英之间的较量，普通玩家很难活下来。

同时，AI行业的人才竞争也表现出一个独特现象：缺乏真正意义上的交流与合作，彼此较着劲，都在“卷”。上线的190多个大模型必然经历一段时间的增长大战和补贴大战，淘汰不适者。最终，市场将由少数主导者定价，类似于现在的教培行业和共享单车市场，大战过后，价格虽然上升，但人们还是该学学，该骑骑。这是一个必经过程。

在社会体系的训练下，人们更习惯接受，而非质疑。就像在应试教育的规训中，人们更擅长接收信息而非提出问题。AI技术的出现，尤其是像ChatGPT和Perplexity这样的生成式人工智能，对教育者提出了新的挑战——如何激发人们提出真正的问题，或者，AI仅仅是人类接受既定答案的另一种工具？然而，那个永恒的问题仍在：人类的未来是走向开阔，还是进入洞穴？

教育是朝向真实的基础。 传统教育培养了能够维持生计却缺乏生活深度的人。教育一直是目标导向的，人们总是在为某些未来的目标而牺牲当下的时刻，生命无限空虚。传统教育框住了人，抑制了好奇心和创造力。

作为开发者，孙志岗坦言，从电视到手机，再到短视频的设计，无不在迎合人性。AI的发展轨迹，似乎也在复制这条路径。它的目标不在于激发人类的想象力，而是通过大数据和算法简化选择， 选择越来越简单，思考越来越少 。

未来的教育应涵盖五个层面：第一是资讯的、语言的；第二是科学主题的探索；第三是生活的艺术，爱、欢笑、经验生活以及它们的奥妙；第四是艺术与创造力；第五是死亡的艺术。这些正是AI的弱项。AI作为工具意志的产物，注定远离痛苦与异常，毫无情感与质感。