2026-10-02 00:13:57 作者：大讲堂
上个月跟某珠三角制造业的CIO吃饭，他拍着桌子吐槽！三个月换了三个大模型服务商，个个说自己的人工智能能解决生产排程的百年难题，结果跑出来的方案还不如我干了二十年的老调度拍脑袋准。
我们说的人工智能，到底在说什么？
这几年走到哪都能听到人工智能，从卖菜的到搞航天的，都要蹭上一口。但大多数人搞不清楚，现在火到发紫的生成式AI，跟十年前的人工智能，根本不是一个路数。
十年前的AI是分类器，你给它喂一堆猫的照片，它能帮你把照片里的猫找出来，是给定规则找答案。
现在的大模型不一样。本质上，它就是不断预测下一个最可能出现的字或者词，靠万亿级别的训练数据拟合出一套概率模型，看起来像会思考，其实根本没有自我意识。
生成式大语言模型预测下一个词原理示意图
技术边界其实非常清晰：它擅长处理模糊性、没有标准答案的创造性工作，比如写文案、画草稿、整理聊天记录，但碰到需要精确计算、逻辑绝对严谨的工业问题，出错概率比老工人高多了。
说实话，现在很多厂商故意模糊这个边界，把AI吹得无所不能，本质上就是为了抬估值拿融资。
产业落地的真坑，不在技术在需求
去年我跑了七八个产业带，接触了二十多个AI创业团队，十个里面有八个说自己做通用大模型，剩下两个做垂直的，还是蹭着大模型的热度。
不过话说回来，通用大模型真能赚到钱吗？也就头部几家靠给别人做底座赚点辛苦钱，中小玩家根本拿不到稳定订单。真正能落地赚到钱的项目，几乎全是垂直场景的小应用。
比如浙江很多做服装批发的老板，用AI给新款衣服拍主图，一天能出一百套，比找摄影师便宜十倍，这个就能活。
但碰到复杂的产业场景，比如开头说的生产排程，问题就出来了。每个工厂的生产线不一样，原材料供应规则不一样，甚至连工人的排班习惯都不一样，你不可能用一个通用模型搞定所有工厂。
离散制造业AI生产排程落地流程图
绝大多数产业落地失败，核心问题根本不是算力不够，是甲方自己都搞不清楚自己要什么，手里的数据又脏又乱，一半以上的核心经验还存在老工人的脑子里，根本没数字化。
你让AI怎么学？很多项目上百万的POC费用花了，演示的时候效果完美，一放到实际生产环境里，错漏百出，最后只能锁在服务器里落灰。
我见过一个做化工的创业团队，为了搞定一个客户的质量预测项目，光整理清洗数据就花了八个月，成本比卖模型的钱高出三倍，要不是后面拿了客户的战略投资，早就熬死了。
行业里很多人喊了好几年的人工智能赋能实体经济，喊来喊去，大部分还是停留在ppt上。真要落地，就得沉到一个行业里蹲个两三年，摸清楚所有的规则，把数据一点点理干净，哪有什么一键颠覆的好事。
未来三年，人工智能会走向哪里？
未来三年，人工智能会走向哪里？
先讲坏消息。这两年挤进去的上千家AI公司，未来三年会死掉九成以上。资本不会一直给只讲故事不赚钱的公司掏钱，潮水退了就知道谁在裸泳。最后能活下来的通用大模型，国内不会超过十家，都是做基础设施的，不会碰上层应用。
剩下的市场，全是垂直领域玩家的。你只做好一个细分场景，把一个问题解决到极致，就能活的很好。比如只做医院的病例整理，只做电子厂的焊点缺陷检测，只做律所的合同初审，这些小而美的项目，没人跟你抢，赚钱赚的稳当。
再讲真话。AI不会取代大部分人，只会帮你把重复的工作干掉。现在做新媒体的编辑，谁不用AI写初稿？做设计的，谁不用AI凑草稿？省出来的时间，用来找选题、跟客户沟通，产出反而更高。真正会被取代的，只是那些只会做重复劳动，不愿意接受新工具的人。对吧？
绕不开的风险还是要讲。现在很多企业用AI筛简历，不知不觉就带上了偏见，训练数据里年轻员工的样本多，AI就会自动给35岁以上的候选人打低分，你说这算就业歧视吗？现在规则还说不清楚，出了事谁负责？是企业？还是做模型的厂商？没人说得准。还有数据安全，你把企业的核心技术数据喂给第三方大模型，转头就可能被模型学了去，哪天就漏给你的竞争对手了，这个坑多少人踩过。
未来三年，治理规则一定会慢慢跟上。AI生成内容强制标识，训练数据的版权确权，企业敏感数据的处理规范，这些都会出来，堵上现在的暗门。
我挺看好AI的，它确实是过去十年技术领域最大的革命。但别被资本吹出来的泡沫迷了眼，真正的改变，还要一步一步走，少说多做，赚该赚的钱。哦对，那个制造业CIO最后找了个本地的小团队，只做他们行业的排程模型，花了不到原来三分之一的钱，现在用得好好的。你看，道理就这么简单。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。如有侵权请联系删除。
文章名称：人工智能：被资本吹热的大模型，离产业落地还有多远
文章链接：https://m.lfdjt.com/info_23_23500.html
大讲堂