AI 进步 “放缓” 了,市场该害怕吗?

華爾街見聞
2025.08.25 00:22
portai
我是 PortAI,我可以总结文章信息。

這對企業而言未必是壞事。當前 AI 工具已足夠強大實用,能處理文本摘要、編程輔助等業務需求,但多數企業尚未充分挖掘現有技術潛力,需要更多時間適應和整合 AI 技術。同時,AI 巨頭將投入更多資源克服挑戰,反而可能延長英偉達等” 賣鏟子” 公司的繁榮期。

AI 技術的突破性進展正呈現放緩跡象,但對於眾多尋求利用這一技術的企業而言,未必是壞事。分析人士指出,當前 AI 工具已足夠強大且實用,而多數企業尚未充分挖掘現有 AI 技術的潛力,技術發展的暫緩反而可能為企業提供更多時間來適應和整合 AI 系統

8 月 24 日,據媒體報道,今年夏天,Meta 推遲了其旗艦 AI 模型 Llama 4 Behemoth 的發佈,原因是工程師難以實現顯著改進。OpenAI 的最新模型 GPT-5 同樣遭遇延期,且發佈後表現未達預期。這些跡象表明,大型語言模型的發展可能正趨於平緩。

然而,分析人士認為,AI 發展放緩反而可能為企業採用提供機遇。當前 AI 技術已足夠強大且實用,能夠處理文本摘要、編程輔助和郵件撰寫等業務需求。企業更需要時間來適應現有和整合 AI 技術,而非追逐不斷升級的模型。

與此同時,雖然 AI 技術發展速度的調整已開始影響市場情緒,上週英偉達、微軟、Meta 等科技巨頭出現拋售,但是AI 模型性能提升變得更加困難,反而可能延長某些公司的繁榮期,特別是英偉達等"賣鏟子"的公司,因為 AI 巨頭將投入更多資源克服技術挑戰

領先 AI 模型遭遇發展瓶頸

AI 領域的領軍企業正面臨前所未有的技術挑戰。

Meta 原計劃推出的 Llama 4 Behemoth 因工程團隊無法實現預期的性能提升而被迫推遲。這一延期反映出即使是資源雄厚的科技巨頭,在推動 AI 模型性能突破方面也遇到了技術天花板。

OpenAI 的情況同樣不容樂觀。GPT-5 的發佈不僅時間滯後,性能表現也未能滿足市場預期。Altman 在近期的媒體晚宴上罕見地表現出現實主義態度,承認投資者對 AI 技術的期望可能過高

這些跡象表明,大型語言模型的快速迭代週期可能正在放緩,AI 技術發展正從指數級增長轉向更為漸進的改進模式。

企業應用仍處起步階段

儘管 AI 發展可能放緩,但對試圖整合 AI 技術的企業而言,這並非重大問題,甚至可能是好消息。生成式 AI 在商業領域已經足夠強大且實用,能夠處理大型文本摘要、協助員工編程或撰寫郵件等任務。

然而,大多數企業在當前 AI 技術應用方面仍未充分發掘潛力。雖然部分公司迅速部署了 AI 技術,但更多企業行動緩慢。企業技術負責人擔心敏感數據通過聊天機器人對話泄露,對讓 AI 處理影響財務、員工和客户的關鍵決策持謹慎態度。

MIT 最近的一項研究發現,企業對 OpenAI 和微軟的現成生成式 AI 工具已基本接受。但在構建定製 AI 軟件以簡化運營方面——這類應用最有可能產生真正商業回報——試點項目的失敗率高達 95%。

研究作者指出,企業 AI 用户"對定製或供應商推銷的 AI 工具普遍持懷疑態度,認為它們脆弱、過度工程化,或與實際工作流程不匹配"。

報道稱,企業界顯然需要更多時間來理解 AI 技術,目前將大型語言模型適應日常任務的工作仍處於初級階段。麥肯錫 AI 部門高級研究員 Michael Chui 表示:

"如果我想提高創新步伐,減少庫存安全儲備,改善與數百萬消費者的連接方式,你必須改變的遠不止'這裏有個工具供幾個員工使用'。所有這些變化都非常困難。"

這種困難既是管理挑戰也是技術挑戰,且意味着企業 AI 採用將是一個多十年的努力過程。要知道,雖然互聯網改變了人們的生活和商業方式,但所需時間遠超 1990 年代熱情支持者的預期。

根據皮尤研究中心數據,美國家庭寬帶從 2000 年的幾乎零普及率到超過 60% 的成年人訂閲,用了十年時間。

英偉達等'賣鏟子'公司或迎更長繁榮期

AI 發展不會停滯不前,即使最先進模型的提供商遇到瓶頸,人們仍會尋找改進方法,而且 AI 發展放緩的認知可能讓企業更有信心投入時間和資金,將其視為一個更穩定的目標。

短期內,AI 崛起可能不如預期迅猛的認知已導致科技股震盪。英偉達、微軟、亞馬遜、Meta 等 AI 龍頭股票上週出現拋售,直到美聯儲主席鮑威爾暗示降息的言論才引發反彈。

然而,AI 模型性能提升變得更加困難,反而可能延長某些公司的繁榮期,特別是英偉達等"賣鏟子"的公司。Altman、Meta 首席執行官 Mark Zuckerberg 等 AI 大額投資者可能投入更多資金克服近期挑戰。

Altman 最近建議,解決 OpenAI 近期困境的方法是在 AI 芯片上再投入數萬億美元,即使將模型適應現實商業任務的過程也需要更多增量計算能力。