在人工智能这门新兴产业深入发展的时候，大家伙儿都感觉到有些吃力了。那些大模型一个个都被压得喘不过气，想把AI做成干活的小帮手——也就是所谓的智能体，大家也都在等着它能突破那个既费钱又难用的大关。现在全球都在搞这个叫生成式人工智能的玩意儿，看着好像能改变世界，其实真正赚钱还是挺难的。 你看像OpenAI和Anthropic这些国际大公司，嘴上都说还得再等几年才能赚钱，每年亏个几十上百亿那都是常事儿。咱们国内的MiniMax、智谱AI日子也不好过。这种情况让整个行业特别依赖别人给钱，要是投资环境一变凉，那模型研发和生态建设可就遭殃了。 比起大家都在抢着做大模型的样子，真正能把AI变成实际工具的智能体才是关键。可现实很骨感，能赚大钱的智能体公司少之又少。很多明星创业公司哪怕有了收入，也得不停地找人投钱才能活下去。现在的情况就是产品做得再好，生意效率还是低得可怜。 仔细想想智能体难卖的原因，“精度”和“成本”这两个坎儿是肯定得跨过去的。先说“精度”，这里面的学问可大了。信任这个问题很关键，在真正的复杂生意里，老板敢不敢把关键的决定权交给机器？比如写个草稿、画个草图，机器还凑合能用；但要是涉及到自动交易、签合同、审批贷款或者控制生产参数这些事，出个错可能就会赔钱甚至吃官司。 现在那些用大语言模型做出来的智能体，在复杂的环境里还是有点笨手笨脚的，逻辑推理也不太行。这种不确定性让老板们不敢信它。要是全靠人工盯着看或者事后返工来保证安全，那机器也就没啥用了，说白了就是高级一点的机器人而已。 再说说“成本”，算起来也挺吓人。模型调用通常按Token收费，再加上给用户打广告拉流量的钱，这就占去了一大笔开销。对于做企业生意的应用来说，还要算上开发和维护的费用。如果主要靠砸钱买流量来拉用户，利润空间很容易就被填没了。 不过市场上也有个很好的例子可以学习一下——图像生成领域的Midjourney。他们团队规模很小（据说最多时候也就40个人），但产品做得好就自然有人用，这就帮他们省下了不少运营成本。这说明在做AI应用的时候，团队精简、产品对路、运营成本低才是最重要的。 现在行业里的人慢慢都意识到了：这场人工智能的比赛才刚开始跑马拉松呢。以后大家肯定会把重点放在好好挖细分领域上，而不是拼命堆技术参数。想要赢下来得把技术融入实际业务里去理解需求和成本结构，设计出人和机器配合得最好的办法才行。 比如有些地方就让机器去干那些特别标准化、逻辑很清楚的活儿（比如写点简单的代码），找个平衡点。现在的技术正处在一个转折点上：从证明自己厉害转到证明自己真的有用。现在大家亏钱的现状其实就是在逼大家好好想想怎么解决问题。 突破困境的关键就是直面“精度”和“成本”这两个实质性的挑战，别光想着搞那些通用技术了。以后谁能在某个领域把信任问题解决好、又把钱袋子守住了谁就赢了。那些能跨越这两个门槛的应用才是真有希望的未来之星。 产业的重心以后肯定要从造大模型转向造好用的应用生态系统和新型生产关系上去。