AI迷途，誰來點亮火把？

1845年，英國人徹底瘋狂，他們把GDP的7%都投進了鐵路建設里。

7%的GDP是什么概念？它占了當時英國經(jīng)濟總投資的一半。而如果換成當前的中美GDP，等于中國一年要投8.8萬億人民幣，美國一年投2.15萬億美元——顯然，如今的AI投資雖然火熱，但離這兩個數(shù)字還很遙遠。

在當年，貨運鐵路和客運鐵路先后商業(yè)化成功，帶來了豐厚的利潤，英國報紙的一半版面，都登載著鐵路投資的招商廣告。群眾們對鐵路這種“先進生產(chǎn)力”如癡如醉，幻想著把它鋪遍英倫三島的每一個角落。

故事的結局，重復了人類泡沫的老套劇情：在頂峰時入場投資鐵路的人，最終損失慘重。但另一方面，英國也利用鐵路泡沫建設了長達6000英里的鐵路網(wǎng)，并推動了工業(yè)革命，助長了英國的全球經(jīng)濟霸權。

2025年，一種相似的情緒，也在AI產(chǎn)業(yè)里持續(xù)蔓延。

一方面是亢奮，全社會圍繞人工智能的投資高熱不退，政府和企業(yè)向AI領域投入天量的資金；一方面則是焦慮，AI公司慘淡的盈利和攀升的項目“死亡率”，導致每天都有入不敷出的的初創(chuàng)公司轟然倒下。

但如果按“刻舟求劍”的算法，在AI領域投資最激進的美國，2024年實際落地的AI投資大概是1600億美元，目前投資金額占GDP比例也只有0.7%左右，離著當年英國鐵路泡沫的7%，還有10倍的差距。

所以《華爾街日報》在一篇文章里，顯示危言聳聽道：“當前的AI投資熱潮，讓人聯(lián)想起19世紀的基建狂潮和20世紀初的互聯(lián)網(wǎng)泡沫，風險正在累積。”但它筆鋒一轉，又來了一句：2025年未必是巔峰[1]。

其實每一次的技術迭代，都是一場沒有退路的軍備競賽，產(chǎn)業(yè)界的每一次悶頭加速，都在累加著無法避免的沉沒成本。

當下，幾乎人人都相信AI能改變世界，但通向那片星辰大海的路徑卻異常模糊。最折磨人的是“不確定性”，讓每一個決策都像在迷霧中投飛鏢。

遮天蔽日的大霧當中，所有人都在屏息凝神，等待那個能點燃火把的人。

點燃火把的人

9月16日，騰訊召開一年一度的全球數(shù)字生態(tài)大會，AI是眾望所歸的主題。

今年以來，巨頭們圍繞AI舉辦大會沙龍、交流頻頻，各類AI黑科技齊發(fā)，起名、定位燒干了各家產(chǎn)品經(jīng)理的CPU，但包裝下的技術看似強大，實則讓人望而生畏。

興致勃勃的創(chuàng)始人們在偌大場館逛了一圈，悻悻而歸的占了大多數(shù)，琳瑯滿目的AI技術像是一把功能齊備瑞士軍刀，但每個功能都帶著晦澀難懂的接口，無從下手。

這些都讓騰訊的全球數(shù)字生態(tài)大會看起來獨樹一幟。

作為騰訊面向產(chǎn)業(yè)服務領域規(guī)格最高、規(guī)模最大、覆蓋最廣的大會，相比于秀肌肉，這場生態(tài)大會更像是騰訊AI應用落地成果的展示大會。

騰訊全球數(shù)字生態(tài)大會展會大廳

首先是自家國民級產(chǎn)品的“煥新升級”。

通過將元寶與微信、騰訊會議、騰訊視頻、QQ音樂等十幾個應用打通，憑借元寶持續(xù)迭代提升的分析和互動能力，實現(xiàn)諸如公眾號上@元寶總結文章、讓元寶代替參會等日常功能，將AI能力“無痛”融入生活、辦公場景。

其次是內部核心業(yè)務流程中AI參與度飆升。

例如廣告業(yè)務上，利用大模型優(yōu)化廣告創(chuàng)作、投放、推薦和效果大幅提升點擊率、轉化率，直接帶動第二季度營銷服務收入大增20%；游戲業(yè)務上，利用AI加速游戲內容制作、提高仿真能力，實現(xiàn)了游戲收入雙位數(shù)增長。

AI加速游戲業(yè)務實例展示

眾多鮮活、具體可感的案例，不講技術卻處處是技術的痕跡，帶給產(chǎn)業(yè)參與者的不是對技術巔峰的憧憬，而是當下最稀缺的資源——信心。

當前，一級市場投資狂潮烈火油烹，與之形成鮮明對比的是企業(yè)押注AI的猶豫和迷茫。

一邊是技術團隊描繪出的激動人心的路線圖，似乎通往一個無所不能的通用人工智能，代價卻是黑洞般看不到盡頭的資金和時間投入；一邊是客戶端具體卻瑣碎的需求，樣樣皆可定制，卻難以復制、推廣，在成本和利潤之間來回拉扯。

騰訊集團高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生認為，如今打造一個智能體的成本并不高，利用AI降本增效也不是太大問題，但對于模型廠商來說，高筑的訓練成本下，如何構建一個健康可持續(xù)的商業(yè)模式，當前還不明朗。

資本已經(jīng)率先作出了選擇。紅杉資本作為OpenAI的早期投資人之一，2023年之后卻逐漸調轉船頭，從頭部大模型轉移到更垂直的專業(yè)模型乃至AI應用層。

紅杉合伙人Roelof Botha說，“我們的錢不是用來支付天價訓練成本的，不是投給那些‘造模型’的初創(chuàng)公司，而是投給那些‘用模型’的[2]。”很直白，也很現(xiàn)實。

當前受到資本青睞的AI初創(chuàng)公司，大多是針對垂直行業(yè)與專業(yè)領域、擁有用戶付費意愿明確的場景的AI公司，換句話說，就是商業(yè)變現(xiàn)能力已經(jīng)得到驗證的公司。

找到合適的場景、尋找AI切入、變現(xiàn)的機會，是場景化思維在AI時代的延伸。

但對于初次創(chuàng)業(yè)者而言，就像是拿著AI的錘子滿世界尋找場景的釘子，每一條路徑成功走通，背后都是無數(shù)“先烈”走過的彎路，而誰都不想做那顆被摸著過河的石頭。

這也是騰訊舉辦這場“成果展示大會”的初心。

騰訊龐大的產(chǎn)品矩陣提供了AI落地現(xiàn)成的“訓練場”和“展示窗”，每一次成功的實踐，都是場景化思維在AI時代的又一次驗證，為AI應用的探索地圖填補一塊關鍵的空白。

去做燈塔

中國互聯(lián)網(wǎng)產(chǎn)業(yè)高速發(fā)展的十幾年，是與眾多巨頭飛速成長緊密綁定的十幾年，這其中，騰訊給大眾的觀感最為特別。

從70/80后到00/10后，從QQ空間、偷菜到如今的微信、王者榮耀，不管哪個年代的人都能說出一段與騰訊產(chǎn)品相關的“童年記憶”。一代用戶一代產(chǎn)品，正是這些共同記憶，讓騰訊天然與用戶更加親近，與用戶需求的距離也更近。

古早的QQ農(nóng)場偷菜頁面

因此，騰訊基于自身業(yè)務的每一次AI實踐都格外具備普適性，對行業(yè)的參考意義重大。

騰訊的產(chǎn)品矩陣覆蓋了社交、內容、游戲、金融、辦公等生活工作的方方面面，既提供了海量的用戶、豐富的場景，又是一個天然的AI改造“指南針”。

一個典型的實踐是騰訊辦公，在AI時代來臨之前，已經(jīng)是打工人辦公的日常工具箱、辦公電腦的自帶應用，在多年的功能迭代中與用戶形成了良好的協(xié)作默契。

這種默契使得騰訊對于用戶的辦公痛點更加明晰，成為了騰訊AI最早找到的“釘子”。

比如會議場景中，通過接入騰訊混元與DeepSeek雙模型，AI小助手Pro不再只是單純做記錄、轉寫和總結，而是充當人的“第二個大腦”：

會前資料整理，會中實時回顧討論要點、一鍵檢索全網(wǎng)信息，會后深度回溯和智能問答，通過全流程賦能，真正將人從案頭工作中解放出來。

騰訊辦公會議助手實時總結討論要點

合同管理上，通過大模型與法律垂類模型協(xié)同、實時接入法律法規(guī)庫，在提高電子簽AI自動起草、審核合同效率的同時，又提升了風控能力。

當這些與AI深度融合的國民級應用獲得了用戶積極反饋，就向整個行業(yè)證明了這個AI應用場景的真實價值與用戶接受度，告訴后來者“此路能通”。

同時，龐大的用戶基礎也成為騰訊AI解決方案的“試金石”。

騰訊的超高流量意味著極度復雜高并發(fā)的業(yè)務環(huán)境，要求解決方案必須技術、工程、用戶體驗“三項全能”。

每一次成功落地，都等于為行業(yè)輸出了一套經(jīng)過超大規(guī)模用戶驗證的標準范式，告訴后來者這條路“應該怎么走”。

與C端相比，B端對準確性要求更高，而且需要清晰地看到AI在任務節(jié)點上的提效效果。

根據(jù)騰訊在大會上的分享，近期與絕味食品開展了一次AI營銷實戰(zhàn)。

基于騰訊智能體開發(fā)平臺、結合絕味食品的業(yè)務流程及數(shù)據(jù)積累，聯(lián)合打造了人群圈選、商品推薦、動態(tài)權益及內容生成等多個智能體，最終營銷效率達到人工組的2-3倍，內容點擊率1.8倍，支付轉化率2.4倍，交易金額3.1倍。

騰訊與絕味食品的AI營銷實戰(zhàn)引入多個智能體，配合“作戰(zhàn)”

而騰訊云過去CtoB的經(jīng)典打法，同樣也在創(chuàng)造AI應用的新可能。

例如銷售易與騰訊云聯(lián)合打造的“AI+CRM解決方案”，就是通過騰訊會議、企業(yè)微信、騰訊電子簽等多款C端產(chǎn)品聯(lián)動，融合智能算力和混元大模型，實現(xiàn)B端業(yè)務場景全覆蓋。

每點亮一款騰訊AI產(chǎn)品，都如同在AI應用的迷航中多了一座燈塔，為同行者指明了方向。

這些身體力行的實踐帶來了對AI時代場景化思維的延伸思考：

不是提供一個一勞永逸、立竿見影的方法，而是提供解決問題的手段，圍繞場景形成即時反饋的閉環(huán)。

AI或許不能解決場景中出現(xiàn)的所有問題，但因此駐足不前一定不能解決問題。

重要的是怎么利用現(xiàn)有的AI工具，解決不了的暫時用別的方式補充，再通過不斷地試錯、迭代，逐漸補齊AI的能力。這可能才是當下AI變現(xiàn)最現(xiàn)實、也最可持續(xù)的方式。

以人為本的AI

那么，騰訊最終要打造什么樣的AI？湯道生的答案是：“以人為本的AI”。

這句話背后的深意是，聚焦于怎么能讓AI服務好人、以人的需求為中心，推動技術能力的發(fā)展，基于這個方向，做“好用的AI”。

騰訊集團高級執(zhí)行副總裁、云與智慧產(chǎn)業(yè)事業(yè)群CEO湯道生發(fā)表主題演

湯道生以元寶加入語音暢聊功能為例，正是因為人們日常生活更習慣用語音進行交流，用語音互動的元寶能夠讓用戶得以用最舒服的方式使用AI。

元寶的自由對話功能

從場景化到以人為本，其實是AI從“能用”到“好用”、“愛用”的必然演進。

場景化帶領了AI從實驗室走向市場的“第一公里”，確保了技術有具體的應用環(huán)境和要解決的具體任務，但場景只是入口，場景的主角和AI的終點始終是人。

AI技術要真正融入人類的生產(chǎn)生活，不僅要解決問題，還要追問AI是否真正增進了人的福祉、提升了人的尊嚴、解放了人的潛能。

歐洲民俗傳說中的“七里靴”，常被西方研究者用以形容AI應該達到的效果：

讓工作生活的每一個流程步驟都像穿上了“七里靴”一樣“一步千里”，自身的能力得到更大范圍的延伸，而不是讓AI代替自己行動，讓“七里靴”代替自己奔跑。

這也與紅杉合伙人Konstantine Buhler的觀點重合，即AI不是要替代人力，而是讓人們原本做不到、做不精、做不快的服務變得可能，由此擴張服務的邊界以及質量[3]。

這讓人聯(lián)想到福特在20世紀初建立的世界上第一條流水線，其初心在于實現(xiàn)一個樸素的愿望：提高汽車生產(chǎn)效率、降低生產(chǎn)成本，讓普通家庭買得起一輛汽車。

福特的汽車裝配流水線

于是，一條流動的傳送帶替代了工人走動的雙腳，將工人固定在各自的崗位上，完成重復地組裝任務，將復雜的汽車裝配流程分解為數(shù)個簡單而標準的操作步驟。

專用機床、拋光機、沖壓機等誕生于工業(yè)革命的大型機器被大規(guī)模整合進產(chǎn)線，替代流程中人力重復而低效的部分，將一臺T型車的生產(chǎn)時間從12小時28分縮短至10秒[4]，售價從850美元來到360美元[5]，就此走入尋常百姓家。

在這里，沒有未來科技炫目的身影，有的只是當時最常見的工業(yè)設備與技術，它們被重組與整合，在與人類協(xié)作、引發(fā)效率革命的同時，將工人從繁重的重復勞動中解放出來，得以專注于更具創(chuàng)造性的環(huán)節(jié)，提升了工作的價值感。

如今AI要做的事與流水線異曲同工，從替代重復性的體力勞動，到替代重復性的腦力勞動，從提高生產(chǎn)效率，到解放創(chuàng)造力，最終愿景都是進一步拓寬人的能力邊界。

這個過程不是技術的盲目堆砌，而是讓技術與具體的問題碰撞，去解決現(xiàn)實的瓶頸與需求，再經(jīng)過持續(xù)的篩選、驗證與迭代，最終成為一種普世的解決方案乃至方法論。

這注定不是一蹴而就的。

從人類建立第一座現(xiàn)代工廠到流水線的誕生用了144年，如今的AI技術同樣是一場跨越百年深刻變革，是一場需要敬畏心與戰(zhàn)略定力的馬拉松。

廠商的競爭力并不懸浮于技術參數(shù)之上，而是深植于將技術轉化為生產(chǎn)力的能力，緊扣用戶需求，心不焦氣不躁，做好能做到的，再開拓新技術、打磨舊技術。

湯道生說，騰訊不沉迷于AI的空想，而是聚焦具體應用場景中的用戶需求與痛點。

這正是騰訊一以貫之的以人為本的初心，也是騰訊云在多年的云計算競賽中，歷久彌堅的獨特壁壘，使其穿越周期，在雜音喧囂不斷的AI時代迅速鉚定了方向。

惟務實者能執(zhí)技術之矛，惟深耕者能拓未來之路。你若不惜生命去追求榮耀，那就應當把星星當作目標。

參考資料

[1]Silicon Valley’s New Strategy: Move Slow and Build Things，Wall Street Journal

[2]Sequoia’s Botha Says Venture Capital Firm Is Focusing on AI Apps After OpenAI Success，Bloomberg

[3]AI Ascent 2025, Sequoia Capital

[4]汽車標準化，從100年前這臺美國卡車開始，汽車之家

[5]《美國百年經(jīng)濟奇跡》

[6]Railway Mania: The Largest Speculative Bubble You’ve Never Heard Of, Focus-economics

作者：何律衡

編輯：戴老板

責任編輯：何律衡

封面圖片來自ShotDeck