ChatGPT-5終于在8月8日上線，但推出之后，不再有2.5出世四方雷動的艷羨，甚至因為它不夠人性，逼得官方不得不讓4o重新迎客。

事實上，被寄予厚望的AI正在遭遇尷尬，而全球AI產(chǎn)業(yè)正站在一個微妙的轉(zhuǎn)折點上。

各行各業(yè)都在追問：AI到底有什么用？什么時候能派上大用？

當(dāng)前，傳統(tǒng)發(fā)展范式已達極限，全球全要素生產(chǎn)率增速從1996-2006年的1.5%降至2007-2017年的0.3%，包括中國在內(nèi)的所有國家都對新技術(shù)引領(lǐng)的發(fā)展新范式翹首以待。

過去十年，AI吸引的投入累計超1萬億美元，但現(xiàn)實的“獲得感”卻遠低于預(yù)期——企業(yè)抱怨“AI能用但不夠好用”，大眾早已從最初接觸ChatGPT或者Deepseek的震撼中恢復(fù)了平靜，吐槽“大模型炫技多、解決少”，偶爾甚至還會來一句：就這？！

連科學(xué)家都陷入分歧：圖靈獎得主Yoshua Bengio預(yù)言“2-5年實現(xiàn)人類水平AI”；而另一位（楊立昆）則潑來一瓢冷水：以目前人類水平連“貓貓狗狗”級別的AI都做不出來。

這種矛盾背后，是AI從“實驗室神話”向“現(xiàn)實應(yīng)用”躍遷時的集體迷茫。

實際上，我們可能進入了一個技術(shù)大爆發(fā)之前的靜止時刻。

今年7月，AI先驅(qū)Richard Sutton在演講中拋出“體驗時代”理論：當(dāng)人類數(shù)據(jù)紅利耗盡，AI必須通過“自我體驗”實現(xiàn)突破——從技術(shù)進化角度看，這有點類似1780年代的蒸汽機：雖早在1698年被發(fā)明，卻在瓦特改良前默默無聞60年，直到與紡織業(yè)、運輸業(yè)深度綁定，才真正點燃工業(yè)革命。

歷史總在押韻。今天的AI，或許正處在“蒸汽機爆發(fā)前的靜止時刻”。而打破靜止的關(guān)鍵，從來不是某家企業(yè)“一騎絕塵”的技術(shù)突破，而是讓技術(shù)像電力一樣“滲透到每個角落”，而這似乎正是中國AI敘事的起點——

此刻的問題不再是“誰能突破技術(shù)天花板”，而是誰，以及如何打破靜止，讓技術(shù)穿過千家萬戶的門檻？然后，帶領(lǐng)人類推開新紀(jì)元的大門。

一個常識性謬誤：從技術(shù)霸權(quán)到擴散效率

如何跨越靜止時刻？

工業(yè)革命的啟示錄早已寫明，技術(shù)勝出的關(guān)鍵，從來不是“誰先造出完美機器”，而是“誰讓機器更快改變生活”。

華盛頓大學(xué)對三次工業(yè)革命的研究印證了這一點，英國之所以能引領(lǐng)第一次工業(yè)革命，并非其紡織機技術(shù)絕對領(lǐng)先法國，而是其技術(shù)擴散效率遙遙領(lǐng)先——曼徹斯特的紡織廠用5年時間將蒸汽機滲透率從5%提升至40%，而法國同期僅12%。

美國在第二次工業(yè)革命中超越歐洲，核心也不是愛迪生的燈泡更亮，而是其“電力-工廠-家庭”的全鏈條擴散網(wǎng)絡(luò)，讓電力從實驗室到千家萬戶僅用了10年，而歐洲用了25年。

在頂級競賽中，擴散效率決定國家勝負，工業(yè)革命的贏家，從來都是那些技術(shù)創(chuàng)新和擴散率兩手都硬的參與者。

這一規(guī)律在AI時代正在重演。

朱恒源教授提出的“AI死亡谷”理論指出，當(dāng)前AI正處于“技術(shù)供給過剩但需求尚未涌現(xiàn)”的尷尬期，全球每天新增100個AI模型，誰能率先跨越“四道門檻”，即技術(shù)性能達標(biāo)、商業(yè)可持續(xù)、社會接受、制度適配，誰就能成為新紀(jì)元的定義者。

但現(xiàn)實是殘酷的，根據(jù)麥肯錫2024報告，中國AI專利申請量全球第一，占比超40%，但商業(yè)化率僅15%；美國大模型參數(shù)規(guī)模突破萬億，能真正落地的場景不足20%。全球Top 20大模型中，14個來自中美，但真正實現(xiàn)規(guī)?；逃玫牟蛔?個。

無論是中國還是美國，當(dāng)技術(shù)不再是瓶頸，如何讓技術(shù)被需要、被使用、被依賴才是新的護城河。

機器狗按照指令給盆栽澆水

AI的競爭，已從“實驗室參數(shù)競賽”轉(zhuǎn)向“場景滲透效率競賽”——就像蒸汽機不必等到足夠輕、足夠高效、足夠便宜才改變世界，能讓紡織廠效率提升30%的“半成品”，已足夠啟動工業(yè)革命。

當(dāng)AI從實驗室的“炫技”走向市井的“普惠”，技術(shù)擴散效率比技術(shù)高度更能定義下一個十年。

但無論是學(xué)術(shù)界還是產(chǎn)業(yè)界，對AI的分歧仍在繼續(xù)。

“完美AI”終向“實用主義”低頭

這種分歧，本質(zhì)是AI路線的終極博弈。

這點在自動駕駛領(lǐng)域的“Waymo vs特斯拉”之爭上表現(xiàn)得淋漓盡致。

Waymo的自動駕駛在技術(shù)上一直遙遙領(lǐng)先，但Waymo的團隊早期似乎有一種技術(shù)潔癖，什么時候汽車駕駛位可以完全不需要方向盤的時候（屬于L4級別），才會考慮將其推向市場，因此拒絕在駕駛位仍有安全員的階段商業(yè)化。

但馬斯克則選擇“實用主義”，從L2級輔助駕駛起步，用“影子模式”（用戶駕駛數(shù)據(jù)反哺訓(xùn)練）快速迭代，2023年全球搭載FSD的車輛超400萬輛，累計行駛里程突破500億公里——盡管FSD至今未完全去掉人類干預(yù)，但其用戶滲透率已達22%（Statista 2024），商業(yè)價值遠超仍停留在“測試階段”的Waymo。

今天，Waymo在諸多專業(yè)測評中仍然是自動駕駛領(lǐng)域獨一檔的存在。但Waymo的“技術(shù)完美主義”也不得不向商業(yè)化屈服，其有人監(jiān)控的無人駕駛出租車將在今年開上紐約街頭。

而一輛完全自主的特斯拉，在今年6月從工廠下線后，自主行駛30分鐘，來到了訂購者家門口，完成了工業(yè)史上首次無人自動交付。

具體到更高級的大模型，路線分歧同樣尖銳。

有人追逐“AGI（通用人工智能）的終極突破”，人工智能研究和預(yù)測組織Epoch在其發(fā)表的一篇論文里預(yù)測，人類世界的高質(zhì)量的文本數(shù)據(jù)會在2023-2027年之間消耗殆盡。那么，當(dāng)人類的數(shù)據(jù)耗盡之后怎么辦？

人工智能教父Geoffrey Hinton的解決方案之一是，讓AI發(fā)展出自己的主觀體驗，比如通過機器人。

而更多人需要的是“能解決眼前問題的工具”——用戶不需要“完美的AI”，只需要“足夠好的解決方案”。

當(dāng)醫(yī)療AI能在10秒內(nèi)完成肺部CT掃描并標(biāo)注病灶（準(zhǔn)確率97%），哪怕它暫時無法解釋為何這個結(jié)節(jié)是惡性；當(dāng)教育AI能為鄉(xiāng)村教師自動生成個性化教案（覆蓋80%常見題型），哪怕它還不能像特級教師一樣與學(xué)生情感共鳴。這些“不完美但有用”的AI，才是打破靜止的關(guān)鍵。

其實大多數(shù)人對技術(shù)的要求并不復(fù)雜，提升效率，從來不是“一步達到極致”，而是“恰到好處”。

這種對技術(shù)的清醒，讓中國當(dāng)下一些公司在推進AI進程時更容易做出務(wù)實且有效的選擇，比如騰訊——聚焦技術(shù)-市場適配性，不做聚光燈下的“技術(shù)明星”，而做穿透場景的“實用工具”，從而推動中國AI產(chǎn)業(yè)化、商業(yè)化應(yīng)用。

比如海爾，直接把自己的智慧生產(chǎn)經(jīng)驗，推廣到啤酒廠、化工廠等眾多看似差異巨大，但技術(shù)內(nèi)核卻相通的工藝流程，大大提升生產(chǎn)效率。

比如京東，把自己的智慧倉儲、物流，從電商復(fù)制到了國家重點水利工程白鶴灘水電站的建設(shè)之中，實現(xiàn)了成千上百種物料的有序供應(yīng)調(diào)度。

用“超級場景”重構(gòu)技術(shù)擴散范式

回到今天的AI競爭現(xiàn)實，在技術(shù)供給上，現(xiàn)階段已經(jīng)過剩，而我們也找到了推動AI革命的關(guān)鍵路徑，即用效率與場景推動AI的產(chǎn)業(yè)化與商業(yè)化，剩下的問題就只有一個了——

誰來推動？

中國社會科學(xué)院大學(xué)教授江小涓認為，在大模型的研發(fā)實力上，作為研發(fā)主體的高校在2014年還位居全球第一，但目前已經(jīng)嚴重下滑，中美兩國的大型科技平臺已經(jīng)取代高校成為創(chuàng)新核心主體。

財新認為，大型科技平臺在信息時代天然具有優(yōu)勢，是因為它們掌握海量數(shù)據(jù)、巨量資金，具有海量的跨領(lǐng)域應(yīng)用場景，天然具備科研轉(zhuǎn)化優(yōu)勢。

傳統(tǒng)的技術(shù)創(chuàng)新范式被認為是線性的，從科研到技術(shù)轉(zhuǎn)化再到商業(yè)產(chǎn)品化；但大型科技平臺兼具公共品供給和市場化運作能力，從而有能力打破線性創(chuàng)新模式，并通過系統(tǒng)集成和信息化整合，以數(shù)據(jù)網(wǎng)狀方式實現(xiàn)技術(shù)創(chuàng)新。

之后，大型科技平臺又將初創(chuàng)技術(shù)創(chuàng)新進行大規(guī)模技術(shù)擴散，由此形成市場需求，實現(xiàn)大規(guī)模商業(yè)化，從而反哺數(shù)據(jù)網(wǎng)絡(luò)狀的創(chuàng)新活動。

這個過程循環(huán)往復(fù)，就會不斷重塑產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟結(jié)構(gòu)，進而推動新一輪的經(jīng)濟發(fā)展。

這在中美兩國都已經(jīng)被證明。

今年7月份發(fā)布的《全球人工智能科研態(tài)勢報告（2015-2024）》數(shù)據(jù)顯示，中美兩國以合計近六成的全球AI研究人員占比形成“雙強并立”的格局，美國以6.3萬余人的人才數(shù)量居全球領(lǐng)先地位，其中，斯坦福大學(xué)2385人、麻省理工學(xué)院2191人，與谷歌2569人、微軟2461人形成高校企業(yè)雙引擎。

從產(chǎn)品與場景來看同樣如此，美國科技企業(yè)谷歌、微軟、特斯拉、Meta、openAI等公司推出的大模型產(chǎn)品，成為美國絕對的引領(lǐng)。

中國方面AI研究人員數(shù)量，傳統(tǒng)高校包括中國科學(xué)院（3453人）、清華大學(xué)（2667人）、北京大學(xué)（2123人）仍具有較大的優(yōu)勢，但騰訊、阿里巴巴等科技企業(yè)的研發(fā)團隊分別以992人、633人的規(guī)模超越部分實力高校，更重要的是，在中國，科技企業(yè)推出的大模型在應(yīng)用場景打造與效率擴散方面，具有更顯著的優(yōu)勢。

以騰訊為例，在AI擴散的賽道上，騰訊的競爭力來自其不可復(fù)制的“三重壁壘”。

第一重壁壘是國民級場景構(gòu)成的“天然試驗田” 。微信（14億月活）、企業(yè)微信（5億用戶）、視頻號（日活超8億）構(gòu)成的超級場景，既是技術(shù)落地的“沙盤”，也是數(shù)據(jù)迭代的“源頭”。

例如，工業(yè)質(zhì)檢場景中，騰訊AI通過與三一重工、寧德時代的合作，積累了超1000萬張“瑕疵樣本”，讓檢測準(zhǔn)確率從85%提升至99.2%。這種“場景即數(shù)據(jù)”的能力，讓技術(shù)迭代效率比純實驗室模式快3-5倍。

當(dāng)然，這種利用自身天然優(yōu)勢推進AI快速迭代的能力，在國內(nèi)其他大模型中也被推廣。比如百度的文心一言立足百度APP這個月活超6億的國民級應(yīng)用為入口，構(gòu)建AI普惠生態(tài)，鞏固搜索入口地位；以交通、能源等垂直領(lǐng)域為突破口，推動大模型產(chǎn)業(yè)落地。阿里的千問以電商（淘天）、辦公（釘釘）為切入點，推動大模型在B端場景的規(guī)?；瘧?yīng)用。

BAT三家正在圍繞場景深度、生態(tài)開放度、技術(shù)自主性展開競爭，推動AI大模型從“可用”向“好用、可落地、可持續(xù)”演進。

第二重壁壘是其開放生態(tài)形成的“擴散網(wǎng)絡(luò)”，打造超級應(yīng)用場景。騰訊的邏輯不是“自己做所有事”，而是“讓所有人能用AI做事”。通過“混元大模型+API接口+工具包”的組合，騰訊打破單一行業(yè)邊界，在“數(shù)字生活共同體” 中實現(xiàn)技術(shù)跨域融合。

截至2025年7月，騰訊內(nèi)部多款產(chǎn)品接入了AI能力。從用戶日常工作學(xué)習(xí)高頻使用的元寶、ima、微信AI搜索、QQ瀏覽器等，到政務(wù)、教育、醫(yī)療等30+垂直行業(yè)。接入騰訊AI能力的企業(yè)超10萬家，開發(fā)者超50萬，形成了“模型迭代-場景反饋-生態(tài)擴容”的正向飛輪。

第三重壁壘是其可持續(xù)投入的“資本緩沖帶”。技術(shù)擴散需要長周期投入，2023-2025年，騰訊在AI領(lǐng)域的投入超1000億元，其中70%用于場景落地而非單純研發(fā)。

這種“邊投入邊變現(xiàn)”和“小步快跑，持續(xù)迭代”的模式更具可持續(xù)性，因為所有的應(yīng)用場景都是真實需求，都能帶來效益，帶動廣告、游戲、會議、企業(yè)微信等核心業(yè)務(wù)收入顯著增長。

根據(jù)8月13日騰訊發(fā)布的2025年第二季度財報，公司收入達到1845.04億元人民幣，同比增長15%；凈利潤為556.3億元人民幣。

和盈利均實現(xiàn)雙位數(shù)同比增長的背后，是其AI戰(zhàn)略已從技術(shù)投入階段成功轉(zhuǎn)化為業(yè)務(wù)增長引擎。AI不僅在游戲、廣告、社交平臺等核心業(yè)務(wù)中實現(xiàn)了深度應(yīng)用和價值創(chuàng)造，其自研的混元大模型，特別是3D模型，更在技術(shù)上取得了國際領(lǐng)先地位，并開始形成有效的商業(yè)化路徑。這標(biāo)志著騰訊的AI布局正進入收獲期。

同樣，AI戰(zhàn)略對阿里的推動也明顯增強，其在2025財年的股東信中表示，要將“Al+云”為核心的科技業(yè)務(wù)打造成阿里巴巴的第二增長曲線。2025財年年報顯示，阿里云財年收入突破雙位數(shù)增長，AI相關(guān)產(chǎn)品收入連續(xù)七個季度實現(xiàn)三位數(shù)同比增長。

事實證明，這種“不貪頂端突破，只做全域滲透”的路徑，為騰訊構(gòu)建起了“國民級場景+開放生態(tài)”的“超級擴散引擎”，從而將全球AI競爭升維為“生態(tài)效率之戰(zhàn)”。

技術(shù)擴散的中國答案

在“技術(shù)靜止”的時間里，怎樣的創(chuàng)新是更有效率的？

這沒有標(biāo)準(zhǔn)答案。

歐洲早早就發(fā)明了效率更高的重犁來匹配耕馬，但真正讓歐洲農(nóng)業(yè)超過亞洲的是馬軛的發(fā)明，它讓重犁終于有了完全施展的空間。

但在馬軛沒有被發(fā)明出來之前，重犁并沒有被徹底拋棄，而是依然在慢慢普及著，它或許就是馬軛被發(fā)明的催化劑。

這就是走純技術(shù)突破與邊用邊突破的差異。

事實上，中國的眾多科技企業(yè)在互聯(lián)網(wǎng)時代以來，都是這么一路走過來的。

回到最初的問題：AI到底有什么用？什么時候能派上大用？

答案或許藏在以騰訊為代表的眾多中國科技企業(yè)的實踐中。當(dāng)醫(yī)療AI讓縣域醫(yī)院的肺癌篩查準(zhǔn)確率從60%提升至90%，當(dāng)教育AI讓鄉(xiāng)村教師的教學(xué)效率提升50%，當(dāng)工業(yè)AI讓中小工廠的良品率從85%提升至95%——這些“潤物細無聲”的改變，才是AI真正的“大用”。

全球AI競賽的下半場，勝負手不再是“誰的技術(shù)更先進”，而是誰的技術(shù)更能滲透到普通人的生活里。

騰訊的敘事價值，正在于此：它不追求成為聚光燈下的“AI明星”，而是甘愿做照亮千萬場景的“AI路燈”——在靜止時刻，用擴散的力量，力爭去催化、點燃下一個技術(shù)紀(jì)元的星火。

在等待“AI奇點”的靜止期，騰訊選擇做技術(shù)擴散的“馬軛”。

這不僅是騰訊的AI敘事，更是中國科技產(chǎn)業(yè)的“普惠創(chuàng)新”宣言：AI的終極目標(biāo)，不是技術(shù)領(lǐng)先，而是讓技術(shù)成為每個人的工具。

在全球AI的“靜止時刻”，中國企業(yè)正在走出一條差異化路徑。

與歐美企業(yè)“追求技術(shù)參數(shù)領(lǐng)先”不同，中國模式的核心是用場景反哺技術(shù)，用生態(tài)放大價值，把AI從實驗室的電燈，變成千家萬戶的電網(wǎng)————這將是騰訊的產(chǎn)業(yè)革命敘事。

“三身元我體，四智本心明。身智融無礙，應(yīng)物任隨形?！?最后，借用唐詩點明中國AI終局：無界融合，隨處賦能。為什么AI越來越讓人失望？