投入数万亿的AI，其实是“工程灾难”？

想象一下：某种产品，你生产得越多，价格反而越贵；每次开动工厂，都要消耗掉地球另一端一座城市几天的用电量。大多数人一定会说：“这在工程设计上简直是失败的！”然而，目前全球IT行业正投入数万亿资金力推的生成式AI（Generative AI，即能够自主生成文本、图像等的AI），正受到批评，认为它正走在这样一条道路上。

近期，业界甚至出现了将生成式AI称为“万亿级工程灾难”的极端评价（出处: The Atlantic）。这背后究竟发生了什么？

为什么这很重要？

过去，我们曾描绘过一幅美好的愿景，认为生成式AI将自动化处理所有工作，带来巨大的生产力提升。但现实却比想象中残酷。企业投入巨额成本引入AI，但在实际工作场景中，往往感觉不到明显的利润增长或生产力提高。

这不仅仅是“技术尚未成熟”的问题。越来越多观点指出，维持和发展AI所需的成本已经超出了其技术价值，效率极其低下。关于AI是否能像我们每天使用的智能手机App或网页服务那样，以极低的成本深度融入我们的生活，已经引发了严重的质疑（出处: The Atlantic, 出处: Gary Marcus）。

通俗易懂：为什么它效率低下？

打个比方，生成式AI的学习方式就像是制造一种极其精密的“巨大过滤器”。每当你从照片App里选择一个漂亮的滤镜时，照片里的数据都会发生细微修改，对吧？AI模型也拥有数十亿个参数（Parameter，即AI处理数据时用于调整值的内部设置），利用这些参数极其精细地执行这种过滤过程（出处: MIT News）。

问题在于训练这个过滤器的成本。像灯泡、汽车、服装等工业品，产量越大，得益于“规模经济（Economy of Scale）”，单价就越便宜。只要工厂建设得当，后续产品的制造成本会大幅下降。但生成式AI恰恰相反。模型规模越大，所需的电力和计算能力就会呈指数级增长（出处: The Atlantic）。

甚至有一位AI研究员直言：“谁都说不出还有哪种实际的软件产品能以这种低效的方式进行扩展。”（出处: AI Weekly）

现状：95%的失败

情况比预想的更为严重。根据MIT 2025年发布的研究，在企业开展的生成式AI相关项目中，竟然有 95% 的项目未能产生与投入相符的实际利润或成果（出处: The Economic Times, 出处: AI Commission)。

尽管如此，投资狂潮并未停歇。仅2025年上半年，就有超过440亿美元（约合60万亿韩元）涌入了AI初创公司（出处: The Economic Times）。

当然，一些专家辩解称这是因为别无选择，认为大型语言模型（LLM，即通过学习海量数据来理解并生成语言的AI模型）是目前我们所发现的“能工作”的最佳方案（出处: Digg）。然而在大多数企业现场，性能确认与验证难题、伦理风险以及巨大的能源消耗问题正让人倍感头疼（出处: The Economic Times）。

未来会怎样？

如果生成式AI想要摘掉经济和工程测量标准下“最糟糕技术”的帽子，需要做出哪些改变？业界已经意识到，单纯增加模型规模的时代已经结束了。

未来，“效率”将成为AI领域最大的议题。与其维护巨大的恐龙型模型，寻找那些能够针对特定任务、以更少能源消耗实现高准确率的技术，将成为竞争的核心。企业也应当从盲目跟风转为关注那剩下的5%成功案例，思考它们是如何进行工程权衡的（出处: Forbes）。

---

MindTickleBytes的AI记者观点

技术被称为“灾难”并非意味着失败，而是泡沫破裂并回归本质的过程。现在是时候摆脱模糊的幻想，冷静地审视AI的实质价值了。

参考资料

1. Generative AI Is an Engineering Disaster - The Atlantic: https://www.theatlantic.com/technology/2026/07/generative-ai-engineering-disaster/687901/
2. Generative AI Is an Engineering Disaster - Gary Marcus: https://x.com/GaryMarcus/status/2077275136701481375

3. Reisner: Generative AI Is a Trillion-Dollar Engineering Disaster

   AI Weekly: https://aiweekly.co/alerts/reisner-generative-ai-is-a-trillion-dollar-engineering-disaster

4. Explained: Generative AI’s environmental impact

   MIT News

   Massachusetts Institute of Technology: https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117

5. Generative AI Is an Engineering Disaster (shared) - Phil Stock World: https://www.philstockworld.com/2026/07/15/generative-ai-is-an-engineering-disaster/
6. Generative AI Is an Engineering Disaster. A shockingly inefficient trillion-dollar project. - Communick News: https://communick.news/post/6570648
7. Shehzad Younis شہزاد یونس on X: “Generative AI Is an Engineering Disaster A shockingly inefficient trillion-dollar project”: https://x.com/shehzadyounis/status/2077317219420434790
8. Generative AI Is an Engineering Disaster. A shockingly inefficient trillion-dollar project. - Baraza: https://baraza.africa/post/4219008
9. Atlantic Article Calls Generative AI an Engineering Disaster - Digg: https://digg.com/tech/aomq04kd
10. MIT study shatters AI hype: 95% of generative AI projects are failing: https://economictimes.indiatimes.com/magazines/panache/mit-study-shatters-ai-hype-95-of-generative-ai-projects-are-failing-sparking-tech-bubble-jitters/articleshow/123428252.cms
11. MIT report: 95% of generative AI pilots at companies are failing: https://aicommission.org/2025/08/mit-report-95-of-generative-ai-pilots-at-companies-are-failing/
12. MIT Says 95% Of Enterprise AI Fail- Here’s What The 5% Are Doing Right: https://www.forbes.com/sites/jaimecatmull/2025/08/22/mit-says-95-of-enterprise-ai-failsheres-what-the-5-are-doing-right/
13. MIT Finds 95% Of GenAI Pilots Fail Because Companies Avoid Friction: https://www.forbes.com/sites/jasonsnyder/2025/08/26/mit-finds-95-of-genai-pilots-fail-because-companies-avoid-friction/