AI的确是未来，但被吹得过头了

。从技术底层来说，目前所有的AI技术路线大概率无法通往真正的AGI，无需琢磨技术细节，从第一性原理出发就够了。

无论是主流的大模型等数字AI，还是最近开始热议的世界模型等物理AI，其训练基于的都是人类语言世界，这是高度浓缩后有边界的确定性世界。人为构建的语言世界，还不到真实物理世界信息的九牛一毛，而人类对物理世界的认知恐怕也不过相当于学前班小朋友的水平，什么时候人类完成大统一场模型，才能算上了小学。

当前AI模型训练基于的数据基础，也不过是人类已探索总信息量的九牛一毛。

最典型的就是没有包含大量隐性知识。比如美国现在重返月球就非常艰难，就在于工程领域图纸能提供的仅仅是极为有限的信息，实现登月的关键是大量极富经验的组织者、技术人员、工程师，整条产业链每一个零部件、每一个环节，都凝聚大量没有写在纸面上的人类经验和知识。

最近流行的“SKILLS”和之前的工作流，本质就是把部分隐性知识显性化。比如小镇之前谈。

后来HR们就把自己感性判断的一些经验总结提炼出来，比如先确定所谓的“AI味”是人的基本能力，比如判断力、好奇心、想象力、探索欲等等，再把一个人简历的相关内容或者求职者填写的信息与基本能力进行关联，不求完全准确的评估，大体差不多就行了。

除这些没有包含在内的信息，物理世界还有很多与人相关的事情。比如人与物理世界交互的环境、法律道德、商业等等。

从目前研究AI的科研角度，可以不去管这些复杂的事情，但任何新技术，终究要离开实验室进入真实应用，就必须实现工程化、变成成熟商品，再到形成规模，就必须思考的足够广足够深，绝非搞研究只需要考虑一两块长板就行了。

当前理解把握进而应用AI，特别重要的是把握AI的能力边界，要摆脱各种吹嘘、炒作制造的认知障碍，尤其作为决策者更要警惕。目前一个普遍挑战是，有太多人把AI当成了万能药，搞AI的敢吹，用AI的就敢信。

万能药神话不是刚出现的，1986年布鲁克斯在《人月神话》一书中针对软件工程早就提出了“软件工程没有银弹”的观点，这个银弹就是万能药。

《人月神话》强调由于软件系统的复杂性，使得没有任何一项技术或方法可使软件工程在10年内提高10倍。因为软件工程的核心卡点从来不是程序员写代码速度太慢，而是更为复杂的需求、设计、接口、组织沟通、变更、测试等等环节。

目前被认为替代风险最大的程序员，实际工作只有大概15%是编程，其他是非编程性工作，是种种复杂问题带来的挑战。

AI只是消除偶然的复杂性，通过自动化代码生成、配置管理、工具链集成等等，降低实际工作中的技术摩擦和重复劳动，也可以辅助进行局部的重构。

但无法消除本质层面的复杂性，也就是源于问题本身的固有难度，比如业务逻辑的冲突、物理规律的约束、人类之间的动态博弈以及到底谁负责谁兜底、不同方案如何抉择等等复杂问题。这些本质的复杂，会带来大量的沟通、延期和不确定性，还会带来更多的风险。

面对无法消除的复杂性，盲目求快不是好事。

AI目前极大提高了编程等相应工作的效率，但问题在于，影响一件事、一个组织进程的关键，主要不取决于长板，而取决于短板。

随着AI对长板的极大增强，导致长短板进一步失衡。

对程序员而言，这种失衡还是相对可控的，大不了初级程序员更难精进，研究AI编程的程序员被自己的“孩子”取代。而上升到一个组织比如企业，AI加速整个流程尤其决策流程，大概率会加速企业的失败乃至死亡，而不是反过来。

就像产业投资，投资100个项目，可能只有两三个项目能成功，但这两三个就可以收回所有成本，还能大赚，玩的就是提高判断力基础上的概率游戏。企业经营也是类似的，企业决策者需要不断做出决策，AI目前已经被一些公司用于辅助决策，可以非常高效率的辅助决策，主要是提供了强大的信息加工能力。

但是决策是越快越好吗？并不尽然，因为一家企业决策者做出的决策，常态是错误的，只不过一个组织有一定的恢复能力和冗余空间，能够承受一定错误，而成熟企业自带管理流程，也会对这些错误进行一定的拦截，最差也可以在接到用户负面反馈后立即停止。

然而AI时代到来，极大缩短了决策乃至决策落实的进程。比如有大厂，正在探索更高效的老板决策支持体系，简单地说只要老板一句话，就自动搜集用户需求、市场动态等信息，自动完成产品的开发和投放运营，整个过程需要人介入的环节越来越少。

谁敢保证，AI辅助做出的决策就一定是完美的，甚至都不敢保证比竞争对手的决策更优。

AI只是更快，但不是更完美，由于目前AI技术路线本质就是概率计算，所以其水平实质是整个人类社会的平均水平。

那么问题来了，假设一家公司一个周期能够承受10个错误决策带来的损失，那么AI加速了决策流程，一个周期可以做出的决策上升到20个、30个甚至更多，超过了承受能力的上限，就会导致不可逆的损失。

任何人的精力都是有限的，老板的决策力也是有限的，决策进程加速后，老板需要做出的决策就更多了，这会持续升高老板做出决策时的压力，很可能导致后面做出的决策越来越粗糙、越来越缺乏思考，整个组织也更加疲于奔命。

虽然理论上都知道AI只是辅助，不能替代人的决断，但实际运行中哪有这么理性。

当前AI相关产业从业者其实也清楚距离他们吹嘘的水平还有非常遥远的距离，典型就是具身智能机器人领域。

但在资本炒作狂潮下，投资人无法忍受至少几年的深耕，要求现在就要兑现收益，于是具身智能领域普遍开始讲故事，典型就是重点搞演示性质的测试demo，忽略大量实际的现实困难。甚至有的公司实质变成了一家动态捕捉优化公司，无非就是找人做出种种动作，以不同姿势端起水杯，然后让机器人模拟。

但一个人1万次端起水杯，没有任何一次是相同的，真实世界有太多因素影响一个人如何拿起水杯。

从展示或者说作秀角度，机器可以模拟，也允许出错。比如让机器人在流水线上摆放零部件，之前业内比较高的水平是成功率60%到70%，今年4月，全球首个具身智能3C精密制造产线进行了8小时产线直播，智元机器人在流水线上独立完成精密上下料、人机协同等工作，8小时零重大异常、成功率达到99.5%。

但要注意，这个场景仍然是精心设计过的，实际上完全可以用非智能化的自动化机械臂取代，效率更高、准确率也更高。

而且，99.5%看起来非常准确了，实际远远不够。

在大模型等数字AI领域，AI幻觉失真并不太当回事；最被关注的AI Coding也就是AI编程领域，根据2026年6月针对腾讯的报道，其大部分研发团队的代码，由AI生成或采纳的比率已经超过90%，而在三年前还只是23%，这个进步速度惊人，以至于程序员继“CTRL+C/V”工程师之后，有了“YES”工程师的新代称。

但90%甚至99.5%的准确率，在工业领域是绝对无法接受的。因为流程环节很多，一个环节99.5%的成功率，累加10个环节成功率降到95.1%，20个环节降到90.5%，30个86%，如何能忍受？数字AI领域失误不过是反复抽卡，工业领域失误要付出真金白银甚至是生命代价。

别说智能机器人了，就算是很成熟的机械臂，在工厂环境中也要严格限制人员靠近。

在工业生产领域，普遍能接受的成功率是4个9，也就是成功率99.99%，相比3个9，能将故障风险降低10倍，相比五个九实现的成本显著更低，所以性价比最高。

不要看99.5%跟99.99%好像只差一点，但这一点就需要远超此前所有工作的扎实工作。

就比如最简单的让AI识别各种纸张文件，然后输入到系统，目前的所有AI大模型，别管国内还是国外，给一张几万个数据的表格，有谁敢兜底说能实现100%的精准识别？虽然对自动化工具来说，这反而很简单。

可如果不能实现100%准确率，那么0%和99%准确率本质没有区别，都需要让人一个个人工检查确认。

从生产角度，如果投入几十万甚至几百万搞得AI工具，无法完整替代一个工作人员，那这件事意义何在？为什么不继续雇用一个人呢？

当然，如果叠加多个AI工具交叉验证，可以把准确率进一步提高，但企业实际生产经营中，不可能无上限增加成本投入，必须关注投入产出比，也不可能为了某一个环节提供很高的投入预算。

还有一个非常直接的因素：如果按照常规雇用某个人从事一项工作，这个人出错了，主要责任不是决策者的，最多就是招聘、培训以及直接领导的责任；但如果下决断投入几十万探索AI替代，然后AI出了问题，那就是决策责任，要有决策者承担责任，性质就变了，这就是人无法被AI取代的认错兜底功能。

既然有这么多不确定性，AI工具还远远无法进入真正提高社会生产力的toB业务领域，那为什么很多人说AI很厉害，比人强多了呢？而且自己使用AI也觉得很厉害，轻轻松松就写出了很好的文章，AI普遍使用后，所谓的“万字长文”“深入分析”大大增加，感觉写的挺好啊。

这不是AI太强，而是大多数人的基础能力不足。

AI实现的是全人类平均能力，但平均不是中位数，意味着在AI擅长的能力领域，必然超越多数人。比如最简单的清晰描述自己面临的问题，仅这一点就能难住多数人，在职场上最痛苦的就是碰到这种怎么说都说不明白的人。

这也是公务员考试特别看重基本的阅读理解和表达能力的原因，只要能通过公务员初试，就具备了胜任工作的基本能力。小镇很建议有条件的公司，可以把公务员考试成绩纳入录用参考，不需要求职者进入公考面试，只要总分超过及格线，工作能力的问题就不大了。

还要注意一件事，除了AI从业者、投资者、科技巨头等等，在网上炒作AI、制造焦虑最多的就是自媒体相关从业者，但无论这些自媒体创作者拥有多少受众、在自己小圈子展现的多么无所不能，本质不过是个体户，规模化的行业头部也不过是小微企业，能雇用几十人的都是非常厉害顶流了，放在常州乡镇，不过是大点的工厂。

自媒体领域从业者整体素质水平并不匹配影响力和人均创收。因为这个领域的生意太小，大平台、大企业、大资本看不上，专业、精英人群愿意全职从事的也很罕见。

而小微企业最普遍的难点就是雇用高素质的员工，吸引来的就业者综合素质水平远低于大企业、大平台，在组织管理上存在诸多基础性的简单难题，比如如何准确的表述、如何建立标准化的工作流程等等。

小镇最近参加了多次顶部自媒体公司使用AI进行内容产品制作、辅助决策管理的分享，并没有觉得AI有多么强大，而是觉得就算顶部自媒体公司也可能没见过多少高水平的员工，才会觉得AI特别厉害，解决了管理上的大难题。

更别说，炒作AI强大，本就是制造焦虑、获得营收的关键。这也无可厚非。

今晚是在车上躲雨时写的，比较仓促，一会开车回家，好在有辅助驾驶，轻松多了。就先简单说这些，后续慢慢聊。

其他文章推荐

（中篇）

（上篇）

欢迎分享，让更多人发现“大树乡谈”