文章首发于：《FT中文网》（2025年4月28日发表）
当前，全球AI竞争进入“技术平权”新阶段，生成式AI的应用也开始步入深水区：DeepSeek以开源模型将大模型推理成本压缩90%，OpenAI o1凭借“思维链”技术在科学计算领域突破人类基准分，为全球尤其是中国企业带来了巨大的商业创新机遇。
然而，技术上的进步并不直接等同于商业成功，后者需要克服技术成熟度、成本、用户接受度、商业模式、市场需求、集成难度、伦理法规等多重障碍。在通往大规模商业化的道路上，生成式AI究竟面临哪些挑战？其盈利模式又将如何演变？如何平衡技术进步与社会价值之间的关系？
长江商学院滕斌圣教授、何涧石研究员在最新发表于FT中文网的文章中指出，生成式AI离完成新一代工业革命，还需要经历量变到质变的过程，当前阶段应战略性地优先关注并投入于实现AI的社会价值。这场智能革命的终局，或许不在于技术参数的军备竞赛，而在于如何让AI成为解决真实世界问题的"超级伙伴"，在创造社会价值的过程中完成商业突围。
“DeepSeek热”发酵近半年，全球大模型行业发展飞速，产品迭代日新月异，对生成式AI的应用也开始步入深水区，发掘生成式AI的革命性应用价值成为了研发者和用户都在探索的核心问题。生成式AI离驱动社会价值和商业价值的爆发式增长，完成新一代工业革命，还需要经历量变到质变的过程。当前阶段，应战略性地优先关注并投入于实现AI的社会价值。
2024年9月，美国独角兽公司OpenAI发布了世界上第一个“推理模型”——“OpenAI o1”，使用“思维链”来回答科学和数学难题，将问题分解为组成步骤，并在幕后测试各种方法，然后向用户呈现结论。o1的发布引发了新一轮的AI大模型创新竞赛。尽管美国政府努力遏制中国人工智能产业的发展，但两家中国公司——阿里巴巴和DeepSeek，在几周内就将美国同行的技术领先优势缩到最小。
随着时间的推移，DeepSeek横空出世所带来的冲击逐渐被行业的发展所消化，掌握雄厚算力资源的美国AI头部开发商们马不停蹄地推出了更加智能、价格也相对更加能被人接受的大模型产品（表1）。
而在国内，DeepSeek的风靡使“百模大战”偃旗息鼓，风光一时的百度“文心一言”和“AI六小虎”等也逐渐淡出主流视野。当人们对AI大模型“祛魅”之后，生成式AI的破局之点，落在了如何创造和满足用户的真实需求。随着AI模型变为“大路货”，附加值提高并不在模型本身，而是AI应用。
表 1：大模型产品智能评测得分前十
资料来源：LMSys Chatbot Arena Leaderboard （数据截至2025年4月23日）
今年初，DeepSeek重创欧美科技股之时，微软首席执行官纳德拉在社交媒体X上发文，引用了19世纪杰文斯悖论（Jevons paradox）的概念——技术进步提高了资源使用效率（例如，更高效的蒸汽机使用更少的煤炭产生同等动力），但这通常不会导致该资源总消耗量的减少，反而因为使用成本降低、拓展了新的应用领域，最终导致该资源的总需求和总消耗量显著增加。纳德拉指出，随着人工智能更加高效和易用，其使用将会激增，并成为“我们永远无法满足的商品”。
按照杰文斯悖论，AI作为“效率引擎”，将意味着对数据中心、英伟达芯片、AI人才甚至核反应堆的需求增加。同样，更高效的聊天机器人可能意味着生成式AI将会找到新的用途。DeepSeek模型的性能与计算能力更强大的美国大模型相当，这表明数据中心的生产力比之前想象的要高，而不是更低。
因此，将杰文斯悖论作为人工智能的牛市论据，不是押注于技术的效率，而是押注于需求水平。如果价格阻碍了生成式AI的普及，那么效率的提高确实会降低应用门槛。如果技术进步提高了预期而不是降低了成本，就像在医疗和医药行业常见的情况一样，生成式AI将占到社会支出的更大比例。
最初级的AI应用，如营销文案生成、图片生成、内部知识库、代码辅助等，虽然能带来一定的效率提升，但往往难以量化其对核心业务指标（如收入增长、市场份额、客户满意度等）的显著贡献。企业开始更审慎地评估AI投入的真实投资回报率（ROI）。
生成式AI如何以及何时才能大规模商业化，盈利之路在哪里，仍然存在疑问。中国的大模型AI独角兽，目前没有一家跑出清晰的盈利路径，其生存主要依赖于科技大厂和国资的支持，2024年在DeepSeek的冲击下纷纷调整战略（表 2）。
表 2：中国的大模型独角兽
资料来源：根据公开资料整理
DeepSeek的爆发尽管获得了来自全世界的赞誉，但在中国的创投市场，根据VC/PE数据机构Pitchbook的统计，2024年，中国人工智能领域共计完成715笔交易，总额达73亿美元，还不到2021年高点的一半。美国市场去年则创下了4369笔交易的峰值，总额达1005亿美元。这一数字远远超过了2024年整个亚洲135.3亿美元的交易额。
投资者在评估AI项目或公司时，价值创造问题仍是最主要的疑虑——是否解决了真实的痛点、创造了可验证的客户价值、拥有可持续的商业模式，而非仅仅因为它贴上了“AI”的标签。
DeepSeek虽然没有显著突破大模型在技术层面的能力边界，但仍然被寄予“换道超车”的厚望，主要是因为其成本低廉和开源两大特点，有望在应用层实现规模经济效应，进而提升全要素生产率，将整体的经济产出边界外推，成为推动经济增长的重要驱动力。
DeepSeek的应用普及，得到了政府层面的积极推动。深圳市福田区政府表示70个AI公务员上岗,开始使用R1提高一直依赖人力的行政工作的效率，如利用AI自动生成从会议记录到行政处罚文件的初稿。深圳负责搜寻被报失踪或走失人员的官员们表示，通过利用DeepSeek分析监控视频，他们已成功找回走失人员300余次。在梅州市，接听市民热线的是DeepSeek，广州市政府也透露了推进R1等国产AI应用的方针。
以DeepSeek为代表的高效AI大模型，如何推动产业升级这一问题，还需要进行综合分析。
在就业上，一方面，AI能够替代大量依赖重复性、流程化认知劳动的工作岗位，加剧“内卷”和薪酬压力，大量劳动力难以适应新的技能需求，加剧结构性失业。
另一方面，AI生态的发展会催生新的职业岗位，“人机协作”会重新定义人们的工作方式和工作体验，推动工作技能和就业市场的结构式转型升级。但在目前，AI对于企业的影响更多体现在利用AI降本增效（裁员），而不是利用AI扩张业务（增员）。
随着AI产品的发展优化，云端AI应用将更加成熟和丰富。生成式AI正从通用工具向深入具体业务流程的解决方案演进。AI助手将从通用型工具转变为真正理解用户专业背景和思维方式的伙伴，AI助手从单纯的模型能力比拼，转向更注重用户个性化体验和长期价值积累的方向发展。中小企业甚至“超级个体”都能利用独到的AI能力进行创新创业，“一人独角兽”不再是天方夜谭。
智能体（AI Agent）目前是被认为最有望诞生杀手级应用的AI应用赛道，如Adept、MultiOn等平台探索让AI直接操作软件完成复杂任务。具备理解、规划、执行能力的AI Agent将能成为企业的“数字员工”，在营销、客服、研发、代码生成、供应链管理乃至战略决策辅助等领域发挥巨大作用。这不仅是效率的提升，更是对组织结构和工作方式的重塑。此外，Retrieval-Augmented Generation（RAG）检索增强生成，作为连接知识库与大语言模型的关键桥梁，正在成为构建智能问答、企业知识助手、搜索引擎升级等系统的核心技术。
通用大模型的能力正在被引导至特定行业，在与特定场景的深度结合中增强专业人员的能力，如AI在医疗影像分析、药物研发、金融风控、精准营销等方面，提升专业决策能力和效果。金融业利用AI进行风险评估、欺诈检测和个性化投顾；零售业通过AI优化供应链、实现超个性化营销；医疗领域AI在药物研发、影像诊断和病历分析方面取得显著进展；制造业则应用AI进行预测性维护和质量控制。专业领域知识与大模型的结合，以及对特定任务的精调（Fine-tuning），为企业创造新的核心竞争力。
在未来组织变革的层面，生成式AI在企业内部协作和对外沟通上都有巨大的应用潜力。在内部的沟通优化方面，生成式AI能加速文件处理、增强知识管理，辅助标准化沟通、促进跨语言协作。在与外部沟通上，以辅助谈判这一应用场景为例，生成式AI能够强化谈判前准备、模拟与优化谈判方案、提纲实时分析与决策支持、生成标准化合同与文件。当然，企业应该清醒认识AI能力边界，避免对AI的过度依赖，以“人机协同”为目的增强组织能力，建立维护健康的内外部关系。
相较于商业化的不确定性，AI在科研、医疗、教育、环境、能源、公共服务等领域已有了显著的应用成果。参照互联网行业的历史演进经验——从早期的信息普及，到后来的平台商业模式，生成式AI的产业质变，必然建立在其社会价值大规模释放、社会信任形成之上。
将AI首先用于提升社会福祉，让AI赢得社会信任、锤炼技术韧性、探索可持续发展模式，将为未来更广泛、更深刻的商业生态变革奠定坚实基础，最终完成从量变到质变的跃升。
将AI应用于解决教育资源不均（如个性化学习平台）、医疗服务可及性（如AI辅助诊断覆盖偏远地区）、环境保护（如追踪碳排放、保护自然生态和生物多样性）等难题，通过解决社会问题，AI技术能够变得更加公平、安全和可靠。
代表性的应用案例包括利用AI改进癌症早期筛查的准确性和可及性（阿里巴巴达摩院的PANDA模型）、通过精准预测和预警减轻自然灾害的破坏、为残障人士提供更便捷的交流和生活辅助工具、优化能源管理以应对气候变化等。
专注于社会需求和“AI普惠”，可能发现被传统商业逻辑所忽视的价值蓝海。例如，老龄化社会对医疗、康养、陪伴型AI需求旺盛；乡村振兴需要农业AI、智慧物流等基础能力。服务于特定社群或解决基础民生问题的AI应用，可能孕育出更具韧性、更能抵御经济周期波动的可持续发展模式。这些探索有助于我们理解AI价值创造的多元途径。谷歌等公司已将AI用于社会公益（AI for Social Good）作为一个重要方向，许多初创公司也以此为使命。
DeepSeek等高效开源模型的出现，推动了生成式AI领域的新一轮洗牌，也为全球尤其是中国的企业带来了巨大的商业创新机遇。但技术上的进步不直接等同于商业成功，后者需要克服技术成熟度、成本、用户接受度、商业模式、市场需求、集成难度、伦理法规等多重障碍。
具体落实到价值创造上，将AI模型无缝嵌入已有的IT架构和业务流程中，是一项艰巨的技术与工程挑战。数据孤岛、系统兼容性、安全合规、模型的可扩展性和可维护性等，都是必须跨越的障碍。
大模型固有的“幻觉”（输出看似合理但其实是编造的内容）、事实性错误等问题，在低风险应用中或可容忍，但在金融、医疗、自动驾驶等高风险、高精度的场景中，则构成了信任障碍。缺乏真正的因果推理能力，使当前模型在复杂决策上并不可靠。
当前AI的核心能力仍基于模式识别和概率推断，亟需具备更深层次的常识、因果推理、抽象思维和对世界运行机制的理解。这一问题反映到现实应用中，如果没有强大的信息素养和批判性评估机器生成内容的能力，人们很难识别不准确的信息，从而导致灾难性的后果。
要引领新一代的智能商业变革，生成式AI的应用需要超越现有“效率工具”的定位，触及更本质的价值创造层面。以智能体为例，当前的“AI Agent”多为任务分解和工具调用，真正的“质变”在于AI能独立理解复杂目标、进行长期规划、在动态环境中自主决策并执行复杂任务序列，承担实质性责任。
生成式AI提升效率、赋能创新的潜力是真实存在的，但不会因为DeepSeek的出现而朝发夕至，需要通过解决具体业务问题、克服落地障碍并实现可持续的ROI来体现。生成式AI应用落地前景广阔，将逐步渗透到各行各业，但这是一个长期、渐进的过程，需要政产学研的协同努力。
“社会价值先行”的路径，或许正是引导AI完成从量变积累到质变飞跃、最终负责任地重塑全球商业生态，引领新一代工业革命的必经之路。这需要整个产业界具备超越短期利益的战略眼光和推动技术向善的坚定决心。
