李开复预警AI产业泡沫，企业应如何应对？

李开复的预警：AI产业泡沫苗头出现

烧钱训练大模型成行业通病

在AI产业蓬勃发展的当下，众多企业纷纷投入大量资金用于训练超大模型。零一万物创始人李开复在多个场合直言，这种现象存在很大问题。许多公司烧钱训练的结果并不理想，甚至不如DeepSeek。例如，尽管各企业不断投入资源，但在实际表现上却参差不齐。2024年中国AI大模型市场规模已突破294亿元，然而中商产业研究院分析指出通用大模型商业价值有限，未来真正的增长点在于行业应用落地。但目前多数企业仍在底层技术研发上盲目投入，忽视实际需求，导致行业看似繁荣，实则存在泡沫风险。

实际效果与投入不成正比

企业大量投入资金训练大模型，希望在技术上取得领先，但实际情况却不尽人意。像腾讯、百度等巨头推出的自有模型，在推理成本、适用性等方面与头部企业仍有差距。这表明很多企业虽然在大模型研发上投入巨大，但在实际的效果产出方面，并没有达到与投入相匹配的程度，进一步说明了AI产业可能存在泡沫现象。

泡沫产生的根源剖析

技术同质化问题严重

当前多数企业的大模型性能趋近，陷入了一种“堆参数、拼算力”的竞争模式。这种模式本质上是技术路径的单一化，就如同大家都在重复造轮子。以腾讯、百度为例，他们的大模型与DeepSeek相比，在很多性能方面存在差距，尽管不断投入资源，却难以在这种技术同质化的竞争中突围，这是AI产业出现泡沫的一个重要根源。

资本盲目涌入底层模型研发

李开复观察到，虽然中美投资人已开始转向AI应用层和基础设施领域，但仍有大量资金被投入底层模型研发。这种“广撒网”的投资策略使得资源分散，企业难以构建差异化竞争力。例如OpenAI年运营成本高达70亿美元，而DeepSeek以2%的成本实现性能接近，这显示出闭源模式的不可持续性，也表明资本的盲目投入加剧了AI产业的泡沫化。

企业级应用落地困难

即使DeepSeek在消费端表现惊艳，但在企业端仍面临诸多问题。比如模型缺乏对企业内部数据的理解，无法定制化解决战略分析、客户服务等需求，并且存在“幻觉”风险。这就好比通用大模型像聪明的毕业生，但不懂公司业务细节，导致企业级应用难以落地，使得大量投入底层模型研发的价值难以真正体现，从而催生了产业泡沫。

AI产业的破局之道

构建“基座模型+中间件”生态

李开复提出，AI行业的未来在于“基座模型+中间件”生态。例如零一万物的“万智企业平台”，它通过封装知识库、RAG检索、Agent工具等中间层，将DeepSeek的基座模型转化为企业可用的生产力工具，类似“Windows操作系统”之于内核。这种模式能够降低企业部署成本，还能解决数据安全和定制化需求，是企业摆脱目前困境、避免泡沫破裂带来严重后果的有效途径。

注重实际需求与用户体验

企业应从单纯的“造模型”思维中跳脱出来，转向“做服务”。不能只关注模型的规模和技术的复杂性，而要更加关注用户真正的需求和痛点。只有当企业能够根据用户的实际需求开发出实用的功能，才能真正实现AI技术的价值，避免无意义的资金投入和竞争，从而促进行业的可持续健康发展。

当前AI产业在快速发展的同时也面临着泡沫风险，企业需要深刻认识到问题的根源并积极寻求破局之道，才能在这个充满机遇和挑战的领域实现长远发展。

李开复为什么认为AI产业有泡沫苗头？

他看到很多公司烧钱训练超大模型，结果却不如DeepSeek，而且通用大模型商业价值有限，多数企业扎堆底层研发忽视应用，造成资源浪费。

技术同质化在AI产业泡沫中起到什么作用？

技术同质化使企业陷入“堆参数、拼算力”模式，大模型性能趋近。如腾讯、百度模型在某些方面落后于DeepSeek，这种单一技术路径导致竞争低效，催生泡沫。

资本盲目涌入底层模型研发有何危害？

会使资源分散，企业难以构建差异化竞争力。像OpenAI成本高昂，DeepSeek以低成本接近其性能，说明这种投入方式不可持续，加剧产业泡沫。

企业级应用落地难对AI产业有何影响？

导致底层模型研发价值难体现，因为模型在企业端存在理解内部数据、定制化服务等问题，像有“幻觉”风险，使大量投入性价比低，催生产业泡沫。

“基座模型+中间件”生态如何助力AI产业？

它能降低企业部署成本，解决数据安全和定制化需求。例如零一万物的平台，可将基座模型转化为生产力工具，是AI产业的未来发展方向。

AI企业要如何避免陷入泡沫？

要从“造模型”转为“做服务”，注重实际需求和用户体验，根据用户需求开发功能，避免无意义投入和竞争，以实现可持续发展。