每經(jīng)記者｜胥帥    每經(jīng)編輯｜魏官紅    

進入2026年，隨著阿里“春節(jié)30億元免單”活動引爆AI購物、騰訊與字節(jié)跳動等巨頭加速布局，AI大模型正加速從“聊天工具”向“執(zhí)行復雜任務的智能體”進化，深入消費與產(chǎn)業(yè)核心場景。然而，在行業(yè)熱度與資本市場追捧的背后，近期多位受訪人士表示，AI應用正面臨應用同質(zhì)化、商業(yè)變現(xiàn)難、算力利用率不足三大核心瓶頸。

業(yè)內(nèi)專家向記者指出，行業(yè)正從“技術狂熱期”轉向“價值兌現(xiàn)期”，能否通過深耕垂直場景、打造“小而美”的智能體以破解“同質(zhì)化→低ROI（投資回報率）”的惡性循環(huán)，成為產(chǎn)業(yè)高質(zhì)量發(fā)展的關鍵。

AI應用存在同質(zhì)化等問題

進入2026年，AI大模型技術進入百花齊放階段，AI應用在各個領域的滲透速度持續(xù)加快。藍色光標、易點天下等AI應用概念股一度成為資本市場寵兒，藍色光標市值更是超過600億元。

阿里千問“30億元免單”活動于2月6日啟動，引爆AI購物熱潮，用戶通過一句話指令即可完成奶茶、生鮮等商品的點單與支付。隨后，騰訊元寶與字節(jié)豆包迅速跟進營銷戰(zhàn)。AI Agent（智能體）進入真實消費與產(chǎn)業(yè)場景，AI不再僅僅是聊天工具，開始深度執(zhí)行復雜任務。

工信部方面的數(shù)據(jù)顯示，截至2025年9月，我國人工智能核心產(chǎn)業(yè)規(guī)模超9000億元，企業(yè)數(shù)量突破5300家，AI應用已成為產(chǎn)業(yè)數(shù)字化轉型的重要抓手。但同時，行業(yè)發(fā)展也面臨應用同質(zhì)化、商業(yè)變現(xiàn)難、算力供需錯配等突出問題，如何讓技術真正轉化為生產(chǎn)力，成為行業(yè)亟待破解的核心課題。

近期，快思慢想研究院院長、特邀評論員田豐向《每日經(jīng)濟新聞》記者（以下簡稱每經(jīng)記者）表示，AI應用同質(zhì)化、商業(yè)變現(xiàn)難、算力供需錯配這三類問題真實存在，而且已成為當前中國AI產(chǎn)業(yè)高質(zhì)量發(fā)展的核心瓶頸。

從AI應用同質(zhì)化的角度看，目前行業(yè)高度集中于紅海賽道。據(jù)艾瑞咨詢《2023年中國AI應用市場白皮書》，當年新增AI企業(yè)超2.3萬家，其中80%扎堆在智能客服、AI畫圖、語音助手等通用場景。2025年12月的對比分析顯示，不同產(chǎn)品背后的聊天機器人界面相似度高達92%，給廣大網(wǎng)友帶來“天天見到AI新產(chǎn)品，但差異性不大”的困惑體驗。

另外，目前AI應用商業(yè)變現(xiàn)難，表現(xiàn)為產(chǎn)能與注意力嚴重錯配。田豐發(fā)現(xiàn)，優(yōu)質(zhì)AI內(nèi)容觸達率不足0.3%，導致“做得多、賺得少”成為常態(tài)。2023年國內(nèi)AI應用市場整體虧損率達65%（CSDN數(shù)據(jù)顯示），大量企業(yè)陷入“技術先進但無法盈利”的困境。

“大家現(xiàn)在做AI應用，一個比較主流的思路是做一套工作流產(chǎn)品，把原來人的SOP（標準作業(yè)程序）直接變成AI做的工作。”近期，一不愿具名的AI應用公司創(chuàng)始人向每經(jīng)記者表示，這套模式門檻極低：設計一套固定流程，將人工節(jié)點替換為大模型調(diào)用。產(chǎn)品快速上線，演示流暢，“但問題是，每個工作流從設計出來之后就固定了，執(zhí)行一次和執(zhí)行一萬次是一個效果，指令還需要人自己去下達”。

當前市面上大量AI產(chǎn)品的底層邏輯高度相似——依賴提示詞工程驅(qū)動，缺乏數(shù)據(jù)閉環(huán)，無法自我迭代。用戶在不同產(chǎn)品之間切換，感知差異微乎其微。大模型廠商在訓練語料和架構層面的宏觀差異，傳導至應用層時已被嚴重稀釋。

“對話式的交互模式，使用起來在感知上差不太多?！痹搫?chuàng)始人表示。面對這一瓶頸，部分企業(yè)開始重新定位大模型的角色——不再將其視為全知全能的決策者，而是降維成標注員、分析員，把業(yè)務的流程編排和決策邏輯交還給自研算法。

“我們不把大模型當成全知全能的角色，讓它理解公司信息、做整個任務規(guī)劃、進行長期記憶，這個事情不太現(xiàn)實?！痹搫?chuàng)始人介紹。

業(yè)內(nèi)：信任AI能力，但仍未真正轉化為生產(chǎn)力

田豐的看法與該名創(chuàng)始人相似，他認為AI產(chǎn)品同質(zhì)化的原因有三點：企業(yè)缺乏自主研發(fā)能力，過度依賴開源模型，導致產(chǎn)品底層能力趨同；缺乏垂直場景深耕，沒有深刻理解行業(yè)Know-how（技術訣竅、專業(yè)知識），盲目追求“大而全”；產(chǎn)品創(chuàng)新激勵不足，部分地區(qū)早期重“數(shù)量”輕“質(zhì)量”。

另外，AI目前仍被當作“高級搜索工具”，未嵌入核心業(yè)務流程，未能形成“商業(yè)閉環(huán)”；普通用戶缺乏專業(yè)數(shù)據(jù)投喂，AI輸出價值低；缺乏“注意力轉化飛輪”設計，大部分產(chǎn)品沒有實現(xiàn)“精準觸達+沉浸體驗+社交裂變”。

與二級市場的AI概念熱度形成反差的是，相當一部分AI應用企業(yè)的財務數(shù)據(jù)仍未出現(xiàn)實質(zhì)性轉化。

與純消費級對話產(chǎn)品相比，產(chǎn)業(yè)端AI應用的token（算力值）消耗量呈現(xiàn)規(guī)?；?、持續(xù)性特點?！耙粋€企業(yè)客戶每天的token消耗量就能上千萬，數(shù)百位客戶每日消耗可達數(shù)十億級別，這是純消費級產(chǎn)品需要百萬級用戶才能達到的規(guī)模?！鄙鲜銎髽I(yè)創(chuàng)始人透露。

盡管需求旺盛，但行業(yè)的核心矛盾并非是算力稀缺。工信部發(fā)布的一組數(shù)據(jù)顯示，中國智能算力規(guī)模達1590EFLOPS（百億億次），行業(yè)高質(zhì)量數(shù)據(jù)集加速涌現(xiàn)，國內(nèi)大模型引領全球開源生態(tài)。通算、智算、超算多元協(xié)同的格局已然成型?！捌鋵嵥懔Σ粫芟∪保F(xiàn)在模型廠商的推理卡性能、token效率都在提升，推理成本持續(xù)下降。”該創(chuàng)始人表示，“真正的問題是算力利用率不足，很多算力中心建起來但用得不多，行業(yè)缺的是能把算力用起來的落地性應用。”

AI營銷賽道長期存在“增收不增利”的怪圈——企業(yè)愿意為概念買單，卻難以為長期效果持續(xù)付費。技術投入與產(chǎn)出錯配，成為AI故事難以落地的核心癥結。

“大家還沒有找到比較好的收費模式?！痹搫?chuàng)始人直言，“模型訓練需要大量成本，部署算力中心也需要大量成本，但用起來之后沒有轉化成收入。大家現(xiàn)在更多是對AI能力有信任，還沒有真正到轉化為生產(chǎn)力的階段?！?/p>

田豐則提到，AI應用所需的算力存在供需錯配的情況，呈現(xiàn)高投入、低利用率、高能耗的特點。中國信通院“十四五”研究報告數(shù)據(jù)顯示，我國AI數(shù)據(jù)中心耗電766億千瓦時，但算力平均利用率不足20%。國內(nèi)數(shù)據(jù)中心PUE（能源效率）為1.5，顯著高于國際先進水平1.2，每年多耗電約150億度。加上AI應用同質(zhì)化和商業(yè)變現(xiàn)難的問題，田豐認為，由此形成了“同質(zhì)化→低留存→高獲客成本→高算力投入→低ROI→更依賴通用功能”的惡性循環(huán)。

“小而美”的智能體或是突圍方向

田豐還提到了當前AI應用的破局之道，即從“通用模型”轉向“垂類智能體”，破解同質(zhì)化問題。他建議AI應用服務類企業(yè)聚焦醫(yī)療、教育、跨境營銷、工業(yè)質(zhì)檢等高價值、低競爭、強付費意愿的垂直領域，避開互聯(lián)網(wǎng)巨頭鋒芒，打造“小而美”的智能體?！跋蛳略且钊胄袠I(yè)‘Know-How’，構建專屬知識庫、智能體應用集市；向上閉環(huán)是讓AI輸出可衡量、可歸因、可優(yōu)化的商業(yè)結果?！?/p>

上述企業(yè)創(chuàng)始人則以其所在公司為例進行分析，該公司在客戶畫像共建、信息分析、內(nèi)容生成等環(huán)節(jié)使用大模型承擔分析任務，但在整體的流程編排、任務規(guī)劃、記憶網(wǎng)絡構建層面，由圖神經(jīng)網(wǎng)絡和強化學習機制主導。

“用戶在表達對客戶的偏好后，這些數(shù)據(jù)會通過圖結構擴散到其他未標注的客戶，形成針對所有客戶的相關度評分?！痹搫?chuàng)始人解釋。這套機制被他形容為“工作中的同事或下級”——能夠自主學習，且在反饋中迭代。

在他看來，當交易的供需雙方均由智能體代理溝通，中間網(wǎng)絡將不再依賴人日常使用的通道——郵件、WhatsApp、社媒等，這些都有平臺規(guī)則限制、頻次要求、內(nèi)容長度要求。

“Agent之間的真實溝通不需要這些限制?！彼J為，三到五年后，整個商業(yè)領域可能因此發(fā)生非常大的變化。他提到最近其所在公司完成了百萬美元級天使輪融資，“融資用途仍然是技術領域，比如加固技術壁壘、持續(xù)投入算法研發(fā)和私有數(shù)據(jù)建設??去年4月成立后，幾個月時間我們就實現(xiàn)了營收平衡，并非靠融資輸血”。

田豐表示，未來市場屬于“場景定義者”，而非“模型搬運工”。當前AI產(chǎn)業(yè)正從“技術狂熱期”快速轉為“價值兌現(xiàn)期”。同質(zhì)化、變現(xiàn)難、算力浪費的本質(zhì)，是產(chǎn)業(yè)尚未完成從“技術驅(qū)動”到“場景驅(qū)動”的范式轉移。破局的關鍵是——真正的AI競爭力，不在于你用了多大的模型，而在于你解決了多具體的問題。

封面圖片來源：每經(jīng)媒資庫