朱嘯虎的 “AI 清醒論”，藏著 3 個沒說透的 “模糊地帶”

朱嘯虎在 2025 Inclusion 外灘大會上的發言，像一把快刀劃破了 AI 行業的 “迷霧”：

• 大模型的 “天花板” 已現，Transformer 架構下的智力提升基本見頂；

• 應用層要爆發，得做 “無聊到解決真痛點” 的事；

• 護城河不是技術，是 AI 之外的 “臟活累活”；

• 下一個字節、小紅書，今年已經成立了。

這些觀點足夠 “清醒”，甚至 “殘酷”—— 它把 AI 從 “顛覆一切” 的神壇拉回 “工具” 的本質。但當我們順著他的邏輯往深處挖，卻發現這把 “快刀” 下，藏著不少沒說透的 “模糊地帶”：

大模型的 “天花板”，真的是技術的終點嗎？
應用層的 “無聊”，真的能對抗大廠的碾壓嗎？
那些 “臟活累活”，真的能撐得起下一個千億公司嗎？

今天我們不聊 “正確的廢話”，只拆 “清醒” 背后的 “灰度”—— 畢竟，AI 行業最缺的不是 “清醒”，是 “清醒后的清醒”。

一、大模型的 “天花板”，是 “當前路徑” 的終點，不是 “技術” 的終點

朱嘯虎的核心判斷是：“Transformer 架構下的大模型，參數堆得越多，性能可能越差?！?這句話沒錯 —— 當模型參數超過 1 萬億后，邊際收益確實在遞減：GPT-3 到 GPT-4，參數從 1750 億漲到 1.8 萬億，但 “智力提升” 遠不如從 GPT-2 到 GPT-3 明顯；國內某大廠的 10 萬億參數模型，甚至出現了 “生成內容邏輯混亂” 的問題。

但問題在于： 大模型的進化，從來不是 “參數堆砌” 的游戲，而是 “架構優化 + 多模態融合” 的游戲 。

比如 OpenAI 的 GPT-4o，沒有追求更大的參數，而是通過 “多模態對齊”（文本、圖像、語音、視頻的統一理解），實現了 “看一張菜譜就能生成烹飪視頻”“聽一段會議錄音就能畫出流程圖” 的能力 —— 這不是 “智力提升”，是 “能力邊界的拓展”。再比如 Google DeepMind 的 Gemini 模型，通過 “神經符號結合”（把符號邏輯注入神經網絡），解決了大模型 “胡編亂造” 的問題，在數學推理和代碼生成上的準確率提升了 40%。

朱嘯虎說 “大模型迭代放緩”，但放緩的是 “參數擴張” 的速度，不是 “能力進化” 的速度。對創業者而言，真正的風險從來不是 “大模型技術迭代”，而是 “大模型公司把能力封裝成 API，用更低的成本碾壓應用層”—— 比如 OpenAI 的 GPT-4o API，已經支持多模態調用，創業者用它做 “AI 視頻生成”，成本比自己訓練模型低 90%，但問題是： 當大模型公司直接下場做應用（比如 OpenAI 的 ChatGPT Enterprise），創業者的 “應用層機會” 會不會變成 “打工機會”？

這才是大模型 “天花板” 背后的真問題：不是技術沒進步，是技術進步的紅利，正在從 “應用層” 向 “大模型層” 集中 —— 創業者要么依附大模型公司，要么找到大模型 “覆蓋不了的垂直場景”（比如醫療影像、工業檢測），而這些場景，恰恰需要 “非 Transformer 架構” 的技術（比如卷積神經網絡、圖神經網絡）。

二、應用層的 “無聊”，是 “真痛點” 的偽裝，還是 “偽需求” 的陷阱？

朱嘯虎反復強調：“應用層要做‘無聊但解決真痛點’的事 —— 去年文字（會議紀要）、今年語音（AI 電話）、明年視頻（低延遲生成）?！?他舉了個例子：某 AI 電話公司，把用戶掛斷率從 80% 降到 25%，因為 “AI 的話術比人工更精準”。

但當我們追問 “用戶為什么不掛斷”，答案可能沒那么樂觀： 不是 AI “好用”，是用戶 “沒發現是 AI” 。某調研機構對 1000 名 AI 電話用戶的訪談顯示：70% 的用戶在知道對方是 AI 后，會直接掛斷；60% 的用戶表示 “不會再和 AI 聊第二次”—— 因為 AI 的 “精準”，本質是 “機械”，沒有溫度，沒有對上下文的理解（比如用戶說 “我今天心情不好”，AI 只會機械回復 “那您要不要考慮我們的產品？”）。

更關鍵的是： “無聊” 的痛點，往往是 “大廠不愿做” 的小事，但也是 “大廠想做就能做” 的小事 。比如 AI 會議紀要，釘釘的 “智能會議助手” 已經做到了 “實時轉寫 + 關鍵詞提取 + 行動項跟蹤”，成本比創業公司低 50%，因為釘釘有 “工作流整合” 的優勢（轉寫的紀要直接同步到釘釘文檔，行動項直接分配給團隊成員）—— 創業者做 “AI 會議紀要”，靠什么和釘釘競爭？

朱嘯虎說 “應用層機會爆發”，但爆發的前提是 “解決大公司解決不了的痛點”。比如某創業公司做 “AI 手術記錄”，不是簡單的 “語音轉文字”，而是結合 “手術視頻” 和 “醫療術語庫”，自動生成 “符合病歷規范的手術記錄”—— 這需要 “醫療數據 + 多模態融合 + 行業知識圖譜”，大公司沒有這些數據，也不愿花精力做 “臟活”，這才是創業者的機會。

而那些 “無聊到不需要行業知識” 的應用（比如 AI 電話、AI 會議紀要），恰恰是大公司的 “必爭之地”—— 創業者的 “機會”，不過是大公司 “還沒騰出手” 的間隙。

三、“臟活累活” 的護城河，是 “壁壘” 還是 “消耗”？

朱嘯虎的核心結論是：“所有 AI 應用都是套殼調用底層模型，技術無壁壘，護城河是 AI 之外的‘臟活累活’—— 深度整合工作流、行業數據、硬件、垂直 Agent?！?/p>

這句話對了一半： AI 應用的 “技術壁壘” 確實低，但 “非技術壁壘” 的構建，比技術壁壘更難 。

比如 “深度整合工作流”：某 AI 圖像編輯工具，用戶用它生成圖片后，需要 5%-10% 的細節微調（比如調整光線、修改物體位置），這部分 “微調能力” 是護城河 —— 但問題是，當 Adobe 把 “AI 生成 + 實時微調” 整合到 Photoshop 里，創業者的 “微調能力” 會不會變成 “冗余功能”？Adobe 有 1 億付費用戶，有 “從設計到印刷” 的全流程整合，創業者靠什么競爭？

再比如 “行業數據”：某醫療 AI 公司做 “病歷自動錄入”，積累了 100 萬份電子病歷數據，這是護城河 —— 但問題是，醫院的數據是 “隱私數據”，創業者需要拿到 “合規授權”，而合規成本（比如 GDPR、中國的《個人信息保護法》）可能吃掉所有利潤；更關鍵的是，當醫院自己做 “病歷 AI”（比如協和醫院的 “智能病歷系統”），創業者的數據優勢會不會變成 “數據孤島”？

還有 “硬件 + AI”：朱嘯虎舉了 “會議紀要卡” 的例子 —— 把 AI 降噪、語音轉寫模塊做進一張 SD 卡，插在會議設備上就能用。但問題是， 硬件的壁壘從來不是 “設計”，是 “量產” ：大灣區的供應鏈能幫你做 100 臺樣機，但當你要做 10 萬臺時，成本控制、質量管控、渠道推廣，每一步都是 “坑”—— 某創業公司做 “AI 電子名牌”，樣機做得很好，但量產時因為 “電池續航” 問題，退貨率高達 30%，直接把公司拖垮。

朱嘯虎說 “護城河是臟活累活”，但 “臟活累活” 的本質是 “用時間和資源換壁壘”—— 對小公司而言，這是 “消耗戰”，不是 “阻擊戰”。真正的護城河，從來不是 “干臟活”，而是 “把臟活干到別人干不了”：比如小紅書的 “社區生態”，是用 10 年時間積累的用戶關系，大公司復制不了；比如字節的 “推薦算法”，是用 10 億用戶數據訓練的，創業者模仿不了。

AI 應用的護城河，從來不是 “AI 之外的臟活”，而是 “AI + 臟活” 的組合 —— 比如某 AI 銷售工具，不僅能生成話術，還能整合 “客戶 CRM 數據”（知道客戶上個月買了什么）、“銷售流程數據”（知道客戶處于哪個階段），甚至能 “實時分析客戶語氣”（判斷客戶是不是要掛電話）—— 這些能力，不是 “套殼調用大模型” 能做到的，也不是 “干臟活” 能做到的，是 “AI 技術 + 行業知識 + 數據積累” 的組合拳。

四、下一個小紅書，不會是 “AI 做小紅書”，而是 “用 AI 讓小紅書更好”

朱嘯虎斷言：“下一個字節、快手、小紅書，今年應該已經成立了。” 這句話沒錯，但 下一個小紅書，不會是 “AI 寫小紅書”，而是 “用 AI 讓小紅書的用戶更愿意分享” 。

小紅書的核心壁壘，從來不是 “內容生成”，而是 “用戶生成內容（UGC）的生態”—— 用戶分享美食、美妝、旅行，不是因為 “能生成內容”，而是因為 “能找到共鳴”。AI 能優化內容生成（比如用 AI 修圖、用 AI 寫文案），但不能替代 “用戶分享的動機”（比如想被認可、想幫別人）。

同樣，下一個字節，不會是 “AI 做短視頻”，而是 “用 AI 讓短視頻更懂用戶”—— 字節的核心壁壘是 “推薦算法”，AI 能讓推薦更精準（比如用 AI 分析用戶的 “停留時間”“點贊行為”），但不能替代 “用戶刷短視頻的需求”（比如想放松、想學習）。

AI 的本質是 “工具”，不是 “商業模式”。朱嘯虎說 “AI 應用要爆發”，但爆發的前提是 “AI 能放大現有商業模式的價值”—— 比如：

• 某教育公司用 AI 做 “個性化作業生成”，把老師的備課時間從 2 小時降到 20 分鐘，這是 “放大教育的價值”；

• 某零售公司用 AI 做 “智能貨架”，把商品周轉率從 30 天提高到 20 天，這是 “放大零售的價值”；

• 某媒體公司用 AI 做 “內容審核”，把審核成本從每人每天 100 篇降到 1000 篇，這是 “放大媒體的價值”。

這些應用，沒有一個是 “顛覆式” 的，都是 “優化式” 的；沒有一個是 “無聊” 的，都是 “精準解決真痛點” 的 —— 它們的護城河，不是 “AI 技術”，也不是 “臟活累活”，而是 “對行業需求的深度理解”。

AI 時代，最珍貴的從來不是 “用 AI 做什么”，而是 “用 AI 把什么做得更好”

朱嘯虎的 “清醒派” 發言，像一面鏡子，照出了 AI 行業的 “虛火”：

• 不要幻想 “用大模型顛覆行業”，大模型只是工具；

• 不要做 “炫酷但沒用” 的應用，要做 “無聊但解決真痛點” 的事；

• 不要靠 “技術壁壘” 生存，要靠 “非技術壁壘”（數據、運營、生態）生存。

但這面鏡子，也照出了 AI 行業的 “盲區”：

• 大模型的進化，遠未停止；

• 應用層的機會，不是 “依附大模型”，而是 “找到大模型覆蓋不了的垂直場景”；

• 護城河的本質，不是 “干臟活”，而是 “對用戶需求的深度理解”。

最后，我想對創業者說：
下一個小紅書，不會是 “AI 公司”，而是 “用 AI 優化用戶體驗的公司”；下一個字節，不會是 “AI 公司”，而是 “用 AI 放大商業價值的公司” 。

AI 的時代，最缺的從來不是 “技術”，而是 “對技術的敬畏”—— 敬畏技術的邊界，敬畏用戶的需求，敬畏商業的規律。

畢竟，工具永遠是工具，真正的主角，從來都是人。

（完）

延伸思考 ：你覺得 AI 應用的 “真痛點” 是什么？歡迎在評論區留言，我們一起討論。

（注：文中案例均來自公開報道，不針對具體公司。）