AI行業陷重大危機！批量一體機交付翻車，企業淪為“冤大頭”

AI行業最近的日子，可謂是一地雞毛，斥資幾十上百萬入手的AI一體機，沒發揮半點實際作用，反倒成了倉庫里的“閑置品”，堆在那里默默吃灰。

這東西說起來也奇怪，不像劣質產品那樣會造成直接損失，卻也沒什么實際價值，頗有點像市面上的保健品，食之無味、棄之可惜。

可就是這樣一款“雞肋”產品，背后的市場規模居然能達到幾千億，不得不說，這大概是中國AI圈獨有的魔幻生態。

明明投入了巨額成本，最終卻只換來一堆閑置設備，企業花的這些錢到底值不值？AI一體機從爆紅到閑置的背后，又藏著哪些不為人知的行業亂象？

要說AI一體機的崛起，離不開去年爆火的DPK，彼時，DPK的熱度席卷全網，不僅普通大眾爭相體驗，各企事業單位也跟著跟風，迫切想要用DP技術為自身賦能。

雖說相關模型是開源的，但對于很多政企單位而言，數據安全和合規性是底線，他們需要的是能在內網環境下獨立運行、不依賴外網的設備，AI一體機也就順勢應運而生，成了當時政企采購的“香餑餑”。

最火爆的時候，市場熱度高得離譜，去年2月，有企業單月就賣出3000余臺AI一體機，合同價值直接突破數億。

那段時間，整個行業都彌漫著樂觀情緒，甚至有分析機構大膽預測，到2027年，AI一體機的市場規模將突破5000億，可誰也沒想到，這份繁榮來得快，去得更快。

沒過多久，市場就徹底陷入內卷模式，原本標價上百萬的滿血版AI一體機，價格一路暴跌，很快就被打到了10萬級，甚至比之前的殘血版本還要便宜。

放到現在，你在網上隨便一搜，還能找到不少標價僅數萬的AI一體機，價格縮水之快，讓人咋舌。

而這份繁榮，僅僅維持了小半年，就因為交付災難頻發、實際使用效果慘淡，徹底崩塌，留下一堆閑置設備和企業的無奈。

AI一體機之所以會大量閑置，核心原因之一，就是采購邏輯出了問題，仔細觀察就會發現，AI一體機的主力客戶，大多是數字化基礎相對滯后的企業，以及急于包裝AI概念、美化年報的金融機構。

對這些客戶來說，購買AI一體機的核心目的，從來不是為了提升業務效率、創造實際價值，更多是為了應對信息化考核，或是在年報中增加AI相關的亮點。

更離譜的是，這類設備的銷量好壞，根本不取決于市場供需關系，那些老牌的服務器硬件巨頭，憑借雄厚的資金實力、豐富的過往交付案例，總能穩穩出現在采購名單里。

而那些真正致力于提供高質量模型的初創AI企業，即便技術更優，他們的一體機也很難賣出。

畢竟，客戶大多沒有專業的模型評估團隊，招標時更看重企業的注冊資本、過往合作經歷，而非核心技術實力。

這就導致了一個尷尬的局面，那就是技術并不是企業的護城河，反而是誰更有錢建項目、誰更能熬回款、誰的PPT更會講故事，誰就能搶占市場。

如此一來，很多AI一體機運抵客戶機房后，要么無法通過驗收、難以順利交付，要么就是演示幾次后，就被徹底閑置在角落，淪為浪費。

可以說花大價錢買的不是能解決問題的工具，而是一個能應付考核的“擺設”，妥妥的“冤大頭”。

AI一體機的大量閑置，除了采購邏輯的問題，還離不開雙重困境的疊加，設備本身的技術短板，以及客戶自身的能力不足。

一方面，AI一體機本身就存在一定的技術問題，所謂的“一站式交付、簡易使用”，更多是宣傳噱頭，實際使用起來，往往會出現各種bug，難以滿足企業的實際業務需求。

另一方面，大部分客戶數字化基礎太過薄弱，企業內部缺乏高質量的數據，而這些數據，恰恰是AI模型進行檢索、增強、生成和微調的核心語料。

更關鍵的是，很多企業的業務人員，根本不具備提示工程的能力，即便設備正常運行，也不知道如何高效使用，只能讓設備“躺平”，或許有人會說，是不是模型本身不夠強？

其實不然，AI模型要發揮大作用，需要滿足一系列條件，可單單是“持續維護”這一條，就難倒了很多企業。

相關的專業人才，年薪動輒上百萬，不是普通政企能承擔得起的，而且大模型的迭代速度極快，之前被奉為“封神級別”的GPT-4o、o3等，沒多久就被新的模型取代，慢慢無人提及。

更值得警惕的是，DPK一體機的悲劇，似乎正在龍蝦一體機身上重演，如今，在抖音上，你已經能刷到不少廠商投放的龍蝦一體機廣告，宣傳話術依舊誘人，仿佛這款設備能解決企業所有的AI需求。

龍蝦一體機大概率會重蹈DPK的覆轍，經歷炒作、跟風、交付翻車、大量閑置的全過程——客戶依舊會因為AI焦慮盲目下單，最終還是落得“竹籃打水一場空”的結局，而且，和DPK一體機相比，龍蝦一體機的風險可能更甚。

DPK一體機即便失敗，大多只是輸出內容不合理、“胡言亂語”，不會造成太大的實際損失；但龍蝦一體機被賦予了執行能力，一旦失敗，就可能出現“胡作非為”的情況，比如誤刪企業核心數據庫、將機密數據錯發給無關人員等。

也就是說，它不會像DPK那樣安靜地吃灰，更有可能在造成重大業務災難后，被企業強行清退，給企業帶來難以挽回的損失。

其實說到底，這一切亂象的根源，還是在于開源大模型的不成熟，目前，開源大模型還不足以支撐大規模的工業化應用，很多時候做到第三、四步，就會陷入循環、出現報錯，無法持續輸出有效結果。

就連接入云端大模型的Open Cloud，也更適合日常辦公場景，并不擅長設計復雜的工作流編排，而這恰恰是傳統SaaS軟件的核心優勢所在。

除此之外，企業級應用往往有著復雜的權限體系和API限制，龍蝦一體機很難真正深度接入這些應用生態，自然也難以發揮實際作用。

有人曾提出，Open Cloud可以通過聊天界面發送指令，讓Cloud Code這類工具自動完成任務，以此解決企業的業務需求。

但對企業級應用來說，用模糊、充滿歧義的自然語言去控制復雜業務，執行風險極高。

舉個簡單的例子，一句“幫我把昨天的銷售數據整理一下，發給老板A”，就需要AI猜測時區、具體的數據表、老板的郵箱地址，任何一個環節出現歧義，都可能導致不可挽回的錯誤。

說到底，從DPK一體機到龍蝦一體機，這一系列亂象的核心，從來都不是技術問題，而是認知問題。

很多企業都陷入了一個誤區，以為把AI封裝進一個一體機，就能自動創造價值，卻忽略了AI價值的核心，能否將不確定性的智能，嵌入到確定性的業務系統中。

AI本身沒有問題，問題在于企業如何使用它，沒有高質量的數據、專業的使用團隊、完善的業務流程，即便花再多的錢，買再先進的設備，也只能是“竹籃打水一場空”。

與其盲目跟風采購，不如先夯實自身的數字化基礎，理清業務需求，找到AI與業務的結合點，如此來看，AI行業要想走出這場危機，不僅需要技術的不斷成熟，更需要企業認知的覺醒。

畢竟，能創造價值的從來不是設備本身，而是正確使用設備的方式。