近几年，AI 的飞速发展深刻重塑了多个行业，也被视为下一轮技术革命的核心引擎。然而进入 2025 年，随着头部企业部分承诺落空、关键技术突破放缓、企业级应用推进受阻，AI 行业开始显现出明显的“降温”迹象。站在 2025 年末回望，AI 究竟走到了哪一步？本文将从认清大语言模型（LLMs）的内在局限、破除“AI 万能”的技术迷思、辨析产业泡沫的真实成因，以及回到技术长期演进路径四个视角出发，尝试为 AI 的真实价值与发展边界提供一种更为理性的判断。
撰文 | Will Heaven

（图源：MIT TR）
对 AI 产生一些幻灭感在所难免。
2022 年末，OpenAI 发布了名为 ChatGPT 的免费网页应用，它改变了整个行业的走向，也改变了若干个世界经济体的运行轨迹。数以百万计的人开始和电脑对话，电脑也首次开始有了回应。由此，我们开始对 AI 抱有更多的期待。
而后，科技公司为了保持领先而竞相冲刺，推出一款又一款各擅胜场的竞品。语音、图像、视频，每一次更新都是青出于蓝而胜于蓝。在这种不间断的比拼中，AI 公司把每一次产品上线都包装成重大突破，进一步强化了人们的普遍信念：这项技术会越来越好。
AI 的鼓吹者告诉我们，进步是指数级的。他们晒出图表，标出我们相较去年的模型走了多远：看，曲线一路向上。生成式 AI 似乎无所不能。
但 2025 年却成了清算的一年。
首先，顶级 AI 公司的掌舵者许下了他们兑现不了的承诺。他们告诉我们，生成式 AI 会取代白领劳动力，开启富足时代，带来科学发现，并帮助找到新的疾病疗法。至少在全球北方国家，蔓延于各个经济体的错失恐惧（FOMO）让 CEO 们撕掉旧剧本，急着加入这场行动。
也就是从那时起，光环开始褪色。尽管这项技术被包装成一种“万能多功能工具”，能够重塑陈旧的业务流程、削减成本，但今年发表的多项研究显示，企业并没有让那点“AI 仙尘”真正发挥魔力。
来自多个来源的调查与追踪数据，包括美国人口普查局与斯坦福大学，都发现企业采用 AI 工具的势头正在放缓。而即便尝试了这些工具，许多项目也长期卡在试点阶段。
如果整个经济体缺乏更广泛的投入与认可，人们很难看出，这些大型 AI 公司要如何收回它们在这场竞赛中已经投入的惊人资金。
与此同时，核心技术的迭代也不再像从前那样带来阶式跃迁。
最典型的例子莫过于 8 月 GPT-5 的翻车式发布。在极大程度上造就了本轮 AI 繁荣的 OpenAI，原本要推出其全新一代技术，为此，OpenAI 连续数月为 GPT-5 造势。CEO 山姆·奥特曼甚至夸口称它是“任何领域的博士级专家”。
还有一次，奥特曼不加评论地发了一张《星球大战》“死星”的图片，OpenAI 的铁粉把它解读为“终极力量”的象征，仿佛在说：马上就来。人们的期待被推到极高。
然而当它真的上线时，GPT-5 看起来像是与之前相同的东西又发布了一次。随后出现的，是自三年前 ChatGPT 初次登场以来最大的一次氛围转向。
AI 研究者、知名 YouTuber 扬尼克·基尔彻（Yannic Kilcher）在 GPT-5 发布两天后的视频中宣布：“突破边界的时代结束了。AGI 不会到来。我们看起来已经进入了大语言模型的三星 Galaxy 时代。”
很多人（包括我）都把它类比为手机。在差不多十年的时间里，智能手机是全球最令人兴奋的消费科技。如今，苹果或三星发布新机时几乎不会掀起太大波澜。铁粉会细看每一点小升级，但对大多数人来说，今年的 iPhone 看起来、用起来都和去年的差不多。
生成式 AI 也到了这个阶段吗？如果是，这算问题吗？当然，智能手机已经成为“新常态”。但它也确实改变了世界的运作方式。
需要承认的是，过去几年确实充满了许多激动人心的时刻。从视频生成模型质量的惊人飞跃，到所谓推理模型的解题能力，再到最新编程与数学模型在世界级竞赛中的胜出，这些都是真实发生的。
但这项非凡技术也才走红短短几年，从许多方面看仍处在实验阶段。它的成功背后也伴随着诸多重要的限制条件——也许我们需要重新调整预期。
这里要小心：从“热炒”到“反热炒”的摆钟也可能摆得过头。仅仅因为它被过度兜售就否定这项技术，是轻率的。
当 AI 没能回应期待时，人们的本能反应往往是说“进展撞了南墙”。但这误解了技术研究与创新的运行方式。进步从来都是偶发的，时快时慢。墙是可以翻过去的，也可以绕过去，甚至可以从下面挖过去。
不妨把视角从 GPT-5 的发布上挪开一点。在它之前的几个月里，OpenAI 刚刚密集推出了一系列相当出色的模型，包括 o1 和 o3（开创性的推理模型，让行业见识到一种全新范式），以及再次抬高视频生成门槛的 Sora 2。在我看来，这听起来不像是撞墙。
AI 的确很强。看看 Google DeepMind 的新图像生成模型 Nano Banana Pro，它能把一本书的一章内容变成信息图，还能做更多事情。它就这么免费地躺在你的手机里。
但你还是忍不住会想：当“惊艳感”消退后，还剩下什么？一年后或五年后，我们会如何看待这项技术？我们会认为它值得付出如此巨大的成本吗？无论是金钱成本，还是环境成本。
基于这些问题，下面是看待 2025 年末 AI 现状的四种方式。这是一场迫切需要的热潮纠偏的开始。大语言模型不是全部
从某种意义上说，需要纠偏的是围绕大语言模型的热潮，而不是 AI 整体。如今已经很明显，LLM 并不是通往通用人工智能（AGI）的入口。AGI 是一种假想技术，有人坚称它终有一天能完成任何人类能完成的（认知）任务。
即便是像伊利亚·苏茨克维（Ilya Sutskever）这样的 AGI 传道者，如今也开始强调 LLM 的局限性。苏茨克维是 AI 初创公司 Safe Superintelligence 的首席科学家兼联合创始人，曾任 OpenAI 首席科学家兼联合创始人，并深度参与了 LLM 的创造。
苏茨克维在 11 月接受德瓦克什·帕特尔（Dwarkesh Patel）采访时说，LLM 很擅长学会做许多具体任务，但它们似乎并不会学到这些任务背后的原理。这就像学会解一千道不同的代数题，和学会解任何代数题之间的区别。
苏茨克维说：“我认为最根本的一点是，这些模型在泛化能力上不知为何明显比人类差得多。”
LLM 的语言能力太有说服力，因此人们很容易想象它无所不能。这项技术模仿人类写作与说话方式的能力令人惊叹。而我们天生就倾向于从某些行为方式中看见“智能”，不管它是否真的存在。换句话说，我们造出了具有人类行为的机器，于是很难不去相信它背后也有一个类人的心智。
这可以理解。LLM 进入主流生活也就短短几年。但在这段时间里，营销者利用了我们对技术真实能力还不够稳固的判断，不断抬高预期、加速炒作。随着我们与这项技术共处、对它理解加深，这些预期也该回到地面。AI 不是解决一切问题的速效药
7 月，麻省理工学院的研究者发表了一项研究，成了 AI 末日论者最常引用的支柱论据。其最醒目的结论是：高达 95% 的企业在尝试使用 AI 后发现其“零价值”。
其他研究也呼应了这种总体判断。11 月，自由职业者在线市场平台 Upwork 的研究者发现，由 OpenAI、Google DeepMind 与 Anthropic 的顶级 LLM 驱动的智能体，单靠自己无法完成许多看似直接的职场任务。
这与奥特曼的预测相去甚远。他在 1 月的个人博客里写道：“我们相信，在 2025 年，我们可能会看到第一批 AI 智能体‘加入劳动力队伍’，并实质性改变公司的产出。”
但那项 MIT 研究中常被忽略的一点是，研究者对“成功”的衡量很狭窄。所谓 95% 的失败率，统计的是那些尝试部署定制 AI 系统，但在 6 个月后仍未能