近日，“DeepSeek崩了”沖上熱搜。很多用戶反應使用中頻繁遇到：無法提問、回復延遲、功能癱瘓、用戶趕作業(yè)時突然斷線、寫論文時彈出"服務器繁忙"。

與之對應的是，DeepSeek使用率大跌。根據(jù)全球最大AI平臺Poe的數(shù)據(jù)，DeepSeek使用率在兩個月內(nèi)從7%暴跌至3%，數(shù)據(jù)直接被腰斬。

另一邊，一些學界大佬開始唱衰AI?！爱斍按笳Z言模型最終都會被淘汰”。2025年3月，AI應用的奠基者、號稱“深度學習三巨頭”之一的Meta首席AI科學家楊立昆，在美國2025年聯(lián)合數(shù)學會議上高調(diào)唱衰大語言模型。在楊立昆看來，“當前AI技術(shù)，特別是自回歸大語言模型存在根本局限，如‘幻覺’問題和無法真正理解物理世界”。

學界大佬親自下場“祛魅”，背后是AI底層的問題一直沒有得到有效解決——在實際業(yè)務上的“不通用”，始終別著AI的“馬腿”。具體而言：

一是技術(shù)上，各大廠商都想搶占AI的行業(yè)標準，協(xié)作與標準化缺失，導致互不兼容。這種互不兼容的局面使得不同廠商的AI產(chǎn)品和服務難以無縫對接和協(xié)同工作，增加了開發(fā)、部署和維護的成本與復雜性。例如，企業(yè)可能既需要甲平臺的AI管理銷售數(shù)據(jù)、客戶信息，又需要在乙平臺的AI參與客戶服務、制定銷售方案。但是，不同平臺的AI工具難以跨平臺共享和遷移模型或數(shù)據(jù)。企業(yè)不具備相應的程序開發(fā)能力，又不愿意承擔外包開發(fā)泄露重要數(shù)據(jù)的風險，最終只能放棄使用AI。

二是業(yè)務上，人類工作往往十分復雜，而與之相對的是AI應用呈現(xiàn)碎片化，難以勝任實際工作。實際上越是急需AI填補人才缺口的工作，就越會涉及潛在信息、情感交互、創(chuàng)造性思維以及對復雜環(huán)境的動態(tài)適應。然而，目前AI應用大多呈現(xiàn)碎片化，只能在特定的、相對單一的任務場景中發(fā)揮突出作用。如在醫(yī)療領(lǐng)域，AI能夠快速準確地識別X光片或CT掃描中的異常，但當涉及綜合患者的病史、癥狀、心理狀態(tài)以及家庭背景來制定個性化的治療方案時，AI就顯得力不從心，反而需要借助人類醫(yī)生的臨床經(jīng)驗、同理心以及對患者整體狀況的綜合判斷。

三是產(chǎn)業(yè)中，算力與資源消耗過大，限制了能夠應用AI的場合。訓練一個先進的AI模型可能需要數(shù)萬張高性能GPU，耗費巨大的電力和冷卻資源，這使得許多企業(yè)和機構(gòu)難以承擔高昂的成本。而在運行AI模型時也需要強大的硬件支持，普通設備難以滿足需求，導致AI的應用場景受限于資源充足的大型數(shù)據(jù)中心或高端設備。這就讓中小型企業(yè)肩頭平白增加了一重AI的使用成本，即便有好的AI模型也沒有條件使用，由此也就限制了AI的普及和應用范圍。

更進一步而言，AI不僅近期不通用，還在遠期造成了人工智能變“垃圾”的問題。當前各大產(chǎn)業(yè)、廠商、機構(gòu)，都在嘗試解決大語言模型能力不夠通用的問題。但其解決方法往往是堆積更多的算力、數(shù)據(jù)。殊不知，單純依賴算力和數(shù)據(jù)的堆疊無法根本解決大語言模型通用性問題。

一方面，大語言模型訓練存在邊際效用遞減規(guī)律，微軟2024年報告顯示，千億參數(shù)后每10%算力投入僅帶來1.8%性能提升。指數(shù)級資源消耗與線性效果增長形成嚴重失衡，微軟甚至號稱要建設核電站去解決大語言模型的能耗問題。

另一方面，訓練AI消耗的天量數(shù)據(jù)已經(jīng)超過了人工審核的極限，而其中的無效信息反而會稀釋模型的能力。如當前網(wǎng)上已經(jīng)爆出，有大量某大語言模型的用戶抱怨，AI在關(guān)于歷史事實等問題生成的回答中，混入了大量的網(wǎng)絡段子。

由此一來，如今繼續(xù)沿著老路走下去的AI，不但無法解決模型通用性的問題，甚而還會讓輸出的結(jié)果真假參半，在長期造成重大損失。其底層技術(shù)瓶頸與產(chǎn)業(yè)適配性錯位將導致“智能垃圾”的指數(shù)級堆積。當前大語言模型訓練消耗的天量算力與產(chǎn)業(yè)實際需求形成巨大落差，算法“黑箱”導致結(jié)果無法查驗真?zhèn)?，這種不可解釋性在關(guān)鍵領(lǐng)域可能引發(fā)系統(tǒng)性風險。

然而，之所以AI陷入了從近期不通用到遠期智能垃圾的“一條路走到黑”，根本原因在于，無論是AI的創(chuàng)造者還是使用者，都搞錯了AI的定位。正如查理·芒格所言：“手拿鐵錘的人，看什么都像釘子”。AI就像企業(yè)手中的鐵錘，早期由于普遍的AI迷信，鐵錘在手的AI企業(yè)獲得大量資本的青睞，仿佛這把錘子可以輕松在任何產(chǎn)業(yè)領(lǐng)域找到釘子，并且砸完之后就會產(chǎn)生商業(yè)價值。但拿著鐵錘找釘子無疑是本末倒置，企業(yè)完全被束縛在手中的鐵錘中。事實上，單一的一套算法必然是難以“通吃”的。

當行業(yè)將大語言模型視為“萬能鑰匙”，面對現(xiàn)實世界的各類問題，自然也就只會抓“普遍性”，而忽視其“特殊性”，最終衍生出真假參半的智能垃圾。

要打破這一循環(huán)，需等待技術(shù)范式的革命性創(chuàng)新，而非在現(xiàn)有路徑上繼續(xù)內(nèi)卷。在此之前，AI的垃圾化或?qū)⒊蔀榧夹g(shù)進化必須吞咽的苦果。