文章核心观点 - 当前AI技术的能力被过度宣传，其实际应用效率提升有限，甚至在某些领域（如编程）导致效率下降[10][11][17][18] - AI行业呈现高投入、低回报的特点，市场参与者众多但盈利困难，大量企业面临倒闭风险[29][30][36][40] - 生成式AI目前存在同质化和细节缺失两大问题，限制了其在复杂任务中的应用，仅能胜任高度重复性工作[46][47][52][53] - AI技术的真正突破点在于达到人类从业者的平均水准，届时将显著改变市场生态，但这一时刻尚未到来[58][59][72][80] AI技术现状与效率悖论 - 实验表明，使用AI工具的软件工程师组比纯人工组效率降低19%，而非预期的提升40%[15][17][18] - 效率下降归因于"能力-可靠性缺口"，AI生成内容错误频出，人类需花费大量时间检查修正，反而成为AI的保姆[22][23] - 编程是AI表现最好的领域，在此领域尚无法提升效率，其他行业情况更不乐观[24][25] AI行业市场格局与经营状况 - 中国现存人工智能相关企业超过424.3万家，2025年新增注册约28.6万家[27][28] - 行业呈现高资本投入特征，微软、Meta、谷歌、亚马逊四巨头2024年资本投入达3000亿美元，大部分流入AI项目[30] - 2024年全球生成式AI投资额较2023年增长超过70%，预计2025年总支出将达到2024年的3倍[30] - 大量中小企业面临生存危机，2022年11月至2024年7月，全国共有78612家新注册AI企业注销、吊销或停业，占同期新注册总量的8.9%[36] 生成式AI的技术局限性 - AI创作存在同质化问题，源数据交叉重复导致输出风格雷同，需大量特定提示词才能差异化[48][49] - 细节把控能力不足，常出现人物装饰不完整、器官比例失真、手指数量错误等低级错误[50][51] - 目前仅能胜任审核、阅片等高度重复性工作，更深层次的细节把控必须由人类完成[52][53] AI对未来行业的影响路径 - AI替代的关键阈值是达到人类从业者平均水平，届时将淘汰占多数的普通从业者，实现降本增效[58][59][60] - 游戏行业是典型应用场景，初级策划工作将被替代，仅保留高创造力人员，可实现NPC个性化和玩家体验提升[61][63][64] - 技术成熟后将推动大型游戏研发成本降低、周期缩短，小厂则可完全依赖AI进行研发[67] - 行业预计50%从业人员可能面临转行，其他行业也将面临类似冲击[68][69]