最近两周，海外AI圈的火药味不是来自新模型发布，而是来自一份“泼冷水”的报告和一条“泼热水”的曲线。一边是MIT下属项目组甩出的数据——**95%的企业GenAI试点没有产生任何可衡量的回报**；另一边是METR发布的研究——**AI能独立完成的任务时长，每7个月翻一倍**。这两组数据放在一起看，你会发现海外社区正在经历一场集体认知重构：从“AI能不能用”转向“AI到底在谁手里能成”。这两个话题在国内几乎没人系统讲过，但它们直接决定你未来两年在AI上的钱和时间的去向。这篇文章把两场争论的正反方观点、原始数据和漏洞全部拆给你看。 ## 话题一：MIT报告说“95%打水漂”，全网吵翻 ### 报告本身说了什么 2025年8月，MIT Media Lab下的Project NANDA发布了一份名为《The GenAI Divide: State of AI in Business 2025》的研究报告（主页：nanda.media.mit.edu）。媒体标题普遍变成了耸动的版本："MIT report: 95% of generative AI pilots are failing"（Fortune，2025年8月18日，Sharon Goldman撰文）。但报告原文的口径比标题精细得多，核心结论有这么几条： 1. **企业每年往GenAI上砸数百亿美元，但约95%的试点没有产生可衡量的ROI**——注意关键词是“可衡量”，不是“完全没用”。 2. **失败的主因不是模型不行，而是“学习鸿沟”（learning gap）**：工具没能嵌入工作流、组织没有配套的上下文和反馈机制、员工不会把AI输出变成业务成果。一句话：模型聪明，组织没跟上。 3. **成功的5%有明显的共性**：他们大多直接购买市面上成熟的专用工具（报告给出的成功率约67%），而不是内部自研（自研成功率只有约三分之一）；他们把预算集中投入在少数几个部门，而不是全公司“撒胡椒面”；他们的项目由一线痛点驱动，而不是高管拍脑袋的“AI战略”。 4. **“影子AI经济”**：报告发现大量员工绕过IT部门，私下用ChatGPT这类通用工具干活，这部分生产力提升没进企业报表，也没被计入试点评估——也就是说，有些“失败”其实是统计口径的假象。 ### 各方怎么吵 支持派（“泡沫论”）举双手赞成，并搬出另一组数据互为印证：据S&P Global Market Intelligence的调查，企业“放弃大部分AI项目”的比例从2024年的17%飙升到2025年的42%（CNBC等媒体2025年8月报道）。两份数据一个讲回报、一个讲放弃率，指向同一件事——大量企业AI项目正在死掉。Sam Altman本人也在8月公开说过“投资者整体上对AI过度兴奋了，会有人亏掉很多钱”，这话被泡沫论者反复引用。 反对派的攻击点也很精准，主要是三条： - **“可衡量回报”的定义太苛刻**：员工省下的时间、更快的草稿迭代、客户响应变快，这些难以精确折算成美元的收益全被算成“零回报”，等于把间接收益清零。 - **样本和归因问题**：报告基于300多个企业AI部署的问卷加百余场高管访谈（方法论细节以报告原文为准），样本里中小企业和“不会用AI的公司”占比偏高——讽刺的是，这恰恰证明了报告的核心论点：会不会用，比用什么模型重要。 - **时间窗口太早**：企业软件的采纳周期本来就是3-5年，2025年就宣判死刑，相当于在iPhone发布第二年宣布智能手机没戏。 ### 我的判断 这场争论最有价值的地方不是“谁对”，而是它暴露了一个结构事实：**企业AI的瓶颈已经从“模型能力”转移到“组织能力”**。对个人从业者的启示非常直接——比拼“会用ChatGPT”的时代结束了，接下来值钱的是“能把AI嵌进具体业务流程并算清ROI”的人。国内的AI落地 discussions大多还停留在功能演示层面，海外已经开始用审计的口径算账了，这个视角差本身就是机会。 ## 话题二：METR的“任务时长翻倍定律”，国内几乎无人讲 ### 这条曲线说了什么 如果说MIT报告讲的是“现实很骨感”，那METR（Model Evaluation & Threat Reduction，一家做模型评测的非营利机构）2025年3月发布的研究《Measuring AI Ability to Complete Long Tasks》讲的就是“斜率很吓人”。这篇论文的测量方法非常硬核：他们构建了一组覆盖软件工程、研究写作等多领域的人类专家级任务，测量**AI在50%成功率下最长能独立完成多长时间的任务**（他们叫“task horizon”，任务时长地平线）。 结果（论文原文与METR博客，metr.org）： - 自2019年以来，这个“任务时长”指标**大约每7个月翻一倍**； - 而2024到2025年之间，**倍增周期缩短到了约4个月**——曲线在变陡，不是变缓； - 换算成体感：GPT-4发布时（2023年初），模型只能可靠搞定几分钟量级的任务；到2025年中的头部模型，这个数字已经被拉到**接近一小时量级**。具体到各代模型的分钟数，各家解读略有出入，此处以METR原文口径为准。 ```mermaid flowchart LR A[2023初 GPT-4时代
任务时长约5分钟] --> B[2024中
约20-30分钟] B --> C[2025中 头部模型
约1小时量级] C --> D[按当前倍增速度外推
2026-2027: 数小时乃至一个工作日] style A fill:#e8f4e8 style C fill:#fff3cd style D fill:#f8d7da ``` ### 争论点在哪 乐观派认为这条曲线是“Agent自主化时间表”的最硬证据：任务时长从5分钟到1小时用了两年，照这个斜率，模型搞定“一整个工作日的任务”不是科幻，而是外推。这直接改变你对“AI替代什么工作”的判断——先被覆盖的不是“最难的任务”，而是**“耗时但流程清晰”的任务**，而后者才是大多数岗位的日常主体。 怀疑派的质疑集中在三点：一是50%成功率的口径宽松，人类专家不会接受一半概率出错的交付物，所以这个指标高估了实际可用性；二是任务集来自评测环境，真实工作中充满模糊需求和外部依赖，曲线上的一小时在公司环境里可能缩水到十分钟；三是倍增外推假设“训练数据和算力投入可持续”，而这恰恰是当前最不确定的变量。 ### 为什么国内没人讲 因为这条曲线不卖工具、不带链接、没法做成“三步教你XX”。它是纯研究议题，但它是理解海外“Agent创业潮”的钥匙——你看到的那些“让Agent值夜班”“给Agent请私教”的产品（此前多篇都覆盖过），底层逻辑全是赌这条曲线继续成立。看不懂这条曲线，就看不懂海外Agent产品的定价逻辑：**按任务时长收费的SaaS，本质是在卖这条曲线的未来斜率**。 ## 话题三：个人层面的“70%问题”，和95%是同一枚硬币 企业层的争论还有个人镜像。Google Chrome工程团队出身的Addy Osmani写过一篇传播极广的文章《The 70% Problem》（addyosmani.com/blog），核心观察是：AI能把你带到70%的完成度——原型、脚手架、常规代码、文档——速度快得惊人；但剩下30%（边界情况、架构权衡、安全加固、性能调优、对遗留系统的理解）**还是完全靠人，而且这30%恰恰是真正值钱的部分**。 这解释了为什么同一批工具在不同人手里效果天差地别，也和MIT报告的“learning gap”严丝合缝：**AI放大的是你已有的判断力，而不是替代判断力本身**。资深工程师用AI是杠杆，新手用AI是拐杖——拐杖用久了，连走的本能都会退化。海外社区现在对“vibe coding”的警惕性明显上升，此前HN上“没eval的AI应用别上线”成为共识，本质都是同一件事：把AI的70%变成可上线的100%，中间的gap就是新的职业机会。 ## 信息差总结 | 维度 | 你可能知道的 | 别人已经知道但没告诉你的 | |---|---|---| | 企业AI落地 | “大家都在用AI” | 95%试点无可衡量回报，42%企业放弃大部分项目 | | 失败原因 | 模型不够强 | 组织没跟上：工作流、反馈、培训缺位 | | 成功配方 | 自研大模型显得厉害 | 买现成垂直工具成功率约67%，自建仅约1/3 | | Agent能力 | 榜单跑分 | 任务时长每7个月翻倍，近期加速到约4个月 | | 个人提效 | AI让所有人更快 | AI只包办70%，剩下30%才是定价权 | | 国内讨论焦点 | 提示词技巧、新功能测评 | ROI审计、组织适配、评测体系 | ## 行动指南 1. **今天就做**：把你手头的AI用法分成“70%区”（AI能独立完成）和“30%区”（必须人来兜底），后者的每个case写成检查清单——这份清单就是你比同行贵的原因。 2. **本周做**：如果你在公司推AI，别写“AI战略PPT”，直接挑一个部门的一个痛点流程，买市面上最成熟的工具先跑通，用MIT报告的5%配方：买不建、聚焦、痛点驱动。 3. **本月做**：完整读一遍METR那篇论文的图（不用读全文），用“任务时长”而不是“跑分”重新评估你付费订阅的每个模型——问自己一个问题：它现在能独立替我扛多久的活？ 4. **长期做**：把个人AI投入的记账口径改成ROI导向，每月问一次“这个订阅替代了我几小时的工作”，答不上来的立刻砍掉——这是海外5%幸存者正在用的纪律。 ## 参考来源 1. MIT Project NANDA《The GenAI Divide: State of AI in Business 2025》 — https://nanda.media.mit.edu/ 2. Fortune: MIT report: 95% of generative AI pilots at companies are failing — https://fortune.com/2025/08/18/mit-report-95-percent-generative-ai-pilots-at-companies-failing-cfo/ 3. METR: Measuring AI Ability to Complete Long Tasks — https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/ 4. Addy Osmani: The 70% Problem — https://addyosmani.com/blog/70-problem/ 5. CNBC对企业AI项目放弃率（S&P Global调查，42%）的报道，可在 cnbc.com 搜索 "S&P Global abandon AI initiatives" > 本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵**爱卫生**（微信ID: gprshome201101）维护。 > 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。