这轮不推新工具，只搬三场海外AI圈吵了一整年、中文圈却很少有人系统讲透的架：MIT那纸「95%试点打水漂」报告引发的方法论战争、vibe coding从一个玩笑吵成柯林斯年度词、OSI给「开源AI」下定义直接掀桌。三场架看着不相干，其实指向同一件事——**给AI祛魅**。看完这篇你带走三样东西：一套自检AI项目的方法、一份简历和招聘的避坑指南、一张开源模型验真流程图。 ## 第一场架：MIT说95%的企业AI试点是白烧钱 2025年8月，The Information率先披露了MIT Media Lab旗下Project NANDA的报告《The GenAI Divide: State of AI in Business 2025》。核心数字就一个，但足够炸：**约95%的企业生成式AI试点，没有产生任何可衡量的回报**。据报道，研究团队分析了三百多个公开披露的AI部署案例，并访谈了上百位企业负责人。 报告里还有两个被引用得更多的细节：一是**采购外部供应商方案的成活率约67%，内部自建只有约33%**，差了整整一倍；二是失败主因不是模型不行，而是**整合失败**——AI接不进现有工作流、学不会企业内部的上下文、记不住历史决策。顺带还捅破一层窗户纸：员工私下用ChatGPT干活的「shadow AI」，往往比公司花大钱立项的官方项目跑得还顺。 帖子一上HN直接盖破千楼，吵出三个流派： - **悲观派**：这不就是泡沫实锤吗？企业AI试点就是新时代的「区块链改造」，POC做完就进坟场，资本开支早晚崩。 - **乐观派**：95%是统计口径游戏——「试点」这个词太宽，把CEO秘书试了三天的ChatGPT也算进去了。2023年上云、2020年数字化转型，早期失败率哪个不是九成？这是技术采纳的正常曲线。 - **中立派**（人数最多，也最实用）：别争大盘了，报告真正值钱的是两条可操作结论——**能买别建，先改流程再上模型**。有CIO直接在评论区认领：砍掉了内部七个自建AI项目，全换供应商方案。 我的看法更直接：这场架里谁赢不重要，重要的是它把「AI项目」从一个信仰问题变成了一个**测量问题**。之前老板问「我们AI化了吗」，现在会问「AI项目的ROI是多少」——这一句追问，杀死的PPT比过去两年都多。 ## 第二场架：vibe coding，从玩笑吵成年度词 2025年2月，Andrej Karpathy（前特斯拉AI总监、OpenAI创始成员）发了一条推，半开玩笑地造了个词：**vibe coding**——完全交出控制权，凭感觉对话式写码，「连diff都懒得看，直接Accept All」，忘了代码本身的存在。他原话的语境很明确：这玩法只配周末玩具项目。 然后这个词就脱缰了。接下来一年的剧情，堪称一场教科书级的词义战争： - **正名派**：Simon Willison在2025年3月专门发文划清界限——vibe coding特指那种**不看代码、不担责任**的用法；把「看diff、写测试、对结果负责」的AI辅助工程也叫vibe coding，是对这个词的滥用。他的原话大意是：专业开发者用AI提效，和「凭感觉糊代码」是两个物种。 - **泛化派**（大众舆论）：不管你多负责任，只要用AI写码，一律被叫vibe coding。这让很多严肃使用AI的工程师非常愤怒——自己每天review、写测试、盯边界情况，一夜之间被一个词拉到「糊代码」的水平线上。 - **抵制派**：核心系统敢vibe coding？出事故谁背锅？审计、合规、追责三关一个都过不了。他们的证据也很具体：2025年上半年有个流传很广的翻车帖——某开发者把全程AI生成的SaaS推上线，当天就被人拖库，数据库权限配置全裸奔。同类「AI码的债，上线当天还」的帖子在Reddit一抓一把。 两个数据锚点让这场争论从口嗨变成了行业大事：据TechCrunch等媒体报道，YC合伙人在2025年3月透露，当年冬季批次约**25%的创业公司，代码库有95%由AI生成**；到了2025年11月，**柯林斯词典干脆把vibe coding评为2025年度词**——一个编程黑话，站上了语言学的年度领奖台。Karpathy本人后来也多次出来灭火：这词是给玩具项目用的，别拿去写生产系统。 对中国从业者的信号藏在招聘市场里：海外一线岗位的JD开始出现「AI辅助工程能力」的明确要求，但**简历上写「我vibe coding很强」约等于自曝其短**。圈内的共识正在收敛为：AI能生成代码，但验收权、理解权、担责权必须在人手里——面试官现在最爱问的一题是：「把你AI生成的这段代码，讲给我听。」 ## 第三场架：「开源AI」到底谁说了算 前一个问题吵的是行为，这一场吵的是**标签**。2024年10月28日，开源界守门人OSI（Open Source Initiative，就是维护OSD那份经典开源定义三十年的组织）历经两年社区共建、多轮草案，正式发布了 **Open Source AI Definition（OSAID）1.0**。 按OSI的标准，一个AI模型要配得上「开源」二字，至少要给出三样东西：**模型权重、用于构建的完整代码、训练数据的详细信息**（包括数据来源清单和预处理方式），并且允许自由使用、研究、修改、再分发，无版税、无领域限制。 争议立刻炸开： - **支持派**：不立规矩，「开源」这个词迟早被营销部用烂。没有标准，openwashing（开源洗白）就永远免费搭车。 - **反对派**：标准太松——不要求公开数据本体，只要求「足够的信息」，等于给大量模型留了后门；另一派则嫌太严：数据涉及版权和隐私，AI模型永远不可能像传统软件那样开源，OSI是在拿旧地图找新大陆。 - **中立实用派**：定义之争交给律师，选型者只看四件事——权重可不可得、许可证条款干不干净、数据透明度如何、允不允许微调商用。 最尴尬的是两个事实：**Llama——Meta反复宣传的「开源」模型——因为许可证里带可接受使用限制和品牌条款，被OSI明确判为不合规**；而OSI自己也承认，定义发布当时，市面上还没有任何模型完全达标。这也是为什么海外的严肃讨论越来越倾向改用「open weights（开放权重）」这个词，而不是「开源」。 中文圈的认知差在这里最大：国内发布会海报上的「开源」，九成情况下真实含义是「权重挂到了Hugging Face」。这不算说谎，但按OSI的严格标准，确实不是一回事。我把它浓缩成一张三问自查图，选型时照着跑一遍，两分钟出结论： ```mermaid flowchart TD A["看到自称开源的模型"] --> B{"权重能免费下载吗"} B -->|否| C["只是API，闭源"] B -->|是| D{"许可证允许商用与微调吗"} D -->|否| E["开放权重，不算开源"] D -->|是| F{"披露数据来源与处理方式吗"} F -->|否| G["透明度不足，谨慎评估"] F -->|是| H["接近OSI开源AI标准"] ``` 注意第三问：答「否」不代表模型不好，只代表它不满足OSI的严格定义——很多优秀的开放权重模型都停在这一档。这张图的价值不是审判谁，而是**让你在下单前知道自己买的到底是什么**。 ## 三场架，其实是同一件事 把三场架并排看，结构一模一样：一个被用滥的词（「AI落地」「vibe coding」「开源」），撞上一个较真的测量者（MIT报告、Willison划界、OSI定义），然后整个社区被迫重新站队。支持、反对、中立三派的分布都高度相似：情绪最响的是极端两派，但最后沉淀下来的实用结论，全部来自中间派。 一句话总结这三场架的公共遗产：**词在通胀，测量在升值。** ## 对中国技术从业者的启示 1. **汇报话术升级**：别再说「我们用AI提效了」，带上你的测量数据——「同样任务，AI组平均快/慢X%，样本N个」。三场架证明，海外已经进入「拿数字说话」阶段。 2. **技术选型防坑**：供应商报告和模型海报都是营销物料。67%对33%的买建差距、OSI三问自查，都是现成的防御工事。 3. **个人能力卡位**：海外争论的终点都指向同一个岗位——**会验收的人**。生成能力正在快速贬值（模型替你生成），验收能力正在升值（出了事只有人能担责）。 ## 信息差总结 | 话题 | 你以为的 | 圈内正在吵的 | 你能带走的 | |------|---------|-------------|-----------| | 企业AI落地 | 落地难是模型不行 | 死因是工作流整合，买比建成活率高约一倍 | 立项前先做「三问自检」 | | vibe coding | 会用AI就是新技能 | 负责任的AI工程和vibe coding是两个物种 | 简历写「AI辅助工程」，面试练「讲diff」 | | 开源模型 | 权重公开就叫开源 | OSI标准下几乎无模型完全达标 | 存下三问自查图，选型跑一遍 | ## 行动指南 1. **今晚就做**：把你手头（或计划中）的AI项目用MIT报告的失败三因过一遍——接进真实工作流了吗？有企业上下文吗？能记住历史决策吗？三行答案写下来，有一行答不上，先别扩大投入。 2. **下次立项前**：花30分钟找一家现成供应商拿到报价和案例，再决定自建——33%的自建成活率不是吓唬人的。 3. **简历改造**：把「熟练使用ChatGPT/Cursor」改成「AI辅助工程：含代码审查、测试覆盖、责任边界」；面试别人的话，加一道「讲解你AI生成代码」的必答题。 4. **选型时**：把上面那张mermaid流程图存下来，跑完三问后，再多看一眼许可证里的「可接受使用政策」和商标条款——Llama就是倒在这两处。 5. **两周实验**：挑一个你最熟的常规任务，AI协作和纯手做各跑一轮并计时。三场架吵到底的「提效」二字，只有你自己的秒表能回答。 ## 延伸思考 把这三场架再看深一层，会发现它们共同预演了AI行业的下一阶段：**当生成不再稀缺，验收就成了权力的中心**。谁能量化、谁敢签字、谁担得起责，谁就掌握定价权。这个位置，目前还空着大半。 --- > 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。 ## 参考来源 1. MIT Media Lab「Project NANDA」与报告《The GenAI Divide: State of AI in Business 2025》入口：https://www.media.mit.edu ，站内检索 "GenAI Divide" 2. OSI开源AI定义（OSAID 1.0）官方页：https://opensource.org/ai 3. Simon Willison关于vibe coding的系列原文：https://simonwillison.net ，站内检索 "vibe coding" 4. 柯林斯词典年度词页：https://www.collinsdictionary.com/us/woty 5. 三场讨论的HN原文检索入口：https://hn.algolia.com ，关键词 "GenAI Divide 95%" / "vibe coding" / "Open Source AI Definition" > [!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。