当AI hype退潮，谁在裸泳：不性感AI的逆袭

上周在深圳，一家年营收50亿的消费电子企业CIO跟我抱怨：去年他们花300万买了某大模型平台，想做个智能客服，结果上线后客户满意度反而下降了3个百分点。原因是模型回答太“聪明”，不仅话多，还经常给客户推荐不相关的产品功能。最后他们撤掉大模型，换回一套基于规则引擎和简单分类器的老系统，满意度回升了。

这不是孤例。MIT Technology Review最新一期《AI Hype Index》的主题是“Unsexy AI”——不性感的AI。当行业在追逐GPT-5、多模态、具身智能这些炫酷概念时，真正在闷声发大财的，反而是那些看起来“土”的AI应用：需求预测、异常检测、流程自动化。这些项目不起眼，但ROI摆在那里。

从行业趋势来看，AI hype指数正在经历一个“均值回归”。对标海外案例，Gartner的2025年AI成熟度曲线显示，生成式AI已经过了泡沫顶峰，进入“幻灭低谷”。而另一类AI——即所谓的“非对话式AI”或“嵌入式AI”——正在从“创新触发”稳步爬升到“期望膨胀期”的下半段。这不是说大模型不行，而是说企业市场开始用更理性的尺度衡量AI：不关心你用了什么模型，只关心你解决了什么问题。

我习惯用SWOT框架来分析这类现象。对“不性感AI”而言，其优势（Strength）在于：可解释性强、部署成本低、与现有IT系统耦合度好。一个预测性维护模型，用XGBoost就能跑，不需要GPU，也不需要微调一个1300亿参数的模型。劣势（Weakness）是：不够性感，拿不到PR预算，也很难说服董事会批准。机会（Opportunity）在于：当企业经历过一轮大模型试错后，会重新审视那些“笨但可靠”的方案。威胁（Threat）则来自：大模型厂商正在快速压低推理成本，未来可能用“全栈AI”碾压细分场景。

让我们展开一个具体的对标案例：西门子旗下的MindSphere工业物联网平台。它在2016年就推出了基于传统机器学习的预测性维护方案，但一直不温不火。2023年他们尝试接入大语言模型做自然语言交互界面，结果发现客户根本不关心“和机器对话”，他们只想要一个邮件提醒：“3号产线轴承剩余寿命218天，建议第213天更换”。西门子后来砍掉了80%的对话式AI功能，回归到“不性感”的异常检测和根因分析。2025年财报显示，这块业务同比增长了34%，而同期他们的大模型产品线只增长了7%。

另一个案例是亚马逊的库存预测系统。它不生成任何文本，不画任何流程图，但每天处理超过10亿条数据，预测每个ASIN在未来28天的需求，误差控制在3%以内。这个系统背后是2003年就开始迭代的随机森林模型，至今没有换成transformer。亚马逊的CFO在2025年Q4财报会上说：“我们AI团队最大的贡献，是让配送成本降低了12%，而不是生成多少条营销文案。”

所以，当MIT Tech Review把“不性感的AI”放在hype指数中心时，它其实在传递一个信号：行业正在从“AI能做什么”转向“AI应该做什么”。这个转变对咨询行业来说尤其重要。我见过太多客户，一上来就问“怎么用AI颠覆我的行业”，但当我问“你现在的核心流程有哪些痛点”时，他们却答不上来。

从波特五力模型看，不性感AI的竞争壁垒反而更高。供应商方面，开源模型降低了门槛，但真正有壁垒的是数据清洗、特征工程和业务理解——这些是咨询公司的核心能力。买方议价能力方面，企业客户对“不性感AI”的付费意愿更稳定，因为它是算得清ROI的。潜在进入者方面，大模型公司目前不愿趟这浑水，因为利润率低、定制化程度高。替代品威胁方面，传统统计分析（如时间序列、回归）仍然有效，但AI可以处理更高维度的数据。而同行竞争方面，目前市场分散，没有绝对龙头，这正是咨询公司用方法论和行业know-how建立护城河的机会。

我的判断很

原文链接：https://www.technologyreview.com/2026/07/29/1140795/the-ai-hype-index-unsexy-ai/