废墟之旅：那些跌下神坛的 AI 概念

智能体、词元、vibe coding、小龙虾、快乐小马，这些词轮番轰炸我们的脑海，带给我们一种深深的焦虑与窒息。似乎不抓紧学会新的 AI 概念，我们就会被技术甩飞，跟时代脱节，然而刚刚学会一个新的概念，更新的东西又火热出炉，新的焦虑也随之而来。

怎么才能治好这种 "AI 概念焦虑症 " 呢？有个办法，就是根本不去管它。因为大部分 AI 概念都是昙花一现。很快就会被竞品覆盖，或者干脆烟消云散。

有很多曾经叱咤风云的 AI 技术或者商业风口，现如今都处在没人提起、根本想不起来的状态里。AI 的聚光灯只能打在范围非常有限的舞台上。而舞台之外，是连绵成片，一眼望不到头的废墟。

众多 AI 概念都曾经登上过神坛，迎接目光、鲜花或谩骂，但当它们跌下去的时候，却安静地一点声音都发不出。那么，今天还在神坛上的那些人和事，未来又何去何从呢？

一起逛逛废墟吧。说不定这荒凉的景色，刚好能治愈我们的 AI 焦虑。

在 2014 年到 2022 年的深度学习时代，对抗生成网络（GAN）是计算机视觉方向绝对的顶流。

GAN 的模型架构思路在于，它设置一个 " 生成器 " 和一个 " 判别器 " 来进行零和博弈对抗，从而训练模型进行超高精度的视觉素材生成。GAN 刚出来的时候，效果简直惊为天人。AI 生成的人脸第一次实现了以假乱真的程度，以这项技术为基础，甚至出现了风靡一时的 DeepFake 人脸造假产业。

当时的情况是，AI 顶会全都在讨论 GAN。投资人和创业者疯狂押注 GAN 技术，以及相应的 AI 图像、AI 相机、AI 换脸等赛道。感觉谁要是不懂 GAN，那他就离被 AI 时代抛弃不远了。

GAN 算是非常长寿的 AI 技术了。但当 2022 年大模型时代到来，其也不可避免遭遇了被取代的命运。2022 年 Stable Diffusion 开源，以其为代表的扩散模型，在图像生成效果上全面领先于传统的 GAN 模型，并且不会出现 GAN 训练不稳定、容易崩溃、需要大量经验性技巧进行收敛等问题。

近乎摧枯拉朽一般，曾经顶流的 AI 核心技术就退出了历史舞台。如今在工业界和大众层面，GAN 都几乎完全被扩散模型取代。AI 换脸也不再需要弄一套 DeepFake 软件，用几百张照片进行对抗生成训练，而是简单一个指令，一切都交给 AI 自己。当然不是说 GAN 没有用处，只是它成了 AI 高墙里的一块砖石。依旧能够承重，但不会被人单独拿出来欣赏。

这个故事告诉我们，AI 领域的技术更迭是飞速的。即使非常稳定的基础设施式技术，也可能在瞬息间被覆盖。所有学习与投入，都应该将这一点纳入考虑范围。

有这么个现象，AI 领域的大佬们对流行的 AI 技术永远是否定多于肯定的。这当然是很好的，批评产生反思，反思推动进步。但很多时候这些大佬提出来的解决方案，却也不一定灵光。

比如在 2017 年深度学习爆火之后，被称为 " 深度学习之父 "，后来获得诺贝尔奖的辛顿就针对当时流行的 CNN 架构提出了诸多质疑。比如 CNN 鲁棒性太差，无法理解图像空间关系等。他提出用更加拟人的逻辑替代 CNN，这项技术被他称为 " 胶囊网络 "。

在 " 胶囊网络 " 刚出来的时候，由于辛顿过往战绩极佳，声名极其显赫，因此这项新技术也被产学各界视为启明星般的存在。而且相比于 CNN 架构，胶囊网络似乎更加强调仿生学的存在，相对更能贴合大众对 AI 这个词的想象。

于是乎，媒体和 AI 行业很快将 " 胶囊网络 " 夸饰为 " 下一代计算机视觉技术 "，是 " 颠覆式的 AI 革命 "。相关论文被疯狂引用，全球 AI 学界集体跟进。彼时中国互联网大厂刚刚开始布局 AI，" 胶囊网络 " 的热点也被及时抓住。据我们所知，很多大厂都第一时间成立了研究架构，重金招揽研发人才。

但事实上呢，" 胶囊网络 " 可以说是一个失败的创新。它的训练难度极大，模型收敛效率很低，而且在大规模数据的处理上根本比不上 CNN，更别提后来真正完成颠覆性创新的 Transformer 架构了。那些曾经跟随 " 胶囊网络 " 的学术与产业投入，自然都白白打了水漂。

现在 " 胶囊网络 " 只在学术圈有零星提及，大众层面根本无人问津。

这个故事告诉我们，大佬提出的新东西，很有可能只是一种前瞻性探索。没有后文，没有着落，也不必过多关注。

前面说的两个废墟，都是来自 AI 技术层面的坍塌。而在非技术的商业、企业战略层面，塌房的 AI 概念更是不计其数。

还是在那其实也不算太遥远的深度学习时代，中国刚刚开始全面接触 AI 这门新技术。那时候互联网时代的硝烟味还没完全散去。互联网企业家们还喜欢出来百家争鸣一下，面对了解或者不了解的东西都发表一些观点。而刚刚兴起的 AI，自然也逃不出这个范畴。

当时一个让人印象深刻的 AI 叙事，是马云说 AI 这个词其实是错的。不应该是 Artificial Intelligence（人工智能），而是 Machine Intelligence（机器智能）。

这个说法背后的逻辑是，马云认为人类对自身大脑的开发不足 3%，让机器模仿人类是一种误区。机器的价值不是像人一样做事，而是做人做不到的事。因此把 "Artificial Intelligence" 翻译为 " 人工智能 "，是人类对自身的过度放大。

这段表述听起来很有道理，尤其很有 " 马云式 " 的道理。但客观上就是要在话语表述层面，把一个自达特茅斯会议以来全球范围内形成的完整学术与技术范式，推倒重来成为一个中国企业家的独特表达。其难度也是可想而知。

在阿里成立达摩院等研发机构的时候，" 机器智能 " 还作为企业的官方表述列为重要研究方向之一。但后来随着推广效果不佳以及那些众所周知的原因，在阿里各种 AI 相关的活动与表述中，都不再能见到 " 机器智能 " 这一概念的身影。

2022 年之后，大模型开始爆火，AI 来到了全民时代。再有人提出 " 人工智能 " 这个词是翻译错误，估计也很难掀起水花。

这个故事告诉我们，如果说科技大佬研究的东西可能是昙花一现，那企业大佬谈论的东西则更是听听就行。其实中国企业家已经非常靠谱了，如果看看马斯克、奥特曼、扎克伯格等人的过往言论，那才真叫一个语不惊人死不休，反正互联网明早就把记忆丢了。

AI 媒体特别喜欢用一种标题，叫作 "XX 一夜爆火 "，"XX 一夜变天 "。一般来说，这是因为美国跟中国有时差，他们白天开了发布会，咱们这正好是后半夜。而早上醒来的编辑又懒得想标题了……

但是吧，既然有一夜爆火，那是不是就应该还有一夜不火？还真有，那就是提示词工程师这个岗位。

2022 年底，ChatGPT 火爆全网。那个时候的大模型对自然语言的理解能力有限，因此往往需要编写一些特定的、结构化的提示词（Prompt）来引导大模型输出高质量结果。

大模型就像是一个游戏，已经被验证的提示词就像是这个游戏的通关攻略。一时社交网络上遍地都是分享提示词的内容。当提示词的需求来到了一个量级后，有些人聪明的小脑瓜就开动了：有需求就应该有商业行为，能不能干脆把写提示词变成一个工作？

于是就衍生出了提示词工程师这个新锐的风口职业。在当时，很多人认为提示词工程师将取代代码工程师，成为 AI 时代的核心职业。很多想要尝鲜 AI 技术的公司，给提示词工程师开出了几十万的年薪。很快，遍地都是提示词工程师的培训课程，甚至出现了专门售卖提示词资源的产业链。

但所有这些热闹都是建立在一个基础上：AI 大模型的自然语言理解能力将持续很差，持续需要复杂、精准、结构化的提示词。

大模型本来就在飞速进步，怎么会刚好停留在提示词工程师所需的水平，精巧绝伦地停滞不前了呢？

没多久，大模型的自然语言理解能力快速提升，用户的口语化表达和模糊质量都能生成高质量内容。" 提示词工程师 "，变成了 " 这事我问一下 AI"。

" 提示词工程师 " 很有可能成为史上最短命的职业，快速被扫进了历史垃圾堆。而那些贩卖提示词工程师培训课的人，可能又开始教起了小龙虾搞钱和一人公司创业。

这个故事告诉我们，技术是流动的。如果能预判其发展是最好。如果不能的话就等一等。

曾几何时，我们身边雨后春笋一样出现了大量超市和便利店，他们都有一个统一的名字：无人零售。

这类商店的统一特点，是用 AI 视觉识别来进行结算，完全取代传统便利店的收银员，从而实现 24 小时低成本营业。这个被称为 " 下一代零售革命 " 的风口，在短时间内吸引了超过百亿资金，互联网和商超巨头纷纷下场。最夸张的时候，全国一年内新开超过一万家无人零售商店，遍布各大商圈。很多人都说，" 收银员即将被 AI 全面取代 "。

讽刺的是，几年时间过去，收银员没有怎么失业，无人零售却基本算是完蛋了。在真实使用体验中，大家发现 AI 识别货品和结账非常缓慢，并且准确率极低，经常导致排队时间非常长。有很多需要顾客自行完成的操作，甚至有很多需要顾客自己解决的麻烦，而且无人零售实体的硬件成本与运维成本极高，很多时候还不如聘用真人收银员。

现实情况是，超过 95% 的无人便利店都已经关停，巨头转而布局起相对更加简单的无人售货机。

这个故事告诉我们，哪怕是已经在现实中大行其道的 AI 产业，也有可能过于理想，经不起现实的摩擦。

几年前的一天，我在一个 AI 教育峰会上参观了一家 K12 AI 教育公司。那家公司的名字咱就不说了，反正是一种不大的动物。他们的负责人对媒体说，他们采用了最先进的 AI 技术。能够用知识图谱全面扫描 12 岁学生的大脑，完整掌握学生的学习情况与知识体系，从而进行千人千面的教育。

当时我的内心戏是，这是知识图谱吗？这不是读心术吗？

咱们且不说知识图谱有没有这么大的技术威力，这么做真的不侵犯人权吗？好，就算是不管孩子的人权了，学习要紧。到底是什么技术能够做到读取大脑式的威力？

现场的负责人显然不是技术岗位出身，给出的都是一些营销层面的话术。大体是 " 破解自古以来的教育公平难题 "" 用了 AI 就像十个老师教一个孩子 ""AI 比你更了解你的孩子 " 之类的。

那段时间，铺天盖地都是 K12 教育的广告，并且其中绝大多数都打着 AI 的大旗。卫视广告、综艺冠名、电梯广告、线下门店全是他们，并且大张旗鼓招募门店加盟。

但实际体验一下就会发现，这些所谓 K12 AI 教育就是学生答题之后，根据答题结果调取对应题库。强行说这个东西是知识图谱可能也可以，但说是个 MBTI 测试水平的程序也无不可。想要让这种水平的 AI 实现真人教师一样的水平，那更是天方夜谭了。

2021 年 " 双减 " 政策落地，K12 教育赛道倾塌的同时，那些虚假的 AI 旗号也随即消失了。其他 AI 概念的倒塌或许还有点可惜，我见过的那个 K12 AI 教育公司真的是一点不冤。他们就不该来我们这个麻瓜世界，修真小说更适合这些人发展。

这个故事告诉我们，总有人想用 AI 吹个 XX。识破且别理他们是最好的方法。

类似这种跌下神坛的 AI 概念还有很多。知识图谱、图计算、消费级 AI 换脸、AI NFT 藏品，等等。

其中有些是暂时性沉寂。但不可否认的是，这些 AI 概念中的绝大多数都将永久消失，再也没人提起。

那么，下一个是谁？世界模型。Agent、一人公司，还是小龙虾、小螃蟹？

与其焦虑于层出不穷的 AI 概念，或许我们更应该熟悉 AI 的规律。熟悉它就像它像海市蜃楼，习惯于总有 AI 会突然爆火又迅速随风飘散。

我们知道会有东西留下来，但也明白大部分东西都留不下来。

随性一点，顺势而为。兴致所至研究一下，不想搭理它就该干嘛干嘛。如此走进 AI 时代，或许不是极致理性的，但至少很舒服。