Matthew Prince 说，使用 AI 的大多数公司都在“把钱往火里烧”
“大多数公司在 AI 支出上都在‘把钱往火里烧’”这一说法引发了争论：当前投资究竟是无谓炒作，还是对潜在巨大回报的理性押注。评论者指出，许多公司出于营销原因，或者笼统地被要求“使用 AI”，就把 AI 硬塞进产品里，这让人想起区块链和元宇宙等过去的泡沫；与此同时，另一些人则指出，诸如代码助手和客服自动化之类的工具已经带来了实实在在的生产力提升。还有不少人认为，即便大多数项目失败，把 AI 视为高风险研发也仍然说得通，前提是少数成功项目能带来远超平均水平的回报。
文章和标题质量
- 许多评论者认为这篇文章很浅薄，或者是在博眼球：一个大胆的说法，几乎没有背景、推理或例子。
- 有人指出，它基本上只是拼接了几段引语，没有真正的分析或结论。
AI 作为炒作、营销和流行词
- 普遍感觉是，很多公司从“我们必须使用 AI”出发，然后再去找问题。
- AI 常常被视为给平庸功能或现有技术贴上的营销标签，类似过去几波浪潮（区块链、元宇宙、B2B 流行词）。
- 一些用户会有意识地降低那些把“AI”贴到所有东西上的产品评价；另一些人则认为这是一种理性的追逐趋势，因为客户和投资者都要求这样做。
研发、期望收益与赌博式框架
- 一些评论把 AI 支出看作研发或高风险押注：只要少数几个大成项目能带来巨大回报，那么大量失败是可以接受的。
- 对于这种高上限、低概率的押注，单个公司是否合理，还是只有在投资组合或行业层面才说得通，存在争论。
- 有人认为大型企业可以把 AI 项目当作众多计划中的分散“赌注”。
颠覆式创新 vs. 持续性创新
- 一种观点认为：当前 AI 大多是一种持续性技术，改善现有用例，这更有利于拥有数据和资本的既有企业。
- 也有人反驳说，未来的代理式和机器人应用可能会真正具有颠覆性，但这仍然只是推测。
真实用例 vs. “随机鹦鹉”怀疑论
- 被提到的生产性用途包括：代码辅助（例如 Copilot）、营销文案、文本摘要、问答、创意提示、内部自动化以及 RAG。
- 有人说，生成式模型已经实实在在提高了生产力，并替代了某些岗位。
- 也有人坚持认为当前模型“什么也没解决”，把这一时刻比作加密货币泡沫；支持者则拿自己具体的生产力提升来反驳。
劳动、工作岗位与技术工种
- 讨论指出，AI 对创意/知识工作造成冲击的速度比对体力工种更快，这与早先的自动化叙事相反。
- 有人预计簿记、营销以及其他白领领域会大规模被替代；也有人指出法律/责任以及执照限制。
成本、基础设施与商品化
- 训练和运行有竞争力的模型被认为极其昂贵，而且很快就会商品化，功能也会迅速被复制。
- 开源模型正在变得更好、更便宜，给商业供应商带来压力。
初创公司、VC 与“把钱往火里烧”
- 多条评论表示，“把钱往火里烧”不仅仅形容 AI，也适用于大多数由 VC 支持的初创公司。
- 奢侈花费、团建外出和福利的故事支持了这样一种看法：在每一轮周期里，受炒作驱动的浪费都很常见。