中文
2025-08-20 17:33:47
当下的AI领域，正上演着一场戏剧性的价值转向：人们不再追捧更聪明的“参数猛兽”，转而期待更智慧的“应用伙伴”。
性能霸榜的GPT-5，却遭遇口碑滑铁卢
八月初，ChatGPT-5的亮相的消息曾让整个行业沸腾。尽管OpenAI没有公布具体的参数规模，但从发布会和权威测试机构披露的数据来看，GPT-5的性能堪称跨越式提升：2分钟内可以生成近400行高质量代码；深度思考模式下“幻觉”问题相较上一代锐减80%；在中立评测平台LMArena的最新榜单上，它更是以史无前例的高分登顶，包揽了文本理解、编程、视觉等所有核心项目的第一名。
凭借这样的硬实力，OpenAI信心满满地砍掉了多个旧版本模型，期待用户全面拥抱GPT-5。然而上线仅两天，口碑便急转直下。社交媒体上怨声载道，核心问题集中在两点：一是性能不稳定，由于GPT-5采用了最新的自动路由策略，普通用户的请求常被导向轻量变体模型，导致回答质量飘忽不定，反应迟缓，连基础任务都会出错，实际体验与宣传效果大相径庭；二是共情能力缺失，即便是付费的Pro版本用户，也在吐槽：GPT-5虽然聪明，但输出的答案异常简短且冷漠，完全失去了上一代模型的亲切感。最终，在用户的强烈要求下，OpenAI不得不紧急重启GPT-4o以平息众怒。
忙着卷参数之时，被忽略的用户需求
这场 “唤回 GPT-4o” 的集体行动，揭开了一个值得深思的矛盾：GPT-5明明横扫性能榜单、堆砌万亿算力，为何在真实体验中却需要旧版救场？当参数实力与用户口碑形成如此强烈的反差，我们不得不追问：AI真的是 “越聪明越好用” 吗？
表面上看， 这场“翻车”似乎是OpenAI的路由策略和迭代机制过于激进所致。但往深了看，其实就是技术狂奔的方向和用户真实需求发生了严重的错位。长期以来，行业习惯用参数、算力、跑分定义 AI价值，这种评价体系逐渐催生了 “性能至上” 的幻觉。而这一次，用户的投票结果清晰表明：AI的价值评估绝不能简化成冰冷的数字竞赛，以往的评价体系正愈发脆弱。
想要实现商业价值 企业如何拥抱“更有用的AI”？
这种“需求错位”和“强而无用”的困境，其实在企业部署大模型时更为普遍，也更致命。
埃森哲《2025中国企业数字化转型指数》报告显示，尽管46%的中国企业已在更广、更深的维度规模化应用AI，但最终只有 9% 的企业从中实现了显著商业价值。
对个人用户而言，发现AI不好用，动动手指就能换回旧版，试错成本几乎为零。但对投入巨资进行智能化转型的企业来说，一次失败的AI落地、一次看不到业务价值的部署，就意味着真金白银打了水漂，甚至可能拖累整个业务的节奏与士气。那么，企业究竟要怎么决策，才能选到适合自己的AI，让其释放出更大的价值？
要让AI在企业中真正发挥作用，首先要厘清思路——“怎么想”往往比“怎么做”更加重要。只有先避开思维陷阱，再聚焦落地方法，才能让AI与业务同频共振。
避开思维陷阱，锚定真实需求
IDC 在《企业AI转型行动指南》中总结了三个常见误区，值得企业警惕：
误区1：错把参数当效果
不少企业错把模型“参数量大”等同于“效果好”，实则两者之间并无必然关联。正确的做法是从实际业务场景出发，评估大模型的能力是否适配需求；
误区2：错把上线当终点
有些企业认为AI上线后就万事大吉，忽视了数据优化和模型迭代的持续性。事实上AI需要长期投入，企业有必要预留合理的预算用于模型更新，才能够保持强大的生命力；
误区3：错把“封闭保守”当“安全可靠”
部分企业因担心风险而封锁数据，却不知数据不流动就会失去价值。真正的安全，是选择一个全栈可信的解决方案，在保障数据和模型安全的前提下让数据“活”起来。
聚焦落地要务，让AI赋能增长
当企业拨开迷雾后，就应该考虑怎么把一套“需求对位”的AI用的更好，让其促进业务增长。埃森哲为企业提炼出四大落地要务：
以创新突破边界
可以将AI能力系统化的融入企业商业模式、战略决策和业务流程，这样便能帮助企业更高效地预判趋势、响应变化。在前沿的战略方向指引下，加速推出新产品和服务，才得以在竞争中抢占先机；
打造AI驱动的数字核心
AI驱动的数字核心可以将传统IT系统升级为具备动态感知、智能决策和自主进化的技术体系。企业需要通过灵活的架构，将数据资产转化为知识，并能在不同区域市场、合规要求等情况下，对核心业务模块、数据资源及技术能力实施差异化部署，实现技术和业务的协同发展；
构建自适应的韧性
借助现代化数据治理和AI部署，企业能制定前瞻性的成本与效率目标，实时监控运营、提升响应速度；全球布局的企业更可通过AI优化供应链，实现供需、库存的实时调配，增强抗风险能力；
重塑人才与组织
面对AI广泛应用的时代趋势，企业不仅需要建立灵活的人才机制，也应当使各类智能系统能够更好地嵌入流程主干，让人与AI协同进化，并达成更深层次的信任。
GPT-5的风波，本质上是一场关于AI价值的重新校准。无论是选择AI还是开发AI，都应该从"技术狂热"转向"价值理性"。对于企业而言，需避开性能崇拜的陷阱，以业务场景为标尺，在技术选型与落地中坚持 “需求对位”，才能让AI真正释放潜力。说到底，技术就像种子，只有扎根于真实场景的土壤，才能结出价值的果实。
文献参考：
埃森哲《2025中国企业数字化转型指数》
IDC《大模型应用落地白皮书 · 企业AI转型行动指南》
埃森哲《中国企业拥抱AI，为何仅9%实现显著价值？》
