Slop、生产力，以及为何AI驱动的世界进展甚微
Gary Marcus引用约翰·伯恩-默多克的一张图表，表达了对AI进展缓慢的看法。
原贴
查看原文原文
中文翻译
Gary Marcus在金融时报上看到John Burn-Murdoch的一张图表，认为它精准提炼了自己一直试图表达的观点。
核心信息
Gary Marcus引用约翰·伯恩-默多克的一张图表，表达了对AI进展缓慢的看法。
- Gary Marcus引用图表批评AI进展缓慢
- AI落地面临数据与组织障碍
- 需警惕投资泡沫，聚焦实用场景
- 企业应量化AI回报而非盲目跟风
详细解读
这是什么信号：Gary Marcus，一位长期关注AI可靠性及进展的学者，通过引用John Burn-Murdoch的图表，指出当前AI驱动的世界进展缓慢，尽管大量投入，但实际生产力提升有限。图表可能展示了AI采纳率与预期增长之间的差距，或AI产出质量不达标的情况。
为什么重要：该观点挑战了“AI快速颠覆一切”的主流叙事，提醒从业者和投资者：AI落地面临结构性障碍，如数据质量、模型不可靠、组织适应性问题。如果进展持续甚微，可能意味着投机泡沫风险，以及需要重新聚焦于基础研究和实用场景。
对谁有价值：AI创业者可调整产品策略，避免追逐华而不实的功能；企业决策者应谨慎评估AI投资回报，优先在可控领域试点；政策制定者需关注AI监管与教育配套，防止技术脱节。
可以怎么行动：1. 企业可建立内部AI测试框架，量化效率影响而非盲目部署。2. 创业者可瞄准“低垂果实”场景，如自动化重复性文档处理。3. 内容创作者可据此策划深度选题，分析AI生产力悖论。
风险或限制：Marcus的观点基于特定图表，可能忽略细分领域的突破（如医疗影像、代码生成）。此外，进展缓慢可能是早期阶段的正常现象，需区分长期趋势与短期噪音。
信息差价值
信息差价值：主流媒体多渲染AI的爆发式增长，而Gary Marcus提供了反视角——进展甚微。这一观点在国内讨论中较少被量化验证，可作为差异化信息源。图表本身可能包含具体数据（如生产率增速、模型改进曲线），值得进一步追踪原图。
业务启发：对于AI创业公司，避免在通用大模型上硬碰硬，而应深耕垂直领域，用可量化的效率提升赢得客户。企业IT部门可建立AI效益跟踪仪表盘，定期评估实际产出与预期差异，及时调整方向。
可沉淀动作：1. 整理Marcus的观点和图表，制作成OPC内部周报案例。2. 对比分析中国AI落地数据（如制造业AI渗透率），撰写本土化解读。3. 设计一场选题讨论会，围绕“AI进展测量标准”展开，邀请从业者分享实操经验。