当智能不再稀缺:AI 评论风向正在转向
过去一年,科技圈对 AI 智能体的叙事几乎只有一个方向:革命、颠覆、十倍提效。但在刚刚过去的两周里,风向明显变了——从媒体到资本市场,质疑的声音第一次盖过了吹捧的声音。这种变化本身,可能比任何单条新闻都更值得记录。
风向转变的第一个信号,来自一组扎眼的基准测试数据。 11 月 8 日,阿里巴巴联合五所高校发布 Co-Design Bench:从真实用户的应用编辑会话中提炼出 273 道任务,并用 23,314 条隐藏验收标准来打分,考察智能体”从需求到交付”的完整能力。结果令人清醒——最强的 GPT-6 Astra 完全通过率只有 26.4%,Claude Opus 5 为 18.3%,Qwen3.8-Max 16.5%,Kimi K3 15.8%,Grok 4.6 更是只有 6.6%。要知道,在旧有代码基准上,这些模型早已刷到 99% 以上、趋于饱和。一边是演示视频里行云流水的智能体,一边是真实任务里四分之三需要人类返工的交付物——“AI Coding 工程师”的成色,正在被重新评估。
第二个信号来自评论界的反思。 虎嗅 10 月 31 日的一篇文章《AI 是一种悦己经济?》提出了一个刺耳但值得咀嚼的判断:AI 做的事情,本质上是”让智能不再稀缺”,而不稀缺的东西往往就没价值。文章指出,AI Coding 让代码生产效率提升了十倍,但软件产品的收入并没有同步增长十倍;很多人热衷的 vibe coding,与其说是 save time(省时间),不如说是 kill time(杀时间)——它满足的是创造的快感,而不是生产的刚需。当”人人都能用一句话生成应用”,应用的稀缺性和溢价也就随之瓦解。
资本市场的反应则是第三个信号。 自 10 月初高点以来,纳斯达克 100 指数已回落超过 10%,高盛在研报中甚至将这波抛售类比为 1998 年长期资本管理公司(LTCM)危机时的平仓潮。叠加 SemiAnalysis 的 GDPx 基准测试——智能体在经济类任务上的得分普遍不超过 12%——“AI 叙事透支”成为机构讨论的高频词。
当然,风向转变不等于风向反转。Co-Design Bench 的设计者自己也强调,26.4% 的正确率相比去年仍是巨大进步;质疑的价值在于挤掉泡沫,而不是否定方向。但评论界的共识正在形成一个新的框架:评价 AI 智能体,不该再看它演示时多惊艳,而要看它在无人盯守时能独立交付多少合格工作;不该再为”智能”本身付费,而要为”稀缺的结果”付费。
对从业者和投资者来说,这比任何一轮技术发布都重要——因为风向变了,钱和注意力就会跟着变。
参考链接: