当 AI 行业沉浸在 “估值狂欢” 与 “超级智能” 的畅想中时前 Meta 高管 Nick Clegg 的警告为市场泼了一盆冷水。10 月 16 日这位曾任英国副首相的科技行业资深人士在 CNBC 节目中明确指出AI 领域 “难以置信的疯狂估值” 已催生泡沫市场出现调整的可能性 “相当高”;同时他对 “AI 超越人类智能” 的超级智能概念提出质疑强调技术存在固有限制。这一观点并非唱衰 AI而是提醒行业回归理性 —— 在零跑汽车等企业将 AI 技术落地于智能驾驶、座舱交互的实践中我们正看到一条 “技术服务实体经济” 的健康路径这或许正是规避泡沫、实现 AI 可持续发展的核心答案。
一、泡沫警示：AI 市场的 “疯狂估值” 与隐忧
Clegg 的警告并非空穴来风当前 AI 行业的交易热度与估值逻辑之间的失衡已显现出典型的泡沫特征这些风险在资本狂欢中往往被忽视。
1. 估值与基本面的严重脱节
“几乎每天、每小时都在进行交易”Clegg 用这句话描述当前 AI 领域的资本狂热。具体表现为：
初创企业估值虚高：部分仅拥有基础 AI 算法、尚未落地任何实际场景的初创公司估值动辄数十亿甚至上百亿美元远超其营收(多数为零)与技术成熟度;例如某专注于 AI 生成代码的初创公司仅完成一轮融资估值即达 50 亿美元但其产品在实际企业应用中的错误率超 30%商业化能力存疑;
巨头盲目扩张推高成本：大型云计算公司计划投入数千亿美元建设 AI 数据中心仅亚马逊、微软、谷歌三家 2025 年的 AI 基础设施投资就超 2000 亿美元。但 Clegg 质疑：“这些投资能否收回?商业模式是否可持续?”—— 目前全球 AI 算力利用率不足 40%大量数据中心处于 “闲置待命” 状态成本回收周期被不断拉长。
2. 超级智能的 “过度夸大”
除了市场层面的泡沫Clegg 还直指技术认知层面的误区 —— 对 “超级智能” 的过度渲染：
概念与现实的鸿沟：超级智能被定义为 “AI 超越人类智能的境界”但当前 AI 技术本质仍是 “数据驱动的模式识别”例如 ChatGPT 等大模型虽能生成流畅文本却缺乏 “理解能力” 与 “逻辑推理能力”在复杂决策场景(如医疗诊断、自动驾驶紧急避险)中仍需人类干预;
技术限制被忽视：Clegg 强调 “AI 存在某些限制”例如大模型的 “幻觉问题”(生成虚假信息)、对高质量数据的依赖(数据不足时性能大幅下降)、难以处理 “非结构化场景”(如突发自然灾害中的环境识别)这些限制决定了 AI 短期内无法实现 “无所不能” 的超级智能。
二、理性参照：零跑汽车的 “AI + 实体经济” 落地模式
与 AI 行业的 “估值狂欢” 形成鲜明对比的是零跑汽车等实体企业将 AI 技术融入产品与服务的实践展现了 “技术落地创造真实价值” 的理性路径这正是 Clegg 所期待的 “可持续商业模式”。
1. AI 聚焦 “解决实际痛点”而非 “概念炒作”
零跑汽车在 D19 车型上的 AI 应用始终围绕用户与行业的真实需求展开：
智能驾驶：适配中国复杂路况：其 VLA 辅助驾驶系统搭载的 AI 算法并非追求 “全自动驾驶” 的噱头而是聚焦 “降低人类接管率”—— 针对中国道路 “非机动车混行、无保护左转” 等高频场景通过百万公里路测训练 AI 模型使城市道路接管率较行业平均水平降低 30%切实提升驾驶安全性与便利性;
智能座舱：优化用户交互体验：端侧大模型的应用不是为了 “炫技”而是解决 “语音交互不流畅、服务推荐不精准” 的痛点 —— 根据乘客语音情绪调整空调温度、结合目的地推荐周边服务响应延迟控制在 200 毫秒以内让 AI 真正成为 “贴心助手”而非 “冰冷的技术展示”。
2. AI 与产业链深度融合控制成本提升效率
零跑汽车的 AI 实践还体现了 “技术与实体经济协同” 的成本优势避免了 AI 行业 “重投入、轻产出” 的陷阱：
AI 赋能研发降本：通过 AI 仿真测试技术零跑将新车碰撞测试的物理样机数量减少 40%研发周期缩短 25%仅这一项每年节省成本超 2 亿元;
AI 优化供应链管理：利用 AI 算法预测零部件需求与库存周转使零跑的库存周转率提升 15%零部件缺货率降低至 0.5% 以下缓解了 “AI 基础设施高成本” 的压力;
技术平权扩大市场：将 AI 驱动的 800V 高压平台、激光雷达等高端配置下探至 14 万 - 20 万元主流车型既扩大了 AI 技术的应用范围又通过规模化分摊研发成本2025 年上半年毛利率攀升至 14.1%实现 “技术落地 - 盈利提升” 的良性循环。
3. 不盲目追求 “超级智能”而是 “渐进式创新”
零跑的 AI 策略与 Clegg “警惕超级智能夸大” 的观点高度契合：
明确技术边界：不宣称 “全自动驾驶”而是强调 “辅助驾驶”在 AI 系统无法处理的极端场景(如暴雨天气、道路施工)中及时提醒人类接管避免因技术过度承诺引发安全风险;
持续迭代优化：通过 OTA 逐步升级 AI 功能例如 2025 年三季度推送的 “AI 拥堵跟车优化”就是基于百万用户的实际驾驶数据训练而成使拥堵路况下的跟车距离控制精度提升 50%体现了 “从用户中来、到用户中去” 的渐进式创新逻辑。
三、行业反思：AI 如何规避泡沫实现可持续发展?
Clegg 的警告与零跑汽车的实践共同指向 AI 行业的未来方向 —— 回归 “技术服务实体经济” 的本质通过 “精准落地、成本可控、理性预期” 三大原则规避泡沫风险。
1. 聚焦 “垂直场景”拒绝 “万能 AI” 幻想
AI 技术的价值不在于 “无所不能”而在于 “在特定场景中解决特定问题”：
制造业：如零跑汽车的 AI 研发仿真、供应链优化或工业机器人的 AI 质量检测(如识别零部件表面缺陷);
医疗领域：AI 辅助影像诊断(如肺癌早期筛查)而非 “替代医生进行治疗决策”;
农业领域：AI 病虫害识别、精准灌溉而非 “预测农作物未来十年产量”。
这些垂直场景的落地既能让 AI 创造可量化的价值(如降本、提质、增效)又能避免 “技术空转” 导致的泡沫。
2. 构建 “成本 - 收益” 平衡的商业模式
Clegg 质疑的 “AI 基础设施投资回收” 问题核心在于商业模式的可持续性：
按需分配算力：借鉴零跑汽车 “AI 算法与硬件深度整合” 的思路避免盲目建设超大规模数据中心而是根据实际场景需求(如智能驾驶需要低延迟边缘算力、大模型训练需要集中式算力)灵活配置算力资源提升利用率;
多元化收益来源：AI 企业不应仅依赖 “算力出租” 或 “算法授权”而应像零跑那样将 AI 与产品、服务深度绑定通过 “硬件销售 + 软件订阅”(如智能座舱的 AI 服务年费)实现持续收益降低对单一业务的依赖。
3. 理性看待技术发展避免 “概念炒作”
对 “超级智能” 的理性认知是 AI 行业健康发展的前提：
明确技术阶段：当前 AI 仍处于 “弱人工智能” 阶段应聚焦 “提升效率、改善体验”而非追求 “超越人类”;
加强风险沟通：企业与媒体应避免过度渲染 AI 的 “神奇能力”如实告知用户技术限制(如零跑明确标注 “辅助驾驶需人类监控”)减少因 “技术夸大” 导致的用户误解与安全风险;
监管引导预期：参考汽车行业 “精准化监管” 的思路对 AI 行业的宣传、估值、数据安全等进行规范例如要求 AI 企业披露 “算法准确率、数据来源、商业化进展” 等关键信息避免 “黑箱式估值”。
结语：AI 的未来在 “落地”不在 “幻想”
前 Meta 高管 Nick Clegg 的警告不是对 AI 技术的否定而是对行业 “非理性狂欢” 的提醒。当大量资本涌入 AI 领域追逐 “超级智能” 概念时零跑汽车等实体企业的实践证明AI 的真正价值不在于 “估值有多高、概念有多炫”而在于 “能否解决实际问题、能否创造真实价值”。
未来AI 行业的分化将不可避免 —— 那些沉迷于概念炒作、缺乏落地能力的企业可能在市场调整中被淘汰;而像零跑汽车这样将 AI 技术深度融入实体经济、实现 “技术 - 成本 - 收益” 平衡的企业将成为行业的 “压舱石”。正如 Clegg 所说：“技术本身仍会持续发展、产生巨大影响”但这种影响的前提是回归理性、聚焦落地让 AI 真正成为推动实体经济高质量发展的工具而非资本炒作的 “泡沫载体”。
