早在2025年8月,OpenAI的CEO Sam Altman就在接受采访时直接把AI称为"a bubble"(一个泡沫)。李彦宏说渗透不足,Sam Altman说估值疯狂。

11月17日下午,APEC工商领导人峰会,百度创始人李彦宏说了一段不中听却极显份量的话。

他的原意很直接:过去三年多,AI技术迭代极快,各方面投入成倍增长,算力与云资源价格、Token消耗都在快速上升,但AI在应用层的渗透却低于预期,很多企业用上AI之后,收入和利润并没有明显提升,如果不解决这个问题,AI可能变成一个泡沫,所以最紧迫的,是找到AI真正适合的应用场景。

同一天、同一个峰会,TCL李东生上台了。他没有谈泡沫,他谈的是TCL近三年AI应用创造的综合效益——超过25亿元,部署了一万多个行业智能体,约500个硅基员工覆盖了三成业务流程。

李彦宏担忧AI能力渗透不足,李东生却报出了AI落地的实际效益。同样的命题,为何两边给出了不一样的答卷?

担心泡沫的,不止李彦宏一个

先把这个警告放在更大的坐标系里看。

早在2025年8月,OpenAI的CEO Sam Altman就在接受采访时直接把AI称为"a bubble"(一个泡沫)。但他同时强调,AI也是"a very long time"以来发生的最重要的事情。

他的原话是:投资者追逐的是一个"kernel of truth"(核心真相),但已经"overexcited"(过度兴奋),部分公司的估值已经到了"insane"(疯狂)的地步。

有意思的是,即便如此,Altman还是表示OpenAI将在不远的将来"spend trillions of dollars"(花费数万亿美元)在数据中心建设上,因为他自己就是这场军备竞赛最大的参与者之一。

一个泡沫论的最大受益者在警告泡沫,同时又在不计成本地下注。这个矛盾本身就是当下AI产业最真实的写照。

李开复的判断更早、更直接。

早在去年3月的中关村论坛上,他就公开说"2025年会是AI应用大规模落地的元年",但同时指出一个关键变化:"超大预训练模型的直接商业价值在逐步降低",因为数据不足、价格高昂、超大GPU群效率降低,边际效应递减。换句话说,拼模型规模这条路,商业回报的天花板已经隐约可见。

李彦宏说渗透不足,Sam Altman说估值疯狂。但前英伟达创始人黄仁勋却站在另一个位置上,给出了截然不同的判断。

今年6月的英伟达年度股东大会上,黄仁勋,这位AI时代最大的“军火商”给出了如下判断:"有用的AI已经到来,AI的投资回报率问题已经有了答案,每个行业都在争相采用智能体AI。"

他的逻辑也很直白:AI数据中心是"制造词元的工厂",每个词元都可以转化为代码、答案、设计、行动和服务,因此每个词元都是利润单位。客户买的不是一堆服务器,而是在建设能够产生收入的AI工厂。

他还给AI落地下了一个具体的定义,生成式AI吸引了世界的注意,推理型AI学会了思考问题,现在智能体AI已经到来,它可以使用工具、访问记忆、编写代码、调用其他智能体、测试结果,并持续工作直到任务完成。GitHub的数据佐证了这一点:2023年全球开发者合并了3亿个pull request,2024年4亿,2025年5亿,而2026年前几个月这个速度几乎翻了三倍。

黄仁勋把下一波增长定义为物理AI,机器人、汽车和智能工厂将成为现实世界中的智能体,能够感知、推理、规划并自主行动。

李彦宏的悲观、Sam Altman的矛盾、李开复的转向、黄仁勋的乐观,四种判断,都指向同一个分水岭,AI到底有没有进入实际产生利润的阶段。而判断的分界线,恰好落在场景上,即在什么行业、什么环节、什么深度上使用AI?

李东生给的是AI真正落地的答案

回到11月17日深圳峰会。李东生的发言之所以值得单独说,是因为TCL做的事情,恰好是黄仁勋物理AI和李彦宏应用渗透在中国制造业的一个具体样本。

其实早在今年6月,在北京的APEC工商领导人中国论坛上,他就已经提出了核心主张:AI向实。

他认为,AI的价值不在于停留在技术展示,而在于进入真实产业场景,解决真实问题、创造真实价值。他强调,制造企业要推动AI落地产业一线,实现从单点技术创新向全产业链生态协同的转变。

TCL的实践具体是这样的。首先是自研垂域模型。TCL没有卷通用大模型,而是围绕三大主业各自造了一个,面板用星智,光伏用深蓝,终端用伏羲。

以星智为例,这是全球显示行业首个具备强推理能力的垂域多模态大模型,把行业老师傅的经验数据化之后,客户规格解析这个环节从1个月压缩到1天,材料设计从数周缩至2-3天。而伏羲大模型则随着千万台TCL电视,以润物细无声的姿态进入到了全世界用户的客厅和卧室,为用户提供着“看得见”的智能观影体验。

另外就是智能体进产线,这是AI落地关键中的关键。以TCL空调制造基地为例,整线搭载了超2000个AI智能体,可以做到每7秒下线一台空调,质检环节,AI视觉把缺陷拦截率从人工的85%提升到100%,排产优化则让计划制定周期从7天压缩到30分钟。

AI行业早有说法,那就是所有传统场景都值得用AI重新做一遍。

TCL的“泛智屏智能算柜项目”是个典型,出口产品装集装箱的装载规划,以前用算法做过优化,人算一柜半小时,已经觉得挺高效。换成AI重做后,几秒钟出结果,一年省的钱以千万计,还减了七百多吨碳。这个项目被世界经济论坛评为"AI应用之星"。

这个"重做一遍"的案例,和李彦宏在APEC现场举的青岛港例子,逻辑完全一致,青岛港的岸桥调度早年用传统算法优化过,觉得到头了,用智能体重做一遍,效率又大幅提升。

李彦宏说大多数公司用AI没赚到钱,这是现实,但TCL靠着AI创造了25亿收益也是事实。区别就在于:前一类可能是花大价钱买了显卡机柜却手搓了一堆剧情雷同的短剧;后者却是拿着AI把整个车间重新开发了一遍。

李彦宏用工业革命类比AI,说电机早已装进工厂,但流水线发明之前,电对GDP的贡献很有限。AI也一样,技术再强,组织方式不变,价值就出不来。TCL的硅基员工能顺利覆盖三成业务流程,说的就是这件事,AI落地首先得是一场组织变革,其次才是技术部署。

回到最开始的问题,这轮AI的巨型投入,什么时候能兑现成利润?

相比较AI大佬们通过各类skills卖词元(Token),李东生用TCL的产线和财报,给出的制造业答案显然要来得更为直观。

AI是不是泡沫,取决于你站在哪一边看。站在纯Token的方向看,泡沫论有充分的证据;但是如果你站在实业落地的方向看,答案其实一早就在了。

比如TCL,给出的真正AI落地的答案。

声明:本站原创文章文字版权归电科技所有,转载务必注明作者和出处;本站转载文章仅仅代表原作者观点,不代表电科技立场,图文版权归原作者所有。如有侵权,请联系我们删除。
分享到: