95% 生成式 AI 投資「零回報」：當「AI Slop」淹沒市場，CEO 該如何避開泡沫？

各位企業領導者，市場從未如此矛盾。一方面，人工智慧的熱浪席捲全球，創投基金屢創新高，Nvidia 股價勢如破竹，所有人都急於在 AI 故事中找到自己的位置。另一方面，卻是冰冷的現實：MIT Technology Review 指出，高達 95% 的生成式 AI 投資，目前獲得的竟然是「零回報」。更甚者，「AI slop」（AI 生成的低劣內容）已被韋氏字典選為年度詞彙，消費者的「AI 倦怠」與信任危機正迅速蔓延。

這不是一次簡單的技術迭代，而是一場前所未有的「狂熱與務實修正並存」的市場淘洗。在 AI 泡沫論與無限潛力論的交鋒中，真正的考驗在於，您的企業是否具備洞察力，能辨識出潛在的藍海，同時避開那些充滿陷阱的「登月計畫」。現在，是時候跳出炒作的喧囂，聚焦於那些真正創造價值、具備可量化回報的 AI 戰略。

戰略機會點：在「零回報」潮汐中尋找高獲利藍海

當市場對通用型 AI 模型投資回報感到迷茫之際，真正的戰略機會卻在那些高度聚焦、解決特定痛點且具備深厚領域知識的「接地式 AI」應用中浮現。這不是關於「是否採用 AI」，而是關於「如何將 AI 與您的核心業務護城河深度融合，並產生可量化 ROI」。

為何是現在？市場對通用 AI 的幻覺正在破滅，迫使企業從「追逐最新技術」轉向「追求實際業務成果」。這正是務實者建立持久競爭優勢的最佳時機。

• 「數據安全與賦能」的雙贏： 在 AI 數據爆炸與隱私法規日趨嚴格的背景下，如何安全地利用敏感數據進行 AI 建模與分析，是所有企業的共同痛點。Capital One 將其十年磨一劍的無庫令牌化技術 Databolt 商業化，以每秒 400 萬令牌的高效能，在保護數據的同時，為 AI 提供了安全燃料。這種將內部技術商業化，解決行業共性痛點的模式，是創造高利潤 SaaS 產品的典範。
• 「企業級知識」的 AI 化與效率革命： 企業內部龐大且碎片化的知識庫，是等待被 AI 喚醒的寶藏。SAP Joule 結合其海量專有數據，為顧問提供準確度超過 95% 的 AI 輔助，每天為每個用戶節省 1.5 小時，顯著降低了返工時間達 14%。這證明了在特定垂直領域，以自有數據訓練的「接地式 AI」能直接轉化為巨大的成本節約與生產力提升。這類解決方案在醫療、法律、金融等知識密集型行業，將是下一波高獲利引擎。
• AI 代理的「無感」自動化與垂直深化： AI 正從工具轉變為自主規劃、執行的「代理人」。Valerie Health 的「AI 前台」服務，精準鎖定醫療行政這一高價值、高痛點的垂直市場，實現了預約、資訊篩選的自動化。未來的藍海將屬於那些能讓 AI 代理在特定行業（而非通用任務）中，以「無感」方式提供精準服務，並收取訂閱或佣金的企業。這需要技術與深厚行業理解的結合。
• 「幕後英雄」的基礎設施紅利： AI 對算力的天文數字級需求，正在重塑整個基礎設施產業鏈。TotalEnergies 與 Google 簽訂 21 年的太陽能發電協議，以及福特轉向為資料中心製造電池，都預示著能源、高效能晶片、先進冷卻技術（如華新麗華的「AI 冷精棒」）等「幕後英雄」的需求將持續爆發。這些提供核心支撐的實體資產，在 AI 應用層面充滿泡沫之際，展現出堅實的長期投資價值。

關鍵風險預警：泡沫破裂前的「紅燈」信號

在追逐機會的同時，CEO 們必須保持清醒，警惕那些正在積聚風險、最終可能導致重大損失的「紅燈」信號。逆向思考，哪些熱門趨勢其實是泡沫？

• 「AI Slop」的信任危機與品牌侵蝕： 當 Merriam-Webster 將「slop」選為年度詞彙，Prime Video 因 AI 影片摘要問題而撤回功能時，警鐘已經敲響。任何大量使用 AI 生成內容，卻缺乏嚴格品質控制、真實性驗證機制的平台或產品，都將面臨用戶流失、品牌信任度直線下降的風險。這種「AI 倦怠」是企業信譽最大的敵人。
• 缺乏核心價值與「接地」能力的「貨物崇拜式 AI」： 許多產品僅在現有功能上貼上「AI」標籤，卻未能真正改變工作方式或解鎖新流程。Google 研究顯示，即使是其 AI 模型，準確率最高也僅 69%，錯誤率高達三分之一。過度依賴通用 AI 模型 API 而無自身護城河，未能利用專有數據進行「接地」（grounding）的企業級方案，將導致「AI 幻覺」頻繁，最終客戶無法信任，投資付諸東流。
• 「AI 資料中心泡沫 2.0」與無節制的「登月計畫」： 著名做空者 Jim Chanos 警告 AI 資料中心存在「網路泡沫 2.0」風險。霍華德·馬克斯也提醒，AI 領域瀰漫著一種「登月計畫」心態，投入巨資卻缺乏清晰的短期或中期回報路徑。大規模、無差異化地投入通用 AI 基礎設施建設，可能導致供過於求、競爭加劇和能源成本飆升，最終盈利不及預期。
• 傳統企業未能轉型與「軟體定義」的挑戰： iRobot 的破產，並被中國供應商接管，是傳統硬體製造商未能有效整合 AI 技術、創新商業模式的警示。單純依賴硬體產品線，缺乏軟體服務和 AI 生態系統護城河的企業，在高科技時代將難以抵禦新興競爭者和供應鏈壓力。轉型慢一步，就可能被徹底淘汰。

CEO 行動建議：降本增效，建立 AI 韌性

在當前市場的動盪與機遇並存之際，CEO 們的決策至關重要。以下是三點具體的行動建議，旨在幫助您實現降本增效，並建立企業的 AI 韌性：

• 1. 實踐「接地式 AI」與量化 ROI，告別「AI Slop」：

  不再盲目追逐模型規模，而應將 AI 應用於企業核心痛點，利用您的自有專有數據對模型進行「接地」（grounding），確保輸出高度準確可靠。每一次 AI 投資都必須能清晰量化其帶來的效率提升或成本節約（如 SAP Joule 顧問的 1.5 小時節省）。從內部數據治理和知識庫的 AI 化著手，確保 AI 輸出的品質與真實性，能有效避免「AI slop」帶來的返工成本與信任危機。

• 2. 擁抱混合架構與強化「AI 編排」能力，解鎖多模型價值：

  在開源與閉源模型並存的時代，企業應採取靈活的混合策略。但更重要的是，必須投入資源建立強大的「AI 編排層」能力，有效地整合、管理並驗證多個 AI 模型的輸出（如 Zoom 的聯邦式 AI），確保數據安全（如 Capital One 的 Databolt 無庫令牌化），並建立可解釋、可控的 AI 系統。這不僅能提升整體 AI 系統的效率與可靠性，降低集成成本，更能避免對單一供應商的過度依賴，增強決策彈性。

• 3. 策略性投資下一代基礎設施與內部 AI 人才，築起長久護城河：

  在避免「AI 資料中心泡沫」的同時，策略性地識別並投資那些對未來 AI 發展至關重要的「幕後英雄」基礎設施，如 AI 專用冷卻技術、高效能電池儲能系統。這些投資能優化長期營運成本與效能。同時，積極培養具備 AI 模型集成、數據工程、安全防護和倫理治理能力的內部團隊，降低對外部供應商的依賴，並提升企業的「AI 韌性」與創新效率。人才是最關鍵的資產，而非僅僅是外部工具。

---

(Power by 耕佳智策行 - Kenjago AI 情報雷達站，專注於應用落地。)