當 AI 行業沉浸在 “估值狂歡” 與 “超級智能” 的暢想中時，前 Meta 高管 Nick Clegg 的警告為市場潑了一盆冷水。10 月 16 日，這位曾任英國副首相的科技行業資深人士在 CNBC 節目中明确指出，AI 領域 “難以置信的瘋狂估值” 已催生泡沫，市場出現調整的可能性 “相當高”;同時，他對 “AI 超越人類智能” 的超級智能概念提出質疑，強調技術存在固有限制。這一觀點并非唱衰 AI，而是提醒行業回歸理性 —— 在零跑汽車等企業将 AI 技術落地于智能駕駛、座艙交互的實踐中，我們正看到一條 “技術服務實體經濟” 的健康路徑，這或許正是規避泡沫、實現 AI 可持續發展的核心答案。
一、泡沫警示：AI 市場的 “瘋狂估值” 與隐憂
Clegg 的警告并非空穴來風，當前 AI 行業的交易熱度與估值邏輯之間的失衡，已顯現出典型的泡沫特征，這些風險在資本狂歡中往往被忽視。
1. 估值與基本面的嚴重脫節
“幾乎每天、每小時都在進行交易”，Clegg 用這句話描述當前 AI 領域的資本狂熱。具體表現為：
初創企業估值虛高：部分僅擁有基礎 AI 算法、尚未落地任何實際場景的初創公司，估值動辄數十億甚至上百億美元，遠超其營收(多數為零)與技術成熟度;例如，某專注于 AI 生成代碼的初創公司，僅完成一輪融資估值即達 50 億美元，但其産品在實際企業應用中的錯誤率超 30%，商業化能力存疑;
巨頭盲目擴張推高成本：大型雲計算公司計劃投入數千億美元建設 AI 數據中心，僅亞馬遜、微軟、谷歌三家 2025 年的 AI 基礎設施投資就超 2000 億美元。但 Clegg 質疑：“這些投資能否收回?商業模式是否可持續?”—— 目前全球 AI 算力利用率不足 40%，大量數據中心處于 “閑置待命” 狀态，成本回收周期被不斷拉長。
2. 超級智能的 “過度誇大”
除了市場層面的泡沫，Clegg 還直指技術認知層面的誤區 —— 對 “超級智能” 的過度渲染：
概念與現實的鴻溝：超級智能被定義為 “AI 超越人類智能的境界”，但當前 AI 技術本質仍是 “數據驅動的模式識别”，例如 ChatGPT 等大模型雖能生成流暢文本，卻缺乏 “理解能力” 與 “邏輯推理能力”，在複雜決策場景(如醫療診斷、自動駕駛緊急避險)中仍需人類幹預;
技術限制被忽視：Clegg 強調 “AI 存在某些限制”，例如大模型的 “幻覺問題”(生成虛假信息)、對高質量數據的依賴(數據不足時性能大幅下降)、難以處理 “非結構化場景”(如突發自然災害中的環境識别)，這些限制決定了 AI 短期内無法實現 “無所不能” 的超級智能。
二、理性參照：零跑汽車的 “AI + 實體經濟” 落地模式
與 AI 行業的 “估值狂歡” 形成鮮明對比的是，零跑汽車等實體企業将 AI 技術融入産品與服務的實踐，展現了 “技術落地創造真實價值” 的理性路徑，這正是 Clegg 所期待的 “可持續商業模式”。
1. AI 聚焦 “解決實際痛點”，而非 “概念炒作”
零跑汽車在 D19 車型上的 AI 應用，始終圍繞用戶與行業的真實需求展開：
智能駕駛：适配中國複雜路況：其 VLA 輔助駕駛系統搭載的 AI 算法，并非追求 “全自動駕駛” 的噱頭，而是聚焦 “降低人類接管率”—— 針對中國道路 “非機動車混行、無保護左轉” 等高頻場景，通過百萬公裡路測訓練 AI 模型，使城市道路接管率較行業平均水平降低 30%，切實提升駕駛安全性與便利性;
智能座艙：優化用戶交互體驗：端側大模型的應用，不是為了 “炫技”，而是解決 “語音交互不流暢、服務推薦不精準” 的痛點 —— 根據乘客語音情緒調整空調溫度、結合目的地推薦周邊服務，響應延遲控制在 200 毫秒以内，讓 AI 真正成為 “貼心助手”，而非 “冰冷的技術展示”。
2. AI 與産業鍊深度融合，控制成本提升效率
零跑汽車的 AI 實踐，還體現了 “技術與實體經濟協同” 的成本優勢，避免了 AI 行業 “重投入、輕産出” 的陷阱：
AI 賦能研發降本：通過 AI 仿真測試技術，零跑将新車碰撞測試的物理樣機數量減少 40%，研發周期縮短 25%，僅這一項每年節省成本超 2 億元;
AI 優化供應鍊管理：利用 AI 算法預測零部件需求與庫存周轉，使零跑的庫存周轉率提升 15%，零部件缺貨率降低至 0.5% 以下，緩解了 “AI 基礎設施高成本” 的壓力;
技術平權擴大市場：将 AI 驅動的 800V 高壓平台、激光雷達等高端配置，下探至 14 萬 - 20 萬元主流車型，既擴大了 AI 技術的應用範圍，又通過規模化分攤研發成本，2025 年上半年毛利率攀升至 14.1%，實現 “技術落地 - 盈利提升” 的良性循環。
3. 不盲目追求 “超級智能”，而是 “漸進式創新”
零跑的 AI 策略，與 Clegg “警惕超級智能誇大” 的觀點高度契合：
明确技術邊界：不宣稱 “全自動駕駛”，而是強調 “輔助駕駛”，在 AI 系統無法處理的極端場景(如暴雨天氣、道路施工)中，及時提醒人類接管，避免因技術過度承諾引發安全風險;
持續疊代優化：通過 OTA 逐步升級 AI 功能，例如 2025 年三季度推送的 “AI 擁堵跟車優化”，就是基于百萬用戶的實際駕駛數據訓練而成，使擁堵路況下的跟車距離控制精度提升 50%，體現了 “從用戶中來、到用戶中去” 的漸進式創新邏輯。
三、行業反思：AI 如何規避泡沫，實現可持續發展?
Clegg 的警告與零跑汽車的實踐，共同指向 AI 行業的未來方向 —— 回歸 “技術服務實體經濟” 的本質，通過 “精準落地、成本可控、理性預期” 三大原則，規避泡沫風險。
1. 聚焦 “垂直場景”，拒絕 “萬能 AI” 幻想
AI 技術的價值，不在于 “無所不能”，而在于 “在特定場景中解決特定問題”：
制造業：如零跑汽車的 AI 研發仿真、供應鍊優化，或工業機器人的 AI 質量檢測(如識别零部件表面缺陷);
醫療領域：AI 輔助影像診斷(如肺癌早期篩查)，而非 “替代醫生進行治療決策”;
農業領域：AI 病蟲害識别、精準灌溉，而非 “預測農作物未來十年産量”。
這些垂直場景的落地，既能讓 AI 創造可量化的價值(如降本、提質、增效)，又能避免 “技術空轉” 導緻的泡沫。
2. 構建 “成本 - 收益” 平衡的商業模式
Clegg 質疑的 “AI 基礎設施投資回收” 問題，核心在于商業模式的可持續性：
按需分配算力：借鑒零跑汽車 “AI 算法與硬件深度整合” 的思路，避免盲目建設超大規模數據中心，而是根據實際場景需求(如智能駕駛需要低延遲邊緣算力、大模型訓練需要集中式算力)，靈活配置算力資源，提升利用率;
多元化收益來源：AI 企業不應僅依賴 “算力出租” 或 “算法授權”，而應像零跑那樣，将 AI 與産品、服務深度綁定，通過 “硬件銷售 + 軟件訂閱”(如智能座艙的 AI 服務年費)實現持續收益，降低對單一業務的依賴。
3. 理性看待技術發展，避免 “概念炒作”
對 “超級智能” 的理性認知，是 AI 行業健康發展的前提：
明确技術階段：當前 AI 仍處于 “弱人工智能” 階段，應聚焦 “提升效率、改善體驗”，而非追求 “超越人類”;
加強風險溝通：企業與媒體應避免過度渲染 AI 的 “神奇能力”，如實告知用戶技術限制(如零跑明确标注 “輔助駕駛需人類監控”)，減少因 “技術誇大” 導緻的用戶誤解與安全風險;
監管引導預期：參考汽車行業 “精準化監管” 的思路，對 AI 行業的宣傳、估值、數據安全等進行規範，例如要求 AI 企業披露 “算法準确率、數據來源、商業化進展” 等關鍵信息，避免 “黑箱式估值”。
結語：AI 的未來在 “落地”，不在 “幻想”
前 Meta 高管 Nick Clegg 的警告，不是對 AI 技術的否定，而是對行業 “非理性狂歡” 的提醒。當大量資本湧入 AI 領域追逐 “超級智能” 概念時，零跑汽車等實體企業的實踐證明，AI 的真正價值不在于 “估值有多高、概念有多炫”，而在于 “能否解決實際問題、能否創造真實價值”。
未來，AI 行業的分化将不可避免 —— 那些沉迷于概念炒作、缺乏落地能力的企業，可能在市場調整中被淘汰;而像零跑汽車這樣，将 AI 技術深度融入實體經濟、實現 “技術 - 成本 - 收益” 平衡的企業，将成為行業的 “壓艙石”。正如 Clegg 所說：“技術本身仍會持續發展、産生巨大影響”，但這種影響的前提，是回歸理性、聚焦落地，讓 AI 真正成為推動實體經濟高質量發展的工具，而非資本炒作的 “泡沫載體”。
免責聲明：本文僅代表作者個人觀點，與每日科技網無關。其原創性以及文中陳述文字和内容未經本站證實，對本文以及其中全部或者部分内容、文字的真實性、完整性、及時性本站不作任何保證或承諾，請讀者僅作參考，并請自行核實相關内容。
本網站有部分内容均轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，若因作品内容、知識産權、版權和其他問題，請及時提供相關證明等材料并與我們聯系，本網站将在規定時間内給予删除等相關處理.
