# 巨象与蚂蚁：AI落地的真相，没有人告诉你
**作者**: Jason Lee
**日期**: 2026-04-24T06:03:57.000Z
**来源**: [https://x.com/skaas777/status/2047557135240921329](https://x.com/skaas777/status/2047557135240921329)
---
一场对话，撕开了AI商业化最真实的那一面。
两个在AI赛道摸爬滚打的人，坐下来聊了一下午。没有PPT，没有融资故事，没有”AI重塑未来”的宏大叙事——只有一个字一个字说出来的、带着血腥味的真相：
AI，真的很难赚钱。
尤其是，当你试图把它卖给大公司的时候。
第一道坎：你以为阻碍是技术，其实是人
很多人觉得，AI落地企业最大的障碍是技术门槛。这个判断，错了。
真正的障碍是：基层员工不配合。
一个做AI自动化解决方案的人（姑且叫他S1）讲了一个故事：他花了几个月给某家上市公司搭了一套流程自动化系统，高层拍板通过，预算也批了。然后呢？
然后什么都没动。
下面的人该怎么做还怎么做。没有人主动用那个系统。没有人反对，也没有人支持——他们只是，集体性地视而不见。
这不是个例。这是规律。
大型企业内部，每引入一套新工具，就意味着有人要学习新流程、要被重新考核、要被迫显现出自己之前的低效——谁愿意？AI越智能，这种威胁感就越真实。所以最安全的选择，就是什么都不做，等领导忘了这件事。
S1的应对策略是什么？绕开基层，直接服务高层。
不卖系统，卖”高层个人助理”。给总经理搭一套个性化的自动化工作流，让他的效率肉眼可见地提升，让他在开会时比下属掌握更多信息，让他觉得”这东西好用”。
然后，就会有人被迫用了。
这听起来有点厚黑，但它有效。组织压力永远是自上而下的。
第二道坎：你以为阻碍是合规，其实是成本
好，假设你绕过了人的问题。恭喜你，迎接你的是下一道更硬的墙：数据合规。
上市公司的数据，不能出公司内网，不能传云端，不能用任何第三方服务处理。这不是他们在刁难你，这是他们的法律义务。
那怎么办？本地部署。
本地部署意味着什么？意味着你要给他们买服务器，买GPU，买硬盘阵列，买网络隔离设备，买完还要有人维护。算下来，一套真正合规的AI系统，落地成本”涨到飞起”——S1原话。
更不用说，这还没算上数据打水印、权限管理、审计日志……
有人问S1，做过多少个超大型企业的AI项目？他停顿了一下，说：做成的，很少。问题太多了。
另一位对话者（S2）的朋友，是一个专做B端软件的老炮，总结得很干脆：“名和利，不能同时拿。”
服务大客户，你得到的是品牌背书、行业案例、人脉资源——但钱，来得很慢，甚至来不了。服务小客户，你拿不到那张脸，但账能回来。
这不是悲观主义，这是现实主义。
第三道坎：你以为大模型是工具，其实是供应链
2024年之后，很多在国内做AI产品的人开始感到一种焦虑，但又说不清楚焦虑什么。
S1说清楚了：国外模型的依赖，正在变成供应链风险。
今天你用Claude或GPT搭了一套工作流，明天它涨价、限流、断供，或者被政策卡住，你的整套业务就塌了。这不是假设，这是真实发生过的事情。
于是，不得不做的事情来了——适配国产模型。
但这件事，没有想象中容易。
S1坦白说：用Claude搭的流程，直接迁移到国产模型，效果会变差。不是差一点点，是明显感觉到”性格变了”。提示词的逻辑、任务拆解的方式、输出格式的稳定性——全都要重新调。
“适应它的性格”——这是S1用的词，很传神。每个模型都有自己的脾气，Kimi在某些任务上表现不错，智谱在代码和Agent优化方向有积累，但整体上，国产模型的通用能力仍需时间打磨。
所以真正务实的方向是：多模型编排。
不依赖任何一个模型。而是像指挥乐队一样，知道哪个任务该用哪个模型，在流程层面做好调度和容错。S1正在构建这套映射关系，S2也认为这是未来的必然方向。
这不仅是技术架构的问题，更是一种商业风险对冲的方式。
当AI遇到写作，打开的是另一扇门
以上讲的，是AI在企业端落地有多难。
但对话的另一半，是关于AI如何帮助个人真实地赚到了钱——而且方式出乎很多人的预料。
S2说了一件事，让S1很震惊：他用AI全自动写了一部20万字的网络小说。
不是辅助，是全自动。SOP化的创意写作流程：设定人物、构建世界观、按章节批量生成、人工复审润色。质量不是文学奖水准，但完全符合网络小说平台的发布要求。
更务实的一条线是：AI代写北美文科论文。S2专门做了这门生意，而且不费力气。客户是在美国读”水本水硕”的学生，需求稳定，付费意愿强。AI生成初稿，人工做风格化修改，交付给客户。
S2对这件事有价值观上的不安，他说”以后想摆脱这块”——但他也说了实话：“我觉得我是靠AI写作赚到钱了。”
这之外，还有投标文案、产品描述、市场报告……AI写作的商业化场景，比大多数人以为的宽得多。
关键在于一个认知的转变：你不再是内容生产者，你是流程设计者。
如何拆解任务？如何设计提示词？如何做质量把控？这是新的核心技能，跟写作能力本身关系不大。
记忆，是Agent从工具变成伙伴的关键
对话快结束时，两人聊到了一个他们都认为最重要、但还没解决的问题：Agent的记忆。
当前的AI有一个根本性的缺陷：它不记得你。
每次对话都是从零开始。你的偏好、你的项目背景、你的历史决策——全部要重新交代。这在单次使用中感觉还好，但一旦你想把AI真正融入工作流，这个问题就变得难以忍受。
S2在圈子里看到越来越多人在讨论这个问题。他分享了几个正在探索方向的产品和研究成果——有的专注企业级记忆管理，有的做个人助理的长期上下文。S1说他也在想这件事，但还没找到满意的解法。
这件事为什么重要？
因为真正有价值的AI，不是帮你做一次性的任务，而是随时间增长的能力。一个记得你三年前做了什么决定、知道你的工作习惯、理解你的判断风格的AI，才是真正的生产力倍增器。否则它只是一个每次都要重新培训的实习生。
S1说了一句话，点到了另一个维度：“很多人把Agent当情感陪伴在用。”
如果连情感陪伴都做不到记住你——那价值就大打折扣了。
最后，说一件更大的事
S1还有另一个身份：他在Twitter上做中文内容出海。
他有非常多关注者，大部分是海外华人。他的判断是：这是个增量市场，竞争还不充分，而且优质的中文AI内容在国际平台上极度稀缺。
这件事背后是一个更大的逻辑：
AI正在让个人具备机构级的内容生产能力。过去，一个人能做的事有限；现在，一个人加上AI工具，可以同时运营多个内容矩阵、服务多个客群、进入多个市场。
地理不再是天花板。语言不再是护城河。
当然，新的护城河出现了：判断力、策划力、对人性的理解——这些AI做不到，也短时间内不会做到。
所以那些只会用AI生成内容、没有独立观点的人，迟早会被淹没在内容海洋里。而那些用AI放大自己判断力的人，才是真正的受益者。
写在最后：
这场对话的价值，不在于它给出了多少答案，而在于它诚实地呈现了问题。
AI不是魔法棒。企业级落地真的很难。国产替代真的有差距。大客户真的回款慢。
但同时——个人用AI变现是真实可行的。多模型编排是正确的方向。影响力出海是真实的机会。Agent记忆是下一个值得押注的方向。
这个时代给了每个人一把锤子。但你得先搞清楚，哪颗钉子值得打。
## 相关链接
- [Jason Lee](https://x.com/skaas777)
- [@skaas777](https://x.com/skaas777)
- [283](https://x.com/skaas777/status/2047557135240921329/analytics)
- [Upgrade to Premium](https://x.com/i/premium_sign_up)
- [2:03 PM · Apr 24, 2026](https://x.com/skaas777/status/2047557135240921329)
- [283 Views](https://x.com/skaas777/status/2047557135240921329/analytics)
---
*导出时间: 2026/4/24 16:42:33*