如果你从事产品或技术工作，你很可能参加过这样的会议。供应商的演示或一篇热门帖子出现后，路线图上突然就需要一个智能体、一个MCP应用或一个harness。客户会议也常以“我们需要一个智能体来解决这个问题”开场。从第一性原理拆解需求之后，客户往往需要的是别的东西：定制的预测模型、更好地利用他们已有的大语言模型，或者根本不需要AI。有人必须说“不要这么快”，而且还不能听起来像在防御。这并不容易，因为AI的讨论既喧闹又极具说服力。
本文提供三个步骤，帮助你保持清醒。第一，理解AI价值链，以及你在其中实际所处的位置。第二，建立知识基础，使你能够组织并复用所学的AI知识。第三，有意识地获取信息，同时保持自己的视角。综合来看，这些做法能让你在下一波炒作袭来时，成为团队更强的讨论伙伴。
价值链从顶端的芯片一直延伸到底层的企业。顶层的回报几乎已经到手，芯片在交付时即已付款，但越往下走，回报越不确定。云服务商和模型实验室押注的是未来需求，而其中大量的需求实际上在生态系统内部循环。真正的终端用户需求，只有在价值链的末端才会被决定。
如果你是企业采用者或应用开发者，你处于接收端。AI公司宣扬一种“易用性假象”，即AI便宜、简单且具有变革性，而供应商对其产品局限的了解远比你深。调查数据也凸显了这一差距：据麦肯锡2025年的调查，超过80%使用生成式AI的企业表示，其整体利润并未出现明显影响。
来源: Towards Data Science · 由HeadlinesBriefing整理摘要