traditional-company-ai

:::intro 如果一个 AI 系统最吸引人的地方是“像人”，老板反而要小心。真正值钱的 AI，通常不说话、不表演、不像电影里的助手；它藏在调度、质检、装载、配载和排产这些后台流程里，把成本、效率和质量一点点抠出来。最赚钱的 AI，可能根本不像 AI。 :::

席卷全网的「龙虾幻觉」

2026 年，国内中小企业里集中冒出了一类老板：自己刷到几条 OpenClaw 的爆款短视频，第二天就在公司群里拍板——「这玩意儿代表先进生产力，咱们每个人都装一个试试，技术部下周拿出接入方案。」

OpenClaw，社区昵称「龙虾」，是年初最火的开源 AI Agent 框架，一经发布就冲上 GitHub Star 榜首，拿到足足 37.9 万 stars，号称是「你的私人 AI 助手」——就如同电影里的贾维斯一样。或许是因为其表现太像我们幻想中的人工智能吧，一波「养虾热」迅速席卷国内的中小公司，「养虾」本身被当成了一个「懂 AI、跟得上时代」的勋章。

而真正懂技术的员工，看着公司的养虾热潮，内心里却一片怨声载道。

倒不是因为真的会被龙虾抢工作——就算抢也不是龙虾在抢；而是因为只要稍微读一读 OpenClaw 的安全公告，就能看到一个让人脊背发凉的事实：这套被无数老板奉为生产力革命的工具，当年一次性发布了 61 页安全公告、600+ 条已知漏洞，命令注入、审批界面截断攻击、token 伪造一应俱全；微软直接对企业放话：不要在任何企业工作站上运行它。

关于 OpenClaw，最讽刺的一幕由 Meta 超级智能团队的 AI 安全研究员 Summer Yue 贡献：她让 OpenClaw 帮自己整理邮箱，在指令里反复强调过一句话：在我明确指示之前，不要执行任何操作。 结果 OpenClaw 无视指令，自主批量删空了她的邮件。她全大写在输入框里砸下「STOP OPENCLAW」——完全拦不住。事后 OpenClaw 给她回了一段堪称「AI 圈名场面」的话：「啊对对对，我违反了指令，你生气十分合理。」

**负责 AI 安全的人，连自己邮箱里的邮件都守不住，那 AI 安全真的安全吗。**而现在，甚至正有一大批老板要求自己公司的员工把这种东西接进核心业务流——这不叫拥抱先进生产力，这叫把公司架在火药桶上点烟。

往大了说，一个吊诡的规律正在被这一类事件反复验证：当下聚光灯下声量最大、最像「人」的那批 AI，恰恰是容错率最低、最容易引发真实商业事故的玩具。

而真正在传统行业里抠出千万级净利润的 AI，根本不跟你对话——它们甚至看起来一点都不像 AI。

昂贵的教训：不可控的「全能助手」

OpenClaw 当然不是孤例。只要把「看上去像 AI」直接当成「先进生产力」往业务里塞，类似的雷会从各个角度炸开。

再看一个让所有 CEO 都该读两遍的判决。

2024 年，加拿大航空（Air Canada）官网的 AI 客服告诉一位刚失去亲人的乘客：可以先全价订票，再凭丧亲证明在 90 天内申请退款。乘客照做，事后申请退款时被公司拒绝——因为这条政策根本不存在，是 AI 自己编的。

乘客把 Air Canada 告上小额法庭。Air Canada 的辩护理由相当超前：「AI 客服是独立的法律实体（separate legal entity），它说的话不代表公司。」

法官的回应非常干脆：驳回。公司必须为它自己网站上的 AI 说的每一句话负全部责任。

这是给所有想「用 AI 替代客服省成本」的老板的第一课：AI 出的错，员工不用背，公司得自己掏钱。 而且不只是赔偿，还有品牌信任的二次损失。

更不用说类似的笑话还在源源不断地发生——Google 搜索的 AI Overviews 一本正经地建议用户「在披萨上涂胶水防止奶酪滑落」「每天吃一块小石头补充矿物质」；纽约一位律师让 ChatGPT 帮忙写诉状，被 ChatGPT 编造的 6 个完全不存在的判例坑得被法官罚款 5000 美元；三星工程师把公司机密源代码粘到 ChatGPT 里求帮助，不到一个月发生三起，三星紧急在全公司封禁。

从乘客投诉到企业泄密，技术早就反复在提醒老板们一件事：让一个最擅长「像人一样说话」的工具去替代真正需要责任、需要严谨、需要安全边界的环节，几乎没有不翻车的。

真正重塑行业的 AI，不需要对话

看到这些层出不穷的「人工智障」事件，你可能会下结论：这一轮 AI 又是个泡沫。

这是一个对老板特别危险的误判。

当然，大语言模型（LLM）绝不是泡沫，它在代码编写、文本理解、知识检索、辅助起草这些场景里确实有巨大价值。但它作为一个「有自主执行能力的全能助手」，目前还远不适合接入核心业务流。 真正出洋相的，不是技术本身，而是对大模型「全知全能、可独立决策」的错位期待。

而真正在重塑行业、给企业实打实算账的那批 AI，早就潜入了厂房、港口和物流网。它们不聊哲学，只算账；极其枯燥、极其安静，但也极具商业价值。

更关键的是：支撑这些巨额商业回报的，主要靠的往往并不是大语言模型，而是运筹优化、动态图计算和高频机器视觉——这些技术比 ChatGPT 早了几十年。它们的核心逻辑就三板斧：唬人的技术壁垒、逼近物理极限的算力压榨，以及真金白银的财务产出。

举两个例子吧：

第一个：美团配送的「超脑」调度系统。

你点一份外卖，看到的是骑手在 28 分钟内送到。背后是一套你完全看不到的、属于运筹学和动态图计算的极限工程。技术名词叫「多目标动态规划」——意思是它要在毫秒之间，把几十万个骑手的实时位置、几百万订单的取送点、餐厅出餐时间、路况、天气、骑手负重、电瓶车续航……全部塞进同一道方程里，求出当下整体最优解，下一秒还要重新算一遍。

美团「超脑」每小时进行的路径规划运算量在 29 亿次量级。 直接结果：平均配送时长被压到 28 分钟左右，履约成本控制在行业里几乎不可能复制的水位上。这套东西没有任何聊天界面，但它每年决定的是上百亿规模的成本结构。

第二个：宁德时代的电池极片视觉质检。

锂电池产线，极片以 80 米/分钟的速度从你眼前飞过。一个针孔、毛刺、涂布不均，都可能在装车后变成自燃事故。靠人眼？根本看不清。

AI 在做的事是：用工业相机以毫秒级帧率拍照，边缘端深度学习模型在毫秒级完成高精度推理，把缺陷率从 PPM（百万分之一）这个级别强行打进了 PPB（十亿分之一）。 配套效果是直接质检人力成本下降 50% 以上。这套系统同样没有任何聊天功能，它的「产品形态」就是产线上一个个安装在闷罐子里的摄像头。

类似的故事还有一长串：顺丰用 3D 视觉系统对每个包裹做毫秒级三维特征提取，反过来优化干线装载率，每年省下数亿元直接成本；上海港、宁波舟山港的全自动化码头用多智能体强化学习协调几十台桥吊和上百台无人集卡，把配载计划制定时间从数小时压到 10–15 分钟，同等吞吐量下单箱能耗下降 20–30%；三一重工用高级排程算法配合海量时序数据做预测性维护，把柔性生产周期砍掉了 77%……这些“AI”的作用，全是在物理世界的极限约束下，利用智能去极致地追求细节——而细节上的优化，就是利润的来源。

它们的共同点是：没有对话框、没有 demo 视频、没有发布会，但每一分钱都流进了财报。

决策落点：为算力内核买单，而非沟通外壳

回到老板视角。当一家供应商给你演示「全能 AI 辅助系统」，对话框里写两句你的需求、它就吐出花哨答案的时候——警惕。这往往是最像我们幻想中的 AI，但又最不值钱的那部分。

真正值钱的商业 AI，本质是把企业里高度复杂、高耗时、人做不了或做不好的关键环节，转化为极其精密的自动化流水线。它通常表现为：一段看不懂的算法、一台闷罐子里的摄像头、一张多目标优化的求解器、一个跑在边缘端的小模型。它甚至不「说话」。

永远不要为「看起来像 AI」的沟通外壳买单，而要为「看不见、不说话、但能极致降本增效」的算力内核买单。