目前AI在企业中的处境相当微妙

寂静回声

2025年初随着deepseek的爆火AI一词可谓出尽风头，各行各业都在大谈AI，如果不懂AI可能就不好意思和别人打招呼，各大企业老板也陷入了AI的焦虑之中，用还是不用?如何用？要不要实现本地部署？要不要花钱买DS专用服务器？然半年过去，AI之风吹过，留下的却是一地的鸡毛，抓住风口的赚走了一大波的流量，割走了一大波的韭菜，卖服务器硬件的也赚的盆满钵满，但企业的应用效果却还是外热内冷。

虽然很多头部企业应用AI技术早，宣布了很多应用案例，但从其应用场景来看存在：场景简单、价值有限、过于理论化的特点，真正应用于管理的价值场景屈指可数，更多的是在做简单场景的试点，比如企业AI知识库的搭建，这是大部分企业AI应用的首先场景，但即使是这个看似如此简单的场景，真正实现起来也是一波三折，存在“一学就会，一做就废”的困惑，让AI在企业中的印象与地位变的微妙起来。
比如大部分企业信息部门会面临如下境况：
1.在服务器的选择上，选择本地部署，还是云端产品，会纠结；
2.在模型工具选型上，选第三方成熟产品还是自己开发，会犹豫；
3.在知识库文件收集上，面对乱七八糟的原始数据会头秃；
4.在应用结果上发现和想象中的完全不一样，会被业务部门吐槽，会抓狂；
所以不难看出单从技术层面AI知识库就面临着理论很丰满，实现很骨感的局面，更不用说是对AI技术一窍不通的业务部门了，前几天在某AI应用线上学习交流会上，某企业CIO就当前的应用困惑大倒苦水，既有技术层面的，又有能力层面，比如在技术层面的问题有：
1.采用第三方智能体搭建平台存在性能损失，一个结果要等十几秒到几分钟不等，大大影响着应用体验，和官方吹嘘的性能相差太远；
同时比较棘手的一个问题就是如何进行数据授权，第三方平台对这一功能是缺失的，因此要么买第三方产品进行集成，要么去定制开发，这无形中也大大的加重了技术的复杂性与建设成本，进一步影响着AI的价值呈现。

以前那个豆傻包是不是还专门发帖推荐过这个功能。




freeiot大模型上文介绍完了，下文就忘了。没完全没有上下文记忆，再问就说那是自己胡编的，根本不存在的。但事实上这东西还确实存在，所以就这么胡说八道下去跟别人怎么判断呢？

这胡编的更离谱了，说有一个活跃社区，但是事实上目前只找到github代码仓库。
就目前AI幻觉的离谱程度怎么能在企业中应用啊，哪句输出是真的。