人工智能不是一直在狂奔吗？可如今，脚步似乎慢了下来。Meta推迟了Llama 4 Behemoth的发布，OpenAI的GPT-5同样遭遇延期，且发布后表现未达预期。曾经让投资者狂热的AI，如今似乎卡在了瓶颈口。是技术见顶，还是更长久繁荣的前奏？

事实上，大模型的发展遇到的，不只是算法调优难度的上升，更是结构性障碍：**能耗过高、推理成本昂贵、缺乏可解释性**。堆叠更多GPU或数据，确实能让模型变“大”，但电力消耗、硬件依赖、环境成本却在飙升。几百万千瓦时才能“喂”出一次迭代，这种模式显然难以持续。更关键的是，即使性能提升，模型仍可能生成“幻觉”，企业依旧无法放心将核心决策交给它。

这也是为什么Altman开始罕见地收敛，他承认市场对AI的期待过热，AI泡沫可能已经成形。与此同时，亚马逊CEO Andy Jassy、Salesforce创始人Marc Benioff也发出警告：AI将带来巨大的岗位变迁，可能淘汰数百万白领工作。这意味着，AI的发展速度未必是唯一焦点，社会和企业如何消化它，才是真正的挑战。

大多数企业对AI的应用仍停留在初级阶段。文本总结、代码辅助、邮件撰写，这些已经能改变效率，但MIT研究显示，95%的定制AI项目以失败告终。不是AI不够强，而是企业流程尚未重构：数据安全无法保障、员工培训不到位、信任机制缺失。换句话说，现阶段的关键不是模型能否继续翻倍进化，而是企业能否让现有AI真正落地。

历史的镜子清晰可见。互联网的普及并没有在90年代的泡沫期一蹴而就，而是经历了近二十年的社会磨合。AI的现状如出一辙：企业需要时间建立基础设施、治理规范和管理文化。这段看似“放缓”的窗口期，实际上为社会和产业提供了消化与沉淀的机会。

与此同时，新的方向正在浮现——类脑智能（neuromorphic intelligence）。它模仿人类神经元的工作方式，不再依赖纯粹的参数堆叠，而是以**低功耗、高效率、强可解释性**为核心优势。通过硬件级别的创新（如类脑芯片），AI可以在极低能耗下执行复杂感知和决策，这不仅解决了能耗瓶颈，也让AI更贴近人类认知模式。和高能耗的大模型路线相比，类脑智能或许才是AI走向可持续发展的真正突破口。

资本市场却一如既往地情绪化。GPT-5不及预期、Meta延迟消息一出，英伟达、微软、Meta等股票遭遇抛售。但很快，随着降息预期升温，AI股又卷土重来。短期波动背后，有一个冷静的事实：即使AI模型迭代放缓，算力需求并不会下降，反而可能持续增长。Altman直言，要想突破瓶颈，需要为AI芯片和计算力投入数万亿美元。于是，“卖铲子”的英伟达们，反而可能因为AI的困境而更久地繁荣。

因此，市场真的该害怕吗？与其担心AI不再狂飙，不如承认一个现实：现有AI的潜力远未被释放。企业若连GPT-4都没用透，再强大的GPT-6也只会成为昂贵的幻象。真正的价值在于，把AI融入流程、改造组织、创造新模式。与此同时，谁能在高能耗的大模型与低功耗的类脑智能之间找到平衡点，谁就有机会定义下一个AI时代。

AI的故事远未结束，它只是在换轨。从喧嚣的算力竞赛，走向低功耗、类脑化、可解释的新阶段。表面上的“放缓”，背后是另一种更深层次的进化。真正的赢家，不是追逐最大模型的人，而是能在冷静期搭建起持久生态的建设者。

当烟火散尽，留下来的，才是真正的繁荣。

公众号：OpenSNN