AIGC现状深度测评排行榜：为何迟迟无法爆发？五大致命问题终极解读

虎嗅智库的大鲸AI峰会系列内容，这次聊到了第三期。这一篇聚焦“大鲸观点精华”，源自过去三个月的大鲸榜调研。我们跑遍了近100家科技公司——覆盖AIGC、智能自动化、数字人赛道——还和十多位行业专家深聊了几个来回。目的很明确：理清这些技术到底在怎么落地，产品成熟度到了哪一步，以及接下来会往哪走，给正在选型、用技术的朋友们一份实在的参考。

图源：大鲸榜

AI作为核心驱动的新质生产力，正在加速渗透。大模型、数字人、AIGC、智能体——几乎所有创新企业都在热火朝天地搞“基建”，技术厂商也一股脑儿扑进去打磨产品和方案。但话又说回来，热归热，技术迭代的难度、运营上的乏力、落地执行能力的参差不齐，这些隐忧也在慢慢浮出水面。尤其是应用层面，大多数还只是卡在低精度的业务场景里打转。

所以问题来了：AI的生产力到底行不行？发展中有哪些硬骨头要啃？未来的业务方式会经历怎样的变革？

带着这些问题，我们从大鲸榜的调研素材里梳理了七位一线专家和企业的真实观察。与其听概念鼓吹，不如看看他们的切身体会。下面直接上干货：

WeShop唯象妙境GM吴海波：AI并非无所不能。他提到，当下AIGC的发展，既有积极的一面，也存在一些潜在的风险。从宏观角度看，GPT的出现展现出了很强的穿透力，引发了公众对AI的高度关注和期待。这种势头让特定垂直领域的应用能快速获得反馈和认可。只要在某个垂直领域做得不错，痛点切得准，就能很快吸引大批关注者和潜在用户。这轮AI革命的独特之处在于，不再受限于传统渠道。过去互联网时代需要宽带、手机等硬件门槛，现在每个人通过手机就能接触到AI，比如在抖音上刷到相关视频。这种即时性和普遍性，大大提升了客户参与的主动性和热情。

随之而来的问题是公众期望过高。GPT的穿透力太强，导致部分企业认为AI已经无所不能。而在实际应用中，这种期望与现实的落差，很容易引发误解和不满。比如，客户想通过简单拍摄就把衣服直接穿在虚拟模特身上——这个目标行业追了很多年，但目前还是做不到。一旦AI应用出现任何小的失误或不足，客户就可能感到失望，甚至觉得自己被误导了。

百果园集团果蔬产业四化研究院院长王筱东：AIGC真正的核心不止是算法，数据的质量和数量同样是命门。对于零售消费行业来说，营销环节提效、满意度提升、数据质量优化，这些才是真正要命的点。企业更关心的是如何把技术和自己的数据结合。不管是图像还是文本，应用的关键都在于数据怎么整理、怎么用。实际操作中最头疼的问题，是怎么保证数据质量足够好，让AI能真正派上用场。企业在搭建自己的知识库或语料库时，只有把数据整明白了，才能拿去预训练或微调模型。过去很多企业有海量的非结构化数据，但都是文档堆积，没整理成模型认识的格式，而且整理起来极其费时费力。和传统机器学习、深度学习一样，AIGC里算法重要，但数据质量和数量更关键。虽然现在数据从结构化转向了非结构化，但数据量够不够、质量高不高，还是决定最终效果的核心变量。因此，企业在利用AIGC时，应更加关注数据的质量。模型更新换代很快，但如果数据质量不行，用什么模型都白搭。

信通院数字人领域资深专家许闻苑：AI数字人在零售消费大行业中的应用，还处在初级阶段。落地产品大致有两个方向。短期来看，能解决产业实际痛点的产品更有机会跑出来。这类方案通常基于企业已有的业务布局，重点在降本增效和提升商业化水平——比如客户服务、个性化交互、业务流程融合、线上与线下整合这些场景。长期来看，能创造全新商业模式的解决方案会取得显著优势。应用创新要求企业保持开放的眼界，除了关注技术迭代速度和产品性能，还得对市场需求迁移、用户偏好变化保持敏感，这样才能找到新的增长点。

决定AI数字人能否大规模落地的关键问题，是可信能力的建设和应用场景的深度挖掘。高速发展的市场机遇背后，伦理和法律风险也不容忽视。比如通过“AI换脸”“AI换声”替换、伪造他人声音形象，生成高度逼真、肉眼难以分辨的音视频，用来传播虚假信息、造谣甚至反诈——这类案例已经频繁出现。AI数字人的软件产品，需要在可靠性、可追溯、内容安全等可信能力上持续提升。另外，与应用场景的耦合深度还不够。数字人在零售消费大行业中的整合模式还在摸索，适应性和实际效果有待提高。尤其是在与真人的多模态交互上，情感识别能力、表达方式多样性、基于个性化数据的复杂对话等技术，依然面临不小的挑战。

谦语智能总经理助理苏元骏：数字人目前面临三大难题：信息生命力、异质复制力和受众感知力。直播的本质是内容信息的传播。数字人技术降低了内容生产的门槛，但无法避免内容同质化。而对传播受众的管理，又需要专业且不断迭代的直播方法论。所以，一套真正可落地的数字人直播产品，不仅要解决技术纵深问题，更重要的是在场景宽度、内容池建设和互动验收上下功夫，才能对抗这三个难题。

拓元智慧联合创始人、元分身平台总经理黄伟鹏：技术与运营双线并进，才是数字人行业突破瓶颈、实现长远价值的关键。人工智能+行动正在加速，2024年数字人市场预计会更热闹。但热度之下，技术迭代难、盲目入局、运营乏力这些隐忧也开始暴露。未来，数字人不再只是单向输出，而是向双向互动进化。数字人厂商也会从单点能力向行业解决方案全面拓展，用更科学高效的运营体系，帮助企业实现营销转化和业务价值提升。

云扩科技创始人兼CEO刘春刚：大模型技术的出现，会从根本上改变自动化的实现方式。底层技术的变革对RPA行业影响很大。RPA产品未来的进化方向，一定是与大模型结合。目前来看，有两个方面能让RPA变得更智能。第一，通过自然语言理解人类意图，然后把意图转化成能自动执行的动作，甚至串联成完整的流程。不管产品做得多么易用，流程创建本身还得靠人，有学习门槛，不是谁都能马上上手。有了大模型，就可以理解人类的动作意图，自动把步骤生成出来。第二，传统RPA大多只能执行固定流程，但有了大模型，机器人可以理解业务逻辑，更好地处理非结构化数据和非规则部分的判断，这大大扩展了RPA的应用空间。

独立咨询顾问张佳：未来不存在“低代码”“无代码”这些概念。每个员工的核心价值，在于他工作的方法和流程。过去低代码、无代码、RPA这些概念，都是在尝试把员工的最佳实践提炼成标准化流程，提高效率和协同。但问题在于，真正掌握方法和工作流的人，往往不擅长用这些工具——即使它们已经“低”到甚至“零”代码。自然语言和人类思考，与计算机语言和机器操作之间的鸿沟，不是把代码藏起来就能填平的。但随着AI越来越强，强到能理解工具的搭建方式、理解企业的提效需求，同时通过自然对话提取员工掌握的方法论和工作流，并把两者无缝结合起来——这个问题就迎刃而解了。未来不会有“低代码”“无代码”的概念，甚至不用去拖动、连接那些流程模块，告诉AI你想做什么就可以了。RPA类工具能做的事，大部分Python脚本也能搞定。当AI能理解和整合更多信息，把它们转化成一系列可自动执行的Python代码时，RPA的存在意义也就消失了。实际上，ChatGPT的Data Analysis和ChatGLM的数据分析功能，已经在吹响这场变革的号角了。

......（未完待续）

来源：互联网