硅谷AI创业潮下的资源错配

头像

鹤啸九天的科技思考

2025-06-21 06:01发布于北京

大模型浪潮下，国内外AI创业如火如荼，美国硅谷同样热闹非凡。
然而，这些创业公司的产品真的是用户需要的吗？
图片
2025年上半年，斯坦佛大学采访了1500名美国员工和52名AI专家，评估104个职业中的844项具体需求，首次系统量化了一个简单却被忽视的问题：人们到底想要什么样的AI？
研究者让员工用1-5分量化对AI自动化的渴望程度。
图片
发现：期望AI接管大部分工作的人（4-5分）仅占7.11%，强烈抵触AI的人（1分）占6.16%，消极态度的人高于积极态度的10个百分点。
对AI正面评价（3分以上）的人行业差异明显：
  • 计算机数学：过半欢迎
  • 技术传媒：仅17.1%

为什么不信任AI？
  • 45.0%不信任AI系统的准确性、能力或可靠性；
  • 23.0%担心工作被取代；
  • 16.3%认为AI缺乏人类特质或能力。

进一步探索：业务需求与硅谷资金流向匹配吗？
团队构建了“需求-能力矩阵”，根据企业员工自动化意愿、技术可行性（专家评估），将844项业务需求分4个象限：
  • 绿灯：技术可行且员工需要，较好的自动化场景
  • 红灯：技术可行但员工抵触，谨慎
  • 黄灯：员工需要但技术不成熟，研发机会区
  • 白灯：员工不需要且技术不成熟，低优先区
图片

如果把Y Combinator 孵化的 723家AI公司映射到象限上，会发现惊人事实：

  • 41.0%的公司落在“低优先区“和“红灯区“。

近一半AI创业都投向了员工不需要也不想要的方向。

  • “绿灯区”，平均每个任务对应 117.63 家YC公司；
  • “研发机会区“是 134.57 家；
  • 而“低优先区“和“红灯区“分别 118.87 家和 134.35 家。

这种近乎均匀的分布表明：投资决策与实际需求之间几乎不存在相关性。

以税务场景为例：

员工迫切希望接管“安排客户会见” 需求，满分5分，日程管理问题实现难度不大，但专注于此类“绿灯区”的创业公司寥寥无几。
反而，超过40%员工明确表示不需要的“红灯区”（如客服机器人）却吸引了大量投资。

Anthropic Claude.ai 使用数据显示出另一层错配：

  • 自动化需求最高的前10个职业（包括税务准备员、公共安全调度员、计时员等）仅占Claude.ai总使用量的1.26%。

看来，当前AI工具没有触及真正需求人群，这里暗示着巨大的未开发市场。

每天忙于安排会见、维护文件、处理工资调整的员工们可能不知道AI能帮助他们，或现有AI工具不适合需求。
与产业界关注点不同，学术界更关注“研发机会区”，员工需要但技术尚未成熟的领域，嗅觉灵敏，但过于追求前沿。
资源分布不均。
工作是否被AI替代？已经有一堆专家给出建议，但专家意见并不能代表从业者，二者存在显著差异。
斯坦福团队引入“人类参与度量表“（Human Agency Scale, HAS），从H1到H5，五个等级，量化从“AI完全自主“到“人类完全主导“的不同协作模式。
图片
104个被研究的职业中
  • 47个（45.2%）职业将H3级（“人机平等伙伴关系”）作为最受欢迎的模式。
  • 35.6%的职业倾向于H2级（AI主导但需要关键人类输入）
  • 16.3%选择H4级（人类主导但AI辅助）
  • 只有2个职业（1.9%）偏好H1级的完全自动化
  • 1个职业（1.0%）坚持H5级的人类完全主导
图片
专家和员工意见差异很大，47.5%场景，专家高估技术占比，低估了人工不可替代性。
具体是哪些职业分歧最大？
  • 电力调度员以0.830的JSD值位居榜首
  • 医疗转录员（0.675）
  • 证券销售代理（0.615）。

共同点：专家认为许多场景已实现H1自动化，但从业者认为依然要人类参与。

专家往往低估了需求实现难度，导致AI初创公司陷入复杂细节，难以统一化。
AI产业革命，不能靠拍脑门虚构需求。
真正的AI革命不是创造最先进的算法，而是真正服务于人的工具。
参考：
郝博阳，斯坦福最新研究：硅谷的AI创业潮，其实是一场大型的资源错配，https://36kr.com/p/3341863314929920