AI 项目 0% 成功率背后：模型在进步，决策在退化
2026年1月，一位从业者拨通三菱客服，语音机器人承诺回电。六个月后，电话从未响起。过去18个月，其团队观察到的AI项目成功率为零——不是技术不行，是决策出了问题。
2026 年 1 月，我的车坏了。拨打三菱客服，一个语音机器人让我描述故障，承诺「稍后回电」。声音自然、响应迅速、听起来一切正常。那是六个月前——至今没有回电。我本来打算再买一辆三菱，现在不了。
这不是孤例。2026 年 7 月 18 日，一位拥有超过 300 次行业交流经验的从业者在博客中披露：过去 18 个月，其团队经手或观察到的所有 AI 项目——成功率为 0%。不是 10%，不是 5%，是零。来源
与此同时，技术侧却在高歌猛进。过去八天，Grok 4.5、GPT-5.6、Muse Spark 1.1 和 Kimi K3 四款前沿模型密集发布，Artificial Analysis 智能指数得分超过 50 的实验室从 2 家增至 6 家。月之暗面在 GTC 2026 上展示了用 MuonClip 替代 Adam、数据效率翻倍的技术路线。模型越来越强，但企业用它们做出来的东西却越来越糟——这不是技术问题，是决策问题。来源
为什么 AI 项目会全军覆没
这位匿名作者总结了三个系统性原因，每一条都跟模型能力无关：
第一，企业本就不擅长跑软件项目。AI 项目承受着普通软件项目的所有失败模式——需求不清、排期失控、技术债累积——叠加 LLM 本身的不确定性。极少有公司优秀到能同时扛住两层风险。
第二，没人敢说真话。向媒体透露公司 AI 项目「走火入魔」的高管很快会被解职；说实话的员工会被「随机」裁员。董事会、管理层、供应商、咨询顾问——整个链条上的所有人都被激励去粉饰太平。许多上市公司对外宣称 AI 带来巨大生产力提升，实际上「除了购买 Copilot 许可证并宣布胜利之外，什么也没做」。
第三，指标被精心挑选来掩盖真相。项目负责人小心翼翼地避免追踪最基本的问题——这个工具真的有人在用吗？三菱那个语音机器人在所有指标上大概都很好看，除了唯一重要的那个：客户跑了。
HashiCorp 和 Ghostty 创始人 Mitchell Hashimoto 对此有一句判词：「我坚信，目前有整整一批公司正深陷严重的 AI 精神错乱状态，根本不可能与它们进行理性的对话。」
内部聊天机器人：最普遍的失败模式
企业 AI 落地最常见的场景是内部知识库聊天机器人。逻辑听起来很合理：把公司文档喂给 LLM，员工就能用自然语言查询任何信息。但原作者在与全球企业的 300 次交流中发现了一个残酷事实：他从未见过任何一个内部聊天机器人有实质性的使用率。
原因很简单——大多数公司的文档质量极差。这一点我们在「企业的老本行比模型本身更值钱」一文中也反复强调：LLM 不是读心术，它只能知道被写下来并且可访问的信息。如果公司的知识沉淀本身就不成体系，聊天机器人不过是把一团乱麻用流畅的句子重新包装了一遍。
面向客户的聊天机器人也好不到哪去。作者以消费者身份体验了大量客服 AI，唯一勉强算正面的体验是「医疗预约时的实时转录」——但这显然不值得让整个组织为此转型。
另一边：模型能力确实在质变
有讽刺意味的是，上述所有失败都发生在技术能力飞速进步的背景下。月之暗面 CEO 杨植麟在 GTC 2026 的演讲「How We Scaled Kimi K2.5」披露了三项被全部开源的底层重构：来源
- MuonClip 优化器替代 Adam：数据利用效率接近翻倍。在高质量训练数据越来越稀缺的当下，这意味着 50 万亿 Token 能当 100 万亿用。
- Kimi Linear 线性注意力：在百万 Token 上下文下全面超越传统全注意力机制。通过 KDA（Kimi Delta Attention）让模型学会「哪些信息要长期保留、哪些可以快速忘掉」，解决了长上下文成本随长度平方增长的老问题。
- Agent Swarm 智能体集群：300 个 Agent 并行工作，采用「主 Agent 做 CEO + 子 Agent 分工」的组织模式，将串行任务改为并行执行。
这些不是实验室里的概念验证。Kimi K3 在八天内与 GPT-5.6、Grok 4.5 同期发布即跻身全球前三。Schema Harness 框架在 ARC-AGI-3 公开集上用 Claude Opus 4.8 跑到 99% 的 RHAE 分数。但正如我们之前分析强模型时代的编程范式时得出的结论：技术越强，越考验使用者的判断力——模型在质变，决策却还在原地踏步。
从「我们也要做 AI」到「这个 AI 值多少钱」
OpenAI 在 7 月 17 日提出了一个值得所有决策者关注的新框架：「Useful Intelligence per Dollar」——有用智能每美元。来源 它从三个维度衡量 AI 投资：
| 维度 | 传统做法（错） | 应该看（对） |
|---|---|---|
| 完成的工作量 | 模型调用了多少次 | 实际完成了多少有用任务 |
| 成本 | API 调用费用 | 成功任务的实际全链路成本 |
| 可靠性 | 响应生成率 | 结果可重复、可验证的比例 |
这个框架之所以重要，不是因为它有多精妙，而是因为它把「我们买了 Copilot」这种自欺欺人的评估方式直接堵死了。三菱如果按这个框架评估它的语音客服，六周没回电这件事不可能被掩盖。但问题是——有多少企业真的敢用这种框架？
给技术决策者的三条底线
作为一个长期服务企业 AI 落地的工程团队，蓝曜炬辉（www.lanyaoai.com）在过去两年的 AI 项目交付中反复验证了几条硬道理。它们不保证成功，但至少能让你避免成为下一个「三菱」：
- 先有可用的数据，再谈 AI。如果你无法在 5 分钟内用手动搜索找到某个内部流程的准确文档，那么 LLM 也找不到。内部知识库项目的失败，90% 死在数据质量这一步，与模型选型无关。
- 第一个项目必须能在 4 周内上线并衡量结果。不是 PoC，不是内部演示，是真实用户能用、能测量使用率和任务完成率的系统。如果做不到，说明范围太大。
- 设立一个「叫停触发器」。在项目启动时就约定：如果第 N 周某核心指标（如日活用户数、任务完成率）未达到 X，立即停止。没有这个机制，AI 项目会像僵尸一样永远不死，永远在「即将见效」。
Mitchell Hashimoto 说他「很担心事态会如何发展」。我的担心更具体：当模型能力每季度翻一番、企业执行能力每季度下滑一截，这两条曲线交叉的那一天，我们会发现 AI 行业最大的瓶颈从来不是技术——是决策者是否有勇气在自己负责的项目上，问那几个没人敢问的问题。
常见问题
AI 项目真的普遍失败吗，还是只是这一个人的极端观点？
0% 是该作者在其直接观察范围内的统计，并非全行业数据。但多个独立信号指向同一方向——RAND Corporation 2024 年报告指出 80% 以上的 AI 项目失败率，Gartner 则预测到 2025 年至少 30% 的生成式 AI 项目会在 PoC 后被放弃。问题真实存在，只是严重程度可能被低估了。
技术明明在进步，为什么落地反而更难？
因为技术进步的速度超出了组织的吸收能力。一个团队刚学会用 GPT-4 的 prompt 技巧，GPT-5.6 已经发布了；刚搭建好 RAG 流水线，Agent Swarm 又成了新范式。技术迭代越快，组织跟上的难度越大，决策者的认知滞后就越致命。
小公司和大公司在 AI 落地上谁更容易？
原作者观察到一个反直觉现象：大型企业更容易陷入「AI 表演」，因为汇报链条长、无人需要对实际使用率负责。小团队反而更有机会做实际有用的事——前提是 leader 能顶住「别人都在做 AI 我们也要做」的同侪压力。