返回
查看原链接原链接
Bilibili4分58秒 · —

中国AI一体机市场:从虚假繁荣到快速崩塌的魔幻生态

中国AI一体机市场:从虚假繁荣到快速崩塌的魔幻生态

几十上百万采购的AI一体机大量在国央企仓库吃灰,其本质是“保健品”式产品:吃不死人、作用有限,但市场规模高达数千亿,这背后折射出中国AI圈以客情关系和概念包装而非实际价值为导向的独特生态。

核心要点

  • AI一体机定义:预先配置好软件和硬件、不依赖互联网即可独立运行大模型的设备,专为数据安全和合规要求较高的单位设计,可在内网环境独立部署运行。
  • 市场背景:DeepSeek大模型于去年(2024年)爆火后,各企事业单位急于应用AI能力,但由于模型开源且政企单位对数据安全和合规要求极高,需要能在内网独立运行的设备,AI一体机由此应运而生。
  • 市场数据:去年2月(2025年2月),有企业单月售出三千余台一体机,合同价值数亿;有分析机构预测到2027年一体机市场规模将超过5000亿。
  • 价格崩盘:原本需要上百万的“满血版”AI一体机迅速跌至10万级,甚至低于此前“残血版”的价格;当前市场上还能找到标价数万的一体机产品。
  • 市场趋势判断:大模型专家王文广认为,Manus一体机(“龙虾一体机”)将重演DeepSeek一体机的历史主线——炒作、跟风、交付翻车、最后大量闲置。

详细解析

一、市场兴衰脉络

虚假繁荣期
  • 时间窗口:2025年第一季度。
  • 驱动因素:普遍的市场焦虑情绪(原文“风漠情绪”),催生了DeepSeek一体机的虚假繁荣。
  • 繁荣状态:终端企业争相采购,单月卖出三千余台、合同价值数亿是当时的市场写照。
市场崩塌
  • 持续时间:虚假繁荣仅持续了小半年。
  • 崩塌原因:交付灾难和实际效果惨淡。
  • 崩塌后果:大量设备闲置,产品迅速贬值。

二、客户画像与采购逻辑

主力客户
  • 数字化基础相对滞后的传统国企。
  • 包装AI概念的金融机构。
真实采购动机
  • 应对信息化考核。
  • 在年报中增加AI概念。
  • 不关注实际业务价值
采购决定因素:客情关系而非供需关系
  • 老牌服务器硬件巨头:依靠长期客情关系稳居采购名单。
  • 初创技术企业:即便提供高质量模型,其一体机也卖不出去。
招标维度偏向

政企客户普遍缺乏评估模型能力的专业团队,招标时更看重:

  • 注册资本规模。
  • 过往交付案例。
  • 因此技术型企业在这些维度上明显吃亏。

王文广的核心判断:技术不是护城河,实际比拼的是谁更有钱垫项目、谁更能熬回款、谁的PPT更会讲故事。

三、设备闲置的多重原因

技术层面

一体机本身存在一定的技术问题,导致无法通过验收或无法实际投用。

客户数字化能力不足
  • 企业内部缺乏高质量数据,无法作为检索增强生成(RAG)和微调的语料。
  • 业务人员普遍不具备提示工程(Prompt Engineering)能力。
实际使用场景边缘化

设备平时大多闲置,仅在领导视察时启动演示。实际能落地的场景仅限于:

  • 企业内部政策问答库。
  • 公文草拟辅助。
  • 简单会议纪要生成。

四、大模型发挥实际价值的必要条件

王文广指出,模型能力本身不是问题,但要发挥大作用需要满足大量条件:

  • 数据要求:必须实时准确,且需统一到一个数据仓库,不能各系统各自为政。
  • 流程要求:AI输出要能直接进入下游系统自动流转,而非依赖人工传递。
  • 团队能力:团队需掌握高阶提示词使用能力。
  • 持续维护:技术模型需持续维护、控制幻觉、持续优化。
维护门槛的现实困境
  • 相关技术人才年薪动辄上百万。
  • 大模型迭代频率极高,曾经的巅峰模型(原文“风神级别”的GPT-4、O3等)如今已无人提及。

五、DeepSeek一体机失败的定性:技术负债

  • 由于大模型快速迭代,DeepSeek一体机迅速贬值。
  • 它不仅无法持续创造价值,反而成为恶劣的技术负债。

六、Manus一体机(“龙虾一体机”)的风险预判

相同点:历史重演

王文广判断Manus一体机会重演DeepSeek一体机的历史主线:

  1. 炒作。
  2. 跟风。
  3. 交付翻车。
  4. 最后大量闲置。

客户仍会因焦虑盲目下单,最终无法落地。文中提及抖音上已出现相关厂商投放的Manus一体机广告(原文“龙虾一体机广告”),表明此类产品已开始营销推广。

关键差异:风险等级升级
  • DeepSeek一体机失败表现:最多是“胡言乱语”(输出内容错误)。
  • Manus一体机失败表现:因被赋予了执行能力,可能“胡作非为”,例如:
  • 误删数据库。
  • 将机密数据错发。
  • 后果差异:可能不是安静吃灰,而是在造成重大业务灾难后被强行清退。

七、开源大模型工业化应用的现实瓶颈

当前能力局限

开源大模型尚不足以支撑大规模工业化应用,常见问题包括:

  • 在多步骤任务中(经常做到第三四步)开始绕圈子。
  • 进入死循环。
  • 直接报错。
企业级应用的具体挑战:以OpenCloud(原文“open cloud”)为例
  • 即便是接入云端大模型的OpenCloud,也更适合日常办公场景。
  • 不擅长涉及复杂公流程编排(原文“复杂公路流编排”)的任务——这恰恰是传统SaaS软件的主要复杂性所在。
  • 企业应用还存在复杂的权限体系和API限制。
  • 王文广的判断:Manus一体机不可能真正深度接入这些应用生态,因此难以有大作为。

八、关于“聊天界面指挥一切”的误区

流行观点

有人认为可以通过OpenAI(原文“open d”)的聊天界面发出指令,让类似Claude(原文“cloud”)的工具自动化完成各种任务。

王文广的反驳
  • Claude Code的正确定位:它嵌在终端或专业代码编辑器里,擅长处理逻辑严密、结构化很强的代码任务,且在可控环境中执行,更像一个能真正进入生产环境的效率工具。
  • 企业级应用的致命风险:用模糊、充满歧义的自然语言控制复杂业务,执行风险极高。
  • 具体案例:“帮我把昨天的销售数据整理一下,发给老板”——Agent需要猜测时区、数据表、邮箱地址,任何歧义都可能导致不可挽回的错误。

总结:核心结论

  • 从DeepSeek一体机到Manus一体机,现象背后的核心要素不是技术,而是认知
  • AI不会因为被封装进一台一体机就自动创造价值。
  • 一体机是否有价值,取决于企业能否把不确定性的智能嵌入确定性的系统之中。

限制与待确认问题

以下是依据原文保留的不确定信息或未充分展开的论述,需要注意:

  • 原文提到“分析机构预测到2027年一体机市场规模将超过5000亿”,但未指明具体分析机构名称。
  • 原文中已出现不少语音转写错误(如“deep si彼”“风漠情绪”“风神级别”“open cloud”“open d”“cloud code”等),整理时仅做了合理推断,原内容中的确切产品名称(尤其是“OpenCloud”与“Claude Code”的实际产品指代)可能存在偏差。
  • 原文对“数千亿市场规模”的说法与后文“2027年预计超5000亿”的具体口径未完全统一。
  • 关于“几十上百万”的一体机采购单价出现在标题表述中,正文仅明确提到“原本需要上百万的满血版AI一体机很快被打到10万级”。
  • 文中未提供具体的一体机闲置率、采购总量等量化统计数据,以上数据均为原文直接提及,无额外补充。