上期我们看了积极拥抱派的看法，接下来让我们看看“谨慎观望派”的想法。

(以下内容根据CIO/IT高管发言内容整理)

AI能力被高估：技术泡沫与现实差距

尽管近年来AI技术取得了显著进展，从图像识别到自然语言处理，再到自动驾驶，AI的应用场景日益丰富。然而，我们必须清醒地认识到，技术的快速发展往往伴随着一定程度的炒作周期。在这一周期内，公众和媒体往往对新技术寄予过高期望，而实际的技术成熟度与这些期望之间往往存在不小的差距。AI的实际能力，尤其是在模拟和理解人类复杂思维方面，远未达到全面超越人类的水平。这一点，从AI在创意生成、情感理解等高阶认知任务上的局限性中可见一斑。

DeepSeek的局限性：技术创新与实际应用的困境

DeepSeek作为近期备受瞩目的AI模型，其底层算法依然基于Transformer体系架构，这在一定程度上限制了其原创性。尽管在特定任务上取得了优化成果，但这种1-100的进步远未达到0-1的突破性创新。更重要的是，DeepSeek的发展前景受到中文数据集能力的严重制约。中文语言的复杂性和多样性，对AI模型的训练和理解提出了更高要求，而当前中文数据集的质量和规模尚不足以支撑DeepSeek实现全面突破。

在实际试用中，DeepSeek的表现也不尽如人意。DeepSeek在速度和数据更新效率上存在明显短板。其所谓的低成本模式是否完全真实，能否持续，同样令人质疑。市场上有声音指出，DeepSeek的母公司可能通过股市盈利补贴大模型的运营成本，这种商业模式一旦遭遇资金链紧张，将对DeepSeek的发展构成严峻挑战。

AI企业应用的挑战：理想与现实的碰撞

在企业应用层面，AI同样面临着诸多难题。以DeepSeek为例，尽管其在大规模文本生成方面有所建树，但在传统机器学习的分类问题(如客户分群)上却并非强项。这导致AI在深入企业实际分析场景时，往往难以发挥预期效果。此外，算力成本高、用户交互方式受限、内部数据准确性对模型污染等问题，进一步限制了AI在企业中的广泛应用。

私有化部署虽然在一定程度上解决了数据安全和隐私保护的问题，但也带来了新的挑战。功能更新不同频、数据归属不明确、权限控制复杂等问题，使得企业在选择私有化部署时不得不慎之又慎。如何在保障数据安全的同时，实现AI模型的灵活更新和高效管理，成为企业应用AI时必须面对的重要课题。

数据质量与开源模式的隐忧

除了上述挑战外，国内AI大模型在非结构化数据集质量、覆盖程度及企业数据实际水准等方面的研究不足，也是制约AI发展的重要因素。高质量的数据集是训练高效AI模型的基础，而当前国内在这方面的积累尚显薄弱。这不仅影响了AI模型的准确性和泛化能力，也限制了AI技术在更多领域的应用。

此外，部分人对大模型开源后的发展前景持怀疑态度。他们认为，开源模式虽然有助于促进技术创新和资源共享，但也带来了知识产权保护、数据安全、商业竞争等一系列复杂问题。在缺乏有效监管和激励机制的情况下，开源模式可能难以持续，从而影响到AI技术的长期发展。

综上所述，尽管AI技术在近年来取得了显著进展，但其实际能力仍在一定程度上被高估。从DeepSeek的局限性到企业应用中的诸多挑战，再到数据质量与开源模式的隐忧，AI的发展之路并非一帆风顺。面对这些挑战和问题，我们需要保持清醒的头脑，既要看到AI技术的巨大潜力，也要正视其现实局限，以更加理性和务实的态度推动AI技术的健康发展。

总之，各行业CIO/IT高管中的支持派认为 AI 技术发展迅速，DeepSeek 等大模型在优化和普及方面具有实际价值，企业应用潜力巨大，未来将推动社会和经济的长期变革。

谨慎派则指出 AI 能力可能被高估，DeepSeek 等大模型存在局限性，企业应用面临成本、数据安全和技术适配等挑战，未来发展仍需观察。

明确需求，稳健推进

在探讨是否部署如DeepSeek等大模型技术的决策过程中，笔者认为企业需采取一种审慎的态度。首先要深入剖析企业的实际需求，明确AI技术能够切实发挥作用的业务领域。这一过程要求企业不仅要有对技术趋势的敏锐洞察，更需具备对自身业务深刻的理解力。企业应识别那些通过AI技术能够显著提升效率、降低成本或创造新价值的环节，而非盲目追逐技术潮流，仅仅因为某项技术新颖或流行就急于引入。AI技术的采纳是为了解决企业真实存在的业务问题，而非单纯为了彰显技术先进性或满足某种形象塑造的需求。

一旦决定采纳AI技术，企业应遵循循序渐进的原则，从小规模、低风险的项目开始试点。这样的策略有助于企业在不承担过大风险的前提下，验证技术的可行性和实际效益。通过细致观察和分析试点项目的成果，企业可以更加准确地评估AI技术对于业务的正面影响，为后续更大规模的部署积累宝贵经验。

值得注意的是，AI技术的成功应用离不开高质量数据的支撑。数据是AI算法运行的基石，其准确性和完整性直接关系到算法的输出质量和决策效果。因此，企业必须高度重视数据治理工作，不断提升数据质量，确保为AI算法提供准确、全面、及时的数据输入。这一过程不仅是对数字化基础的强化，更是对AI技术应用效果的保障。

同时，构建或扩充具备AI专业知识的团队也是企业成功实施AI战略的关键一环。企业应通过内部培训提升现有员工的AI技能水平，同时积极引进具有丰富经验和专业知识的外部人才，以形成一支能够推动AI项目高效实施与持续优化的人才队伍。这样的团队将成为企业在AI时代稳步前行的重要驱动力。

总之，企业在面对AI技术时，应明确需求、稳健推进，确保技术的引入能够真正服务于企业的长远发展。通过加强数据治理、构建专业团队等措施，企业可以在AI时代中抓住机遇、应对挑战，实现可持续发展。

在近期由D1net举办的部分CIO精品大会上，我们也将安排部分DeepSeek实战培训和问答：

2月28号全国医药大健康CIO大会

3月 1号全国消费零售CIO大会

3月1号下午特别设置AI-DeepSeek(下称DS)专场, 将安排一位使用DS近两年的神秘嘉宾(某数百亿元规模的消费类企业CTO)做DS落地应用专场培训及问答。目前AI应用已经渗透到该企业各个板块，如：智能体编排、数据分析、数仓构建、业务系统交互、知识库、自动化等等。

欢迎大家提前报名注册，报名链接：

医药：http://a.d1net.com/cioyy2025/reg

消费：http://a.d1net.com/cioxf2025/reg
 

关于企业网D1net(www.d1net.com)：

国内主流的to B IT门户，同时在运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。