《AI为什么迟迟进不了企业核心系统？我总结了八个原因》

liuaustin32026年09月02日约 7 分钟

❝
开头还是介绍一下群，如果感兴趣PolarDB ,MongoDB ,MySQL ,PostgreSQL ,Redis, OceanBase, Sql Server等有问题，有需求都可以加群加群请联系 liuaustin3 ，（共3400人左右 1 + 2 + 3 + 4 +5 + 6 + 7 + 8 ）(1 2 3 4 5 6 7 8群已经爆满 9群为纯聊天群，默认不加入不得发广告，自己公众号文章链接等，发一次直接踢，默认加入8群，开10群PolarDB专业学习群115+)

上期那个账号咱们说了AI卖课的骗子，今天我们正式的说说，到底AI 产生效益落地实体还有多少路要走。

我还是保持对AI清晰的认知，AI距离和实体绑定路还不短，这里需要的人力物力，并不低，且还有变数。下面我们将AI与实体之间的绑定按照阶段来分析。

1 模型能力的确认 2024-2026

这个能力已经被大部分人所确认，现在的AI 可以写代码，写SQL，写数据分析，写文档总结，翻译文章，写PPT,图片视频的生成，Agent 自动执行任务。

他们可以完成的工作有哪些，客服，法律初级咨询，医疗辅助咨询，编程，BI分析，运维助手，数据库DBA初级问题诊断。

第一个阶段，我们共同的认同点，AI可以产生经济效益，可以替换一些岗位，可以有大面积的工作前景。

但这并不值得高兴，因为距离和实体绑定的8个阶段，你只完成了一个。

2 幻觉的解决，质疑欧解决了AI的幻觉，AI才可以进入更深层次的绑定，这个问题解决不了，企业是无法在根本上对AI进行核心的应用，也就是说，这个问题不解决，企业用AI完全是初级应用，距离什么一人公司的概念炒作，还远着呢！

企业最怕的不是AI无法给出答案，而是AI给出的答案，怎么是正确的，出了问题怎么负责的问题。

不要说AI可以解决一切，如果AI可以，AI目前最大的问题是企业无法相信或者说无法确认AI可以完全替代人工，AI缺少人类社会最大的核心，信任。

在提问中，只要有一句你说的不对，很可能AI就会按照你的喜好来开始胡编乱造。

在人类复杂的知识和复杂的思维认知中，没有什么对和不对，而基于这类基础的信息，AI非常容易无法辨识，产生你质疑，他肯定的状态，这是在商业企业中无法容忍的。

尤其如下的行业无法容忍，如金融，医疗，法律，数据库，等这些没有莫能两可的行业和掌握企业关键命脉资源的部分，都是AI 凭借当前的技术水平无法直接进入的部分。

3 上下文的容量

AI大模型计算中，信息的完整度越高，给出的信息越贴近实际，企业如果要进行数据的运用，必然会产生大量的上下文，我们熟知的上下文128k 256k,1MB 等对于企业使用都太小，比如企业把5个年度的每天的营业数据喂给AI，希望获得5年内运营中产生的问题，决策正确的判断，AI是无法一次处理这么大的数据量，也就无法给出企业这样的结果，但同样的是人，通过复杂的脚本和计算，可以给出预估的答案。

AI在此会引入大量的 RAG，向量，搜索，MCP 等等，这些大量的辅助，会提高系统的成本，降低系统运营的稳定性，提高运营中的出错率。

这也是企业无法容忍和接受的。

4 核心企业的数据不能用通用的大模型

这个问题在云数据库上也存在，这也是为什么很多企业不上云的原因，如银行，公安，政府，军工，医院，这些包含大量私有数据的业务，如果要利用AI，必然侵犯个人信息法，而通用大模型和线下的自建的大模型，之间处理信息的速度和复杂度是不一样的，更严重的是限制企业高额成本进行AI计算的，是硬件。

企业无法承受，自建AI计算设施的成本，或者说，效益比太低。如GPU的成本，AI成本不是模型，而是GPU，一个企业使用几十张，几百张，几千张投资巨大，但如果要企业级运用，这个关必须要过。

5 AI应用中的数据不全，比如在进行企业级应用中，数据不全也是导致AI无法正确或者顺畅回答问题的关键，比如你问2025年营业数据分析，请分析出亏损点。你可以把营业数据给AI，但是你的亏损的数据，你的各种的商业合同，你的各种底层的非记录的商业操作，AI是不知道的，那么信息不全，如何给出企业正确的答案，但人工可以进行纠错和解决问题。

6 除了以上大型企业在核心工作中无法接受AI接管工作的部分，还有一个部分也是我们老生常谈的，责任的问题，AI也会出问题，比如最近某云的AI就出事了，影响企业的工作了，这个经济赔偿谁负责，问题是某云这个服务现在是免费的，最后企业会承担由于决策不利导致的经营风险问题。

而一些行业是无法容忍的，如民生行业，水电气，医院，法院，诸多不能出现问题的行业，除了问题必须有人负责的部分，在法律上无法做出 AI公司做错后，AI公司承担责任的法律认定，而企业使用AI 负责人也不熟悉，不熟悉无法确认的是无法进入核心领域的，所以AI 大部分现在都是在打杂，进行初级工作的处理，核心的领域无法进入，并有待验证，这是社会形态所决定的。

7 法律和版权问题

做自媒体经常提出，AI画图，AI写小说，AI动画，AI音乐，而大部分动画，图片，音乐都不是原创的，大量的使用已有的信息作为初始点来进行工作，版权的问题早晚会在AI 抄袭作品泛滥后，爆发法律诉讼风险。谁来对此负责，是AI公司，还是使用AI的人，法律暂无定责和概论，现在属于瞎子过河的阶段。

8 监管和AI 互认工作

我们举一个例子，跨国企业，在A国可以用G AI ，在C国只能用D AI，两种AI在AI的法规，模型的产出数据的倾向性都不同，出现使用中的不同信息结果的问题，导致企业损失谁来监管，赔偿，追责。

我们连现在一个像样的AI 监管机关都没有，遭受损失只能是自己负责，试问那个大型的企业敢把核心应用用AI替代。

现在的AI 正在进入第二个阶段，祛魅和大家认识到AI 不能，在技术限制，经济限制，制度限制，组织限制，的四象限中，AI 怎么解决这些问题，恐怕不是大模型本身可以解决的。

同时我们还面临一个核心的问题，也是最难解决的问题，AI 标准的问题，没有标准企业将可以为所欲为，如 OpenAI将信息商业化，在提问中插播广告，给提供资金的公司倾向性的回答，这些都是商业社会无法容忍的。

还是那句话，技术可以领先一代，但商业社会，他无法领先一代，包袱太重，问题太多，成本很高，需要时间。

技术领先，社会领先，是进步，技术领先，社会滞后，是危险，技术落后，社会领先，是发展，技术落后，社会落后，是毁灭。

而这一切还不是最糟的，社会对于海量的数据垃圾，和人们对AI疯狂产生的信息的抵触，如同现在电话一看就挂，广告一看就划走一样，AI 在后现代产生的正确的废话，也必然走上这早晚厌AI症的路。

为什么你对AI 不积极，你落后了吗？快要积极了，因为AI泡沫快爆了

AI 建议用pgbouncer 解决PostgreSQL 链接多的问题，唉信AI，你的死多少次！