# 在 AI 浪潮里慢一点：写给打工人，也写给老板

> 企业要不要自建 AI Agent？选型、成本、落地路径一篇讲透：什么时候用现成平台，什么时候值得自研，以及常见的坑。

- 作者: zhuermu
- 发布: 2026-05-23
- 网页版: https://zhuermu.com/blog/enterprise-self-built-agent/

---

别焦虑 · 听听大佬的真心话 · 写给被 AI 追着跑的你

当全员都在卷 AI、当老板天天逼你"AI 转型"、当新名词每月一个砸过来——这篇文章想告诉你：这场焦虑，至少有一半是被营销出来的。

## 引 每个人都被 AI 追着跑

最近几个月，我能明显感觉到身边的"AI 焦虑"像传染病一样扩散：

• 做销售的朋友每周一节 AI 课，已经背了 4 个月的 Prompt 模板。她叹气："我学的不是说话的本事吗？怎么搞得跟背英语单词似的。"

• 做行政的朋友每天打开 ChatGPT 截图打卡，因为新 KPI 加了一项"AI 使用率"——跟当年发朋友圈打卡一个味儿。

• 应届毕业生去面试，HR 张口就问："你会用 AI 吗？什么 Agent 框架？"她当场愣住。

• 我邻居群里居然有人发问："谁会装那个龙虾？付费请人帮装一下。"

技术圈那边更卷。前两年还在卷 **Prompt Engineering**，去年开始追 **Vibe Coding**，今年又冒出来 **Context Engineering**、**Subagents**、**Harness Engineering**、**Skills**、**MCP**……新名词几乎每个月都有。

每个人脸上都写着同一种表情——**怕**。

怕学慢一步就被淘汰；怕老板某天说"我们已经不需要这个岗位了"；怕"你不会被 AI 取代，但你会被会用 AI 的同事取代"那句话变成现实。

**✦ 但我想告诉你**

这场焦虑，至少有一半是被营销出来的。

今天咱们抛开焦虑，结合一手数据和真正的行业大佬怎么说，聊聊两件事：

1. **作为打工人，怎么在浪潮里站稳脚跟，又不被裹挟？**

2. **作为老板，企业到底要不要 All In AI 转型？要转的话怎么转才不踩坑？**

• • •

## 1 一年前的豪言，一年后没兑现

时间倒回 2025 年 1 月。

OpenAI 的 CEO Sam Altman 在博客《Reflections》里写下一句话，被无数公司当成战略圣经：

"2025 年，我们将看到第一批 AI Agent 加入劳动力大军，实质性改变公司的产出。"

翻译过来就是："**今年开始，AI 就要替你们干活了。**"

董事会、年会、投资人见面会，处处都在喊"我们要 AI-Native 转型"。一时间没说自己是 AI 公司，都不好意思跟同行打招呼。

**结果呢？**

2025 年 12 月，《纽约客》（The New Yorker）发了一篇年终复盘，标题就一句话：

**《为什么 AI 没在 2025 年改变我们的生活？》**

紧接着 2025 年 10 月，Fortune 杂志报道——OpenAI 自己的联合创始人接受采访时改口：

"AGI 真正实现，还得再等十年。它们目前没有足够的智能。"

**最早喊"Agent 之年"的那家公司，自家联创都说"再等十年"了。**

更新的数据更扎心：**就在 2026 年 5 月 19 日**，PwC 发布了《2026 年全球 CEO 调研》，覆盖 **4454 位**全球企业 CEO，结论是：

**56% 的 CEO 表示，企业在 AI 上的投入"零财务收益"。**

这不是个人观点的分歧。这是**整个行业从过度承诺中冷静下来的信号**。

你想啊，连 OpenAI 自己都打脸了，PwC 数据也明明白白，那些转发"AI 即将替代 1 亿岗位"标题的自媒体，是不是该先冷静一下？

• • •

## 2 那些"卷"得离谱的公司，你听了会笑

### 故事一：先让员工训练 AI，再裁掉员工

主角：扎克伯格的 Meta。

**就在三天前——2026 年 5 月 20 日**，Meta 正式宣布裁员 8000 人（约占全员 10%），同时把 7000 人调入 AI 部门。Zuckerberg 在内部备忘录里说："在 AI 时代，成功不是必然的。"（CNBC, 2026/5/20）

听起来还算正常？真正炸锅的是**前一周泄露的一段内部录音**：

扎克伯格在内部会议提到，公司通过内部追踪软件"识别出最聪明的员工"，把他们的工作过程作为 AI 训练数据。

（WION News, 2026/5/19）

美国 Mother Jones 杂志 2026 年 5 月 21 日的报道标题更直接：

**"Meta 让数千名工程师训练他们的 AI 替代品——然后炒掉了他们。"**

WIRED 跟踪报道说，Meta 内部"员工士气历史性低迷"。大家都在猜：今天教 AI 怎么干活，明天工位是不是就空了？

这不是科幻片。是**这个礼拜**的真实新闻。

### 故事二：Token 成了新型 KPI，烧得多就是有功

硅谷出了个新词：**Tokenmaxxing**——直译"堆 Token 数"。

什么意思？一些大公司开始把"员工烧了多少 Token"当成员工绩效。

于是出现了奇景（数据综合自 Success.com 2026/5、TechCrunch 2026/3、Business Today 2026/5/22 等多家媒体）：

• 亚马逊员工被曝**故意虚增 Token 用量**，只为在内部排行榜爬高一点；

• Meta、OpenAI 内部工程师互相比拼"我这周烧了多少 Token"；

• 有工程师**一周消耗 2100 亿 Token**，相当于读完 33 本维基百科；

• 单人月度 AI 账单能烧到 **15 万美元**；

• OpenAI 高管公开建议："顶级工程师一年应该有 25 万美元 AI 预算，这是新型招聘武器。"

听起来很爽？**就在昨天——2026 年 5 月 22 日**，Fortune 发表的报道直接打脸：

**《Microsoft 报告揭露 AI 真实成本问题：用 AI 比雇人还贵》**

同一天，Business Today 的标题更直接：

**"AI Agent 比它们替代的员工更贵了。"**

Uber 一年的 AI 预算，**几个礼拜**就烧完。

更让人警醒的是——Microsoft 自家《2026 年 Work Trend Index》报告显示，企业 AI Agent 使用量同比增长 **18 倍**。但 PwC 调研同时显示 **56% 的 CEO 报告零财务收益**。

**✦ 18 倍的使用量 × 0 的回报**

= 一场堆出来的虚假繁荣。

**说白了：烧 Token 不等于创造价值。会烧钱的不是能人，是败家。**

如果你公司也开始考核"AI 使用率"，请把这段截图发到工作群（开个玩笑，你懂的）。

• • •

## 3 AI Coding 提速 10 倍？数据说没有

最常听到的一句话："用了 AI 写代码，效率快 10 倍。"

听起来很爽。但产品经理们慢慢发现一件事：**程序员快了，可产品发版速度好像还是那样。**

这是为啥？

### 一组让 CEO 沉默的数据

研究机构 METR 在 **2025 年 7 月**做了一个被业界称为"金标准"的随机对照实验：找了 16 名资深开源开发者，246 个真实任务，用 Cursor + Claude（顶配 AI 编程工具）。

实验前问开发者："用 AI 你觉得能快多少？"答案：平均预估快 **24%**。

实验后实测结果：**反而更慢了。**

因为他们对自家代码太熟，AI 的建议反而要花时间核对、纠正、再确认。Fortune 当时评论的标题就是《编程是 AI 的杀手级应用？但好处可能被夸大了》（2025/7/15）。

**2026 年 4 月**，DX 公司发布的最新报告，跟踪了 **420 万开发者**：

| 指标 | 数据 |
| --- | --- |
| AI 使用率提升 | **65%** |
| PR（代码合并）通过率提升中位数 | **7.76%** |
| 大多数公司的实际提升区间 | **5%–15%** |

**✦ 一句大白话总结**

93% 的程序员在用 AI，但生产效率只提了 10%。

（数据来源：DX Research 2026）

### 为什么"飞起"和"快 10 倍"差这么多？

我作为一线观察者的体会，就 3 件事：

1. **AI 写得快，但人 Review 也得快。** AI 一小时输出 2000 行代码，人不审你不敢上线，审了瓶颈就到了人这。

2. **AI 写测试自己也有 Bug。** 测试用例可能是错的，每次执行结果还有不确定性，最终还是要人兜底。

3. **写代码只是产品流程的一环。** 后面还有部署、运维、监控、运营——AI 在这些环节远不如代码生成成熟。前面快了，后面没跟上，整体速度就没变。

类比一下：你给厨师装了一台超级快的切菜机，但服务员还是那一个，洗碗工还是那一个。**整桌菜上桌的速度并不会快 10 倍。**

懂了这个，就知道为什么很多公司花了大钱搞 AI Coding，老板却觉得"好像也没啥差别"。

• • •

## 4 企业自建 AI Agent，95% 都没做成

很多老板谈"AI 转型"，第一个想法就是："咱们打通内部数据，搭一个公司专属 AI 大脑、做个自己的 Agent！"

听起来很美——这也是当下大多数企业 AI 转型的"标配动作"。但 **MIT NANDA 项目 2025 年 8 月**发布的《State of AI in Business 2025》报告，给所有 CEO 泼了盆冷水（数据来自 Fortune 2025/8/18 报道）：

| 指标 | 数据 |
| --- | --- |
| 企业 GenAI 试点项目失败率 | **95%** |
| 全球总投入 | **300–400 亿美元** |
| 采购成熟方案的成功率 | **67%** |
| 企业自建方案的成功率 | **33%（只有一半）** |

**自建的成功率，正好是采购的一半。**

这一数据并不孤立。**2026 年 5 月 19 日**发布的 PwC《全球 CEO 调研》中，**4454 位**全球 CEO 里有 **56%** 表示在 AI 上的投入"没有产生财务回报"。同期 Forbes 引用的 Sinch《2026 AI Production Paradox》和 Deloitte《State of AI in the Enterprise 2026》两份报告也得出同样结论：**"AI 采用速度在加快，但执行落地在变慢。"**

我观察过不少企业自建 Agent 项目，最后做出来的东西**就是一个稍微聪明点的对话机器人**——能查个数据、回答个 FAQ、写个总结报告。然后开发布会，宣布"我司已成为 AI-Native 公司"。

为什么这么难？说白了：

1. **技术迭代太快。** 你今年花几百万微调一个模型，明年人家发布的新的开源权重模型，比你微调的还聪明。**昨天的护城河，今天就是一条沟。**

2. **"数据安全"很多时候是个借口。** 不少企业自建的理由是"为了数据安全"。但你接的还是 OpenAI、Anthropic 的 API 吧？数据照样要传出去。除非你完全私有化部署，那成本你公司扛得起吗？

3. **概念几个月一变。** 去年还在卷 Prompt Engineering，今年是 Context Engineering、Harness Engineering，明年是什么没人知道。每一次"潮流"都让上次的工作打水漂。

4. **真正稀缺的不是模型，是"全链路懂行的人"。** 能让 Agent 跑通的，是**懂技术 + 懂业务 + 懂运维 + 懂产品**的复合人才。这种人比 GPU 还贵还少。

5. **你做不过 Claude Code、Codex 这些头部产品。** 它们背后是几亿美金 + 几千博士的卷出来的。你公司挖来 30 个人也追不上。

**✦ 一句话**

多数企业的"自建 Agent"，是 CTO 的政绩工程，不是真正的业务杠杆。

### 那 5% 成功的公司，到底做对了什么？

MIT 报告里特别拎出来分析：成功的那 5%，几乎没有一家是"从零自建大模型"的。它们的共同点很朴素：

• **小切口：**不搞"全公司大脑"，先选一个具体痛点（比如客服话术、合同审查、报销流程），用一个 AI 工具跑通；

• **买现成：**直接用头部 AI（Claude、ChatGPT、Gemini 等），把 80% 的力气花在**流程改造和员工培训**上，而不是模型本身；

• **看业务结果：**衡量"客户响应时间、人均产出、错误率"，不衡量"Token 消耗、AI 使用率"；

• **AI 增强人，不取代人：**让员工用 AI 干得更好，**省下来的时间投入到更有价值的事**——而不是让员工训练完 AI 就走人。

**说白了：成功的公司不是"AI 公司"，是"会用 AI 的公司"。**

• • •

## 5 听听真正的技术大佬怎么说

被新闻和自媒体淹没的时候，我们最该听的是**真正在一线做 AI 的人**怎么说。这里有三位，立场不同，但句句砸地。

### 1. Andrej Karpathy（前特斯拉 AI 总监、OpenAI 创始成员）

**2025 年 10 月**他在 Dwarkesh Patel 的播客里直接说：

**"不是 'Year of Agents'，是 'Decade of Agents'（不是 Agent 之年，是 Agent 之十年）。"**

更狠的是，他直接把当前的 Agent 称为 **"Slop（垃圾）"**——存在严重的"认知缺陷"，需要漫长的可靠性爬坡过程。

**有意思的反转是**：4 天前——**2026 年 5 月 19 日**，Karpathy 宣布加入 Anthropic 的 Pre-Training 团队。TechTimes 的报道标题非常精准：

**《那个把当今 Agent 称作"Slop"的 Karpathy，加入了 Anthropic——用 Claude 来造下一代 Claude》**

为什么这件事重要？因为 Karpathy 用行动告诉所有人：**他相信 AI 的长期价值，但短期内的吹捧是泡沫。**

**翻译成人话：**别急着 All-In 当下，但也别失去对未来的信心。该做的是脚踏实地耕耘，不是追每一个新名词。

### 2. Yann LeCun（图灵奖得主、Meta 前首席 AI 科学家）

注意，他可是从 Meta 出来的——也就是上面"让员工训练 AI 替代自己"的那家公司的前首席 AI 科学家。

**2025 年 11 月**，他离开了工作 12 年的 Meta，融资 10 亿美元创办 AMI Labs。原因很硬核（据 Newsweek、The Next Web 等多家媒体报道）：

**"LLM 是一条 Off-Ramp（死胡同）。它们是统计错觉，不是真正的智能。"**

"建议年轻人不要再做 LLM 相关研究，去做下一代 AI 系统。"

**翻译：**今天你押注 LLM 路线、抢着自建 Agent，可能押在了一个范式即将被颠覆的方向上。

### 3. 黄仁勋（Nvidia CEO）

老黄虽然是卖铲子的，但他对企业和员工说的话反而最克制、最朴素（以下引语综合自 Fortune 2025/10、2026/4 多篇报道）：

**"AI Agent 不是要替代企业软件，而是要让企业软件更强。"**

"未来企业的劳动力，会是人类和数字人类的组合。"

**"你不会被 AI 取代，但你会被会用 AI 的同事取代。"**

"有些 CEO 有'上帝情结'——他们以为自己什么都懂。但这种过度自信会让公司失去关键人才。"

**"你的工作和你完成工作所用的工具是相关的，但不是同一回事。"**

最后这句话，每一个打工人都该贴在显示器上。

**翻译：**AI 是新时代的"工具"，不是新时代的"工人"。该慌的不是有工作的人，是迷信工具的老板。

• • •

## 6 写给打工人：你不必那么焦虑

最后聊聊我们自己——这才是这篇文章真正想说的。

身边人都在焦虑，怕学慢、怕落伍、怕被取代。但你看完上面的内容会发现：

• 喊"2025 是 Agent 之年"的 OpenAI 联创，自己改口"再等十年"；

• Meta 首席 AI 科学家说当前路线是死胡同；

• 黄仁勋反复强调"工作不会消失，使用工具的方式会变"；

• MIT 数据说 95% 的企业 AI 项目没产生回报。

**✦ 所以这场焦虑**

至少一半是被营销出来的。

剩下那一半呢？是真实的——但应对方式不是慌着学每一个新名词，而是这几条：

### 1. AI 是放大器，不是替代品

你本来就行的事，加 AI 会做得更好；
你本来就不行的事，AI 救不了你。

你不会写文案，AI 写出来的东西你会觉得"挺好的"——但那是因为你不懂好文案长什么样。**AI 的天花板，是使用者的判断力。**

所以最重要的不是学 AI，是先让自己成为一个**对所在行业有真见识**的人。

### 2. 打好底层基本功

未来 AI 越发达，**审美、判断、沟通、信任、责任感**这些 AI 提升不了你的东西，反而会因为它而更稀缺。

• **销售：**AI 能写话术，但客户信任你这个人；

• **HR：**AI 能筛简历，但识人用人靠你；

• **老师：**AI 能讲知识，但孩子愿意跟你学；

• **医生：**AI 能诊断，但病人愿意把手伸给你。

**人和人的连接，是 AI 暂时拿不走的东西。**

### 3. 别追每一个新名词

Vibe Coding、Context Engineering、Subagents、Harness、Skills、MCP……这些词每个月都在变，追不完的。

**理解原理，而不是名词。** 原理一通百通。

举个例子：你不需要知道 RAG 是怎么实现的，只要知道"AI 会把你的资料读一遍再回答"——剩下的都是工程细节，跟你没关系。

### 4. 在你的领域用一两个工具，用透

不要一会儿 ChatGPT 一会儿 Claude 一会儿 Gemini。

挑一个，用 3 个月，深度集成进你的工作流，**让它变成你工作的一部分**——这比学 10 个工具的皮毛有用 100 倍。

### 5. 保留对工具的好奇，保留对炒作的怀疑

这两件事一点都不矛盾。

**✦**

对工具好奇的人，不会落伍；

对炒作怀疑的人，不会被收割。

• • •

## 7 顺便给老板们说几句

聊完打工人，老板那边也得说几句。

回到开头那个问题——**企业到底要不要 All In AI 转型？要的话怎么转？**

我的答案是：**要转，但不是你想象的那种转法。**

不是裁员、自建大模型、把 Token 当 KPI；
不是开发布会喊"我们是 AI-Native 公司"；
更不是把员工经验榨干变成训练数据。

下面 5 条朴素建议，核心思想还是那句：**别慌，回到价值本身**。

### 1. 别再纠结"自建大模型"，去改造你的业务系统

你的护城河从来不是模型权重，而是**业务数据 + 业务流程 + 行业 Know-How**。

举个例子：你公司有个用了 20 年的内部系统（CRM、ERP、工单系统都行），员工天天用得很熟，但接口乱、文档差。想"AI 化"，正确做法**不是**花 5000 万训练一个"销售大模型"，而是：

• 把 API 文档整理清楚；

• 加一层 AI 友好的协议（比如 MCP、CLI）；

• 写一份"业务能力目录"，让 AI 能像新员工查手册一样调用你的系统。

这样**无论明天大模型从 Claude 4 换到 Claude 5，从 GPT-5 换到 GPT-6，你的业务能力都能即插即用**。模型层迭代多快都不影响你。

**一句话：**让头部 AI 来用你的系统，而不是把你的系统改造成 AI。

### 2. 善用头部 AI，不要重复造轮子

OpenAI、Anthropic、Google 每家公司每年在模型训练上烧的钱是 100 亿美金量级。**你公司挖 30 个博士也追不上。**

很多老板说"为了数据安全才自建"，但你想想：

• 你接的还是别人的 API 吗？数据照样要传出去；

• 真正私有化部署的成本和效果，你公司年利润够吗、扛得住吗？

• 微调一个开源模型几百万，明年新版本一出又得重做。

**当个聪明的使用者，比当一个昂贵的模仿者强 100 倍。**

把省下来的钱，投到工作流改造、员工培训、客户体验上——回报率远高于自建。

### 3. 把 Token 当水电费，别当成 KPI

Tokenmaxxing 这种风气，本质是**变相奖励"做样子"的工作**。员工为了排行榜虚增用量，公司为了财报数字鼓励虚增——**最后烧的全是真金白银**，业务一点没动。

健康的指标永远是**业务结果**：

• 客户响应时间是不是更快了？

• 缺陷率是不是降了？

• 迭代周期是不是缩短了？

• 客户满意度是不是涨了？

**不是日志里那个 Token 数字。**

真正聪明的公司：员工用不用 AI 自由选择，但月底的产出和质量看得见。

### 4. 培养"全链路理解者"，比挖 AI 专家更重要

未来最值钱的不是"会写 Prompt"的人，而是**懂业务 + 懂技术 + 懂产品 + 懂运营**的指挥家。

这种人能干什么？

• 拆解需求，知道哪一步交给 AI、哪一步必须人来兜底；

• 调度多个 AI 工具 + 多个团队 + 多个系统，让流程真正跑通；

• 出问题的时候，能判断是模型问题、Prompt 问题、还是数据问题；

• 把领域 Know-How 沉淀成 AI 可复用的资产。

**95% 失败的 AI 项目里，那 5% 成功的关键就是这种人。**

不要急着去挖一个"前 OpenAI 工程师"——先在你团队里找那个**懂业务又愿意学技术**的人，把他/她培养成全链路理解者。这种内生人才比外部空降更稳。

### 5. 不要跟风裁员，更不要把员工当训练数据

Meta 那套"先让员工训练 AI、再炒掉员工"的玩法，看似精明，长期是公司文化的毒药。

WIRED 报道 Meta 内部"员工士气历史性低迷"。你想想：

• **剩下的人**还敢不敢把真本事教给公司？

• **新招进来的人**看到这种新闻，还愿意全力投入吗？

• **真正的高手**会不会优先选择不会"卸磨杀驴"的公司？

更别说从战略角度——AI 模型的边际价值在递减，**人的判断力、创造力、信任感在变得更稀缺**。一家用员工填 AI 喂料桶的公司，三年后会发现自己人才储备已经枯竭。

真正高水位的玩法：让 AI 帮员工提效，**省下来的时间投入到 AI 做不了的事**——客户关系、新产品创新、组织能力建设。员工和公司一起成长，而不是员工被吸干就丢掉。

这不光是道德问题，**是商业问题**。

• • •

## ✦ 写在最后

技术爆发的年代，最容易让人忘掉一件事：

**人才是目的，技术是工具。**

**你不是为了"会用 AI"而存在，是为了过更好的生活；**
企业也不是为了"成为 AI 公司"而存在，是为了创造价值。

Sam Altman 说，未来一个人加一群 AI Agent，可以做到 10 亿美元的生意。

也许吧。但今天看清楚浪潮的方向，比追逐每一朵浪花都重要。

**愿你少一点焦虑，多一点定力。**

做时代的冲浪者，不做时代的祭品。

**慢一点，稳一点，挺好的。**

如果这篇文章对你有帮助，欢迎**点赞、在看、转发**三连 🙏

关注我，持续分享 AI 时代的清醒思考与实战经验

• • •

### 参考资料

按主题分类，全部为可验证的一手或权威媒体来源（截止 2026/5/23）：

**企业 AI 投资回报数据**

• MIT NANDA《State of AI in Business 2025》, 2025-08（Fortune 报道）
• PwC《2026 Annual Global CEO Survey》, 2026-05-19
• Microsoft《2026 Work Trend Index》, 2026-05
• Sinch《2026 AI Production Paradox》/ Deloitte《State of AI in the Enterprise 2026》

**AI Coding 真实生产力研究**

• METR《Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity》, 2025-07
• Fortune《Coding is supposed to be genAI's killer use case. But what if its benefits are a mirage?》, 2025-07-15
• DX《AI's impact on engineering velocity is more modest than expected》, 2026-04

**Meta 裁员与 AI 训练员工**

• CNBC《Zuckerberg's Meta layoffs memo: 'Success isn't a given'》, 2026-05-20
• Mother Jones《Departing Meta Staffer Posts Biting Anti-AI Video》, 2026-05-21
• WIRED《Meta's New Reality: Record High Profits. Record Low Morale》, 2026-05-15
• WION News《Mark Zuckerberg leaked audio: smart employees used to train AI》, 2026-05-19

**Tokenmaxxing 与 AI 成本**

• Success.com《Tokenmaxxing Is the New Quiet Quitting》, 2026-05
• Fortune《Microsoft reports are exposing AI's real cost problem》, 2026-05-22
• Business Today《Why AI agents are costing companies more than the employees they replaced》, 2026-05-22
• TechCrunch《Are AI tokens the new signing bonus?》, 2026-03-21

**大佬观点**

• Karpathy on Dwarkesh Patel Podcast, 2025-10
• TechCrunch《Karpathy joins Anthropic's pre-training team》, 2026-05-19
• Newsweek AI Impact Interview with Yann LeCun, 2025-09
• The Next Web《LeCun raised $1bn for AMI Labs》, 2026-04
• Fortune《Jensen Huang: You won't lose your job to AI》, 2026-04-22
• Fortune《Jensen Huang says some CEOs have a 'God complex'》, 2026-05

**OpenAI 自我修正**

• Sam Altman《Reflections》, 2025-01
• The New Yorker《Why A.I. Didn't Transform Our Lives in 2025》, 2025-12
• Fortune《OpenAI co-founder says AI agents will take a decade》, 2025-10-20