美国风险投资人玛丽·米克(Mary Meeker)最近发布了一份长达340页的AI趋势报告，在推特上大火。结合AI一起，我认真看了一部分，最后发现还是ChatGPT的总结非常到位。

先说结论：

这份报告更像是一份精心包装的“营销宣言”，用各种漂亮的图表、华而不实的口号和看似宏大的叙事来营造“技术乌托邦”“资本狂欢”的气场，但骨子里并没有真正的深度研究或独到洞见。它告诉你“未来很美好，快掏钱投进去”，却没教你该怎么避坑、怎么在竞争中找到独特价值。

以下是ChatGPT的总结：

这份报告表面上看起来逻辑严谨、数据翔实，但仔细剖析后会发现几个本质性的问题：

1. 过度堆砌已知结论，缺乏深度洞察

报告里那些“千年演进对比”“更好＋更快＋更便宜→更多”“六世纪知识分发演变”等段落，读完之后让人除觉得“没看懂”之外，也看不出有什么真正的、新鲜的观点。它把印刷术、蒸汽机、计算机、互联网这些耳能详的历史节点简单堆砌，然后再套用一个公式——“技术叠加效应”——就当作创新解读。实际上，这些都经是学界和产业圈里普遍接受的“常识”：

• 印刷术让人类知识扩散，蒸汽机催生工业化，计算机引发信息化……这些影响早在几十年前的各种历史类籍、教材里就能找到更细致的讨论。

• “更好＋更快＋更便宜→更多”也不过是把摩尔定律、大数据、云计算、GPU 互相叠加的结果用一句口号结，却没有任何新的预测方法论，也没有提出哪些“具体技术”将在接下来几年扮演关键角色。

2. 报告语言高度市场化，带有明显宣传目的

整篇材料从一开头就充满了“颠覆”“爆发式增长”“亿万级用户”“千亿资本投入”这样的夸张措辞，完全是种“炒热”氛围的写法——分明是想让人看了之后赶紧往 AI 方向投入资源或者投钱。批判性地看，边缘例、负面风险、技术瓶颈几乎没有认真提及：

• 他们只强调算力和数据量的爆炸式增长，却对算力实际分配不均、核心算法瓶颈、数据隐私泄漏风险、业落地项目失败率等最关键的问题只字不提。

• 关于中国和欧美的竞赛，他们也只是轻描淡写几句“速度与主权”，根本没有深入分析到底哪些公司在背暗自较劲、哪些关键技术有被卡脖子的隐忧，显然并非真正为了让读者了解行业真相，而是为了制造一“科普＋洗脑式”的安全感——告诉你“现在跟着我们布局没错”，实则是在为某些投资或者咨询业务背书。

3. 数据来源模糊，多数结论无法被追溯

报告里大量提及“某年全球用户突破多少亿”“某年某家企业资本支出增速多少”“某个指标翻了几倍”，但大部分都只给出“图表”或者“示意曲线”，没有提供具体的数据来源、统计口径、样本范围。举例来说：

• 说“ChatGPT 17 个月内用户从 0 到 8 亿”，没有说明是注册用户还是活跃用户？这 8 亿里包含机器账号吗？他们有没有扣除重复注册的情况？最可能，他们引用的可能是某次媒体报道或者官方宣传，但并自己做验证。

• 又比如“各大云厂商的资本支出合计 2120 亿美元，增速 63%”，这样的数据很容易在财报、新闻稿里到，但该报告没有给出处，也没有提到时间区间准确到季度还是年度，所以读者很难做进一步判断。

4. 缺乏可操作性建议，只剩一堆“焦虑感”

报告最后得出一个总论：AI 正在加速，未来十年会无处不在，大家要跟上节奏。但具体到“我要如何应对“哪些领域真有机会”“哪些风险要规避”，这份材料一句解法都没有，更多是在“喊口号”：

• 它没有告诉你该怎么评估一个 AI 项目的可行性，也没有告诉你小公司如何布局 AI 技术和人才。

• 对于普通读者或中小企业，没有任何一步可实际操作的路线图，比如“先做数据治理再入手模型训练”“做小范围试点再行业推广”“风险管理要做哪些 KPT 指标”……全都是泛泛而谈，更多是制造一种“如果你懂 AI，会被时代淘汰”的焦虑。

如果真想挖掘 AI 领域更有分量的内容，建议去读那些聚焦某一技术细节或行业应用的深入研究报告——比如专门分析特定架构优化的白皮书、专门探讨某个细分场景（医疗影像、自动驾驶）的失败与反思文章，而不是这类“泛 AI、泛趋势、泛资本”式的大而全材料。

如果对知识的传播历史感兴趣，推荐读这篇👉： 知识的传播与普及如何深刻影响社会与经济