所有人都知道船在沉，但没人敢先喊出来

一个数据点：95% 的 GenAI 试点颗粒无收

2026 年 7 月 18 日，一个叫 Ludicity 的独立博主发了一篇长文，标题直译过来是”AI 狂热正在掏空全球决策能力”。文章作者是一家数据咨询公司的负责人，过去一年参与了约 300 次行业交流，从一线工程师到财富 500 强高管都聊过。他的结论很极端：在他观察到的所有 AI 项目中，成功率是 0%。

0% 听起来像是情绪化表达。但我翻了翻最近的研究数据，发现这个数字的方向完全正确——

MIT 的 Project NANDA 在 2025 年审查了 300 多个公开 AI 倡议，发现 95% 的 GenAI 试点对利润表零影响。RAND Corporation 访谈了 65 位资深数据科学家，得出 AI 项目失败率超过 80%，大约是非 AI IT 项目的两倍。McKinsey 调查了近 2000 位来自 105 个国家的高管，只有 6% 的组织算得上”AI 高绩效”。S&P Global 发现 42% 的企业在 2025 年放弃了大部分 AI 倡议——一年前这个数字还只有 17%。

五家独立研究机构，五种不同方法论，收敛到同一个区间：70% 到 95% 的 AI 投资没产生预期价值。

所以 Ludicity 那位博主说 0% 确实夸张了，但他说的是一个定性判断——在他亲自参与的项目里，没有一个真正交付了价值。这不是孤例，这是行业共识的极端表述。

真正让我觉得这篇文章值得读的，不是”AI 项目在失败”这件事本身。失败率数据早就有了，任何关注行业的人都知道。让我停下来想了好一会儿的，是他提出的第二个问题——

如果所有人都知道船在沉，为什么没有人喊？

皇帝的新衣：当质疑等于职业自杀

Ludicity 的文章分了一个很有用的结构：他把”不敢说”分成了三层。

第一层是真信徒。有些人真的相信 AI 正在改变一切，即使他们连 ChatGPT 都没用过。文章讲了一个案例：一位高管在为一间年营收 20 亿美元以上的公司写完一份全 AI 战略之后，坦白说自己这辈子从未用过任何 AI 工具。这种人不坏，但比骗子更危险——你至少可以用利益说服骗子，但信徒对反面证据免疫。

第二层是表演者。他们知道 AI 项目大概率失败，但”宣誓信仰”是晋升的唯一通道。文章提到一个工程师的匿名吐槽：公司用 token 消耗量做排行榜，消耗越高越受赏识。于是他们让 LLM 互相提示形成一个自循环，自己看 Netflix。没被抓过。

第三层是知道真相但被锁住的人。Ludicity 描述了一次与某财富 500 强高管的私下会面。这位高管技术功底扎实，头脑清醒——但他的公司刚发了一份公告，声称通过 AI 实现了”100 倍生产力提升”。Ludicity 在没有麦克风的饭局上问他：你们为什么要发这种东西？

答案比”纯粹吹牛”复杂得多。这位高管的客户的高管也在声称”100 倍生产力”。如果他作为供应商公开说这些数字不可能，就等于暗示客户的高管在撒谎——合同可能因此取消。而他的公司同时也在跟另一家供应商合作，那家供应商的 CEO 同样不敢反驳他——怕丢掉合同。

这就是博弈论里说的协调困境：每个人都有动机假装一切正常，但没人敢第一个说真话，因为单方面说真话的代价是被解雇。

协调困境：一个精确的描述

把这个故事翻译成博弈论语言其实不复杂。假设两个高管 A 和 B，各自面对组织里 AI 项目的问题。他们各有两个选择：合作（假装有效）或背叛（说真话）。

两人都合作：工作保住，项目继续烧钱，短期内没人受伤。

A 背叛、B 合作：A 被开掉——因为他在暗示所有同行都在撒谎。B 继续假装。

两人都背叛：真相可能大白，行业可能修正——前提是他们同时说，而且彼此之间有足够的信任。

A 合作、B 背叛：反过来，B 被开掉。

在这个博弈中，无论对方怎么选，“合作”都是每个玩家的占优策略。这就是纳什均衡——一个没有人有动机单方面偏离的稳定状态。问题在于，这个稳定状态是集体非理性的：大家在假装，项目烂着，钱在烧。

Ludicity 给这个状态起了个很妙的名字：“分布式暗杀政府”。每个高管都在拿枪指着另一个高管，没有人敢先放下枪，因为放下枪的那个人会被射杀。

皇帝的新衣就是这个机制：每个人都能看到真相，但每个人都在等别人先开口。博弈论叫它”多重均衡”——大家都知道更好的状态存在（大家都说真话），但从当前状态跳不过去，因为跳的过程需要同时行动，而没有人来数一二三。

Mitchell Hashimoto 在两个月前发了一条类似的观察。这位 HashiCorp 的联合创始人在 X 上写道：“我强烈相信，现在有很多整家公司都处于严重的 AI 精神错乱状态，跟他们理性地讨论这件事是不可能的。“帖子获得了 120 万次浏览。他也指出了一个关键问题：他没法公开点名，因为那些人里包括他”深深尊重的私人朋友”。

连最敢说话的技术领袖都在犹豫——这本身就说明了协调困境的力量。

度量衡崩塌：当 token 消耗成为 KPI

文章里最让我觉得荒诞的细节是 token 排行榜。

Goodhart’s Law 说：当一个度量变成目标，它就不再是一个好的度量。Token 排行榜几乎是这个定律的教科书案例。公司想用 AI 消耗量来衡量”AI 化程度”，觉得消耗多就是用得多、用得好。但消耗量跟产出没什么关系——你烧 100 万 token 可能产出了一堆垃圾，烧 100 token 可能写出了一个关键算法。

结果呢？工程师让 AI 自己提示自己，形成 token 循环，然后去看 Netflix。指标上升了。没人被抓到。产出为零。

类似的故事不止一个。Ludicity 讲了一个 Oracle 到 Snowflake 的数据库迁移案例。项目方先让 LLM 翻译 SQL 方言——失败了，权限不够。然后人工完成了翻译。但在向上汇报时，这个项目被标记为”AI 驱动的成功”，因为”一小部分 SQL 确实在人工覆盖前被 AI 翻译过”。

AI-washing 已经变成了一种标准操作。一个普通 IT 项目，贴上 AI 标签，就能通过预算审批。一个真正需要资金的非 AI 项目，如果无法”AI 化”，要么被拒绝拨款，要么被反复要求修改直到它”足够 AI”。

Thomas Ptacek 在一年前的那篇引发巨大争议的文章《我的 AI 怀疑论朋友都疯了》中，其实也承认了这一点。他说：“Tech execs are mandating LLM adoption. That’s bad strategy.”（科技高管在强制推行 LLM 采用，这是糟糕的策略。）Ludicity 专门写了一篇反驳 Ptacek 的文章，但在这一点上，两个立场截然不同的人达成了完全一致：强制推行是蠢的。

度量 token 消耗而非业务价值，要求增员申请必须附带”我们已经试过 AI”的证明，解雇不用 LLM 的高绩效员工——这些事情度量的都是信仰，不是产出。

信息从一线到 CEO，每过一层就死一批

Ludicity 的文章没有明确画出这张图，但他的描述指向了一个清晰的信息过滤链：

一线工程师知道项目在失败。他们每天面对无法使用的聊天机器人、无法部署的代码、无法兑现的承诺。但他们不能说——说了就可能被”随机”选中裁员。

中层管理知道一半的项目在空转。他们看到了 token 排行榜背后的真实产出，看到了匿名投票里 3/10 和 8/10 的双峰分布。但他们的 KPI 跟 AI 投资挂钩，所以报告被美化了。

VP 层看到的是过滤后的数据。他们知道有些项目有问题，但不知道具体多严重。如果他们质疑，就是在暗示下属无能或撒谎——这不是建立信任的好方式。

CEO 看到的是公告稿。“100 倍生产力提升”。他们可能怀疑，但董事会要求 AI 投资，竞争对手也在做，不做就是”落后”。

每过一层，坏消息就被稀释一次。到决策层手里，真相已经面目全非。

这不是 AI 独有的问题——任何大型组织都有信息衰减。但 AI 狂热的特殊性在于：质疑本身被标记为”态度问题”。在其他领域，你可以说”这个项目有风险”而不被质疑忠诚度。在 AI 领域，这句话等于”我不相信公司的未来”。

Ludicity 提到一个匿名投票的技巧：让参与者匿名给 AI 项目打分（1 到 10 分），典型的结果是一半人打 3 分、一半人打 8 分——在一个已经延期三年的项目上，呈现清晰的双峰分布。把这个数据拿给 CEO 看，是少数能穿透信息过滤层的方法之一。

怎么活下去

Ludicity 文章的最后一章是务实生存指南。我挑几个最实际的：

如果你在一个 AI 狂热组织里工作，但目标是修正某个具体项目（而非改变整个组织的信仰）——不要公开质疑”AI 改变一切”这种宏观叙事。先获得最资深那个人的信任，在一对一的饭局上聊，而不是在六个人的会议上让他丢面子。

如果你只是想活到泡沫破裂——考虑转做合同工。收入更高，远离内部政治，而且遇到不可忍受的情况时你知道有结束日期。

限制 AI 新闻的摄入量。Hacker News、Reddit、任何会持续滴灌 AI 叙事的地方——看够了让你确认自己没疯的量就够了，然后停下来。

如果你正在被要求审查大量糟糕的 AI 代码——假设这个组织会把你耗尽然后解雇。趁还有精力的时候开始找工作。不要等到燃尽了再行动，那时候你连投简历的力气都没有。

这些建议听起来很消极。但我觉得它们的消极恰恰是对的——这不是一个能通过”更好的沟通”或”更清晰的 KPI”来解决的问题。这是一个激励结构问题：当说真话的代价高于假装的好处时，任何试图”改善沟通”的努力都会被激励结构碾碎。

唯一真正有效的干预是改变激励——但改变激励需要权力，而拥有权力的人恰恰是被激励锁住最深的人。

所以，如果你是那个在饭局上听到朋友承认”我们的 AI 项目全是假的”的人，至少做一件事：记住你不是唯一清醒的那个。清醒的人比你想的多得多，他们只是都在假装不清醒。

你的公司里有没有”token 排行榜”式的 AI KPI？你在 AI 项目中观察到的最大信息失真是什么？欢迎分享——匿名也行。