洞察 AIGC：它给九十分，可有些行业只认一百分
微信读书《洞察AIGC：智能创作的应用、机遇与挑战》· 三篇六章
逐页翻阅 360 屏 · 6 章 · 2026-11-04
说明：这本书的野心是"全景"——从技术原理、创作场景、工具市场，一路讲到机遇、挑战和碳排放。全景式的书最容易犯的毛病是每一块都浅，所以我专门挑了它最不像综述的三处去核对：3.8 金融服务、4.x 的工具市场分层、5.3 中国的 AIGC 现状，另外把第六章"挑战"整章的目录和几页正文翻完了。结果是：它最值钱的东西，恰恰在它最不自信的那几段里。
先给结论：这本书真正的贡献不是告诉你 AIGC 能写诗能画画，而是无意间给出了一个准确的行业刻度——生成式 AI 交付的是"九十分的答案"，而金融、医疗、法务这些行业只认一百分。中间那十分，才是今天所有 AI 生意的真实战场。
它自己在 3.8 节把这个意思说透了，但整本书的排版、选题和宣传都没有围绕这句话来组织。所以这是一本"金句埋在第八节"的书。
一、"九十分"与"一百分"：全书最锋利的一段在金融服务里
3.8 节叫"金融服务"，第一个小标题是"生产力十倍说"。作者先摆了一个反差：
从过去的发展阶段来看，62% 的银行是 AI 的推进者或领导者。而这次我们没有把银行放在商业应用的前面，因为这个领域基于生成式 AI 的智能化改造或数字化转型，并没有像以往那样成为科技赋能的领头羊。在全球生成式 AI 的业务版图内，银行业也没有出现在显著的位置上。
接着它解释了原因，这一段我认为是整本书最像"在一线待过"的文字：
因为金融服务机构在制度设计上是保守的，对错误和过失的容忍度极低，在效率与安全之间显然更倾向于后者。
然后它给了三个对比案例，我按原意转述：一家公司的电商平台商品定价出错了，及时更正就行，还能当后期营销素材；但一家商业保险公司如果给一份网络保单定价错了，或者更糟——承保的客户或资产风险太高而无法定价，那么这份保单的损失可能会使整个账目消失。第三个案例最狠：如果一家银行用 AIGC 工具对一项潜在的投资进行研究，它可能创造出不存在的虚构参考资料，还可能从互联网上剽窃别人的数据。
最后是那句总结：
目前的发展形势是：生成式 AI 是惊人的和强大的，但欠缺准确性和精确性，生成式 AI 给出了 90% 的答案，而金融服务要求 100% 的准确。
"九十分"和"一百分"之间那十分，就是这本书最值得抄走的一个模型。因为它一下子解释了很多看起来矛盾的现象。
为什么 AI 在写文案、做图、剪视频上铺开得那么快，在投研、审计、诊断上却几乎原地踏步？因为前者的错误成本可以摊薄——改一版就行；后者的错误成本是阶跃的——错一次就出局。
为什么同一家银行一边禁用 ChatGPT，一边又在内部搞大模型？因为公开工具的错误没法兜底，内部工具的错误有人兜底。它们拒绝的不是 AI，是"没人负责的 AI"。
为什么"准确率 95%"这种指标在金融行业毫无说服力？因为剩下那 5% 不是均匀分布的，它集中在长尾的、金额最大的、最不像样例题的那部分。平均分是给汇报用的，最坏情况才是给风控用的。
这段最让我服气的地方是它的克制。它没有说"银行保守所以落后"，而是承认"保守是这套制度的理性选择"——一个行业对错误的容忍度，是由它承担后果的方式决定的，不是由它的技术品味决定的。这句话可以推广到所有行业：判断一个行业会不会被 AI 改造，先看它错一次的代价有多大。
二、钱在哪一层：一份没画成图的分层
第四章讲工具市场，本来最容易写成产品名录（它确实写了一长串工具名，从 Copymatic 到 Sudowrite 到 QuillBot）。但中间夹着一段商业模式的分层，我把它整理出来了：
第一层是基础设施与模型本身；第二层是 PaaS，"平台与第三方是多对多的选择关系，最终比拼的是生态圈的成熟度和稳健性"；第三层是云应用——微软 365 Copilot、谷歌 Workspace、Salesforce，"它们把 AIGC 作为一种增值服务来提供，和用户需要扩大网络硬盘的容量一样，只需要少量的费用即可完成升级"；第四层是 TaaS（Training as a Service），"只有少数群体拥有建设和维护的能力"，而且它有个很生动的类比：就像当年疯炒比特币时期，很多虚拟币厂把算力中心建到了经济不发达地区的水电站旁。
第五层是 ISV（独立软件）。这一层的描述最准确："独立软件……长期以来一直利用机器智能来帮助人类完成工作"，Adobe 把生成式能力直接带进客户的工作流程，"使数字艺术家不再受限于他们的思维或本就缺乏的艺术天赋"。
分层本身不稀奇，稀奇的是它顺手给了价格信号：书里提到 GPT-4 completion 比 GPT-3.5-turbo 贵了 29 倍。
这个倍数比任何"AI 很强"的描述都有信息量。它告诉你：能力是有价签的，而且价格不是线性上涨的——从"能用"到"好用"的那一小步，往往要贵一个数量级。
由此可以推出一个很实际的判断：凡是靠"更聪明一点"来卖钱的生意，毛利都会被上游吃掉。因为你要的那点聪明，成本是 29 倍，而客户愿意为"聪明 10%"多付的钱，通常不到 2 倍。所以真正稳的位置不在中间层，而在两头——要么掌握算力和模型（贵但垄断），要么掌握场景和工作流（便宜但黏）。
书里没有把这个推论写出来，但它把材料摆齐了。这是我读这类"全景式"书籍时的固定做法：不要看它总结什么，看它摆了什么。摆出来的东西往往比结论更值钱。
三、一句产业实话：B 端为什么不动
5.3 节讲中国的 AIGC 发展，是全书第二有分量的一段。它先承认短板：人才供给不足，算力供给上有很大缺口，内容质量相对国际先进水平还稍逊一筹。
然后是 B 端的三条原因。第一条："很多企业处于观望阶段，AIGC 并不是一种刚需，传统的运作方式依然有效。"
这句话说得非常不客气，也非常准。"传统方式依然有效"是所有新技术推广时最真实的阻力——不是不会用，是没有非用不可的理由。所有 To B 的 AI 产品，本质上都在回答同一个问题：你凭什么让一家运转正常的公司改流程？答案从来不是"更先进"，而是"不改就会输"。
第二条：AIGC 带来的实质性经营改善还需要时间验证，之后商业价值才能衡量。第三条：掌握工具看似简单，但企业级的个性化质量与细节仍有差距。
接着它给了一个非常务实的结论，我原样抄下来：
在实践中，对于 B 端客户来说，与其花时间学习这些技能以掌握使用，还不如通过外包的形式交给 AIGC 服务商来完成。例如，把一个电商平台的人物互动完全交由 AIGC 服务商来完成，而 AIGC 服务商只需要从业绩中分成就好了。
"按业绩分成"这五个字，是整本书里最商业的一句话。它绕开了"卖工具"和"卖咨询"两条老路，直接指向了第三形态：不卖能力，卖结果。
这条路对服务商的风险很高（结果不好就白干），但对客户的心理门槛最低（不用学、不用改流程、不成功不付钱）。当一个技术的使用门槛高于它的收益时，生意会自然从"卖工具"滑向"卖结果"。这不只是 AIGC 的规律，是所有工具类生意的规律。
四、它犯了一个很典型的错，而这个错本身很有教育意义
必须说这一处，因为它几乎是这本书的一个隐喻。
书里有一段，作者去问 ChatGPT"如何使用 ChatGPT 和 Midjourney 来完成一本书"，然后把回答完整列了出来，六步：(1) 确定书籍类型和主题；(2) 开始规划书籍大纲，"使用 Midjourney 的工具，如笔记、大纲和故事板"；(3) 使用 ChatGPT 进行研究和阅读；(4) "在 Midjourney 平台上开始编写书籍"；(5) "使用 Midjourney 的审查和编辑工具"；(6) "使用 Midjourney 的自助出版工具，将您的书籍发布到亚马逊"。
问题很明显：Midjourney 是画图的，它不会写字、不会审稿、不会自助出版。这段回答把两个工具的功能彻底搞混了，是典型的模型幻觉。而作者在引出这段之前写的是——"ChatGPT 的回答就非常有价值了"。
更巧的是，翻到第六章前面，有一张讲 AIGC 应用要求的表格，表格下面标注的来源是：资料来源：ChatGPT。
我不认为这是偷懒。相反，它很诚实地展示了一个真实的工作状态：这本书写作的时候，作者正在用 AIGC 写一本关于 AIGC 的书。这个行为本身比书里任何一句话都更能说明 2023 年前后的行业气氛——所有人都在边用边学，包括写书的人。
但问题在于，作者把"我试了一下"和"这是可信的知识"混在了一起。他如果真的在 Midjourney 里试过第 4 步，就会发现那里打不出一个字。这不是苛求严谨，这是一个非常低成本的验证动作：试一次就行。
我把这段放在文章中间，是因为它是整本书的方法论缩影：它收集了大量正确的材料，但在"哪些能信、哪些要验"这一层上，门槛设得太低了。而这恰好也是第六章自己警告过的事——那一章的小标题里就有"AI 幻觉""魔鬼藏在细节里"。
五、第六章其实写得比前五章好
翻目录的时候我有点意外：这本书最扎实的部分在最后。第六章"挑战"的四个小节是：侵权与不可信、品质疑云重重（AI 幻觉、魔鬼藏在细节里）、"烧钱"式碳排放（"烧钱"的算力兽、惊人的碳排放）、对发展的慎重考量（安全的一体两面、共同驾驭 AIGC）。
"算力兽"这个词用得很准。它把两件事绑在了一起：算力既是成本，也是排放。大多数讨论只算前者（一次调用多少钱），很少有人算后者（一次调用多少电、多少碳）。而这两个账最终会合并——当电价和碳价上来时，"便宜"的模型会重新定价。
"安全的一体两面"也是个成熟的提法。它没有把安全写成"限制"，而是写成"同一枚硬币"：能力越强，滥用面越大，防护成本越高。这条路走下去，AI 的成本曲线不会一直下降，它会先降后升——下降的是算力单价，上升的是安全与合规的边际成本。
可惜的是，这一章的分量跟前五章不成比例。前五章占了全书八成篇幅，第六章只有薄薄一叠。一本书的篇幅分配，往往暴露了作者真正的兴趣点：他更喜欢讲"能做什么"，不太愿意讲"做错了怎么办"。
六、它的短板：全景图的通病，它一样没落下
第一，工具名录占了太多篇幅，且必然过时。第四章列了几十款工具，从 Copymatic 到 Sudowrite 到 Authors.A.I.，每款一两段介绍。这种写法在出版当年是加分项，两年后就是负债——大部分读者会直接跳过，而跳过的部分占了全书近三分之一。
第二，案例几乎全部来自公开新闻和厂商稿。微软的大招、Adobe 的萤火虫、摩根大通的限制令，这些都是当时媒体的通稿内容。没有一处一手访谈，也就没有一处"内部人怎么看"的信息。这让整本书停在"知情"的层面，到不了"洞察"。
第三，问了大问题，给了小答案。前言承诺要回答"人工智能是否会威胁人类创作者的地位""创作型人工智能的法律和伦理问题该如何看待"。但正文里这两问的处理是"要辩证地看""需要多方共同治理"，没有一个判例、没有一个法院的说理、没有一个具体的权利边界。而在版权这个问题上，判例才是全部——没有判例，讨论就只是立场。
第四，把 AIGC 生成的内容当作论据。前面说的"资料来源：ChatGPT"，以及那段把 Midjourney 当写作工具的建议。这在方法上是致命的：用被验证对象来验证它自己。
公平地说，这本书在同类里算老实的。它老老实实写了短板（人才、算力、质量），老老实实写了碳排放，也老老实实标注了"资料来源：ChatGPT"——很多书连这个标注都不会加。它的局限不是态度问题，是位置问题：它站在 2023 年写 2023 年，而 2023 年太快了。
七、一句话
如果只带走一句，我带走 3.8 节那句：生成式 AI 给出了 90% 的答案，而金融服务要求 100% 的准确。
这句话可以推广成一把尺子，用来量任何一个"AI 能不能替代这个岗位"的问题：先看这个岗位的错误容忍度，再看它错的代价是不是阶跃的。
错一次可以改的，AI 会很快接手。错一次就出局的，AI 只能当副手，而且必须有人在后面签字。这跟模型有多聪明关系不大，跟这门生意怎么承担后果关系极大。
看懂了这一点，你就不会再问"AI 什么时候取代我"，而是会问"我这活儿，错了谁兜"。第二个问题的答案，决定你的位置。
阅读记录：《洞察AIGC：智能创作的应用、机遇与挑战》· 微信读书逐页翻阅 360 屏 · 三篇六章 · 抽读 6 处逐页核对 · 笔记写于 2026-11-04
发表评论: