AI 产品尚未证明自己值得用户承担成本。科技评论者 Nilay Patel 在谈及美国大选与大科技公司的表现时，把批评落在产品本身：投入持续增加，用户得到的好处却不够清楚。

这是什么

这是一段对 AI 商业化现实的总评。Patel 的意思是，企业不能一边扩大数据中心、模型调用和营销投入，一边要求用户接受噪音、虚假内容（AI 生成或篡改的低质量内容）及尚不实用的智能助手（能自主调用工具、分步骤完成任务的软件）。

他还把产品体验与社会成本放在一起观察：模型提供的价值若不值得付费，算力扩张带来的电力、设备和基础设施成本就缺乏商业基础。这不是否定技术能力，而是追问用户是否获得了足够真实、足够频繁的改善。

行业怎么看

值得肯定的是，这种判断迫使 AI 公司回到基本商业逻辑：收入必须覆盖持续上涨的推理、训练和基础设施支出，而不能只靠用户规模、使用时长或融资支撑增长。真正可用的产品，最终应让人无需广告说服就愿意留下。

但风险也很明确。当前不少 AI 应用仍处于试用和付费转化阶段，过早收缩投入可能错过用户习惯形成；反过来，如果成本下降快于付费意愿下滑，利润率也未必自然改善。数据中心还涉及选址、电网和地方治理，不能只按软件产品的账本衡量。

此外，Patel 对大科技公司政治关系的批评带有鲜明立场，不能直接等同于财务结论。更可靠的验证指标是净收入留存、用户主动使用频率、单位任务成本，以及 AI 产品带来的可量化节省。

对普通人的影响

对企业 IT：预算会从“全面接入”转向按任务回报评估，先选择能明确节省时间、降低错误或增加收入的场景。

对个人职场：工具选择更看重可靠性和真实产出，演示效果突出但增加复核成本的产品会更快被淘汰。

对消费市场：消费者对 AI 功能的耐心下降，平台若不能持续提供明显价值，就难以仅凭概念获得订阅或使用费。