前 Theranos 员工泰勒·舒尔茨曾以为自己加入了一家能用一滴血完成数百项检测的公司，最终却发现，技术做不到、宣传不断、异议者还遭到法律压力。这个旧故事正在因 Elizabeth Holmes 再次受到关注而重回讨论中心，值得关心的是：它暴露的治理问题同样会出现在今天的 AI 创业中。

这是什么

这场访谈最初录制于 2024 年 12 月。舒尔茨入职后逐渐发现部分血检结果不可靠，实验室设备也难以支持公司对外描述的能力；当梅毒检测出现问题后，他开始推动内部调查，并试图说服包括其外祖父 George Shultz 在内的董事会。随后，他向《华尔街日报》披露相关情况，并因此承担高额法律费用。

Theranos 的核心问题不是“创始人说谎”这一条，而是技术验证、商业承诺和内部治理同时失灵。外界的名气、家属关系与创始人的权威，削弱了员工提出异议的动力，也让公司更长时间维持了可信形象。

行业怎么看

AI 行业从 Theranos 得到的首要提醒是：演示效果不能替代可重复验证。模型在受控环境中表现出色，与它能在真实业务里稳定承担医疗、法律或财务决策，是两项完全不同的命题。

但我们也要警惕把旧案例机械套在今天。舒尔茨讲述的是一家公司特定时期的文化，内部材料仍需与公开证据交叉核对；而 AI 的基础模型能力、评测标准和供应链正在快速变化，不能因为一家公司失败，就推定所有采用相似叙事的企业都存在同样问题。

更现实的风险在于治理滞后：企业可能先追逐市场估值与客户预期，再补技术、合规和问责机制。另一项反对意见是，过度依赖独立测试会拖慢创新。我们认为，关键不在于测试多寡，而在于测试能否独立、结果能否公开，以及失败后谁负责。

对普通人的影响

对企业 IT：采购 AI 系统时，应把真实场景测试、数据可追溯和退出机制写进合同，而不能只看演示、榜单与客户案例。系统出错后由谁暂停、谁复盘，比宣传材料更能说明供应商是否可靠。

对个人职场：AI 工具会提高工作产出，也会放大使用者对结果的专业依赖。涉及医疗、金融和法律判断时，需要有人复核原始依据；员工对异常结果提出异议，也应保留可验证的记录。

对消费市场：消费者会同时面对更逼真的产品承诺与更难辨认的技术边界。面对健康检测、个性化服务等应用，价格高、传播快不等于效果被证明；监管与诉讼最终可能比产品迭代更慢地收拾后果。