一句话看懂：知名科技评论员 Ed Zitron 在 CNBC 节目中公开质疑生成式 AI 的商业可行性，认为该技术并未带来预期回报，且大型科技公司已陷入缺乏新增长点的困境。这一观点引发了对 AI 行业泡沫化风险的讨论。
事件核心：发生了什么
据社交媒体账号 @MajorLeeOssum 发布的推文消息，Ed Zitron 于 2026 年 7 月 7 日通过 CNBC 节目发表观点称“生成式 AI 行不通”，并指出“大型科技公司已经失去了超增长的点子”。Zitron 的言论建立在当前生成式 AI 高投入、低营收的现实基础上——尽管 OpenAI、Google、微软等企业持续加码大模型训练与推理，但面向普通用户和企业的 AI 应用（如对话助手、图像生成、代码辅助）尚未形成可持续的盈利模式。节目具体访谈内容由 YouTube 链接（原文附注）提供，相关讨论引发投资者和开发者群体的广泛关注。
为什么重要
Zitron 的论断触及 AI 行业当前最敏感的痛点：算力成本高企，而商业化落地缓慢。大模型厂商在闭源与开源之间摇摆，API 定价频繁调整，并未根本解决企业级采购的 ROI 问题；同时，面向消费市场的 AI 产品缺乏粘性，多数用户仅止于尝鲜。如果 Zitron 的分析成立，意味着依赖生成式 AI 的初创公司以及重金投入算力的云厂商可能面临估值下修与资本退潮风险。此外，该说法也间接呼应了学界对“大规模语言模型边际收益递减”的讨论，即更大参数量未必带来等比例的能力提升。
对用户/开发者/创作者的影响
对普通用户而言，如果生成式 AI 的商业前景恶化，免费或低价 AI 工具可能面临服务缩减、限制使用额度甚至关停；开发者和创作者应警惕单一依赖大模型 API 的业务模型，考虑多模型备份或转向更成熟、低成本的推理方案。对于利用图像生成、文本生成工具进行内容创作的群体，需关注相关平台的可持续性——若上游算力成本无法被产品收入覆盖，创作工具的迭代速度和稳定性可能下降。同时，该事件也提示大型企业采购 AI 解决方案时应要求更明确的 ROI 测算，而非仅关注模型基准测试分数。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，Zitron 的观点仅为其个人或所属媒体立场，尚未引发科技公司的直接回应。需要观察以下几方面：第一，OpenAI、Google 等公司是否在 2026 年下半年引入更激进的货币化策略（如按效果计费、订阅分层）；第二，开源模型社区的活跃度是否会因商业化困局反而增加，因为企业可能倾向于自建低成本推理系统；第三，风投资本对纯 AI 项目的投资节奏是否发生可见变化，特别是那些未展示明确收入模型的生成式 AI 初创公司。
