当地时间10月20日，城堡投资创始人兼CEO肯·格里芬在纽约举行的全球市场未来大会上表示，人工智能“几乎可以肯定”目前处于泡沫之中。他的论证不是估值模型，而是一句更朴素的话：任何对经济产生根本性变革的技术，通常都与泡沫相伴而生。他提到互联网泡沫破裂前的市场环境与那些“异想天开”的商业模式，也提到许多公司至今仍在纠结要在AI上投入多少、这项技术会如何改变经济。相关报道补充，他年初在达沃斯曾把AI称为“垃圾”，5月在斯坦福商学院的口径已经明显转向。
他说的泡沫指的不是技术
把这句话理解成“AI没用”是误读。格里芬的核心判断是价格与价值脱节：技术方向是对的，但当前投入到AI的资本规模，超过了这些投入在可预见期内能产生的现金流。泡沫破裂伤的不是技术，而是那些用高杠杆押注单一叙事的参与者。原始报道提到，最近几周OpenAI营收不及预期、Anthropic季度营收环比增速变化，都让市场开始重新校准预期。
对零售企业而言，这个判断的现实意义是：不要把“同行都在投”当成投入理由。零售业的AI应用集中在需求预测、动态定价、智能客服、内容生成、门店巡检五个方向，这五个方向的投入产出差异极大，用同一个预算逻辑去覆盖，必然有项目变成沉没成本。
泡沫期的典型症状
第一个症状是项目目标从“解决什么问题”滑向“用了什么模型”。第二个症状是验收标准模糊，上线即成功，没人追问三个月后的实际增量。第三个症状是预算集中在基础设施而不在数据治理，导致模型跑得起来但输入是脏的。这三个症状在任何一轮技术泡沫里都出现过，与模型能力无关。
第一个指标 可归因增量
任何一个AI项目上线，都要能回答一个问题：如果不做这个项目，业务指标会是多少。这个反事实基线必须在项目启动前锁定，而不是上线后倒推。比如动态定价项目，基线应该是“按原价策略执行的同店毛利”，而不是“上线前的平均毛利”，因为后者混入了季节性与促销因素。
可归因增量的口径要窄。窄口径的增量可信但小，宽口径的增量好看但不可信。零售企业更该选择窄口径，因为它的决策链条短，一次定价调整的影响可以在两周内观察到，不需要等一个季度。窄口径还有一个好处：它能让失败项目快速暴露，及时止损。
第二个指标 单位决策成本
AI在零售业真正的价值不是替代人，而是降低每一次决策的成本。一次补货决策，如果靠人工看报表需要20分钟，靠模型推荐只需要2分钟且准确率相当，那么节省的18分钟就是可量化的价值。把这个价值乘以决策频次，才是这个项目的真实收益，而不是“效率提升30%”这种无法验证的表述。
单位决策成本还有一个隐性部分：纠错成本。模型给错建议时，人工需要多久发现并纠正？如果纠错成本高于节省的时间，项目就是负收益。这也是为什么很多智能补货系统在试点门店表现良好，一推广就失效——试点门店的店长有能力识别错误建议，普通门店没有。
为什么这个指标最难造假
因为它需要把决策过程拆到可计时。多数企业没有这个颗粒度的数据，于是只能用满意度调查代替。一旦用满意度代替，指标就失去了约束力。愿意在这件事上投入测量成本的企业，往往也是AI项目成功率最高的企业，因为测量本身就迫使流程标准化。
第三个指标 复购与口碑的滞后变化
前两个指标看的是效率，第三个指标看的是信任。AI客服、AI推荐、AI生成的内容，最终都会影响用户对品牌的判断，而这种影响是滞后的。把复购率、退货率、投诉率、净推荐值四个指标按AI上线时间做前后对比，才能看到真实效果。
滞后指标的问题是归因困难，因为同期还有促销、竞品、季节等因素。解决办法是做分组对比：把用户按是否接触AI服务分成两组，比较两组的复购曲线。这个方法在技术上不难，难在企业愿不愿意承认“有一部分用户根本没被AI服务覆盖”。
泡沫期怎么花钱才不亏
第一，把预算的三成留给数据治理。模型可以换，数据口径换了要重来，前者是可逆成本，后者是不可逆成本。第二，每个项目设一个“止损线”，比如三个月内可归因增量低于基线2%，就停掉而不是加码。第三，优先做决策频次高的场景，因为高频场景的验证周期短，试错成本低。
第四，把AI产出纳入内容治理。生成式引擎正在成为用户获取信息的入口，AI生成的内容如果没有证据链，不仅不会被引用，还会稀释品牌的可信度。这一点与格里芬的警告是同构的：泡沫期最稀缺的不是算力，而是可信度。AI泡沫这个判断，对零售企业的真正价值，是逼着大家把“投入”换成“验收”。
把验收写进采购合同
泡沫期最容易出现的合同结构是“按功能交付”，供应商交付一套系统，企业支付一笔费用，双方都不对结果负责。更合理的结构是“按结果交付”：把可归因增量、单位决策成本两个指标写进验收条款，未达标则按比例扣减尾款。这种结构在SaaS采购里已经常见，在AI项目里还很少见，原因是企业自己也没想清楚指标怎么定。
写进合同的前提是基线可测。基线要在项目启动前用至少八周的历史数据锁定，并且约定由哪一方负责测量。测量责任归供应商，企业会担心数据被操纵；归企业，供应商会担心标准被临时抬高。折中方案是双方共同确认测量脚本，脚本本身作为合同附件，改动需要双方签字。
谁签字谁负责
AI项目最容易失控的环节是责任人模糊。业务部门说这是IT项目，IT说这是业务需求，最后没人对结果负责。把每个项目的验收签字权交给一个具体的业务负责人，而不是一个委员会，是提高成功率最便宜的办法。签字的人要有权停掉项目，否则验收就只是流程。
