AI 目前到了哪一步

今天的模型在语言、代码、图像和一部分工具操作上，已经能干完不少真活。但它的能力分布是坑坑洼洼的——这才是做产品时最该先知道的一件事。

你会遇到的现象

锯齿状的能力

我们判断一个人的能力，靠的是一条平滑的线：他能解奥数题，那算个百分比肯定没问题。这个推断对人成立，是因为人的能力是层层垒起来的。

对模型不成立。它的能力来自训练语料里的统计分布，哪一块语料多、反馈密，哪一块就强。这跟人类眼里的「难易」几乎没关系。于是就出现了那张图里的锯齿：竞赛数学题做得漂亮，数表格行数却会错；能写完整模块，看不清截图里的小字。业内把这个叫锯齿状智能。

这不矛盾，也不是模型「不认真」。它只说明一件事：每一格能力都得单独验证，不能从旁边那一格推过来。

还有第二层落差同样重要：能做出一次和能稳定做一万次是两回事。演示只需要跑通一条成功路径，产品要面对全部失败路径。中间隔着任务拆分、评估、权限、回退和人工复核——这一整段工作，才是把模型变成产品的真正内容。

与其问「AI 行不行」，不如把你要做的事放进这张表里对号入座。

成熟度	典型任务	该怎么用
已经好用	改写、摘要、翻译、分类、信息抽取、代码补全、内容草稿	当副驾驶用。输出能被快速检查，错了重试的成本也低。
有条件可用	企业知识问答、文档分析、多模态识别、受控的工具调用、短流程 Agent	给权威资料、明确工具、固定步骤，配上自动评估和人工兜底。
仍需谨慎	长时间无人值守、高风险审批、医疗法律结论、开放网页操作、通用机器人	严格限制权限和作用范围。关键动作必须人工确认，别把输出当事实。

资料基准：2026 年 8 月。分档依据不是技术名称，而是三件事的组合：失败概率、失败后果、验证成本。同一个技术用在不同场景，档位可以完全不同。

注意最后那句。「用大模型做客服」这句话本身没有档位——回答产品咨询是第一档，自动给客户退款是第三档。决定档位的是后果，不是技术。

Agent 是这三档里最容易被高估的。

它并不是模型突然有了「主观能动性」。它是模型在一个循环里反复做同一件事：选一个工具、读取结果、决定下一步。所以它的成功率是连乘的——单步九成的准确率，跑十步就只剩三成半。

这就是为什么 Agent 的演示和落地之间落差最大。演示展示的是一次成功路径；你的产品要面对的是每一步都可能出错、而且错误会往后累积的现实。链条越长，这个差距越大。

可行的做法不是等模型变强，是把链条截短：把长任务拆成几段，每段结束有一个能自动验证的检查点，过不了就停下来找人。

这条曲线解释了为什么 Agent 的演示和落地之间落差最大：演示只需要跑通一条成功路径，产品要面对每一步都可能出错、而且错误会往后累积的现实。

拿不准某个功能该不该做、该做到哪一档时，问这四个。

一、答案能不能被验证？有数据库、有规则、或者有人能核对，才适合自动化。无法验证又后果严重的结论，不该直接交付给用户。

二、失败是不是可逆？生成一版草稿写砸了可以重来；自动付款、删数据、对外发布则必须设闸。可逆的地方可以放手，不可逆的地方必须卡人工。

三、任务边界清不清楚？输入格式、可用工具、什么算完成——越明确，成功率越高。「帮我经营公司」不是一个可执行任务，「把这批工单按这五类打标」才是。

四、经济账算不算得过来？把模型费用、延迟、人工复核时间、以及失败损失一起算。技术上能做，不代表比现在的流程更划算——这条被跳过的次数最多。

最稳的起点，是同时满足高频、耗时、可验证、可逆的任务。然后按这个顺序放权：先让它提建议，再让它填草稿，最后才开放执行。自治不是一个开关，是一段一段交出去的。

资料基准：2026 年 8 月。「锯齿状智能」是业内对这一现象的通行说法，非某一家的专有术语；三档成熟度的划分是本文的归纳，不是任何报告的原文结论。模型能力与价格变动很快，做决策前请以厂商当前的官方文档为准。