【觀察一】Fortune 記錄的行為切換
Fortune 今年四月的報導記錄了一個具體案例：Claude Code 在 2~3 月間悄悄從「先讀文件、理解脈絡再動手」切換成「先改代碼再說」。AMD 的 AI 資深總監 Stella Laurenzo 在 GitHub 上公開分析，直接稱這個轉變讓 Claude 在複雜工程任務上「不可用」。這不是模型能力退步，是優化目標被悄悄換掉了。
Fiona Signal Radar
你也有感：AI 回答越來越廢了？因為它不再為你優化。模型沒有變笨——是它服務的金主換人了。
Signal 01
「變笨」不是錯覺，但原因被說錯了
Reddit 上最近在流傳一個詞：intelligence drift（智能漂移）——用戶普遍感覺模型回答品質在悄悄下滑，語焉不詳、拒絕回答的頻率增加、回答越來越短且越來越安全牌。這個感受是真的。但解讀需要更上一層。
Core Narrative 核心事實
你感覺到的退步，叫做 intelligence drift 智能漂移
Key Signals · 三個觀察
【觀察二】「變笨」的幾個真實成因
研究者 Charlie Guo 整理了 intelligence drift 的可能成因：訓練數據品質劣化（AI 吃進太多低質量的 AI 生成內容）；context rot——隨著輸入長度增加，模型在長對話中的準確率從 95% 跌到 60-70%；基礎設施層的效能優化意外改變了模型行為。這三件事同時發生，而且互相加乘。他的結論是：「我們從『不知道為什麼』進步到了『可能是三到六件事同時在發生』——這其實是進步。」
【觀察三】intelligence drift 的真正主因：金主換人了
但技術層面的解釋只講了一半。更根本的原因是商業邏輯的轉向——AI 的優化目標正在從「讓消費者驚艷」切換到「讓企業客戶覺得穩定、安全、合規」。你感受到的「回答變平庸」，很大一部分不是模型退步，而是模型在對另一群人優化。
消費端新奇感耗盡 → 留存率撐不住算力成本 → 優化目標轉向企業需求 → 消費者感受到的「退步」，其實是商業重心的移動
Signal 02
消費端的新奇感已經燒完
Big Technology 最近的分析點出核心：消費端 AI 應用面臨的問題不是模型不夠強，而是產品化與用戶留存出了問題。Benchmark 跑分趨於一致之後，各家模型的「聰明程度」對普通用戶來說感知差異越來越小。
Market Signal 市場訊號
ChatGPT 單月流失 150 萬付費用戶
2026 年 3 月，ChatGPT 單月流失 150 萬付費訂閱用戶。市占從 2025 年初的 60% 跌到 Q1 的 45% 以下。用戶留不住，不是因為產品變差，而是因為新奇感本來就有保質期。
消費端用戶願意為「第一次看到會說話的聰明機器」付費，但不願意為「穩定的工具」付費——那個帳，企業客戶才會按月穩定地埋單。a16z 調查顯示，企業端 AI 平均年支出從兩年前的 450 萬美元，預計今年漲到 1,160 萬美元，成長幅度 65%。資本自然會跟著走。
Signal 03
從垂直衝刺到橫向校準
如果 2023~2025 是 AI 的垂直衝刺期——更多參數、更高分數、更強推理——那 2026 年是橫向校準期：不再問「AI 能多聰明」，改問「AI 能多聽話、多穩定、多合規」。
Structural Shift 結構轉向
AI 的平庸化時代：當算力遇上商業報表
為了大規模商用，AI 正在進行一場「智力降級」——以換取成本降級與風險降級。過去靠「大力出奇蹟」的對話式驚艷感已到頂點。接下來的競爭力，不在於誰能從 AI 嘴裡挖出金句，而在於誰能把這顆「越來越平庸的腦袋」，橫向裝進最精準的自動化齒輪裡。
數字說話
企業不再問「AI 能多聰明？」
垂直 SaaS（Vertical SaaS，深耕特定產業的軟體）今年成長率 31%，橫向通用工具 28%，差距持續拉大。按人頭收費（per-seat pricing）在企業合約中的佔比，一年內從 21% 跌到 15%——企業開始買「結果」，不再買「座位」。Gartner 預測，2026 年底前將有 40% 的企業應用內建任務型 AI Agent，而 2025 年這個數字不到 5%。
專科生取代博士生
企業不再追求通才模型。既然博士生（GPT-5 等級）太貴且難以管控，企業開始大量部署「專科生」——針對特定任務優化的垂直 Agent，參數量不一定最大，但對特定行業的術語和邏輯理解極深，而且出錯機率更低、更好審計。企業現在問的問題是：「AI 幫我省了多少人力？減了多少合規風險？」ROI 取代了 Benchmark 分數。
SaaS 的命題：不是消失，是被解構
傳統 SaaS 的獲利核心是按人頭收費——企業僱傭 100 個客服，就得買 100 個帳號。當 AI Agent 可以處理 80% 的客服工作，企業只需要 20 個人，SaaS 收入直接縮水 80%。說「SaaS 不行了」的人，是指那些無法證明自己帶來自動化價值、卻還想靠收人頭稅過活的舊型軟體。真正的贏家是 Vertical SaaS：不求大，但求深，把特定行業邏輯寫死在 AI 的限制條件裡。
| 維度 | 垂直衝刺（2023–2025） | 橫向校準（2026+） |
|---|---|---|
| 追求目標 | AGI、參數規模、跑分奪冠 | 工作流嵌合、安全合規、穩定輸出 |
| 主導角色 | 消費者（新奇感驅動） | 企業（產值驅動） |
| 商業邏輯 | 賣對話框、賣工具 | 賣結果、賣流程效率 |
| 技術瓶頸 | 智力天花板、數據枯竭 | 系統整合、零風險校準、法律監管 |
| AI 地位 | 媒體焦點、話題製造機 | 基礎設施、流程齒輪 |
📡 跨期引用｜敘事脈絡
第十九期
AI Agent 的失敗率
理想很豐滿現實很骨感——Agent 在消費端的落地困境，是「橫向校準」這個命題的前期案例
今日 2026-05-03
LLM 從消費端到企業應用
垂直衝刺轉橫向校準——intelligence drift 是消費者感受到的表象，商業重心移動才是結構
Fiona View
模型沒有變笨，是它服務的金主換人了
模型沒有變笨。是它服務的金主換人了。消費者的新奇感燒完之後，AI 開始往會按月付大錢的那一邊走。你感受到的「退步」，叫做 intelligence drift 智能漂移——它是真實的。只是背後的原因不是技術倒退，是商業轉向。
接下來的競爭力，不在於誰能從 AI 嘴裡挖出金句，而在於誰能把這顆越來越平庸的腦袋，橫向裝進最精準的齒輪裡。AI 的下一個戰場，不是誰的模型更聰明——是誰更懂那顆腦袋應該去哪條流水線上工作。
Sources
訊號來源
- Big Technology — Are AI's Consumer Applications Hitting a Wall?
- Fortune — Anthropic faces user backlash over reported performance issues with its Claude AI chatbot
- a16z — Leaders, Gainers and Unexpected Winners in the Enterprise AI Arms Race
＊＊本文內容綜合多方公開資料整理，僅供敘事觀察與研究參考，不構成任何投資建議、買賣邀約或報酬保證；市場有風險，判斷需自負。＊＊