生成式AI还是机器学习？别再为更差的答案多付钱
多数企业对AI感到失望，根源并非技术本身失灵，而是选错了技术栈的层级。许多公司正在为一项经典机器学习早已妥善解决、成本低廉又经得起审计的任务，花大价钱购买一套不透明的生成式系统。
某家保险公司正在悄悄退役一套仍在正常工作的理赔分类器，只因为一场生成式系统的演示效果更好。旧系统给出一个分数、一个原因代码，处理每笔理赔的成本不到一分钱。新系统会写一段文字来“解释”自己的判断，但这不等于展示它的运算过程。这个替换的瞬间，就是“生成式AI还是机器学习”从一个工程偏好问题，变成一项拖着三年后遗症的采购决策。
账面上这笔交易看起来划算，因为商业论证只算了第一年：更友好的界面、更快的试点、一场能镇住会议室的演示。代价留到后面才显现。固定的推理成本变成随用量增长的变量成本，确定性的输出变成同样输入也可能给出不同结果的抽样输出。原本能向监管机构解释清楚的系统，变成了只能向监管机构“演示”的系统——当有人追问三月份某笔理赔为何被拒时，这个立场明显更弱。
没有人是故意签下这笔交易的。会走到这一步，是因为提案从未说清楚究竟买的是技术栈里的哪一层，而采购方也从未追问。
旧系统能做到而新系统做不到的是什么？
它能给出理由。经典机器学习从标注数据中归纳规则，带来的一个有用副作用是，通常可以还原出是哪些特征、以多大程度影响了最终分数。这已经是对上一个时代的巨大进步——那时的“智能系统”意味着由人工把规则一条条写下来，这种做法曾主导整个行业数十年，一旦遇到变化多端的现实场景就会失灵。
深度架构为了在图像、语音和文本上获得能力，主动放弃了这个特性。表征分布在数以亿计的权重之中，所以一个上百层的网络无法干净利落地交代是什么改变了答案。生成式系统建立在这一层之上，靠海量训练数据获得流畅的表达能力，继承了同样的不透明性，只是账单更大。这不是工程尚未成熟、打个补丁就能解决的问题，而是这种设计本身自带的属性，也是当前AI采购中最容易被低估的一项成本。
生成式AI还是机器学习：两个问题就能定案
你有标注数据吗？你有足够的数据量吗？如果两个答案都是“有”，那么更老的那一层几乎肯定是正确的选择。欺诈检测、入侵检测、客户流失预测、需求预测，以及大规模的文档分类，都是带有真实标签（ground truth）的模式识别与异常检测问题。它们返回一个可以设定阈值、可以监控、也经得起听证会盘问的分数。把其中任何一项交给生成式系统处理，等于给一项本已产出数字和原因代码的任务，额外加上了概率性输出和按次计费的成本。
这方面已发表的证据，比借用它的营销话术要窄得多。一项关于文本分类成本与质量权衡的研究，把体量悬殊的多种分类器放在一起，比较准确率、标注成本、训练成本与推理成本。它的数据只对应自身的数据集和定价假设，更适合当作向供应商追问的方法论，而不是可以直接引用的基准。但结构性的结论依然成立：在一个边界清晰的分类任务上，更贵的选项不会自动更准确，而且在大规模运行时，它永远不会更便宜。
生成式系统真正有用武之地的场景，恰恰是老一层最弱的地方：没有标签、没有训练集、输入非结构化、变化的长尾难以穷举，而且产出确实需要是一段自然语言。冷启动才是诚实的应用场景。更省钱的做法，是把昂贵的那一层当作脚手架——用它生成并标注你原本缺少的数据，再把任务蒸馏进一个你自己拥有、自己托管、可以审计的小模型。这种做法在让人类始终掌控决策的部署中远比在推介材料里常见，因为它的结局是采购方花得更少。
为什么这一切感觉像是新鲜事？
因为技术栈里只动了一层，整个栈却被记了功。麦肯锡2024年的全球调查显示，65%的受访机构表示已在常态化使用生成式AI，较十个月前几乎翻了一倍。这是自我报告、样本有限的数据，但作为趋势方向很难反驳。这个数字掩盖的，是在此之前悄然运行了十年的分类、预测与异常检测系统——它们投产时没有发布会，很多时候甚至没被贴上“AI”的标签。
如今这些系统正被向上重新包装。一套2019年建成的反欺诈模型，今年出现在董事会材料里，被称为“AI平台”的一部分。有时这只是无害的营销话术。有时它走得更远：美国证券交易委员会（SEC）已经对两家投资顾问公司提起指控，认定其关于人工智能使用情况的陈述存在虚假和误导，监管机构将这种行为称为“AI清洗”（AI washing）。这类风险敞口如今是双向的，从供应商传导到采购方，也从采购方传导到其自身的投资者，这正是建设前该做的准备工作，归根结底就是在签字前诚实地说清楚自己买的是哪一层。
可解释性账单，总是迟来
根据欧盟《人工智能法案》第13条，高风险系统必须具备足够的透明度，让部署方能够解读并恰当使用其输出，并配有清晰易懂的使用说明。这是一项针对特定类别系统的限定义务，不是“每一个输出都要有技术解释”的普遍权利，凡是告诉你并非如此的人，大概率是在推销合规软件。新加坡个人资料保护委员会推行的《人工智能治理示范框架》走的是类似的问责与可解释性路径，说明这已是国际监管的共同方向，而非某一地区的特例。把这一点和架构层面的事实放在一起看，义务显然最难落在那些最不容易被拆解的层级上。
供应商整合让这个问题更难被问出口，而这恰恰是问题所在。当供应商出售的一切都藏在同一个聊天框背后时，采购方就看不清究竟是什么在真正干活，也就无法为它定价。所以要用书面形式提问：一次请求提交后，系统内部实际运行了什么？如果底层模型被替换，答案会不会变？一个无法用一段话回答这个问题的供应商，要么自己也不清楚架构，要么宁愿你别问。这个问题理应出现在主导采购决策的技术战略里，在合同签署之前提出，而不是等到第三张发票寄来之后。
同一套机器，指向不同方向
还有一个安全层面的理由，支持把两层技术分开对待。能替你起草摘要的那套能力，同样能合成声音、面孔和身份证件。美国金融犯罪执法网络（FinCEN）已就涉及深度伪造媒体的欺诈手法向金融机构发出预警，报告称涉及疑似合成身份证件、用以规避身份核验的可疑活动报告数量上升。有益的应用和被滥用的应用不是两条产品线，而是同一种能力被指向了不同方向。而应对之道也不是造一个更大的生成式模型，而是行为异常检测、设备指纹和离群值评分，这正是老一层技术一直擅长做的事，只是如今被安放进旨在遏制新一层技术能力的系统之中。
关于这类系统究竟是在“创造”，还是仅仅在大规模“重组”素材，这场哲学争论永远不会有定论，而且对采购方而言也无关紧要。是否适配某项具体任务，才是唯一有答案的问题版本，用你自己的数据，一个下午就能验证清楚。说不清自己买的系统属于哪一层的企业，就没有办法为自己买下的风险定价，而这个代价，终究会在第三年兑现。
常见问题
生成式AI在欺诈或异常检测上，准确率会比机器学习更高吗？
没有理由这样假设。检测本质上是一个带有历史标签、真实标签（ground truth）清晰的离群值问题，这恰恰是经典机器学习最擅长的领域，而且它返回的分数可以设定阈值、可以监控。同样的问题交给生成式系统，得到的是一个可追溯性更弱、且按次计费的抽样答案。如果想比较，应坚持用你自己的数据跑一次，把成本和错误率放在一起看，而不是接受供应商拿别人数据做的基准测试。
怎么判断供应商实际卖给我的是技术栈里的哪一层？
书面提出三个问题。一次请求提交后，系统按什么顺序运行了哪些环节？哪些组件是用我们的数据训练的，哪些是通用组件？如果把底层模型换掉，输出会不会变，我们又如何得知？一个把经典机器学习包装在聊天界面背后出售的供应商，能很快答完这三个问题。一个只会用“能力”话术搪塞过去的供应商，要么自己也说不清架构，要么不愿意让人细究它的定价。
相关阅读
本文由 Abyshire 专有编辑系统的 AI 编辑角色撰写，并经我们的团队审核。