老乡鸡撤掉ML项目的冷观察
2026年春节刚过，餐饮圈爆了个不大不小的瓜：老乡鸡解散了专门做供应链预测的ML团队，撤掉了上线才半年的客流预测系统，换回了用了十几年的老流程——区域店长报预估，总部运营汇总，Excel算库存。
说实话，我看到这条新闻的时候，正在喝他们家的玉米汁。一点都不惊讶。
这个项目前前后后做了两年半，找了国内某头部AI公司定制，总投入超过三千万。对外宣传说能把供应链损耗降15%，结果跑了半年，实际损耗只降了不到5%，准确率比老店长的经验判断高7%不到，但整体运营成本翻了12倍。
相当于给每家门店每年多添了一个全职服务员的用工成本。就为了那7%的准确率提升。
很多自媒体说，这是传统企业不会用新技术，老板认知跟不上。扯什么呢？你开个店，每个月利润就那么多，平白多出来的成本，难道要老板自掏腰包填坑？
现在很多行业都有这个怪象：只要沾上ML、大模型，就政治正确，不管有用没用，先上了再说。上了，就是科技转型，就能拿政策补贴，就能给投资人讲故事。不上，就是跟不上时代，就要被说落伍。
结果呢？钱烧了，团队搭了，最后发现，解决不了实际问题，还不如老办法好用。只能打掉牙往肚子里咽，找个台阶下悄悄撤了。
哦对，不止老乡鸡。我去年接触过一个山东的养殖集团，花了近千万上了ML估重系统，号称能精准算出每头猪的出栏时间，结果呢，猪的体重误差比老饲养员摸出来的还大，还得给每个猪圈装摄像头，维护成本一年几十万，现在已经沦为摆设，没人用了。
对吧？大家都盯着大模型、千亿参数，吹得神乎其神，怎么到了落地的时候，就拉胯了？
红皇后效应下的本土ML资源博弈
其实根本不是算法不够准的问题。是整个行业的资源分配，从根上就歪了。
ML发展到今天，其实完美契合了生物进化论里的红皇后效应：你必须不停奔跑，才能留在原地。所有玩家都在卷参数、卷算力，谁不卷，谁就拿不到融资，拿不到流量，就会被淘汰。
国内最典型的例子就是字节跳动的抖音推荐系统。公开数据能查到，2018年抖音推荐模型的参数规模还不到十亿，到2024年，已经超过一万两千亿，翻了1200多倍。但是你猜怎么着？用户日均使用时长，只增长了不到18%。
相当于你把家里1.5匹的挂机换成了十匹的工业中央空调，室温只降了两度，每个月电费翻八倍。划算吗？傻子都知道不划算。但字节为什么还要这么做？
因为你不堆参数，竞争对手堆了，用户停留时长就被抢走了。你不得不跟着堆。这就是囚徒困境。
不过话说回来，大公司玩得起这个游戏，中小玩家和创业公司玩不起啊。现在国内ML创业赛道，资本只投大模型，只看参数规模，你说你做一个十亿参数的垂直ML模型，能解决制造业的质检问题，准确率99%，成本只有大模型的百分之一，投资人都懒得看你。
为什么？因为故事不够性感，讲不出几百亿的市值空间。大家都要赚快钱，都要讲大故事，谁跟你蹲在垂直领域赚辛苦钱？
我去年在一个创投会上碰见过一个创始人，做工业缺陷检测的ML模型，原来的小模型准确率已经超过人眼，成本不到同行大模型的十分之一，跑了好几个工厂都叫好，就是拿不到融资。最后没办法，硬生生把模型参数扩大了一百倍，包装成“工业大模型”，才拿到了A轮。你说讽刺不讽刺？
本土的ML行业，现在就是这么个格局：头部公司靠堆资源挤死所有对手，靠参数壁垒划清楚河汉界，创业公司为了拿融资被迫吹泡沫，整个行业的资源都往大模型、大参数上堆，真正需要ML的千万垂直中小行业，根本分不到一点资源。
这不是算法问题，这就是赤裸裸的资源分配问题。你方向对不对不重要，你能不能解决问题不重要，你能不能拿到足够多的资源砸进去，才重要。
被泡沫甩出来的普通从业者
这个格局，最后买单的是谁？不是资本，不是头部公司，是产业链上的普通从业者。
我认识一个做ML算法的小伙子，前三年在某大模型创业公司，年薪八十万，天天调参，去年公司烧完钱裁员，他被裁了，想找下家，发现所有招工的都要大模型训练经验，他原来做垂直NLP的经验，根本没人看。好不容易进了一个传统企业的转型部门，结果进去才发现，公司招他就是为了拿政府的科技转型补贴，根本没有落地的需求，天天闲得发慌，不知道什么时候被开。
不止算法工程师，传统行业的从业者更惨。很多企业为了上ML项目，把原来老的业务团队砍了，结果新项目做不出来，老团队也散了，一堆人失业。我之前说的那个山东养殖集团，上ML系统的时候，把好几个有二三十年经验的老饲养员内退了，结果系统不好用，又想把老员工请回来，人家已经去邻省的养殖场当技术总监了，工资开得比原来高两倍，根本请不回来。
现在整个ML产业链都在吹泡沫，泡沫越大，普通人越难找到自己的位置。你跟着卷大模型，卷到三十多岁，身体熬垮了，哪天公司裁员，你那点调参的经验，根本不值钱。你想去垂直行业做落地，又没那么多岗位，就算有岗位，公司也不愿意给钱，觉得你做的不是高科技。
说实话，我挺多做ML的朋友，现在都挺焦虑的。原来觉得ML是改变世界的技术，结果进了行业才发现，大部分人就是在给资本的泡沫打工，堆一堆没用的参数，讲一个没人信的故事，最后泡沫破了，自己跟着掉坑里。
我一直觉得，ML从诞生那天起，就是个解决问题的工具。能花一块钱解决的问题，为什么要花一百块堆千亿参数？能小模型解决的问题，为什么要上大模型？
现在整个行业都本末倒置了。所有人都盯着那个千亿参数的圣杯，抢破头分资源，却没人记得，ML本来就是给普通人解决具体问题的。
当所有人都在为了资源卷参数的时候，谁会给那些真正能落地的小ML项目，留一口活路？
