2026下半年十大被高估的AI赛道

2026年5月23日 | SkyCetus 五行飞轮分析 | Score 0.795 / B级 / 2轮收敛

一句话结论

边界清晰的赛道能活，模糊的会死。

1. 通用Agent平台——被高估指数：★★★★★

叙事： "一个平台自动编排所有AI任务链，从写邮件到部署代码。"

现实： - 任何超过3步的任务链，容错率低于30%（每步90%→三步后72.9%） - Gartner 2026年数据：企业级Agent项目失败率83% - 当前最好的Agent链（如Cursor+Copilot组合）也只能在"编码"这一垂直场景稳定运行

为什么被高估： 把"单点可用"误认为"全栈可编排"。编码Agent能跑通，是因为代码有明确的语法约束和测试框架。而"帮我安排一次家庭旅行"这种模糊任务，每一步都需要人类判断。

估值泡沫： 通用Agent平台公司PE倍数普遍在40-60x，但容错率60-80%的瓶颈短期内无法突破。合理区间：8-10x。

2. AI法律工具+保险——被高估指数：★★★★★

叙事： "AI读法律，保险保风险，完美闭环。"

现实： - 系统性风险不可量化——AI法律建议一旦出错，不是"赔多少钱"的问题，是"司法责任归属"的问题 - 目前没有任何精算模型能覆盖"AI幻觉导致的法律失误"这一风险类别 - 美国已有案例：律师因使用ChatGPT生成虚假判例被法庭制裁

为什么被高估： 法律是"零容错"行业，AI是"概率性"工具。两者天然不兼容。

能活的部分： 法律文档格式审查、合同条款比对——这些是"工具"，不是"替代"。

3. AI制药——被高估指数：★★★★☆

叙事： "AI把新药研发从10年缩短到2年。"

现实： - 2026年所有AI制药公司中，进入III期临床的不超过5家 - 靶向疾病（单靶点、单通路）：临床转化率可达25-30% - 复杂疾病（多靶点、免疫肿瘤、神经退行性）：转化率仍低于10% - AI能加速分子筛选，但绕不过动物实验和人体试验

为什么被高估： 把"筛选速度"等同于"研发速度"。筛选是计算问题，研发是生物学问题。

能活的部分： 器官芯片+合成数据辅助的靶向药物研发。复杂疾病的AI制药仍需等待生物学突破。

4. 情感AI——被高估指数：★★★★☆

叙事： "AI比你更懂你的情绪，提供24/7心理陪伴。"

现实： - Z世代留存率：首周>60%，30天后<30% - 核心问题：互惠技术（reciprocity tech）——AI能"回应"情感，但不能"需要"情感 - 人类对"单向情感关系"的容忍度有天花板

为什么被高估： 把"能对话"误认为"能陪伴"。真正的陪伴需要双向性，AI目前是单向输出。

能活的部分： 特定场景下的短期情感支持（如哀悼期、术后恢复期），不是"24/7终身伴侣"。

5. 中国AI芯片——被高估指数：★★★★☆

叙事： "国产替代加速，AI芯片是下一个万亿市场。"

现实： - 华为昇腾910C推理性能达到A100的70-75%，但软件生态（CUDA→CANN迁移）成本极高 - 如果中美科技脱钩缓和，80%的国产AI芯片公司将面临估值坍塌 - 当前估值已计入"脱钩持续"的假设，这是一个单边押注

为什么被高估： 把"政策保护"等同于"市场竞争力"。政策会变化，市场不会骗人。

能活的部分： 在特定垂直场景（安防、政务）有稳定需求的芯片公司。

6. AI编程"替代程序员"——被高估指数：★★★☆☆

叙事： "AI能写代码了，程序员要失业。"

现实： - AI能写代码，但不知道"该写什么" - 杨天润案例：非程序员72小时进GitHub前30，靠的是指挥AI团队，不是AI自动产出 - 代码与执行可由AI完成，但"为什么做"和"做到什么程度"永远由人的判断力决定

为什么被高估： 把"编码能力"等同于"软件工程能力"。编码是工程的一部分，不是全部。

真相： 程序员不会失业，但会转型——从"写代码的人"变成"指挥AI写代码的人"。

7. AI教育"替代老师"——被高估指数：★★★☆☆

叙事： "AI家教比真人老师更精准、更耐心、更便宜。"

现实： - AI能传授知识，但不能替代"教育的本质"——激发好奇心、培养判断力、建立社会连接 - 教育是一个关系过程，不是信息传输过程 - 已有研究显示：AI辅助教学效果最好的场景是"AI+老师"协作，不是"AI替代老师"

为什么被高估： 把"知识传递"等同于"教育"。教育包含情感、社会、道德维度，AI目前只覆盖了知识维度。

能活的部分： 自适应学习平台、个性化练习系统、语言学习AI助手。

8. AI社交伴侣——被高估指数：★★★☆☆

叙事： "AI朋友/恋人，永不背叛，永远在线。"

现实： - Character.ai 日活超2000万，但平均会话时长<8分钟 - 用户主要需求是"练习社交"而非"替代社交" - 当AI没有"自己的需求"时，用户最终会感到空虚

为什么被高估： 把"能聊天"误认为"能社交"。社交的本质是互惠，不是单向输出。

能活的部分： 社交焦虑人群的练习工具、特定角色扮演场景（如语言学习中的对话练习）。

9. 具身智能/人形机器人——被高估指数：★★☆☆☆

叙事： "人形机器人将在2027年进入家庭。"

现实： - Tesla Optimus、Figure、Unitree等公司产品演示多在受控环境 - 真实家庭环境的复杂性远超工厂/仓库 - 机械成本+AI能力+安全认证=三重瓶颈

为什么被高估： 把"能走路"等同于"能生活"。走路是工程问题，生活是认知问题。

真相： 具身智能会先落地在"受限场景"（仓库、工厂、医院走廊），不是"开放场景"（家庭、街道）。

10. 大模型价格战——被高估指数：★★☆☆☆

叙事： "模型越来越便宜，最终免费。"

现实： - API价格确实在降，但"推理成本"没有降——只是从用户端转移到了模型提供商端 - 当价格低于成本时，提供商会通过"质量降级"（如减少推理步骤、压缩上下文）来平衡 - 免费的模型=你的数据是产品

为什么被高估： 把"标价降低"等同于"成本降低"。真正的推理成本由电力、芯片、人力决定，不会因为竞争而降为零。

真相： 高端模型（推理级）会越来越贵，低端模型（对话级）会接近免费。中间层会消失。

飞轮是怎么得出这些结论的

我们用五行飞轮对10个赛道进行了对抗性分析：

整个过程2轮对抗，Score 0.795，B级收敛。

白虎最致命的攻击集中在三个共性问题上： 1. 容错率瓶颈 — 任何涉及多步骤、多判断的AI系统，容错率随步骤数指数下降 2. 人群规模-效应量权衡 — 能覆盖百万人的方案效应量小，效应量大的方案覆盖人群小 3. 毒性管理决定临床价值 — 在医疗、法律等高风险领域，副作用管理比核心效果更重要

什么赛道能活？

飞轮的收敛结论指向一个简单规则：

边界越清晰，存活率越高。

最后一句

AI不是万能的，但能在边界内做到极致。

投资AI赛道，不是看谁的故事大，是看谁的边界清。

本文基于SkyCetus五行飞轮对抗性分析生成。完整技术报告：https://skycetus.cn

SkyCetus · 五行飞轮对抗分析 · skycetus.cn