晨间信号 MORNING SIGNAL

晨间信号丨苹果App夹带Claude.md、四巨头年砸7000亿AI、MIT警告砍入门岗透支未来

🧊 稳哥

把这件事单看成「苹果也在用 Claude」很容易，但更值得关注的其实是它另一面：发布管线没拦住一个本不该出厂的文件。Claude.md 这种 AI 协作上下文文件，本质上是写给模型的工程指令，里面常常带有内部模块名、未公开 API、组织约定，跟 .env、private key 同属敏感件。过去十几年大厂建立了一整套针对源码、二进制、签名的发布门禁，但 AI 时代这一类「给模型用的文件」既不是源码也不是产物，几乎所有团队的 .gitignore 和 CI 检查都没把它列进黑名单。

短期更现实的风险有两个：一是越来越多公司发现自己 App 里夹带了类似上下文文件，潜在 IP 风险被批量翻出来；二是 Claude Code、Cursor、Copilot Workspace 这些工具厂商会被合规倒逼，把「上下文文件不进发布制品」做成默认行为。Vibe Coding 谈情怀很好，先把刹车装上。

🔥 潮姐

苹果这种以保密文化著称的公司，发布物里都能夹带 Claude.md，说明 AI 编程已经不是创业团队的小众玩具，而是渗透到一线大厂日常工作流的事实。要看就看这个底层信号：开发者已经离不开 AI 协作，连最严苛的发布流程都被绕过去了。

谁会先受益？第一批是面向企业的 AI 编程平台——Anthropic Claude Code、GitHub Copilot Workspace、Cursor 团队版，他们现在拿苹果当案例去敲所有 Fortune 500 的门，订单转化会快一截。第二批是「AI 上下文治理」这一全新品类的工具：扫描制品里的 Claude.md/Cursor rules、规范 prompt 资产化管理、做权限审计，未来 12 个月一定有专门创业公司起来。第三批是开发者教育内容：怎么写 Claude.md、怎么管 AI rules，会迅速成为新一代「最佳实践」流量入口。

🔭 棋叔

把这件事放进 30 年的产业周期里看：90 年代源码版本控制成为标配，2000 年代单元测试与持续集成成为标配，2010 年代云原生与容器成为标配。每一轮变化的标志，都是某个原本「工程师私下用」的工具沉到流程层、变成所有人不得不遵守的规则。Claude.md 这次意外曝光，正是 AI 协作进入这一阶段的早期信号——它已经普遍到「忘了清理就出厂」，意味着写给模型的上下文文件已经事实上跟代码同等重要。

接下来要变化的不是工具，而是规则。版本控制、CI、SAST 都将增加新一类对象：AI rules、prompt 资产、agent 工作日志。云厂商和大厂内部平台会出现「AI 工程治理」这一新模块，类似当年 IAM 之于云。竞争秩序也会重排：谁的协作文件标准被广泛采用，谁就能定义下一个十年的开发者工作流，今天 Anthropic 借这一轮舆情拿到了一个免费的标准制定者位置。

🧊 稳哥

7000 亿不算虚，订单都已经签到了 GPU、HBM、变电站。但「投得动」不等于「兑现得了」。三个具体硬约束已经在前几期节目里反复出现：HBM 产能 SK 海力士和三星都警告要紧到 2027 年；美国关键电网区域的并网排队已经排到 2028 年；超大规模数据中心的水冷管道和变压器订单交付周期超过 18 个月。这些不是钱能解决的问题，是物理和审批问题。

第二个被低估的风险是回报节奏。资本市场目前默认 2027-2028 年 AI 收入会同步起飞，但 OpenAI、Anthropic 的可验证收入目前合计约 200-300 亿美元体量，距离支撑 7000 亿/年的资本开支折旧（按五年算约 1400 亿）还差很远。这一年我会重点盯两件事：四家公司 AI 业务的「单位算力收入」是否提升、电力/HBM 的实际交付兑现率。任何一项掉链，市场对「AI 熊市论是垃圾」的共识就会反向松动。

🔥 潮姐

稳哥说的这些约束我同意，但要换一个角度看：硬约束本身就是机会的来源。7000 亿不是均匀流向 GPU，而是要被分到电力、土建、冷却、自研芯片、机柜、网络这些过去没人关心的二级供应链上。这些环节里值得跟踪的品类包括：HBM 封装设备、液冷模块、电力变压器、模块化数据中心建设，任何一家手上有可释放产能的厂商在 2026 年都会被巨头追着加单。

更值得关注的是中国厂商的相对窗口。美国云厂商 7000 亿大部分锁在自研栈里，国内云厂商虽然资本开支规模小一两个数量级，但 HBM、先进封装、电力、土地这些卡点反而没那么紧——尤其在国产 GPU、寒武纪、华为昇腾出货放量的背景下，国内大模型厂商有机会用更低成本拿到训练算力。这是我接下来 3-6 个月会持续追的暗线。

🔭 棋叔

把 7000 亿放到更长时间轴看：2010 年代全球互联网巨头的资本开支峰值大约在 1500-2000 亿美元/年，主要投向 CDN、自建数据中心、海底光缆。今天四家公司一年的 AI 投入已经是那个峰值的三到四倍。这不是「再大一点的 capex 周期」，而是基础设施量级的跃迁——上一次类似规模的私营资本投入，是 1990 年代美国电信大扩张和铁路时代的轨道铺设。这两轮历史都告诉我们：谁能熬到下一轮折旧周期结束，谁就拿走整个十年的网络效应。

规则也在被改写。当四家公司每年投入 7000 亿、其中能源消耗占到一国整体新增电力需求的可观比例时，AI 已经不是商业议题，而是国家级议题。接下来要看的不是「谁的市值更高」，而是各国监管会不会把云厂商的电力/水资源/选址纳入战略管理；以及当四家美国公司同时把资本支出推到这个量级时，欧盟、中国、中东主权基金会以怎样的姿态进场。这一轮 AI 基建的胜负手，已经不全在技术，而在主权和能源协同。

🧊 稳哥

这个警告并不新——任何做过组织管理的都知道，初级岗砍多了，五年后中层就空。但这次值得重视的原因在于：以前是企业「不舍得」裁初级岗，现在是 AI 让裁初级岗在 ROI 模型上完全跑得通，于是 HR 和 CFO 第一次有了客观理由这么做。摩根大通、毕马威、几家硅谷大厂今年都披露了入门级岗位招聘下降 20-40%。这是结构性变化，不是周期性的。

真正难的是怎么算账。短期省的是工资和管理成本，可量化、立竿见影。长期失去的是「会判断的中层」——他们的判断力不是培训出来的，是在做了三年杂活之后形成的肌肉记忆。AI 可以替代杂活，但替代不了那段被杂活磨出来的判断。砍掉入门岗的公司五年后会发现：要么花两倍价钱从外部挖，要么内部决策质量肉眼可见下降。两种代价都是隐性的、不上财报的，但都真实存在。

🔥 潮姐

稳哥点出了痛点，我顺着说机会：MIT 的建议「把 AI 用来放大新员工产出」其实是给工具厂商指了一条全新的产品路径。过去两年 AI 工具几乎都在卷「替代专家」——Cursor 替代资深程序员、Harvey 替代律所合伙人、Glean 替代分析师。但「放大新员工」是完全不同的产品形态：它需要更强的引导、更好的解释、更多的反向教学，让一个新人三个月达到老员工的产出，同时学到老员工的判断。

这一类产品的早期信号已经出现。Notion AI 的 onboarding 模板、ChatGPT 推出的「Study Mode」、几家初创做的 AI 师徒（AI Mentor）应用，本质都是这个方向。接下来 12 个月会有专门面向 Z 世代新人的「AI 协同岗位包」赛道——企业付费给新人配 AI 助理，不是为了让他们更快被替代，而是为了让他们更快接班。这是一类既能卖给 HR、又能卖给员工本人的产品，分发渠道极其顺畅。

🔭 棋叔

这件事放到长周期看，最贴切的类比是 1970-1980 年代美国制造业的自动化浪潮。当时为了应对日本竞争，底特律和五大湖工业带大规模引入数控机床和机器人，结果短期产能上去了，但学徒工岗位断了一代——20 年后美国制造业回流时，惊讶地发现找不到合格的中级技工，整个产业链能力空心化。今天 AI 对白领初级岗位做的事情，结构上几乎一模一样，只是周期被压缩到 5-7 年。

要变化的会是规则。劳工部门、教育部、行业协会都会被迫介入：一边设计新形式的「AI 时代学徒制」（企业必须配套培训预算）；一边用税收、招聘配额、政府采购倾向引导大企业保留入门岗。欧盟和日本会跑得更快，美国会更慢但终究跟上。对个人来说有一个隐藏机会窗口：未来 3-5 年里愿意去做「AI 时代杂活」的年轻人，会在十年后成为相对稀缺的中层判断者，因为他们是少数完整经历过这一轮断层的样本。

晨间信号 Morning Signal｜每天早晨，帮你看清 AI 和科技世界最重要的变化

🎧 通勤路上听音频版：网易云音乐 / 小宇宙 / Apple Podcasts 搜索「晨间信号」

本文分析由 Anthropic Claude、OpenAI GPT、Google Gemini 多家顶级大模型协作完成