AI 已经这么强了,为什么很多人还没赚到钱?

导读

这半年，很多人的日常确实变了。

遇到问题，先问 AI；写东西，先让它起草；读不懂的材料，交给它解释。过去拖着不想动的工作，现在十几分钟就能起个头。

但到月底看工资，似乎没什么变化。想用 AI 做点生意，产品做出来了，客户却没跟着出现。看好 AI 买了股票，最近还可能把前面的利润跌回去。

这种落差很容易让人怀疑：AI 到底走到哪一步了？我们已经享受到了进步，还是只参与了一场热闹？

我的判断是：AI 已经进入广泛使用、回报分化的阶段。部分任务的提效有了证据，但这些收益能否稳定进入企业利润和个人收入，仍需要逐个场景核算。

这里既有技术问题，也有组织、需求和分配的问题。把这些混在一起，我们就会一会儿觉得未来已来，一会儿又觉得一切照旧。

以下基于截至 2026 年 10 月 26 日可核验的公开资料。不同研究的统计期各自标明，工作场景用于解释机制，不对应具体受访者。

一、先分清：会用、好用和赚钱，是三个问题

中国互联网络信息中心 9 月发布的《生成式人工智能应用发展报告（2026）》显示，截至 2026 年上半年，我国生成式 AI 用户规模已突破 7 亿，普及率超过 50%。在用户中，76.0% 用它回答问题，32.5% 用于工作总结、会议纪要或 PPT。

这些数字说明 AI 已经进入日常生活。不过，一个人用过 AI，离一家企业靠 AI 稳定赚钱，中间还有很长的距离。

数据：CNNIC《生成式人工智能应用发展报告（2026）》。各场景可以重叠，占比不代表任务完成率或经济收益。

斯坦福《2026 AI Index》汇总的调查显示，2025 年，88% 的受访组织在至少一个业务职能中使用 AI；按业务职能分别观察，AI 智能体的部署比例在几乎所有职能中仍处于个位数。这些指标分别反映工具使用和特定形态的业务部署，不能据此推算企业的盈利比例，普通辅助工具也可能带来回报。调查对象是受访组织，不能理解成全球所有企业的普及率。

能帮人写一封邮件，与能够接入公司系统、按权限执行、遇到异常停下来、最后有人验收，是两种要求。

判断 AI 处于什么阶段，可以顺着下面的链条往下看：

技术能力、使用规模、业务回报和个人收入，完全可能以不同速度变化。

现在的矛盾感，很大一部分就来自这种不同步。

二、工作确实变快了，为什么工资还没变？

一项 2025 年公布、涉及约 6000 名知识工作者的随机实验，给其中一半人开放了嵌入办公软件的生成式 AI 工具。按获得使用权限来计算，实验组每周处理邮件的时间平均减少约 1.4 小时；会议时间没有显著变化。

这项研究测量的是特定工具和样本中的工作行为变化，没有据此证明工资上涨，也无法概括 2026 年所有模型和工具的表现。它提示了一个很贴近日常的差别：独自能调整的任务，改起来快；需要许多人一起调整的工作，慢得多。

你把方案初稿从半天缩到半小时，后面仍然可能要等数据、等审批、等其他部门排期。初稿节省了三小时，项目交付日期未必提前一天。

再往前一步，即便项目确实提前了，也不必然带来加薪。

工资取决于岗位的供需、责任和议价能力，省下工时只是其中一个条件。

如果一个岗位按月付薪，工作量和收入没有直接挂钩，效率红利可能先变成更高的任务要求。对公司而言，也可能表现为暂缓补人、减少外包，或者用相同预算做更多事。

这并不意味着员工毫无收益。少加班、少做重复劳动、能接触过去做不了的任务，都有价值。只是这些收益需要分别看，不能全记成收入增长。

用一个假设例子就能算清楚。

一个自由职业者原来每月交付 10 份报告，每份收费 1000 元。AI 把每份制作时间减半，如果客户仍只有 10 个，收入还是 1 万元。如果同行也能提速，单价还可能承压。要增加收入，他还需要更多客户、更高价值的交付，或让自己参与更重要的决策。

生成能力变得便宜后，理解客户、判断取舍、处理例外和对结果负责，往往会成为新的限制条件。

对普通上班族，更有用的观察是：AI 有没有帮助自己承担一段更完整的工作？从起草方案，走到核验数据、推进协作、解释结果。只比较一小时能生成多少页，容易把忙碌程度的变化当成职业价值的变化。

评估工具时，也可以先盯住一项反复发生的任务，比较使用前后的总耗时、错误和返工。把检查时间也算进去，比看一次演示更接近自己的实际收益。

三、应用做出来了，生意为什么还是做不起来？

AI 降低了做网站、写代码、生成素材的门槛。一个人过去不敢碰的想法，现在有机会做出可用的原型。

但产品供给增加，不会自动增加同样多的付费需求。

如果一个店主每天缺的是到店客流，AI 帮他生成一百张海报，并没有直接解决最紧迫的问题。如果客户买服务看重的是准确、保密和出了问题有人负责，一段流畅的演示，也很难让他立即付费。

把东西做出来的成本下降了，找到愿意持续付钱的客户，仍然可能很贵。

在一个竞争充分的市场里，大家都能用的新工具，还可能把部分收益传递给买方。卖方交付更快，客户要求降价；内容更容易生产，读者的注意力却没有同比增加。

这能解释一种看似奇怪的状态：社会获得了更多、更便宜的服务，一些从业者却觉得更难挣钱。

这里可以用一个简化的业务核算式，替代对生成速度的兴奋：

AI 业务净收益＝可归因的新增毛利＋实际节省的成本－工具、接入、核验与返工成本。

新增销售额要扣除对应成本；省下的时间若没有减少开支或形成新的交付，就先作为时间收益记录。同一项收益也不能在新增毛利和成本节省中重复计算。

这个核算式不负责预测一家企业的全部价值，但能挡住不少误判。

比如，客服接入 AI 后回复更快了，还要看解决率、投诉率，以及需要转人工的比例。做内容的团队产量翻倍了，也要看有多少内容被阅读、被信任，最后带来了什么业务结果。

对想尝试副业的人，熟悉的行业、已有的客户和长期积累的信任，会更有用。AI 能减少交付负担；至于别人为什么买，仍需要一个具体答案。

四、生活变方便了，也算一种回报

讨论 AI 时，我们很容易把赚钱当成唯一的成绩单。

但对大多数家庭，AI 最早带来的价值，可能就是少一点折腾。

一份看不懂的通知，有人帮着解释；外语材料，可以先弄清大意；想学一个陌生知识，可以随时追问，不必担心自己的问题太基础。这些便利并不要求每个人先成为创作者或创业者。

经济学里有一个概念叫消费者剩余：你愿意为一项服务支付的金额，与实际支付金额之间的差额。免费的地图、搜索和翻译，早就让我们熟悉了这种好处。

AI 也可能如此。它让普通人更容易获得过去需要付费、求人或花很多时间才能获得的帮助，但这些改善不一定出现在工资单里。

生活质量改善，本来就可以是一种独立的收益。用 AI 半年没有开出第二份收入，不足以说明你落后了。

当然，便利也有代价。信息生成得快，核验就更需要花心思；总让 AI 代替自己思考，也可能减少练习和记忆。涉及重要决定时，得到一个流畅的答案之后，还需要回到原始材料。

普通人的合理预期可以更朴素：让日常少一些麻烦，让学习多一点耐心。没必要把每一次使用都变成一次变现考核。

五、从经济看，投入的热闹与收入的体感可以同时存在

我们说 AI 投资很热，往往把几种钱混在了一起：

• • 买芯片、建数据中心，是资本开支。
• • 投资一家初创公司，是融资活动。
• • 客户付费购买 AI 服务，形成供应商的营业收入。
• • 普通投资者买卖上市公司股票，体现的是证券市场定价。

这几种活动相互影响，不能互相替代。

数据中心开工，相关设备、建设和电力服务就有订单。终端用户能否从 AI 中获得足够收益，会影响这种需求以后能不能持续。

因此，AI 确实可能先在少数行业形成强劲需求，再慢慢传导到更多企业。一个在供应链上的人觉得忙不过来，一个普通服务业经营者觉得生意没有改善，两种体感可以同时成立。

IMF 在 2026 年 10 月的经济展望说明中，也把 AI 驱动的投资繁荣列为各国表现分化的因素，同时指出两种可能：生产率收益更早兑现，会带来上行空间；预期过于乐观，则可能引发金融市场调整。

这并不能支持 AI 已经让所有人增收，也不能支持 AI 没有经济价值。

从一个企业试用工具，到接入数据、调整岗位、建立验收标准，再到稳定扩大业务，往往要经历多次修改。与此同时，经济体还会受到需求、利率、能源和贸易环境影响。只看自己的工资，无法测量整个技术周期；只看算力订单，也无法判断全社会的回报。

中国普通人的体感，还需要考虑行业竞争。一种技术普及得越快，最初的使用技巧就越难长期单独收费。它可能成为大家默认具备的能力，价值体现在更便宜的服务、更快的交付，或者更高的工作标准中。

AI 让生产能力增加，新增价值如何分配，仍然要经过市场竞争和组织安排。

这也是为什么研究 AI，需要同时看技术进步、企业经营和家庭收入。

六、AI 很有前途，为什么股票还会跌？

先把时间和市场说清楚。

近期美股 AI 相关板块确实承压。纳斯达克经济研究团队 10 月 23 日的周报显示，当周纳斯达克 100 指数约下跌 1%。不过，这是一周的市场快照，不能外推成整个下半年、所有 AI 股票都在下跌。A 股、港股和美股的公司构成与估值也各不相同。

股价反映的是投资者愿意为未来现金流付多少钱。当预期已经很高，公司即便继续增长，也可能达不到买入价格隐含的要求。

用一个纯假设、忽略其他因素的简化估值例子：一家企业每股盈利 10 元，市场给 50 倍市盈率，股价就是 500 元。后来盈利增长 20%，变成 12 元，但估值降到 30 倍，股价就变成 360 元，下跌 28%。

利润增长和股价下跌，可以同时发生。

对 AI 公司，还要追问投入的回收速度。收入增长能否覆盖算力和运营费用？设备更新、折旧和融资成本如何影响现金流？客户会不会持续付费？答案越不确定，股价就越容易对预期变化作出剧烈反应。

看待 AI 投资，可以把判断拆成三个问题：

看好一个产业，并不足以证明某家公司值得以任何价格买入。

对普通家庭，职业和投资还可能存在同向风险：收入依赖科技行业，奖金与公司表现挂钩，持仓又集中在相似的 AI 公司，看起来有几份资产，背后却可能受同一轮景气变化影响。

与其寻找一句现在该上车还是该离场的统一答案，不如先分清自己承担的风险。工具用得熟练，无法替代对企业财务、估值和家庭资金期限的判断。

对已经持有相关资产的人，检查不同持仓是否依赖同一批客户、同一轮资本开支，比数一数自己买了多少只股票更有意义。家庭近期确定要用的钱，也应与这类高波动敞口分开考虑。

七、接下来，什么证据会改变这个判断？

目前我更倾向于认为：AI 的扩散会继续，经济回报会在行业、企业和个人之间拉开差距。这个判断需要接受后续证据检验。

如果稳定交付能力明显提高，接入和核验的成本持续下降，客户愿意反复付费，而且收益扩散到更多普通企业，那么我们就有理由提高对广泛提效的预期。

如果使用量很大，续费却弱；产出增加，返工也增加；资本开支长期快于可以支撑它的现金回报，就需要下调对兑现速度的判断。

还有一种容易忽视的情况：企业效率提高了，但收益更多流向降价、利润或更高的工作要求，工资增长仍然有限。那时，人们的落差感也可能继续存在。

对生活、工作和投资，我们其实需要三种不同的耐心。

生活上的便利，可以现在享受。职业上的收益，需要看自己承担的责任和完成的结果。投资上的回报，还得接受价格和周期的检验。

AI 已经改变了许多事情的做法。它能给谁带来多少收入，仍在逐个行业、逐家公司地接受检验。