ARTICLE · 1325616
AI 在数字世界里大杀四方,但钱不在那里,原因是AI还没有进入物理世界
AI 在数字世界里大杀四方,但钱不在那里,原因是AI还没有进入物理世界
这几天有个割裂的画面。 一边是智能体和 AI 大模型在数字世界里大杀四方。Token 调用量还在指数级往上冲，Agent 已经能自己拆任务、写代码、跑完一条流程。 另一边是全球科技股在崩。11 月 5 日，纳指单日跌 5.52%，一天蒸发约 2.5 万亿美元；费城半导体指数跌超 12%，创 2020 年以来最大单日跌幅；英伟达跌超 9%，闪迪跌 22%，美光跌超 17%。A 股跌得更早，10 月沪指跌 6.33%，深成指跌 15.94%，创业板和科创 50 都跌超 23%。 导火索是中期选举后，市场担心 AI 监管收紧、数据中心受限。但导火索只是导火索。真正让资金撤退的，是一个更朴素的问题： 这些钱投下去，什么时候能变成产出？ 我的答案有点扫兴：只要 AI 还待在数字世界，这个问题就很难回答。 
先承认一个事实：AI 现在确实很强，但它强在“处理信息”，不强在“改变物质”。 写方案、写代码、做表格、翻译、客服，三个人的活，一个人加一套 Agent 就干完。更快、更便宜、更整齐。 但这里少了一样东西：产出并没有变多。 同一份需求，原来产出三份方案，现在同一份方案生成三次。企业拿到的不是“更多的东西”，而是“更少的人”。于是最自然的动作就是降本——砍编制、停招聘、合并初级岗位。 这就是效率型 AI 的分配后果：蛋糕没变大，分蛋糕的人变少了。 人少了，消费就少；消费少了，企业更不敢扩产，更愿意用 AI 降本。这个循环一旦转起来，会自己加速。 这轮下跌，与其说是“AI 泡沫破了”，不如说是市场在追问：如果 AI 的主要成果是让白领失业，它凭什么值这么多钱？ 
一个反常识的地方：同样叫“效率提升”，两个世界的量级不同。 数字世界的产出可以复制。一份方案写好，复制一万份成本近乎为零；一个 Agent 服务一万个用户，边际成本几乎不增加。这里的效率是乘法，甚至是幂。 物理世界的产出不能复制。多造一辆车，就要多一份钢、多一组电池、多一条产线节拍。边际成本不会趋零，它只会落在又一座工厂上。 物理产出还被两种天花板压着。 一种是需求约束。汽车全球一年卖七八千万辆，产能早就不是瓶颈。产量翻一倍，只是造出一堆卖不掉的车。 另一种是供给约束。晶圆的瓶颈不在订单，在 fab——一座先进制程厂从决策到量产要三到五年，光刻机年产能按“台”算，良率爬坡按季度磨。 AI 对后一种有用，但只能用“百分之几十”的方式：EDA 更快、良率归因更准。可一座厂该三年建成，还是三年。 还有第三重：提升物理产出先得资本形成，而资本形成又要吃掉物理产能。电网要扩容、电池、减速器、稀土都要供应。想扩大物理产能，先得有物理产能。 数字世界的扩张是“再来一个副本”，物理世界的扩张是“再建一座厂”。前者按周算，后者按年算。 
分界线不是“AI 够不够聪明”，是“AI 进没进去”。 数字世界的 AI 是内生的：数据、算力、模型在同一套比特里循环，改一版模型，第二天生效。 物理世界的 AI 是外生的，得穿过五道门。 一是感知。真实环境非结构化，长尾无穷，实验室调好的模型，进了车间就掉点。 二是执行。手、关节、力控、精度、耐久，一项不过关，整机就不能上线。 三是工况。温度、粉尘、震动、油污，车间和实验室不是一个世界。 四是安全和责任。人机共处，一次事故的代价，远高于省下的那点人力。 五是经济性。客户不看 demo，只看几年回本。 前四道是工程，第五道是生意。卡住一道，产出就上不去。 现在的物理 AI 只能进“门开得大的地方”：仓库、矿山、危险作业、精密装配——环境标准化、容错大、账算得清。 养老还在门外：非结构化、高接触、责任说不清，几乎踩满五道门。 数字世界的 AI 是软件迭代，物理世界的 AI 是工程落地。前者以周计，后者以年计。这就是效率上来了、产出没上来的原因。 2000 年互联网泡沫破了，但光纤、数据中心、浏览器留下来了。 泡沫破灭和技术失败是两件事。这次的算力、数据中心、电力设施，不会因为股价跌了就消失，它们恰恰是物理 AI 的地基。 所以我不认为这是“AI 被证伪”，更像“兑现速度被重新定价”：原来按 2028 年的现金流估值，现在改按 2032 年。 真正该担心的不是估值，是红利能不能到最终消费者手里。 如果 AI 省下的成本全变成企业利润和资本回报，工资端却在收缩，总需求就一路走低。供给端效率暴涨、需求端收入萎缩，这是“AI 通缩”。通缩里，再强的生产力也卖不上价。 接下来五到十年，大概率是一段别扭的路：白领岗位已被压缩，物理产出还没放量。旧的在消失，新的没接上。 这段路上能对冲的不是技术，是分配。不是“等物理 AI 来了自然就好”，而是趁它还慢，先把需求端接住。公共服务、转移支付、工时安排，形态可争，方向清楚：生产率红利得有一部分进居民收入。 有个可以长期盯的试金石—— 一边是单位产出的人力成本占比，它一定会持续下降，这是技术。 另一边是居民实际可支配收入（含转移支付），它必须跟上，这是制度。 这两条曲线若长期背离，说明红利只进了资本。那么无论物理 AI 多强，“便宜的产品和服务普及到普通人”不会自己出现。 AI 真正的考场不在屏幕里。 不在榜单上，不在 demo 里，不在 token 曲线上。它在一条产线的节拍里，在一座晶圆厂的良率里，在一张普通人付得起的账单里。 数字世界的效率我们看见了，物理世界的产出还没到。 这轮下跌，说到底只说了一句话：在产出到来之前，别把价格定得太满。
01 效率上去了，产出没上去
02 物理世界的产出，为什么放不大
03 现在的 AI，还站在物理世界的门口
