夜雨聆风每月花费20美元订阅ChatGPT，平均每天能创造47美元的生产力价值——这意味着半天之内就能收回成本。这并非某家AI创业公司的营销话术，而是ARK Invest在其第十期旗舰研究报告《Big Ideas 2026》中引用的一组核心数据。在这份涵盖人工智能、自动驾驶、机器人、生物技术和区块链五大技术主题的年度报告中，AI生产力部分所描绘的图景尤其引人深思：一场由成本断崖式下降与性能指数级提升共同驱动的软件支出热潮，正从预言走向现实。
从5分钟到30分钟：AI Agent的能力跃迁
2025年是AI行业发展的关键分水岭。这一年，聊天机器人开始向真正的AI代理（Agent）演进——推理模型愈发强大，开发者在模型基础上构建了更完整的工具链与框架生态。
这种进化最直观的衡量标准，是AI能够独立完成的任务时长。年初，AI代理仅能稳定处理人类需5至6分钟完成的工作；到年末，这一阈值已突破30分钟。模型评估与威胁研究组织METR的测算进一步印证了这一趋势：AI代理的“任务完成时间阈值”（即AI能以50%成功率完成任务所需的人类耗时）正以每7个月翻一番的速度增长。
这一进步意味着什么？ARK Invest给出了简洁的经济学测算：按80%的任务成功率折算，OpenAI的研究显示，每位知识工作者每天使用ChatGPT平均可节省约50分钟。按照美国知识工作者平均56美元的时薪计算，ChatGPT每天能创造约47美元的价值，而其月订阅费仅20美元——换句话说，仅需半天通过AI提升的生产力，就足以覆盖一整个月的订阅成本。OpenAI在2025年底发布的《企业AI现状》报告进一步验证了这一数据，指出75%的企业用户反馈AI提升了工作速度或质量，重度用户每周节省时间超过10小时。
这组数据背后的深层意义在于：AI工具的性价比正以前所未有的速度提升，但订阅价格几乎保持不变。用户获得的价值急剧增加，付出的成本却维持稳定——这是典型的消费者剩余快速积累的过程。
90%的成本坍塌：一条比摩尔定律更陡峭的曲线
如果说性能提升是AI生产力革命的“推力”，那么成本的断崖式下降就是其“引力加速器”。
ARK Invest在报告中指出一个惊人事实：要获得一年前前沿模型的同等性能，如今的成本已下降90%以上。在编程、科学推理、通用指令遵循等多项基准测试中，得分达到50%以上的模型，其推理成本仅为2025年初同级模型的1%至10%。
这种成本下降并非单一技术突破所致，而是多重因素叠加的结果。模型架构的优化、推理效率的提升、开源模型的激烈竞争，以及硬件层面计算密度的持续提高，共同构成了一条比传统摩尔定律更为陡峭的下降曲线。OpenRouter的实证数据从需求侧提供了有力支撑：自2024年12月以来，该平台的推理Token消耗量增长了25倍。OpenRouter与a16z联合发布的《2025 AI现状报告》，分析了超过100万亿Token的使用元数据，揭示出一个明确趋势——推理导向型模型正成为实际工作负载的默认选择。
值得注意的是，前沿模型的绝对价格并未大幅下降。最顶尖的模型依然昂贵——Anthropic的Claude 3.7 Sonnet与Claude Sonnet 4定价仍维持在每百万Token约2美元。真正发生剧烈变化的是“固定性能”的价格：去年的顶尖性能水平，如今只需十分之一甚至百分之一的成本就能获得。这种“性能民主化”的意义远超价格本身，它意味着AI正从高端企业的专属工具，快速转变为所有知识工作者的基础设施。
中国的追赶与算力瓶颈
这场成本革命并非仅由美国实验室推动。2025年初，中国企业——尤其是DeepSeek——以远低于美国同行的运行成本，推出了具备竞争力的模型，在全球市场引发关注。这些模型在性能上虽比美国顶尖产品落后约6个月，但价格优势显著，在OpenRouter的使用数据中，中国模型的Token消耗量已连续数周超过美国模型。
不过，ARK Invest对中国AI产业的前景持谨慎态度，核心瓶颈在于算力。中国国内半导体制造技术落后全球前沿3至5年，多数晶圆厂的最先进制程仅能达到7纳米，且产能规模远小于中国台湾地区。报告中给出一组鲜明对比数据：2024年，经计算质量调整后，台积电（TSMC）的有效算力产出约为中芯国际（SMIC）的38倍。
这一差距并非单纯由制程代差造成。2024年，台积电营收约870亿美元，占据全球晶圆代工市场约71%的份额，其先进制程（5纳米及以下）贡献了绝大部分利润⁴。相比之下，中芯国际2024年全年营收为80亿美元，净利润同比下滑45.4%至4.93亿美元，成熟制程领域的价格战正不断侵蚀其盈利能力。
但算力不足并不意味着中国会退出AI竞争。一方面，中国正通过多种渠道加大对国外芯片（如Nvidia H200）的获取力度；另一方面，中国在算法优化与模型效率方面展现出的工程能力，使其能够用更少的算力实现更高的价值。这场竞争的本质并非“谁的芯片更先进”，而是“谁能利用有限资源创造更大价值”——在这一维度上，中国企业已证明了自身的竞争力。
从十亿到万亿：AI驱动的软件支出大爆炸
成本下降与性能提升共同催生了一个直接结果：AI工具的商业化正以历史性速度扩张。
OpenAI的年化营收在两年内以250%的复合增长率攀升至200亿美元以上。其首席财务官Sarah Friar在公司博客中表示，营收增长与计算能力扩张高度同步——OpenAI的算力从2023年的0.2吉瓦提升至2025年的1.9吉瓦⁶。Anthropic的发展同样惊人：其年化营收两年内增长850%，2025年底达到90亿美元的运行率，此后短短几个月内更是飙升至300亿美元以上。
更值得关注的是垂直领域AI创业公司的崛起。成立仅三年的AI编程助手Cursor，从0增长至10亿美元年化 recurring revenue（ARR）仅用24个月，到2026年初已突破20亿美元——这或许是B2B SaaS领域历史上最快的规模化速度⁸。法律AI公司Harvey、医疗证据平台Open Evidence、客服AI公司Sierra，均在成立三年内实现了1亿美元ARR的里程碑。
ARK Invest据此做出大胆预测：AI将推动全球软件支出增速提升至19%至56%之间，具体取决于企业采纳AI的激进程度。在中间情景下，这一增速将与疫情期间的软件支出增长水平相当。具体到金额，保守情景下全球软件支出将增至3万亿美元，而在加速采纳的乐观情景下，这一数字将接近7万亿美元。Gartner的预测也指向类似方向——仅2026年，全球AI支出就将达到2.52万亿美元，同比增长44%。
劳动力支出的大迁移：从30万亿到7万亿的再分配
ARK Invest分析框架中最具战略意义的一组数据，关乎知识工作者薪酬支出与软件支出之间的结构性迁移。
2011年至2023年间，全球知识工作者数量以每年约6%的速度增长。假设这一趋势与薪资水平持续上升，到2030年，企业在知识工作者薪酬上的支出可能从目前估计的30万亿美元增至45万亿美元以上。这是一个庞大的潜在市场——而AI的作用，正是从这一市场中“分流”一部分支出。
在加速采纳情景下，ARK认为，原本流向新增劳动力的部分支出将转向自动化软件，由此形成每年7万亿美元的全球软件支出规模。但有一个关键细节需要明确：即便在这一最乐观的情景中，知识工作者的就业增速仍将维持在3%以上。换句话说，ARK并未预测“AI取代人类”的零和博弈，而是描绘了一幅劳动力市场整体增长、但增量中更大比例流向软件与自动化的分配调整图景。
这一框架的重要性在于，它回答了困扰众多技术管理者的核心问题：对AI的投资究竟是在替代人力，还是在放大人力价值？ARK的答案更倾向于后者——在经济总量强劲增长的背景下，AI投资更多扮演“效率放大器”的角色，而非“岗位消灭器”。当一个组织能用AI将现有团队的产出提升30%至50%，其理性选择通常不是裁掉三分之一的员工，而是利用现有团队规模去追逐更大的市场机会。
一个关于基础设施的结论
ARK Invest对AI生产力的分析，最终指向一个底层逻辑：当推理成本以每年90%以上的速度下降，而AI代理能完成的任务复杂度以每7个月翻一番的速度提升时，企业对AI工具的投入——无论是软件订阅、API调用还是基础设施建设——都将迎来一个持续多年的超级增长周期。
这一结论的力量，不在于具体的数字预测（3万亿与7万亿的差距巨大，且高度依赖假设），而在于其背后的结构性逻辑：性能提升降低了采纳门槛，成本下降扩大了可触达市场，两者形成正反馈循环，推动需求以超线性速度增长。OpenAI两年内从20亿到200亿的营收轨迹、Anthropic四个月内从90亿到300亿的爆发式增长、Cursor 24个月内从零到十亿的火箭式扩张——这些并非孤立事件，而是同一条底层增长曲线的不同体现。
对技术管理者而言，这份报告传递的核心信息可浓缩为一句话：AI生产力工具的投资回报窗口正快速打开，犹豫的成本可能远高于试错的成本。当你的竞争对手每人每天多拥有50分钟的有效工作时间时，问题已不再是“要不要布局AI”，而是“能以多快的速度布局AI”。
