夜雨聆风Sam Altman去年在博客里写下一组数字：使用同等水平的AI，成本大约每12个月降10倍。GPT-4到GPT-4o，不到两年，token价格降了约150倍。摩尔定律每18个月翻一倍，AI的成本下降速度远超于此。另一组数字同样刺眼：OpenAI估值约5000亿美元，Anthropic接近万亿，但这两家公司都没有上市。摩根士丹利的数据显示，年收入超过1亿美元的美国AI公司中，约80%仍处于私有状态。普通人连买的门都没有。
但这些数字指向同一个判断：AI放大的不是你的能力，而是你手里的所有权。拥有资产的人，AI帮他放大资产。只卖时间的人，AI帮他压低时间价格。但马斯克提出了一个更根本的问题：如果AI把生产成本持续推向接近零，"什么值钱"这个问题本身可能不成立了。
所以，到底什么值钱？
一、AI放大所有权，不放大能力：为什么越努力用AI反而越无奈
成本悬崖：智能民主化的速度远超想象
Sam Altman总结了三条观察，每一条都在加速一个趋势：智能正在变成一种廉价的基础设施。第一，AI的智能与投入资源呈对数关系，砸钱就能获得可预测的能力提升。第二，成本每年降10倍。第三，智能的社会经济价值是超指数级的，每多投入一分智能，社会回报不是线性增长，而是加速增长。
三条叠加起来的效果：智能变得极其便宜，同时极其值钱。便宜的是使用门槛，值钱的是它创造的价值。这听起来像是好消息，但有一个陷阱。"会用AI"这个技能的窗口期在急剧缩短。工具在朝傻瓜化方向进化，有效用法被快速复制，今天发现的独门技巧，一个产品周期后就人尽皆知了。
那谁在真正获利？
替代效应：你越熟练，你这个工种越快被压价
2024年诺贝尔经济学奖得主Daron Acemoglu与Pascual Restrepo的研究给出了一个冷酷的结论：自动化技术天然具有"替代效应"，把国民收入分配从劳动一侧持续转移到资本一侧。
美联储经济学家Andrew Chen在2026年4月发表的论文《Hedging the Singularity》里把这个机制拆得更具体。他对奇点的定义是：一次突如其来的、剧烈的AI生产力跃迁，它会替代典型投资者的劳动收入和消费。三个关键动作：跃迁，阶梯式的能力突破；替代，新增生产力不平均分配，直接流向拥有AI资本的人；收入下降，你的收入不会因为AI变强而自动增长，反而可能因被替代而下降。
核心画面是这样的：整个社会的蛋糕变大了，但你分到的那一份变小了。
看看身边正在发生的事。如果每个人都能用AI写文案，文案的市场价就下降。如果每个人都能用AI画图，设计的报价就被腰斩。如果每个人都能用AI写代码，初级开发能力迅速变成大宗商品。你帮公司用AI写方案，公司多赚钱。你给平台用AI生产内容，平台拿走流量。你帮客户用AI自动化交付，客户拿走系统。提示词越熟练，工作流越复杂，报价反而越低。
钱去哪了？谁在赚？
三层人分流：所有权决定你站在AI的哪一侧
Andrew Chen的论文框架把AI时代的人群分成了三层。
第一层是AI资本拥有者。他们直接持有模型公司、芯片公司、云基础设施、关键数据资产的股权。AI越强他们的资产越增值。红利的特征是系统性、被动、复利式。第二层是AI杠杆使用者。他们没有底层AI资本，但用AI放大自己的品牌、产品、渠道和客户关系。赚的是杠杆红利。第三层是AI价格承受者。AI用得很熟，但效率在提高的同时，议价权以更快的速度下降。
经济学家Yanis Varoufakis在《技术封建主义》中将这种分化称为"数字领主"和"数字佃农"。三类人的关系不只是分层，而是依附。资本拥有者是领主，杠杆使用者在领主的土地上耕作但拥有产出，价格承受者则是纯粹的佃农。
但这个分层的具体机制是什么？
四个条件句：AI对所有权的非对称放大
Andrew Chen的论文把这个逻辑拆成了四组条件句，每一组都指向截然不同的命运。
第一组：如果你拥有资产，AI放大你的资产。如果你只出售时间，AI压低你的时间价格。拥有AI公司股权的人，AI越强他的股权越值钱；用AI帮公司加班的白领，AI越强他的加班越不值钱。同样的AI，在资产端是乘号，在劳动端是除号。
第二组：如果你已有被信任的品牌，AI放大你的分发。如果你没有品牌，AI把你扔进更拥挤的劳动力池。已有个人品牌的创作者，AI帮他批量生产内容并精准分发，品牌溢价翻倍；没有品牌的内容生产者，AI让他和千万个同样用AI的人争夺同一池流量，报价被压到地板。有无品牌，决定了AI是帮你建护城河还是帮你挖坟墓。
残酷的总结只有一句话：AI不放大能力，AI放大所有权结构。
末日保险：市场如何为你的被替代定价
这背后还有一个更精妙的市场机制。Andrew Chen的论文发现，即使假设AI奇点每年发生的概率只有1%，光是人们为了对冲"自己被替代"这个风险去买AI股票这一件事，就把AI股票估值推到了非AI股票的约两倍。人们本质上是在用买AI股票的方式，给自己即将被替代这件事买一份"末日保险"。把概率降到0.5%，AI股票仍比非AI股票贵40%。这个小概率事件的定价力量，在很大程度上解释了当下AI板块的估值溢价。
注意这个保险有一个隐含前提：AI强到替代你，但没强到毁灭你。后面我们会看到，这个前提比想象中脆弱。
那么问题来了：如果所有权决定一切，产业链里到底哪些所有权真正值钱？
二、产业链的利润分层：谁在吃干榨净，谁在被动挨打
为什么上游吃掉全部利润
a16z的报告《Who Owns the Generative AI Platform?》给出了一个让应用层创业者脊背发凉的结论：基础设施层（芯片、云）和闭源模型层吃掉了几乎全部利润，应用层护城河极浅，竞争极烈，利润极薄。
这跟Sam Altman的对数关系形成闭环。训练和运行AI需要巨额资源投入：算力、数据、推理计算。投入端高度集中，利润自然集中。只有巨头才能负担对数曲线末端的巨额投入，而这个投入换来的是超指数级的回报。Anthropic承诺未来十年向AWS支付超过1000亿美元，这种资本开支模式不适合公开市场。利润集中可能驱动更多资本投入，而更多投入反过来可能强化对数关系优势，进一步加剧集中。如果这个回路成立，产业链的分层就不是一个静态结构，而是一个持续加速的动态过程。
这也是为什么AI核心资本几乎全不上市。三大原因：私募市场钱多到溢出，资本开支模式不适合公开市场，科技巨头用战略投资替代传统融资。普通人想买到AI产业链最肥的那块肉，门都找不到。
产业正在经历怎样的剧变？
范式崩塌：当护城河在极短时间内消失
2026年2月3日至4日，SaaS行业崩塌，纳斯达克云指数蒸发近3000亿美元。不到三周后的2月20日，Anthropic发布了Claude Code Security，发现了500多个潜伏多年的高危漏洞，网络安全巨头单日市值蒸发超过100亿美元。
这两次崩塌的共同规律是：当AI脚手架有效对接垂直领域，传统商业模式在极短时间内失去护城河。脚手架是借用建筑领域的比喻，指连接人类知识和AI能力的中间层结构。2024到2025年被行业观察者称为"脚手架觉醒期"，核心转变是从"写好提示词"到"筛选最优信息集合"。2025年9月，Anthropic正式提出了Context Engineering（上下文工程）概念，把脚手架从经验变成了可复用的技术体系。
行业竞争的核心逻辑也在快速演变。2018到2024年，比的是谁的模型更大、数据更多、算力更强，缩放定律主导一切。2024到2025年，比的是谁更能构建"人类经验进入AI"的管道。到了2026年，比的是谁能把AI能力对接到垂直领域产生实际结果。未来的竞争，指向"提出好问题、设计验证流程、判断输出质量"的能力。
资本在逃向哪里？
资本逃逸与新兴价值洼地
钱的去向很明确：结果导向服务、物理基础设施、机器身份安全。
智能体（Agent）的落地数据最能说明问题。据行业统计，软件工程领域AI代理工具的调用量占比已达49.7%，而医疗和法律领域都低于5%。Meta内部工程师借助AI将生产力提升了数十倍。能驾驭复杂智能体系统的工程师，正在变成稀缺资源。
还有一个容易被忽略的变化：数据的生产关系在变革。通用数据的公共化趋势正在显现，传统的平台数据护城河在松动。但垂直领域的独有数据，比如客户问题库、行业案例库，依然是竞争壁垒。通用数据在民主化，私有数据在升值。
产业链上游的利润被少数人锁定，普通人能力又被压价。那人类还有什么不可替代的能力？
三、人类技能的不可替代边界：判断力、共情与创造力
四项AI学不会的人类核心能力
Harvard Business School Online的研究总结出四项AI难以替代的人类技能。
第一项是情感智能与人际连接。AI可以生成逼真的文字、图像、视频和声音，但它无法体验共情，无法建立真正的信任。人与人之间真实的情感连接，AI可以模拟但无法替代。人类更擅长处理人际冲突，理解行为背后复杂甚至相互竞争的动机。
第二项是积极倾听与意义建构。AI聊天机器人看起来在倾听和回应，但它并不真正理解意义。大语言模型（LLM）通过识别模式和预测下一个可能出现的token来生成回应，而不是通过解释意义。这个局限在涉及语气、犹豫、肢体语言等非语言线索时尤为明显。
第三项是模糊情况下的判断力。AI在有明确参数和正确答案的场景下表现最佳，但数据不完整或非结构化时就力不从心。生物技术公司Healx提供了一个有意思的案例：他们用AI平台预测现有药物是否可能对其他疾病有效，但最终的判断由内部专家完成。该公司目前有7种治疗方案处于不同阶段的研究开发中。AI负责扫描可能性，人类负责拍板。
第四项是人类创造力与挑战假设。AI的输出基于模式识别和重新组合，不是真正的发明。人类的创造力涉及想象力、直觉，以及挑战既有假设的能力。
为什么这四项能力特别难替代？
锯齿状前沿：看起来简单的任务反而最难
哈佛商学院教授Karim Lakhani提出了一个框架叫"锯齿状前沿"。核心意思是：AI能力的边界不是一条平滑的线，而是锯齿状的。有些任务完全在前沿之内，AI表现极好。但其他表面上看起来非常相似的任务，可能正好在前沿之外，AI会意外地翻车。
关键在于：任务表面的相似性不能预测AI的实际表现。
Lakhani说了一句话切中要害："AI不是判断力的替代品。知道在哪里应用它，在哪里不应用，现在是关键的领导技能。"这句话把问题从"AI能不能做"翻转到了"人该不该让AI做"。判断的权力回到人类手里。
到头来，竞争的核心落在了三件事上：提出好问题、设计验证流程、判断输出质量。
行业领袖怎么说？
Sam Altman的技能清单：能动性和判断力最值钱
Sam Altman的判断和Harvard的研究方向一致，但表述更直白："能动性、意志力和决心可能会非常有价值。正确地决定做什么以及弄清楚如何在不断变化的世界中导航将具有巨大价值。"
他设想AI智能体最终能完成顶级公司里工作了几年的软件工程师能做的大部分事情，但有一个关键限定："它不会有最大的新想法，需要大量的人类监督和指导。"人类在这个图景里的角色是编排者。
Sam Altman推荐的六项技能是：韧性、适应能力、高学习率、创造力、对工具的一定熟悉度（注意，是"一定熟悉度"而非精通）、学会编程（因为编程的本质是学思考）。
他没推荐的同样值得一看：最新的机器学习和AI技术、提示词工程、数学和硬科学、统计和数据科学、高级学位。OpenAI的CEO，没有推荐学AI技术。
这里有一个表面矛盾需要化解。前面说"会用AI"趋近免费，Altman却推荐学编程和保持工具熟悉度。二者其实统一于一个逻辑：编程的本质是学思考，工具熟悉度不是精通而是保持对工具边界的感知。Altman推荐的不是操作能力，而是认知能力。
判断力、共情、创造力确实不可替代。但如果AI把生产成本推向零，"值钱"这个概念本身会不会被推翻？
四、稀缺性消失之后：当"值钱"这个问题本身被推翻
马斯克的终极推演：从成本趋零到稀缺性消亡
我们在第一章看到成本每年降10倍。如果这个降速持续10年、20年，通向的就是马斯克描述的那个终点。
马斯克的核心逻辑链是这样的：AI加机器人24小时无休运转，接管所有生产、服务和脑力劳动，商品和服务的生产成本无限趋近于零，粮食、衣物、住房、医疗变得像空气一样充足。稀缺性一旦消失，钱就失去了存在的意义。因为钱的本质就是衡量稀缺、分配劳动的工具。
在马斯克的框架中，能源和算力被视为AI时代的基础资源，谁掌控能源和算力，谁就在这个体系中占据核心位置。而太阳能、核聚变等清洁能源被认为将变得极度廉价。
这个推演够极端。但它有一个逻辑跳跃：成本趋零不等于稀缺性消失。生产成本趋零仅适用于可规模化复制的数字商品和标准化制造品。物理世界的约束不会因为AI而消失：核心地段的土地就那么多，稀有材料就那么多，制度性的稀缺如牌照、监管、信任也不会自动消解。Sam Altman自己也承认："奢侈品和有限资源如土地可能飙升。"
他还说了另一句更清醒的话："增加平等似乎不是技术决定的，要把这件事做好可能需要新想法。"劳资力量平衡"很容易搞砸"。即使生产成本趋零，分配机制的不平等可能制造新的稀缺。
历史上有过类似的稀缺性转移。工业革命让土地不再是唯一财富，纺织品成本压降90%以上，但稀缺性没有消失，而是转移到了石油、金融资本和知识产权。互联网革命让数据成为新资产。AI革命正在重演这个模式：稀缺性不是第一次消失了，每次技术革命都在消灭旧的稀缺性并创造新的稀缺性。这不是一个人的预测，而是在历次技术革命中反复出现的模式。
稀缺性消失是一个极端远景。在过渡期内会发生什么？
过渡期的社会冲击：三层人的不同命运
过渡期的现实更可能指向一个撕裂的画面：生产力在爆炸，但分配在断裂。回到第一章的三层人分流，每一层在过渡期内面临截然不同的命运。
资本拥有者，也就是"数字领主"，在过渡期是否安全？灭绝衰减悖论告诉我们：如果AI比预期更强，强到毁灭人类，那领主的股权也归零。他们的安全建立在与末日保险相同的中间态上：AI强到替代你，但没强到毁灭你。
杠杆使用者的窗口有多长？如果成本每年降10倍，杠杆红利窗口可能也在收窄。今天用AI放大品牌的人，明天可能发现AI已经能自主生成品牌、自主运营渠道。杠杆使用者需要尽快将杠杆转化为权益沉淀，把暂时的红利变成更持久的资产。
价格承受者有没有上升通道？Andrew Chen的论文Proposition 3给出了一个冷静的回答：在没有对冲工具的前提下，理性反对AI发展是经济学理性的选择。普通人对AI发展的反对，不是因为他们愚蠢或保守，而是完全合乎经济学逻辑的自保行为。这似乎跟第五章"积极拥抱AI、建立权益沉淀"的建议自相矛盾。但其实不矛盾：Proposition 3描述的是"没有对冲工具"的世界，而行动框架正是在提供一种"自建对冲工具"的路径。正是因为市场没有提供现成的对冲工具，个人才需要自己建立权益沉淀。
现实中的信号在两面同时闪现。自动化工厂和无人农场在减少人力需求，日用品价格在走低，部分国家已启动全民基本收入（UBI）试点。与此同时，Andrew Chen的灭绝衰减悖论提醒我们：市场的定价前提是"AI强到替代你但没强到毁灭你"。
现在我们回到了第一章那个"末日保险"的前提。市场赌的是一个非常精确的中间态：AI强到替代你，但没强到毁灭你。偏离任何方向，整个保险逻辑都会崩塌。
那还有什么真的稀缺？
物理世界与人类体验的不可复制性
即便在马斯克推演的极端图景里，有几样东西AI仍然无法"制造"。核心地段的房产和土地，独一无二的地理位置。稀缺的自然资源，不可再生的物理材料。能源与算力，AI时代的基础通货。货币的形态可能演变，有观点认为可能向能源计价、算力计价、贡献值计价等方向演化，但这仍属于远期推测。
还有两样东西来自人类体验的不可复制性。情感陪伴，人与人之间真实的情感连接，AI可以模拟但无法替代。原创艺术，人类独有的审美表达和创造力。
这两项之所以不可替代，恰好可以用锯齿状前沿框架解释：它们处于前沿之外最深的锯齿处。表面上看AI已经能生成逼真的文字和图像，但真正的情感连接和原创审美属于AI能力边界最不规则的凹陷处。任务表面的相似性不能预测AI的实际表现，这个判断在情感和艺术领域体现得尤为明显。
部分稀缺性确实在消失：技能的稀缺性、信息的稀缺性、通用数据的稀缺性。但物理稀缺和人类稀缺没有消失的迹象。问题是在过渡期内，普通人能做什么？
五、普通人的行动框架：从使用者到权益拥有者
无许可杠杆：为什么这六种资产特别有效
纳瓦尔称之为"无许可的杠杆"（permissionless leverage）：代码和媒体不需要任何人批准。这个概念是理解"什么资产在AI时代真正值钱"的钥匙。以下六种资产的共同特征正是如此：不需要任何人批准，不依赖平台分配，属于你自己。
第一种是品牌资产。AI能批量生产内容，但不能批量生产信任。信任是个人品牌最硬的底。你的声誉不依赖任何平台的批准。第二种是渠道资产。公众号、知识星球、社群、播客、视频号、邮件列表，任何直接连接读者的管道都算。AI越强，中间平台越容易被绕过，自有渠道越值钱。直接连接，无需经过中间人。第三种是产品资产。课程、模板、咨询方法论、训练营、付费报告、垂直工具，能沉淀、能复用、能定价的东西。一旦创造出来，可无限复制，不需要许可。第四种是社群资产。AI让信息变便宜，反而让高质量人群的聚集变得更贵。人与人之间的连接不依赖平台分配。第五种是数据资产。垂直领域的数据、案例库、客户问题库，你和AI之间的差距在很大程度上来自你独有的数据。通用数据在公共化，但你的客户在真实业务中产生的数据不会。第六种是工作流资产。属于你自己的AI自动化流程：研究、写作、销售、交付、复盘，一套完整且别人拿不走的操作系统。流程归你，不归雇主或平台。
这六种不是随便选的。它们的共同特征是：一旦建立，就不需要任何外部批准来维持和增长，不依赖单一平台的分配机制，所有权明确归属于你个人。这就是纳瓦尔说的"无许可杠杆"，也是为什么在AI压低所有"需要许可才能做"的工作的价值时，这六种资产反而会升值。
资产端之外，能力端呢？
能力建设：不可替代技能的具体落地路径
Sam Altman的六项技能和Harvard HBS的四项核心能力不是简单叠加，而是各有分工。Altman六项提供生存底座：韧性、适应能力、高学习率、创造力、工具一定熟悉度、学会编程。这些保你在AI浪潮中不掉队。Harvard四项提供稀缺壁垒：情感智能、倾听与意义建构、模糊判断力、原创创造。这些保你在同行中拥有溢价。前者是适应变化、持续学习、保持对工具边界的感知，后者是情感连接、意义解读、在不确定性中做决策。两种能力的组合，才是AI时代的完整能力地图。
关于数据能力需要多说一句。通用数据的公共化是趋势，平台的数据护城河正在松动。但垂直领域的私有数据依然是竞争壁垒。二者的分界线很清楚：通用数据人人可得的在贬值，你在具体行业、具体客户中积累的数据在升值。但这个边界是固定的还是持续移动的？如果AI能力持续提升、模型泛化能力持续增强，今天的"垂直数据"可能被明天的模型覆盖。数据资产的护城河可能比想象中浅。这是一个需要诚实面对的风险：数据资产有价值，但不是永久的护城河，需要持续更新和深化。
分水岭：不是"会不会用AI"，而是"东西沉淀在谁名下"
会用AI是入场券。这张入场券一年比一年便宜，按目前的成本下降速度，五年后接近免费。
真正值钱的分水岭在于：你站在AI生产力的哪一侧。
未来十年真正危险的人，不是不会用AI的人，而是每天都在用最先进的AI、却没有任何东西沉淀在自己名下的人。
需要诚实说明的是，以下行动框架建立在"AI替代但不毁灭"的中间态基础上。如果偏离这个中间态，无论是AI比预期弱（替代效应不成立，你不需要对冲）还是比预期强（灭绝衰减触发，对冲也无效），策略都需要调整。
回到开头的问题：什么才是真正的稀缺资产？答案是所有权，是品牌、渠道、数据、产品、社群、工作流这些权益沉淀，而不是技能操作。部分稀缺性确实在消失，技能的稀缺性首当其冲。但物理稀缺如能源和算力没有消失的迹象，人类稀缺如共情、创造力和信任也没有。
普通人在过渡期的最优策略是：在稀缺性尚未完全消失的窗口期，将能力转化为权益。把你会的东西变成留得住的东西，把留得住的东西变成属于你的东西。
即便退到马斯克推演的极端场景，稀缺性真的全面消亡，人类对"被理解""被信任""被选择"的心理需求不会归零。正如第三章所说，人与人之间真实的情感连接，AI可以模拟但无法替代。这些需求本身就是新的稀缺源头，也是普通人最后的价值锚点。
