夜雨聆风过去两年，科技股走出了两段截然不同的曲线。
一边是英伟达涨了 67%，博通涨了 84%，谷歌涨了 143%——AI 基础设施的狂欢。另一边是 Salesforce 跌了 40%、Adobe 跌了 39%、Workday 和 ServiceNow 双双腰斩超过 54%。云计算 ETF（WCLD）从高点暴跌了 56%，而同期纳斯达克 100 涨了 37%。
同一个科技行业，两种截然不同的命运。
市场在用股价说话：大模型正在一口一口吃掉软件行业。
这不仅仅是一次周期性的估值回调。如果你把它当成"软件股跌多了该反弹了"的机会来抄底，你可能会犯下和 2007 年买报纸股、2014 年买百货商店股一样的错误。
这篇文章，我从七个维度拆解这个命题——为什么说大模型在"吃"软件、吃的是哪些部分、谁会活下来、以及我们该如何重新理解软件公司的价值。
*全文约 9500 字，建议转发收藏。*
—— · ——
一、先看清楚发生了什么——软件股的血色两年
先上数据。下面这张表，是过去两年主要软件公司和科技指数的表现对比：
再看指数层面：
两个核心结论，直接明了：
第一，这不是个别公司的经营问题。从 CRM 到 TEAM，从 ADBE 到 WDAY，从云服务到协作工具到数据分析，整个软件板块在同步坍塌。个别公司可以说"管理不力"，整个行业一起跌，说明是系统性问题。
第二，科技行业整体并没有崩盘。纳斯达克 100 同期涨了 37%，科技 ETF 涨了 51%。但涨的全是 AI 硬件、半导体和拥有大模型的巨头。科技行业的钱没有消失——它们流向了产业链的上游，流向了"卖铲子"的那群人。
这个画面，和 1849 年加州淘金热一模一样：淘金者还在拼命挖，但真正赚钱的是卖铲子和卖牛仔裤的。
软件公司不是铲子——软件公司是当年那些背着全部家当冲进加州的淘金者。他们突然发现，自己以前靠的那套手艺（写代码、搭系统、建 SaaS），在挖掘机（大模型）面前，不值一提了。
—— · ——
二、第一重冲击：定价权——"按人头收费"的商业模式正在瓦解
SaaS 行业过去二十年最伟大的商业模式创新，说起来就六个字：按人头收费。
你公司有 100 个销售？买 100 个 Salesforce 的席位。你公司有 500 个设计师？买 500 个 Adobe Creative Cloud。你公司每新招一个人，软件公司就多收一分钱。这个模式美就美在：客户越成长，SaaS 的收入也自动成长。它是趴在经济增长身上的一只吸血虫——宿主变大，虫子也变大。
过去二十年，这个模式造就了一大批百亿甚至千亿市值的软件帝国。但大模型的出现，把这只吸血虫的宿主给干没了。
当 AI Agent 可以替代人完成工作时，按人头收费的底座——"人头"，就不复存在了。
举几个已经在发生的例子：
客服场景。过去一个中型电商公司需要 50 个客服人员，买 50 套 Zendesk 或 Intercom。现在一个 AI 客服 Agent 可以替代 80% 的重复咨询，公司只需要保留 10 个高级客服处理复杂投诉。Zendesk 的席位从 50 个缩到 10 个——这不是"客户流失"，而是"客户还在，但人头没了"。
销售场景。Salesforce 是世界上最伟大的 SaaS 公司之一。但当你用 AI 做线索筛选、话术生成、自动跟进、合同起草，一个销售能干的活是过去的 3 倍。公司不需要裁掉 Salesforce——它只需要少买 2/3 的席位。
设计场景。Adobe 过去是设计师的必需品。现在 AI 可以生成海报、修图、排版，一个初级设计师配 AI 工具，产出顶过去 5 个人。Adobe 当然也在做自己的 AI（Firefly），但问题是：当客户的生产效率提高了 5 倍，他们还需要买 5 份 Creative Cloud 吗？
这就是定价权崩塌的底层逻辑：不是客户不买你的软件了，而是客户不再需要那么多"人"来用你的软件了。
而且更致命的是，AI 带来的效率提升，给 SaaS 公司出了一道两难选择题：
选项 A：维持按席位定价。人头减少 → 席位减少 → 收入下降。但转型做"按结果收费"或"按用量收费"需要完全重做定价体系和销售薪酬结构。
选项 B：改为按用量/结果收费。听起来很美好——客户用得越多，你的 AI 服务越值钱。但问题在于：AI 的边际成本极低（一次推理几分钱），客户不会愿意为"几乎免费"的东西付高昂的订阅费。而且从可预测的订阅收入转型为波动性的用量收入，华尔街的第一个反应一定是杀估值。
左转是收入萎缩，右转是估值崩塌。这就是今天所有 SaaS CEO 在深夜盯着天花板想的问题。
Adobe 的 PE 已经跌到了 14 倍。14 倍。这可不是什么周期性制造业公司，这是 Adobe——全球最强大的创意软件公司，毛利率 88%，净利润率 28%。14 倍 PE 放在三年前，你告诉任何一个分析师，他都会觉得你在讲笑话。
但市场现在的逻辑很简单——也很残酷：如果你的定价模型建立在"人头"上，而"人头"正在被 AI 系统性地消灭，那你未来的收入曲线就不是"增长多少"的问题，而是"还能不能增长"的问题。
—— · ——
三、第二重冲击：护城河——当 AI 让软件开发成本趋近于零
软件公司过去最深的护城河，不是专利，不是品牌，甚至不是客户关系——是工程复杂度本身。
Salesforce 有上百万行代码、二十年的技术积累、上千个边缘场景的处理经验。一个新进入者想要复制这些，至少需要 5 年和 10 亿美元。这条"工程护城河"足够宽，让 SaaS 寡头们安然享受了二十年的高利润。
但 AI 编程工具（Copilot、Cursor、Claude Code、Devin）的出现，从根本上改变了一个等式：软件开发的成本正在从"时间 × 人数"坍缩为"算力 × 提示词"。
这不是渐进式改善。这是一次成本函数的阶跃下降。
过去做一个像样的 CRM 系统，你需要：CTO（50 万美元年薪）+ 5 个后端工程师（各 20 万美元）+ 3 个前端（各 18 万美元）+ 2 个 QA（各 15 万美元）+ 2 个产品经理（各 20 万美元）= 一个 15 人团队，一年 300 万美元人力成本，18 个月开发周期。总成本：450 万美元 + 18 个月。
现在，用 AI 编程工具：3 个全栈工程师（各 25 万美元，AI 工具让每个人产出提升 5-10 倍）+ AI 工具订阅（每年 10 万美元）= 一个 3 人团队，一年 85 万美元成本，3 个月出 MVP。总成本：约 25 万美元 + 3 个月。
成本降了 94%，时间缩短了 83%。
这意味着什么？意味着任何一个有想法的创业者，用 A 轮融的 500 万美元，可以在 12 个月内打造出过去需要 5000 万美元和 5 年才能做出来的产品。
护城河被填平的速度，远远超过了护城河被挖出来的速度。
再看另一面：开源大模型。Llama、Mistral、DeepSeek、Qwen——这些模型的能力正在以月为单位逼近闭源模型。当一个开源模型 + 少量微调 + RAG 就可以实现过去需要买一整套 SaaS 系统才能完成的功能时，客户为什么还要付那些高昂的订阅费？
我最近看到一组数字，虽然是粗略估计，但方向性很强：一家 200 人的科技公司，过去一年的 SaaS 工具开支大约在 每年 120-180 万美元（Salesforce + Jira + Slack + Zoom + Adobe + GitHub + AWS + Datadog + 杂项）。这家公司现在试验用 AI Agent + 开源工具替代了大概 40% 的 SaaS 支出，年节省 50-70 万美元。这不是"将来会发生的趋势"，这是已经在发生的现实。
段永平有个著名的框架：看一家公司，先看它的生意模式。"护城河"不是看你有多强，而是看竞争对手复制你需要多长时间。按照这个标准，大量 SaaS 公司的护城河，正在以肉眼可见的速度蒸发。
—— · ——
四、第三重冲击：客户预算——每一块 GPU 吃掉一份 SaaS 合同
前两个维度讲的是软件公司自己的问题——定价权被动摇、护城河被填平。但还有第三个维度：客户的钱包正在被重新分配。
企业 IT 预算不是无限大的。CFO 手里每年就那么多钱，分配给各个部门。当 CEO 说"我们必须投资 AI，不能在这场革命里掉队"的时候，钱从哪里来？
答案是：从旧的软件预算里挪。
这是一个零和博弈。每一块钱花在 GPU 算力上，就有一块钱不能花在 SaaS 订阅上。每一块钱投给 AI 团队招聘，就有一块钱不能投给传统软件采购。
看看数据。根据几大云厂商（AWS、Azure、GCP）的财报和主流分析师的估算，2025 年全球企业在 AI 基础设施上的支出已经超过 2500 亿美元，同比增长接近 80%。而同期全球 SaaS 市场的增速已经从前几年的 18-20% 降到了 个位数。
这两条线不是互相独立的。它们是一个跷跷板的两端。
更微妙的是，大厂正在用 AI 把自己变成"超级 SaaS"。微软的 Copilot 不只是 AI 助手——它是嵌入 Office 365 的一个智能层，可以写文档、做 PPT、分析 Excel、回复邮件。企业客户付了 Copilot 的 30 美元/月/人之后，还会需要单独买 Grammarly 吗？还需要单独买文档协作工具吗？还需要单独买数据分析 SaaS 吗？
"软件"正在从独立产品变成 AI 平台的一个功能。当 AI 平台能够原生完成某项任务时，做同样任务的独立软件公司就失去了存在的意义。
这个逻辑不仅适用于办公软件。Salesforce 现在大力推 Agentforce（AI Agent 平台），本质上就是在说：别买那些零零碎碎的 SaaS 了，直接用 AI Agent 搞定。有意思的是，Salesforce 自己也是传统 SaaS——如果 Agentforce 真的做成了，它吃掉的第一个对手可能就是它自己的传统 CRM 业务。
彼得·蒂尔在《从 0 到 1》里反复强调一个观点：真正伟大的公司拥有的是"垄断"——不是市场份额的垄断，而是某种独特价值的垄断。过去二十年，SaaS 公司通过"功能深度 + 数据积累 + 客户粘性"构建了这种垄断。但当 AI 平台开始把这种"深度"变成平台的"广度"，垄断的基础就瓦解了。
—— · ——
五、谁在被吃掉？——软件行业的"危险度分层"
当然，不是所有软件公司都在同一艘沉船上。"大模型吞噬软件"这个说法本身需要细化——它在以不同的速度、不同的方式吞噬不同的软件品类。
我把软件行业按 AI 危险度分了四层：
这个分层背后有一个统一的逻辑：AI 替代的是"逻辑"层，不是"基础设施"层。
如果一家软件公司的核心价值在于"把人类的业务流程数字化、自动化"——那就是大模型的直接射程范围。因为大模型最擅长的就是理解和执行逻辑。
但如果一家软件公司的核心价值在于"存储数据、传输数据、监控系统、防御攻击"——那它不仅不会被 AI 吃掉，反而因为 AI 应用爆发而产生更大的需求。Datadog（可观测性）过去一年涨了 78%，MongoDB（数据库）涨了 64%，网络安全 ETF（CIBR）涨了 12%——它们不是例外，它们验证了规则。
大模型吃的是软件行业的"中间层"——那些靠把业务流程翻译成代码来收费的公司。它不吃"底层"（基础设施）和"顶层"（拥有垄断性数据和分发渠道的平台）。
—— · ——
六、谁在受益？——新世界的"卖水人"和"新物种"
每一次技术革命都会重新分配价值。搞清楚价值流向哪里，比搞清楚价值从哪里流失更重要。
大模型时代，价值在往三个方向流动：
方向一：算力基础设施（"卖铲子"）
英伟达、博通、台积电——这些公司不是"AI 概念股"，它们是这次革命中最早、最确定的受益者。道理极其简单：不管最后是谁做出了 Killer App，不管是哪个 AI 模型赢了，它们都需要 GPU。就像淘金时代，不管谁挖到了金子，卖铲子的都稳赚不赔。
但这里有一个重要的细微差别："卖铲子"的暴利期可能已经过半。英伟达现在的 PE 是 46 倍，虽然比很多 SaaS 公司便宜，但"铲子"生意最终会面临两个问题：一是竞争（AMD、自研芯片、Cerebras），二是挖金子的人赚不到钱之后，买铲子的意愿会下降。这个逻辑我们在上一篇文章《从 2 美元到 300 美元》里详细拆过 AMD 的历史——硬件商的景气周期最终取决于下游的应用能否真正产生回报。
方向二：拥有"不可替代数据"的平台
Google、Meta、Amazon——这些公司在 AI 时代的真正优势不是它们的模型能力（虽然也很强），而是它们拥有大模型永远无法从公开互联网上爬取到的数据：搜索意图、社交关系、购物行为。
大模型是吃公开数据长大的。那些私有的、实时的、高价值的数据，是大模型的盲区。而恰好在这些盲区里，站着科技巨头。
谷歌过去一年涨了 143%——市场终于意识到，搜索 + AI 不是替代关系，而是增强关系。当 AI 让搜索变得更智能，谷歌的广告位反而变得更值钱了。
方向三：AI-Native 应用（"新物种"）
有一类公司不在传统软件的分类体系里——它们是 AI 原生的。它们从第一天就用大模型作为核心引擎，而不是把 AI 当附加功能。
比如 AI 编程工具（Cursor 估值 100 亿美元，两年时间）、AI 法律助手（Harvey 估值 30 亿美元）、AI 客服 Agent（Sierra 估值 45 亿美元）。这些公司的共同点是：它们不是在做"更好的软件"，而是在做"不需要软件就能完成的事情"。
这句话有点绕，但它是理解这场变革最关键的认知跃迁：旧世界的逻辑是"做一个工具，让人更高效地完成工作"。新世界的逻辑是"让 AI 直接完成工作，人只需要审核和决策"。
前者是软件公司，赚的是"效率提升"的钱。后者不是软件公司——它是一种新物种——赚的是"替代人工"的钱。后者的 TAM 是前者的 10 倍。
这就解释了为什么传统 SaaS 的估值在收缩，而 AI-Native 公司的估值在膨胀。市场不是在"杀软件"，市场是在重新定义"软件"这个词的含义。
—— · ——
七、这不是第一次——历史上的技术替代与估值杀
如果你觉得"大模型吃软件"这件事听起来很夸张，不妨看看历史。
2000-2010 年：云计算吃掉了本地部署软件。SAP、Oracle 这些传统软件巨头在云转型过程中经历了长达十年的估值收缩。Oracle 的 PE 从 2000 年的 80 倍一路跌到 2012 年的 12 倍——不是因为公司不赚钱了，而是因为市场给它贴上了"旧世界"的标签。转变完成后，Oracle 用了近十年才让市场重新认可它的价值。
2010-2020 年：移动互联网吃掉了 PC 互联网。那些没有成功转型移动端的公司——Yahoo、eBay（部分）、百度（移动端早期失利）——经历了漫长的估值下行。而移动原生的公司——字节跳动、Snap、Uber——崛起了。
2007-2017 年：流媒体吃掉了传统媒体。Netflix 从 DVD 租赁变成流媒体之王的过程，是好莱坞六大制片厂市值不断缩水的过程。迪士尼用了十年才通过 Disney+ 勉强跟上。
这些历史有一个共同规律：每一轮技术替代，旧世界的公司都会经历三个阶段：否认 → 承认但说自己也能做 → 发现自己做不了然后估值崩塌。
但这一次和之前有一个关键区别：替代的速度。
云计算从兴起到成为主流用了十年。移动互联网用了七八年。流媒体用了五六年。而大模型从 ChatGPT 发布到今天才三年半——它已经在多个垂直场景里展示了替代能力。
这次替代不是"线性"的，是"S 曲线"的——缓慢起步，然后陡峭攀升。我觉得我们现在正处在 S 曲线开始陡峭的那个拐点。
霍华德·马克斯在《周期》里说过：市场总是在两种极端之间摆动——不是过度乐观，就是过度悲观。但偶尔，市场的"过度悲观"其实是对结构性变化的理性定价。区分"周期性的低估"和"结构性的价值毁灭"，是投资者最重要的能力。
我的判断是：软件行业当前面临的至少 50% 是结构性变化，而不只是周期性回调。
—— · ——
八、如何重新评估软件公司——一个三层框架
说了这么多"在发生什么"，现在说"怎么做"。
在 AI 时代评估一家软件公司的价值，我提出了一个三层分析框架——你可以把它理解成一个筛选漏斗：
第一层：业务性质 —— 你的代码是"逻辑"还是"基础设施"？
这是最粗的筛子，但它能筛掉 60% 的误判。问自己三个问题：
这家公司的产品，本质上是在执行人类定义的流程（CRM 流程、HR 流程、报销流程），还是在管理机器产生的数据（日志、监控、数据库、网络安全）？ 如果是前者，大模型可以直接替代它。如果是后者，大模型反而会增加对它的需求。 这家公司的客户使用它的产品，是为了"让员工更高效率"，还是为了"让系统更稳定运行"？
前者危险，后者安全。这条线画得越清楚，判断越不容易出错。
第二层：数据壁垒 —— 你拥有大模型拿不到的数据吗？
大模型吃的是公开互联网数据。但以下几类数据是它永远无法从公开渠道获取的：
- 实时交易数据
（信用卡交易、股票交易、供应链物流） - 企业私有数据
（内部 CRM 记录、财务数据、研发文档） - 专有传感器数据
（工业 IoT、自动驾驶、卫星图像） - 社交/行为数据
（用户在封闭平台上的互动、偏好、关系图）
一家软件公司如果不仅"处理"这些数据，而且独占这些数据的产生和收集，那它的护城河在 AI 时代不但不会消失，反而会加深。因为 AI 让这些专有数据的价值更高了。
第三层：分发优势 —— 你的产品嵌在客户的工作流里有多深？
这是段永平说的"切换成本"。如果一家公司的产品已经深度嵌入客户的日常运营——比如 ServiceNow 嵌在 IT 服务管理流程里、Workday 嵌在薪酬和人力资源管理里——那么即使有更好的 AI 原生替代品出现，客户也不会轻易切换。
不是因为他们不想切换，而是因为切换的隐性成本（培训、数据迁移、流程重设、合规审计）远远高于继续付费的成本。
这个逻辑保护了 ServiceNow 和 Workday——所以它们虽然跌了很多，但 PE 分别还有 57 倍和 48 倍（市场仍然给了它们比 Adobe 高得多的溢价）。
综合使用：一个打分表
加权得分在 +1 以上的软件公司：AI 时代大概率会受益或至少不受损。
加权得分在 -1 以下的软件公司：需要非常谨慎。估值再便宜也可能是价值陷阱。
我拿 Salesforce 套一下这个框架来演示——不是说 Salesforce 一定对或错，而是演示这个思考过程：
业务性质：核心 CRM 是逻辑流程（-2），但 Agentforce 和数据云在向基础设施端转型（+1）。平均：-0.5 数据壁垒：Salesforce 拥有全球最大的企业客户关系数据集，这是大模型拿不到的。+2 分发/切换成本：深度嵌入销售团队日常运营，切换成本极高。+2 加权得分：-0.5×0.4 + 2×0.3 + 2×0.3 = +1.0
刚好过线。市场给了它 22 倍 PE——也许市场错了（过于悲观），也许市场是对的（定价权在崩塌）。这个框架不给你确定答案，但帮你问对的问题。
—— · ——
九、反方：大模型不会吃掉软件——三个值得认真对待的熊案
任何严肃的投资分析，都必须给反方足够的篇幅。以下三个熊案，不是象征性地提一提，而是我认为最值得认真对待的反驳：
熊案一："这一次和云计算一样，老牌软件公司会适应"
云计算刚出来的时候，市场上也有大量声音说"传统软件公司会被云原生公司干掉"。结果是 Oracle、SAP、Adobe、Microsoft 全都成功转型了云——它们的市值不仅没缩水，很多还创了新高。
如果历史重复，Salesforce、Workday、ServiceNow 会像当年的 Oracle 一样，先跌两三年，然后靠着深厚的客户关系和转型决心重新杀回来。
我的回应：这个类比有一个关键漏洞——云计算改变的是软件的交付方式（从本地到云端），大模型改变的是软件的存在价值（从"人用工具"到"AI 替代人"）。交付方式的改变，老牌公司可以适应（重写架构、迁移数据）。存在价值的改变，老牌公司很难适应——因为它意味着自我革命，砍掉自己最赚钱的产品线。大象可以学会跳舞，但大象不会主动断自己的腿。
熊案二："企业级市场有巨大的惯性，切换到 AI 需要十年"
这个论点很实在。大企业不会因为一个新的 AI 工具就换掉用了十年的 ERP 系统。合规、安全、培训、集成——这些壁垒是真实存在的。很多所谓的"AI 吃掉 SaaS"的预测，严重低估了企业市场的惯性。
我的回应：惯性确实存在，但它延缓而非阻止替代。而且惯性真正的效果不是"不替代"，而是给老牌公司一段转型窗口期。问题是：这段窗口期，有多少公司真的在用？Salesforce 在用（Agentforce）。Adobe 在用（Firefly）。但 Workday 在用吗？Atlassian 在用吗？Zoom 在用吗？转型意志和转型能力的差异，会把软件行业分裂成两波公司——能跨过去的和跨不过去的。
熊案三："AI 的边际成本会导致价格战，最终谁也赚不到钱——包括 AI 基础设施"
这个论点格局更大。它说的是：如果 AI 真的把软件开发的边际成本降到接近于零，那软件公司的利润确实完了。但与此同时，AI 公司的利润也完了——因为当模型能力趋同，价格战会把利润打到零。最终受益的只有消费者。
如果这个判断成立，那今天市场追捧的 AI 基础设施公司（包括英伟达）也面临同样的问题：一旦 AI 应用的商业模式跑不通，算力需求就会断崖式下跌。
我的回应：这是三个熊案中最有分量的一个。但我倾向于认为，AI 不是完全竞争市场，而是会形成寡头。因为规模效应在 AI 领域极度显著——更多的用户 → 更多的数据 → 更好的模型 → 更多的用户。这不是一个利润会被竞争消灭的市场，而是一个"赢家拿走大部分"的市场。真正的风险不是"都赚不到钱"，而是"你选的那个赢不了"。
这三个熊案都是真实风险，不是稻草人。但它们加在一起，让我没有站在完全悲观的一边。我的判断是：AI 会吃掉一部分软件公司，但不会吃掉整个行业。幸存者的护城河会变窄但不会消失，而且市场当前的价格可能已经过度反应了。
—— · ——
十、照例几句闲话：我们站在哪里？
写这篇文章的时候，我反复在想一个画面。
1850 年代，蒸汽船开始替代帆船。当时的海上霸主不是蒸汽船的发明者，而是那些拥有最大、最快帆船的航运公司。它们看着蒸汽船，第一反应是"这玩意儿不可靠、烧煤贵、航程短"。第二反应是"我们在帆船上装一台蒸汽机不就行了？"
后来的历史我们都知道：那些公司没有一家活到了 20 世纪。不是因为蒸汽船太快，而是因为逻辑变了——当动力从"风"变成"煤"的时候，整个航运业的成本结构、航线规划、港口布局、人员培训、资本配置都要重新来过。你不可能在旧逻辑上嫁接一个新引擎，然后期望自己赢。
现在的软件行业，就站在这样一个时刻。
"大模型将吞噬一切软件"——这句话可能说对了一半。更准确的说法是：大模型将吞噬那些"把人类流程翻译成代码"的软件。但那些"管理机器、存储数据、防御攻击"的软件不仅不会被吃掉，它们会变成 AI 世界的基础设施。
从这个角度重新审视今天的市场：
软件 ETF（IGV）跌了 12%，但里面混杂着"会被吃掉的"和"不会被吃掉的"——一刀切的抛售创造了**错误定价**。 Adobe 14 倍 PE、Salesforce 22 倍 PE——这些价格里隐含的预期不是"增长放缓"，而是"长期衰退"。如果它们成功转型，今天的价格就是价值投资者的**安全边际**。 但 Atlassian 从高点跌了 81%——市场可能仍然没有完全定价它在 AI 时代面临的生存威胁。
这场变革最迷人的地方在于：没有人知道答案。那些说自己"确定知道哪些软件公司会活下来"的人，要么在卖什么东西，要么在骗自己。
但我可以确定一件事：用旧的框架——PS 倍数、Rule of 40、NDR 留存率——去评估软件公司的价值，已经不够了。你需要一个新框架。这个新框架的核心不是财务指标，而是对"这家公司的代码到底在世界的哪个位置"的理解。
如果你现在让我下注。我会去赌那些不管谁赢都需要的东西：算力、数据基础设施、安全。以及那些因为市场恐惧而被错误定价的、有真正的数据壁垒和分发优势的平台。
这场 AI 革命，我们都在同一片海上。有人看到的是风暴，有人看到的是新大陆。
区别只在于你手里拿的是什么地图。
—— · ——
关注我，一起运用心智，获得解放。
以上数据仅供参考，不构成任何投资建议。投资有风险，决策需谨慎。
