AI不会是下一个互联网

——知识的工业化，正在像蒸汽机改变能量的获取方式一样，改变一切

先做一道选择题。

2025年，全球企业在AI上的投入超过3000亿美元。2026年第一季度，企业AI风投同比增长210%，而C端AI融资同比下降35%。

同一个行业，冰火两重天。

一边是ChatGPT Plus订阅转化率长期低于5%，月活虽高、付费墙薄；一边是Anthropic的ARR从90亿美元飙升到450亿美元，只用5个月，90%以上收入来自企业API和Agent。

一边是消费者用AI聊天、画图、写诗，新鲜感来得快去得也快；一边是企业的AI采购ROI平均做到3.7倍，毛利率超过70%，客户留存率高达140%。

如果你是一个投资人，你投哪一边？

这不是一个选择题——这是一个定义题：AI到底是什么？

如果你跟大多数人一样，在用"互联网思维"理解AI——抢用户、烧钱、网络效应、广告变现——你会发现AI的表现让人迷惑。ChatGPT是最快破亿的产品，但付费转化率不到5%。MAU像互联网，赚钱能力像制造业。

为什么？

因为互联网改变的是信息的流动方式。而AI改变的是知识的获取方式。两者底层逻辑不同——不懂这个区别，后面的一切都会看拧。

一、能量的工业化

1765年，瓦特改良蒸汽机。你肯定听过"蒸汽机替代了体力"——这个说法没错，但它太浅了。

蒸汽机真正做到的，是改变了能量的获取方式。

在蒸汽机出现之前，能量的获取是位置绑定的。水车要建在河边，风车要建在风口，畜力受限于能养几匹马——每一种能量来源都有物理上限，边际成本几乎没有下降空间。

蒸汽机改变了这一切。煤可以从矿井运到城市，蒸汽机可以在任何地方工作。能量的生产与消费第一次可以分离。

这个"分离"引发了一连串连锁反应：

• 空间重组：工厂建在城市、靠近市场，而不是靠近河流

• 时间重组：机器不需要休息，钟表取代了日出而作

• 技能重组：工匠经验被分解为标准化动作，学徒制瓦解

• 组织重组：作坊扩张为工厂，现代企业管理诞生

• 社会重组：农民进城、资本家和工人阶级形成

工业革命改变的，不是"多了一种工具"——它是把一种基础生产要素（能量）的获取成本从刚性变为指数下降。整个社会的操作系统，因此被重写了一遍。

二、知识的工业化

现在看AI。

AI正在做的事情，跟蒸汽机对能量做的事情，在结构上一模一样。

它改变的是知识的获取方式。

在AI出现之前，知识的获取成本是刚性的。一个有经验的医生、一个资深分析师、一个十年经验的工程师——他们的知识积累需要五年、十年、二十年，且一个人只能服务有限的对象。知识的供给是稀缺的、昂贵的、扩张缓慢的。

AI改变了这一切。

当你用自然语言跟一个模型对话，它背后的运作链条是：

• 数据：人类积累的知识被数字化（写下来、录下来、拍下来）

• 模型：通过训练，数据被压缩成参数——一次训练，无限复用

• tokens（推理）：模型按需产出tokens，边际成本趋零——知识的交付单位是tokens

这个链条跟"煤→蒸汽机→蒸汽驱动机器"是同构的。每一步都是一次解耦：

两百年前，无论什么形式的能量，最终可以用"烧了多少煤"来度量。今天，无论什么形式的知识——文字、代码、图像、语音、甚至蛋白质结构——都可以用"多少tokens"来度量。

GPT按tokens收费，Claude按tokens收费，Midjourney底层跑的也是tokens。tokens已经成为知识的标准度量单位，就像煤炭曾经成为能量的标准度量单位一样。

这不是比喻。这是正在发生的事实。

三、两个"趋零"，不要弄混

互联网和AI经常被放在一起谈论。但它们改变的是完全不同的东西。

互联网让信息的流动成本趋零。你知道了一件事——从"不知道"到"知道"，门槛消失了。

AI让知识的获取成本趋零。你能做到一件事——从"做不到"到"能做到"，门槛正在消失。

两个"趋零"看上去像，但性质完全不同：

信息流动成本趋零，影响的是"我知道什么"——你不用跑图书馆了，Google一下就有。但"知道"之后呢？你还需要理解、判断、行动。这些依赖的是知识，不是信息。

知识获取成本趋零，影响的是"我能做到什么"——过去需要十年经验才能做出的判断，模型可以在0.5秒内给出同等质量的输出。它绕过的是人类学习知识的速度瓶颈。

工业革命绕过了人类体力输出的速度瓶颈。两者是同构的。

全球工资总额大约50万亿美元。如果知识工业化替代其中10%的脑力劳动，那就是5万亿美元的价值释放。这不是一个新市场，这是一个被替换的市场。

相比之下，全球广告市场不到1万亿美元。

用一个不到1万亿的市场的逻辑，去理解一个50万亿级别的变革——两个数量级，两种游戏。

四、当知识的获取变得像用电一样便宜

这是整篇文章最核心的推论。

蒸汽机让能量的获取变得像用煤一样便宜。于是，围绕"能量获取"建立的一切——工厂的位置、工人的技能、企业的规模、城市的结构——全部被重写。

AI正在让知识的获取变得像用电一样便宜。于是，围绕"知识获取"建立的一切——你的学历、你的经验、你的职称、你的决策流程——都会经历同样的重写。

这不是一个令人舒适的问题。但它是一个值得认真对待的问题。

如果一个模型能在0.5秒内告诉你"这个市场该不该进"，你的十年行业经验还剩多少价值？

如果一个Agent能24小时管理一支团队，中层管理者的角色该往哪里走？

如果一个初级员工+AI能产出高级分析师80%的质量，那高级分析师的"高级"体现在什么？

这些问题看起来很吓人。但回看蒸汽机的历史，同样的恐惧出现过——马车夫失业了，但出租车司机出现了；织布工被替代了，但机械师这个新职业诞生了。**工业化不是消灭劳动，是重组劳动。**旧的岗位消失，新的岗位会冒出来，而且往往比旧的多。1900年没人能想象"产品经理"这个岗位，就像今天可能没人能想象AI时代会出现什么新角色。

所以真正的问题不是"我会不会被替代"，而是"新岗位会从哪里长出来，我能不能先站上去"。

这些问题没有标准答案。但回答它们的方向，决定了你未来的职业选择、公司战略、甚至人生规划。

这篇文章的目的，不是给你一个标准答案。是帮你换一副眼镜——从"互联网思维"换到"工业化思维"。因为只有换了这副眼镜，你才可能看懂接下来的事。

行动指南

今晚可以做的一件事：

打开你的周报或工作计划，找出一个你"习惯性用人的经验来完成"的工作环节。问自己：如果这个环节的判断可以被AI取代，我的时间该花在哪里？

不是让你现在就买AI工具。是让你感受一下"知识正在被工业化"这个视角——当一个环节的知识门槛被拉平时，你的注意力会自然转向"工业化了之后，什么才是稀缺的"。

不要做的事：

别急着学提示词。别急着买课程。别急着研究哪个AI工具最好用。

先看清楚你脚下这块地在哪里。

明天，我们聊这场工业化的技术引擎——它从哪来，现在在哪，到哪去。

AI不会是下一个互联网。知识正在被工业化，这一切才刚刚开始。

「磊历锋行第2篇」，每天一篇。不追热点，不造概念。只帮你死磕一个底层问题。

关注「磊历锋行」，明天见