夜雨聆风我也模仿下AI，先说结论：
“硬件收割软件”是真实趋势，AI 产业从讲故事阶段进入“算力+能源”阶段，钱先涌向最刚性、最先兑现利润的硬件层。软件不是死了，而是被重新定义：写代码的人变少，调模型、审代码、做架构的人变多；普通程序员向下贬值，AI/算力/复合人才向上溢价。这一轮“硬件优先”的周期，最猛的阶段可能还能持续 2–3 年，之后会逐步向“软件+应用”再平衡。对个人来说，安全区在：贴近算力 / 贴近业务 / 贴近决策，而不是只会写 CRUD。
一、我给你找“证据”看看：硬件确实在收割软件
1. 股市：硬科技领涨，软件估值被杀
2026Q1，AI 硬件公司平均净利润同比 +85%，AI 软件公司仅 +12%，公募基金在 AI 持仓中，硬件占比从 42% 升到 68%，软件从 58% 降到 32%，机构明显“用脚投票”硬件。 纯软件及 AI 应用公司的平均市盈率从 2025 年 65 倍回落到 2026Q1 的 35 倍，而 GPU、服务器、光模块等硬件龙头仍在 45–55 倍高位，估值分化加剧。 2025 年以来，全球半导体平均涨 113.8%，基础设施涨 78.2%，而 AI 应用及软件只涨 15.6%；2026 年内，半导体平均涨 48.8%，应用及软件仅 1.6%。
2. 硬件价格：算力、电力、IDC 全面涨价
AI 服务器需求暴增：2024 年 AI 服务器出货量同比增 46%，2025 年基准情境仍增约 28%，GPU 服务器长期处于“抢卡”状态。 H100 一年期租赁价格从 2025 年 10 月的 1.70 美元/小时/卡，涨到 2026 年 3 月的 2.35 美元/小时，涨幅近 40%；国内算力产品价格涨幅 5%–400% 不等。 国内 B300 服务器现货价从去年底 400 万/台飙到 700 万/台，近乎翻倍；西部核心区域机柜上架率超 90%，租金持续上调。 电力成本：数据中心电费占运营成本 50% 以上，IEA 预测 2030 年全球数据中心用电将从 2024 年 415TWh 增至 945TWh，AI 用电是主要增量。
3. 程序员：初级岗被压缩，AI 岗溢价明显
美联储研究：ChatGPT 出现后，美国“编程密集型岗位”年增速从约 5% 降到接近 0，三年累计少增约 50 万岗位，主要是初级编码岗位被压缩。 另一边，美国软件开发者总数从 2022 年约 210 万增至 2024 年 250 万，增幅 19%；全球开发者人数 2022–2025 年增长约 50%，说明就业不是崩了，而是结构大洗牌。 中国：2024 年“基础 Java 开发”岗位招聘量较 2022 年减少 32%，而 AI 工程师年薪 46.3–97 万，远超传统开发；AI 相关岗位招聘量同比增 180%。 薪资溢价：AI 工程师比非 AI 工程师整体高约 11–14%，资深岗位差距更大；中国 AI 工程师平均年薪约 6.4–13.4 万美元（约 46–97 万人民币），显著高于普通开发者。程序员不再是单纯写代码，而是充值模型、审代码；软件岗位向下，硬件/模型岗向上。
4. 软件市场：不是消失，而是被“重定价”
多份研究指出，大模型同质化 + API 价格战，导致软件层“增收不增利”：API 调用价格 2025–2026 年降了约 60%，而获客成本高、商业化慢，估值被杀。 传统 SaaS 软件指数 2026 年以来跌约 18%，AI 应用指数跌 6.1%，而同期半导体指数大涨，说明资金在从“被替代风险大”的软件流向确定性高的算力链条。 但同时，2026 年初开始，有机构在喊“AI 应用元年”，软件板块从低位反弹，中证软件服务指数自 2025 年 12 月中旬以来涨约 19%，理由是：前面硬件投完，接下来要看应用和软件来闭环。所以，软件市场不是“大大萎缩”，而是从“写网页/CRUD 的软件”向“AI+软件”迁移，旧软件估值被打折，新软件还在路上。
二、为什么会这样？用一张图看清楚钱在往哪流
核心逻辑可以拆成三层：
1. 产业阶段：现在就是“算力+能源”的基建期
科技大周期通常有三段：基础设施先行 → 硬件/终端接力 → 软件/应用爆发。A股复盘也总结出“硬三年、软三年”的规律：2024–2025 是算力硬件暴涨期，2026–2027 预期是软件应用期。
2023–2025：讲故事、炒模型，谁有模型谁牛，但大部分软件公司没利润； 2025–2026：投算力就是投门票，没有卡和电力，模型和应用都跑不起来； 于是资本开支先砸向 GPU、服务器、光模块、IDC、电力设备，这些环节订单可见、交付周期短、利润兑现快，自然最先被追捧。你看到的“硬件收割软件”，本质上是：AI 产业从概念期进入基建期，钱先去修路（算力+电力），再去拉货（应用和软件）。
2. 宏观环境：高利率 + 估值回归，资金需要“确定性”
全球央行进入“higher for longer”，流动性不再泛滥，纳斯达克远期市盈率从 28 倍降到 23 倍。 高利率下，资金从“市梦率”回到“市盈率”：有真实订单和利润的硬件公司成为避风港，纯概念软件被抛售。 机构调研也转向：硬件公司被问“产能、订单、毛利率”；软件公司被问“付费转化率、续费率、盈亏平衡点”，说明市场对软件的现金流要求变高了。所以体感“软件不行了”，很大程度是估值和资金偏好变了，不是软件需求一夜消失。
3. 技术结构：算力成本正在吃掉软件的利润空间
云厂商资本开支占收入比例已经接近 40%，和公用事业股差不多，ROE 短期下降，市场按重资产给估值，股价先跌为敬。 算力租赁公司如 CoreWeave，营收翻倍但利润率暴跌，高杠杆 + 高资本开支，把钱都砸在买卡和电力上，利息和折旧吃掉利润。 上游存储、光通信持续涨价，市场担心 OEM/IDC/云厂商的毛利率被侵蚀，于是股价涨的是上游硬件，不是中游软件和云。这解释了我说的“软件市场萎缩，硬件占据大部分软件市场”——更准确的说法是：算力成本在挤压软件的利润空间，软件公司不得不把收入的大头交给硬件和电力。
4. 劳动力市场：AI 不是消灭程序员，是“重新分配任务”
美联储研究指出，AI 更多是接管了调试、样板代码生成等常规任务，导致初级岗位招聘被压缩，但高级工程师和能做系统设计、AI 协同的人仍然紧缺。 波士顿大学 James Bessen 的分析：自 2022 年以来，美国软件开发者人数增加了 40 多万，增幅 19%，全球开发者增幅约 50%，说明就业总量仍在增加，只是任务结构变了。 新岗位如“前线部署工程师”“AI 加速员”“AI 布道师”等，起薪 13–20 万美元，甚至更高，说明靠近模型和算力的新岗位在获得溢价。我观察到的“程序员不写代码，开始充值模型、审代码”，和这些数据高度一致：代码生产自动化 → 代码审计、系统设计、AI 运维溢价上升。
三、什么时候到头？三个关键拐点
1. 硬件周期拐点：算力不再“一卡难求”
目前判断，2026–2027 可能是本轮算力紧缺的顶部区域：
HBM、CoWoS 封装产能从 2025 下半年开始明显扩产，TSMC 计划 2025 把 CoWoS 月产能提到 7 万片，2026 可能看到结构性缓解。 多家机构预测，2025 下半年到 2026，GPU 服务器价格有望从“高位震荡”转向“温和回落”，前提是：不再有新的出口管制、供应链不再出大事。 北美四大云厂商 2026 年 AI Capex 合计可能超过 7000 亿美元，但增速已从 60–70% 放缓到 50% 左右，投资强度见顶，只是规模还在高位。拐点信号： GPU 租赁价格不再一年涨 40%，而是高位回落； 云厂商不再动辄谈“电力瓶颈”，算力利用率从 5% 左右抬升到 30–40%； 半导体设备订单增速明显放缓。
2. 软件周期拐点：AI 应用真的开始赚钱
现在软件被杀估值，很大程度是商业化路径不清：Token 调用爆炸，但付费转化弱、获客成本高。拐点信号：
至少出现 3–5 个垂类（金融、医疗、教育、客服等）AI 应用，ARR（年经常性收入）稳定在数亿级，且毛利率改善； SaaS 公司从“API 价格战”转向按“岗位/业务结果收费”，单位经济模型改善； AI 应用指数不再跑输半导体指数，而是同步甚至更强。从“硬三年、软三年”的规律看，2026–2027 本来就是软件和应用预期的爆发期，但前提是：宏观不再大幅收紧、利率不再飙升。
3. 人才周期拐点：普通程序员见底，AI 复合人才重新定价
初级岗位：会被 AI 继续替代，但速度不会像自媒体说的那么夸张，更像是“缓慢压缩”； AI 工程师/大模型应用工程师：高景气会持续到算力过剩之前，因为模型落地、微调、Agent 编排需要大量人； 算力运维、电力、IDC 运维：从“看不见的后台”变成核心岗位，和云厂商、数据中心绑定，周期会跟着 Capex 走。个人拐点：不是等“行业到头”，而是我自己从“可被 AI 替代的代码工人”转到“不容易被替代的角色”——这个拐点，越早主动做越好。
四、应该怎么办？我也非常困扰，问了AI多次，大概总结如下，因为一般的AI工具都是这么回答的
1. 如果是在股市里：别把“硬件收割软件”当成永恒
短期（1–2 年）：算力、IDC、电力、光通信等硬件链条仍然是业绩确定性最高的方向，但估值已经不便宜，需要盯住订单、产能利用率、电力成本，而不是无脑上杠杆。 中期（3–5 年）：真正能赚大钱的，一定是把算力变成业务结果的软件和应用，尤其是垂类 AI SaaS、Agent 平台、行业解决方案，它们现在的低估值，反而可能是机会。 风险点：如果利率再飙升、云厂商 Capex 被迫收缩，算力租赁和硬件公司会先杀估值，那时反而要小心“硬件泡沫”。
2. 如果是公司/团队：别再按“多招初级程序员”的思路做预算
算力成本已经和人力成本一样，是刚性成本： 把“写代码的人多 = 产出多”的思路，换成“算力 + 少量高级工程师 + AI 工具 = 产出多”； 评估项目时，要把 Token 成本、推理成本算进 ROI，而不是只算人力。 软件团队要往“AI 原生”转： 每条业务线至少有一两个“AI 产品负责人”，负责把模型能力变成产品功能； 不再追求“自己造轮子”，而是优先用 API/开源模型，把预算放在差异化数据和业务流程上。
3. 如果是个人：从“写代码”转向“用 AI 做系统”
给你一个简化的决策图：
具体建议：
- 不要再只会写代码，要会“审代码 + 审模型”
把 claud code 、codex、GitHub Copilot、通义灵码等用熟，让 AI 写 70% 的模板代码，你负责 30% 的架构、安全、性能和业务逻辑； 学会看模型输出、做简单评估、理解 Token 成本，这是未来所有技术岗位的“通用技能”。 - 往“离算力近、离业务近”的方向靠
算力侧：云原生、K8s、GPU 集群、算力调度、算电协同、IDC 运维，这些岗位现在和未来都很硬； 业务侧：AI 产品经理、AI 解决方案架构师、行业 AI 工程师（金融/医疗/工业），懂行业 + 懂 AI 的人极度稀缺。 - 别只盯着大厂，算力租赁、IDC、电力、设备供应商一样有机会
这些公司现在业绩爆发，但技术栈相对传统，如果你有 AI/云的经验，对它们来说是“降维打击”； 特别是“算电协同”、绿电、储能、电网升级等方向，未来 5–10 年是长周期。 - 接受一个现实：初级岗位会越来越少，学习曲线会越来越陡
如果你是学生/新人：尽量走“AI+X”路线，不要只学 Java/CRUD； 如果你已经工作：每年至少拿出 20% 时间学 AI 工具、模型基础、云和算力，否则 3–5 年后风险很大。
我现在看到的现象是真实的：硬件在收割软件，是因为我们正处在 AI 基建期 + 高利率环境 + 算力成本吃利润的三重叠加期。 虽然体感贼差，软件行业贼难过，但是AI说：这不是世界末日，而是一次重新洗牌： 软件从“写代码”变成“用模型 + 审代码”； 公司从“堆人头”变成“算力 + 少量高级人才”； 投资从“炒故事”变成“看利润和现金流”。 真正要担心的不是“硬件收割软件”，而是你自己一直站在被收割的那一边：只会写代码、不懂模型、不算算力账、离业务太远。只要你能主动往“算力 + 业务 + 决策”那条线靠，这轮周期对你来说，就不是收割，而是机会。
