“人类文明史上绝大多数社会裂痕，根源都来自技术迭代速度远超既有社会制度的适配效率。”——阿诺德・汤因比《历史研究》一、惊不惊喜意不意外
英伟达CEO黄仁勋是懂流量的，经常批发金句。6月1日在Gtc Taipei 2026大会上，他又开始输出了，宣称从产业的角度来看，Token就是资产，Token已经成为获利的营收单位。因为它可以制造利润。AI公司会想要建造更多Token，生成更多Token，生产更多的AI工厂。但是硅谷的反应好像不太一样。
据Axios报道，2026年5月，一家企业客户因未给员工Claude许可证设置使用上限，单月烧出5亿美元（约33.9亿人民币）的AI账单。按Anthropic约470亿美元年化收入计算，这一家公司一个月就贡献了其近八分之一的月收入。这相当于，Anthropic每赚8块钱，就有1块来自这家“忘关水龙头”的土豪。
更魔幻的是，亚马逊之前为了激励员工用AI，搞了个内部“Token消耗排行榜”，结果员工开始疯狂刷量——用AI查天气预报、生成无意义报告、执行重复任务，只为在排行榜上压同事一头。这个名为“Kirorank”的内部排行榜，本是激励创新的好工具，却演变成了“tokenmaxxing”（为消耗Token而消耗Token）的内卷游戏。最后亚马逊不得不紧急关闭排行榜。微软那边也是一地鸡毛，宣布6月30日前取消大部分Claude Code授权，让工程师迁回自家GitHub Copilot CLI，理由看着有点粗鄙：“Eat Your Own Dog Food”（吃自家的狗粮）。仅仅半年前，微软还在大张旗鼓鼓励全员使用Claude Code。到了2026年4月，Claude Code的日均成本从此前约6美元翻倍至13美元。最惨的或许是Uber，2026年前4个月就烧完了全年的AI预算，COO安德鲁·麦克唐纳直言：“Token消耗与最终产品价值之间，没有明显的线性关系。”但这些只是表象，真正的深层问题是——当AI消耗财富的速度，阶段性地快于创造新财富的速度时，谁来消费？二、AI替代的结构性矛盾
第一层矛盾：AI替代的不是蓝领，是中产
工业革命时期，替代的是蓝领工人，受影响的是社会金字塔的底部。但AI这把枪口，第一次对准了现代社会金字塔的中坚地带——中产阶级。IMF报告指出，AI将影响全球近40%的就业岗位，其中发达经济体60%的岗位面临直接影响。IMF总裁格奥尔基耶娃在2026年1月达沃斯论坛前夕表示，这些岗位或被替代，或被技术重塑，劳动力市场的技能需求结构正经历前所未有的深刻变革。
被替代的偏偏是哪些人？行政助理、法律助理、金融分析师、客户服务代表、初级程序员……这些曾是普通人通过努力能够跨入的“体面工作”，正在被AI精准狙击。高盛CEO大卫·所罗门认为“就业末日”被夸大了，AI将自动化约25%的工作时长而非25%的岗位。但高盛自己的经济学家团队建立的新框架显示：AI替代效应每月抹去约2.5万个工作岗位，而AI增强效应每月仅创造约9000个新增岗位。也就是说，高盛自己算的账是：净损失1.6万个岗位/月。一年就是近20万。而麦肯锡估算，到2030年美国将有1200万劳动力需要跨职业转型，而AI相关的新岗位乐观估计也就数十万量级——缺口大得吓人。实话实说，AI确实可以大幅提升生产效率。黄仁勋的话，在这个层面上没说错。OECD模型预测，未来十年AI可使高影响经济体的劳动生产率每年提升0.4至1.3个百分点。麦肯锡测算，当前技术理论上能自动化美国57%的工作时长，到2030年美国经济可释放2.9万亿美元潜在价值。但问题来了：钱去哪了？
美联储理事库克指出，如果AI继续提高生产率，即使失业率上升，经济增长仍可能保持强劲。言下之意——AI增加了GDP，却不见得增加了普通人的收入。
IMF的研究指出了两个主要担忧：中产阶级工资停滞，那些没有被AI增强的工作岗位的薪酬正在相对下降。OECD进一步证实：过去二十多年，多数成员经济体都出现了劳动生产率增长与真实中位工资增长脱钩的现象。
一句话总结：AI让经济增长更快了，顶层腰包炸了，但中产阶级反而更穷了。第二层矛盾：Token泡沫的崩溃，暴露了当前AI商业模式的不可持续
回到最初的那个例子。微软为什么要取消Claude Code授权？因为token账单太贵。连微软这样“拥有近乎无限云资源”的公司都扛不住，更不用说中小企业。
这暴露了什么？大模型商业化的三条路径——金融业的“算法套利”、企业软件的“自动化征税”、内容生成的“流量炼金术”——本质都是“裁员即服务”。Salesforce、ServiceNow、Palantir卖的AI功能，核心逻辑全是“你买了就能少雇人”。但问题是，如果大家都不雇人了，终端谁来消费，to C的企业过不下去，然后谁来买这些to B的产品？系统论的分析更悲观。当前AI商业化形成了一条“自噬闭环”：AI降本→裁员→消费萎缩→企业收入降→进一步AI降本。正反馈回路没有负反馈调节。理论上，财富效应（股市上涨让富人消费）、政府干预（UBI、再培训）、新岗位创造（AI训练师）是三道缓冲。但每一道都不足以扭转趋势：富人的边际消费倾向太低；UBI在联邦层面从未通过，政治阻力巨大；再培训的速度追不上模型迭代，而且“谁愿意为之买单，谁又能保证培训后的人类技能不会被下一轮AI迭代所淘汰”；新岗位数量级（数十万）远低于被替代者（数千万）。
《周易·乾卦》上九爻辞：“亢龙有悔。”龙飞得太高，必然后悔。AI的泡沫飞得太高，Token的账单烧得太旺，当企业发现“花更多Token≠创造更多价值”时，悔意必然开始蔓延。黄仁勋说“Token就是资产”，但资产必须有收益支撑。没有收益的Token，只是“数字时代的荷兰郁金香球茎”——看着漂亮，闻着没味，吃着有毒。这个悖论一旦在宏观层面全面爆发，就将冲击当前整个AI应用生态的根基。当前AI和Token商业模式被认为不可持续，核心原因在于成本失控、价值错配，还有模式本质存在天生缺陷，具体可分为四个层面：1. Token成本快速攀升，企业端不堪重负
Token作为大模型服务的计价单位，价格持续上涨且消耗量失控：据统计，Token价格自2026年2月底以来已上涨约65%，美国AI软件价格过去一年累计涨幅达20%-37%。企业端逐渐发现，AI Token支出远高于雇佣人工成本，甚至比人工更贵，规模化推广难以持续。
2. 消耗与实际价值脱钩，投入产出比严重失衡
Token消耗只衡量了模型工作量，但并不对应真实生产力提升。企业为了跟风AI，甚至出现了“tokenmaxxing”的风气，很多消耗没有转化为实际产品价值。据企业数据统计，每投入1美元的AI Token费用，仅有18美分最终产生触达用户的实际价值，近80%以上的消耗都用于修复AI错误、返工和流程摩擦，投入产出比极低。
3. Token商业模式天生存在天花板，难以形成差异化价值
从本质来看，Token只是AI服务的计价工具，本身不创造独立价值，其价值完全依附于背后的算力和模型，而且属于消耗品，无法储存、也无法形成增值。多数Token运营参与者本质是中间商赚差价，没有核心技术创造，行业天然存在发展天花板，难以长期持续。同时单纯卖Token的AI公司业务结构单一，无法构建稳定的用户生态，客户很容易因为价格流失，商业模式脆弱。
4. 上游资本链条存在系统性风险
AI企业为了扩张芯片和算力投入，大量举债或者进行交叉循环投资，AI公司之间相互投资、签订芯片产能承诺，形成了资本泡沫：芯片采购大量依靠债务，而芯片贬值速度很快，如果出现债务违约，整个链条会快速崩溃。绝大多数收益都向上游半导体厂商集中，中下游企业几乎无利可图，这种分配结构显然不可持续，更不用说支撑科技革命了。三、哲学升华：AI变革的本质——从“应用时代”到“目的时代”
归根结底，AI面临的核心矛盾是什么？
我用微软路线和华为路线的对比来说明。
微软路线：Windows + AI，Windows是核心，AI是辅助。路径是：用户→Windows→Copilot→AI Agent→软件。目标让AI学会使用Windows，Windows继续当主角，底层继续维系英特尔的x86架构，以及各种技术历史包袱。华为路线：AI + 新操作系统。路径是：AI Agent→鸿蒙系统→硬件。华为在MateBook Pro中将“小艺”作为系统级AI能力整合，接入盘古大模型与DeepSeek模型。华为的“激进”在于：从搭建进入“目的时代”的框架开始。过去的计算机世界基本单位是application（应用）。未来AI时代的计算机世界基本单位将是purpose（目的）。《资本论》提供了更深刻的视角：生产力的解放如果不能伴随着生产关系的相应变革，生产力的发展本身就会成为社会矛盾的引爆点。AI的高效如果不改变分配制度，只会让极少数掌握AI算力的超级企业和超级富豪攫取全部收益，让绝大多数普通人在就业市场中被边缘化，最终让社会走向农奴制社会。这才是AI时代最大的政治和哲学命题。
四、宏观思考：破局
政策层面，美国的UBI试点（如Stockton实验）杯水车薪，再培训计划（如WIOA）资金不足，两党极化让任何大规模转移支付都寸步难行。欧洲可能走得远一些，但财政赤字和老龄化压力下，大规模转移支付空间有限。
中国则走了一条不同的路：“新质生产力”强调技术与制度同步创新，不追求“无锚繁荣”，而是让技术红利先沉淀在制造业和实体经济中，避免美国式“金融空转+中产塌陷”的双重陷阱。其中的核心逻辑在于坚持“脱虚向实”，将科技创新作为核心要素，同时通过制度创新形成与之相适应的新型生产关系，最终落脚于构建以实体经济为支撑的现代化产业体系。1.核心逻辑结构
这一发展路径遵循“技术驱动—产业升级—制度保障”的严密逻辑：
技术驱动与要素创新：新质生产力由技术革命性突破、生产要素创新性配置催生。它强调以科技创新为核心，特别是将数据、技术作为新型生产要素，推动人工智能、算力等新一代信息技术与传统产业深度融合，实现全要素生产率的大幅提升。产业深度转型升级：科技创新成果必须落脚于产业。新质生产力要求改造提升传统产业，培育壮大新兴产业，布局建设未来产业，推动数字经济与先进制造业、现代服务业深度融合，从而构建起高端化、智能化、绿色化的现代化产业体系。制度创新与新型生产关系：制度创新是其他一切创新的重要保障。通过深化科技、教育、人才体制改革，打通束缚新质生产力发展的堵点卡点，形成与之相适应的新型生产关系，确保技术红利能够真正沉淀在实体经济中。2.具体实践做法
围绕上述逻辑，中国在实践中采取了以下具体举措，以确保技术红利转化为实体经济的强劲动能：
加强基础研究与关键核心技术攻关：发挥国家战略科技力量作用，建设高能级研发平台（如大科学装置），聚焦原创性、颠覆性科技创新，打好关键核心技术攻坚战。
破除成果转化“中梗阻”：完善科技成果转化政策体系，探索“赋权+转让+约定收益”等新模式，赋予科研人员职务科技成果所有权和长期使用权。通过建设概念验证中心、中试平台等，架起产品从“实验室”到“生产线”的桥梁，实现“楼上楼下，成果转化”。
因地制宜发展新赛道：各地结合自身资源禀赋，系统谋划产业链政策。例如，前瞻布局氢能、6G、深海空天等未来产业，同时利用数字技术、绿色技术改造传统制造业（如无人矿山、智慧港口），促进产业高端化、智能化、绿色化。
深化“数实融合”与场景创新：以数据资源为生产资料，加快布局智能算力基础设施。通过发布创新需求清单，推动新技术、新产品在智慧城市、智能网联汽车等真实场景中的大规模应用，以场景创新作为新引擎。
畅通教育、科技、人才良性循环：优化高校学科设置与人才培养模式，打造协同育人平台；完善以知识价值为导向的收入分配政策，探索人才入股、技术入股，让各类生产要素（劳动、知识、技术、管理、资本和数据）共同参与收益分配，体现人才与技术的市场价值。
优化创新生态与政策引导：发挥国家作为重大科技创新组织者的作用，通过税费优惠、设备更新支持、设立产业基金等“组合拳”政策，引导社会资本流向实体经济和科技创新领域。同时，建立全国统一大市场，破除地方保护，促进创新要素便捷流动与高效配置。
以“双碳”目标引领产业升级：将新质生产力与绿色生产力相结合，加快绿色科技创新和先进绿色技术推广应用。开展重点产品“碳足迹”认证与核算，发展绿色低碳产业和供应链，积极应对国际“碳壁垒”，推动经济实现生态优先、可持续发展。
当然，目前我们也只能说在路上，前路必有坎坷，还要大把试错，但方向但已明，只要坚持走下去，终会抵达。
五、配置逻辑：资产大分流
对于资产配置，当前需要极度警惕“裁员即服务”商业模式的估值风险。ServiceNow、Salesforce、Palantir等企业的AI代理收入，本质上是“零和博弈”——它们赚的是企业省下来的工资，但社会总工资下降会反噬总需求，最终让这些企业的客户也萎缩。这是一种“向未来借钱”的商业模式，不可持续。
建议的配置逻辑：
短期避险：增持黄金、短久期高评级债券、高股息公用事业。这些资产在“AI通缩螺旋”中具备防御性。中期反脆弱：关注“AI无法替代”的赛道——高端养老服务、个性化教育、线下体验经济、心理健康等等。这些依赖“人际信任”和“身体在场”的领域，是算法最难渗透的护城河。长期布局：中国“内循环+新质生产力”链条中的硬科技（机器人、光刻机、鸿蒙生态）具备制度红利。当美国陷入“Token泡沫+中产塌陷”时，中国的“机器人身份证”和“鸿蒙意图框架”正在构建另一种技术-制度范式。这不是“脱钩”，而是“分流”——两条路线，两种终局。
夜雨聆风
