夜雨聆风2022年11月底，ChatGPT上线。5天内注册人数突破100万。
接下来几个月，社交媒体上全是同一个故事：AI会让每个人都能创业。"一个人+AI=一家公司"——这句话你大概率刷到过。
我当时也觉得这逻辑没毛病。技术降低了成本，供给就会增加——经济学101。AI把写代码、做设计、搞调研的成本打到骨折，创业门槛应该断崖式下降。创业潮应该爆发。
三年过去了。你看到创业潮了吗？
我反正没看到。我看到的是一堆AI工具在卷价格，看到的是大厂裁员的新闻，看到的是VC在喊"冬天来了"。
但直觉不能当饭吃。我们还是看数据。
NBER（美国国家经济研究局）刚发了一篇论文，用严谨的数据回答了这个问题。结论非常反直觉：创业没有增加。在减少。
01 一项改变了游戏规则的研究
这篇论文来自Abhinav Gupta、Franklin Qian、Elena Simintz和Yifan Sun四位经济学家。他们没有做问卷调查，也没做案例研究——他们用了一种经济学里叫"自然实验"的方法。
自然实验的思路很简单：找一个"意外发生的事件"，观察事件前后，哪些人变了、怎么变的。在这个例子里，"意外事件"就是ChatGPT的发布。
研究分两步走。
第一步：给每家代表性创业公司打分，评估它们在ChatGPT发布之前就面临的"Gen AI任务暴露度"。打个比方——一个纯做文本处理的公司，暴露度接近100%；一个做硬件制造的公司，暴露度接近0%。
第二步：比较高暴露度创业公司和低暴露度创业公司，在ChatGPT发布后两个季度内发生了什么变化。
结果所有人都没想到。
02 故事A：老公司的裁员
暴露度高的创业公司，在ChatGPT发布后的两个季度里——员工数量明显下降了。
降的是什么人？不是CEO，不是VP，是初级员工和一线执行人员。
这些被裁的人后来怎么样了？他们的失业时间比正常情况长。找到新工作后，工资也更低——而且新工作的AI暴露度也更低。他们在主动逃离AI的影响范围。
说白了：AI不是让创业公司变高效所以不需要那么多人了。AI直接消灭了"初级岗位"这个概念。
过去，一个创业公司需要：2个初级程序员写基础代码、1个初级文案做市场调研、1个设计助理做UI。AI来了之后，这些活可以被AI包揽——但前提是有人能指挥AI。而能指挥AI的，恰恰是senior level的人。
结果呢？一个4人的初级团队，变成了1个高级工程师+AI。
另外3个岗位消失了。
03 故事B：新公司的诞生
但故事没结束。
同一时期，风险投资的逻辑发生了根本变化。VC开始做更多"小额投资"——单笔金额更小，但投资频率更高。
为什么？因为AI让创建一家公司的启动成本降到了历史最低点。你不需要再融资500万美元养20人的团队。你可能只需要50万美元养3个人。
换个说法：VC的逻辑从"赌大团队"变成了"赌多团队"。
结果是什么？新公司的数量确实增加了。
论文里最精彩的就是这个对比：
旧创业公司 → 裁员，收缩 ↓ AI能力分界线 ↓ 新公司数量增加 — 但每个公司只有3-5人04 但创业率在减少——这是为什么？
这就是反直觉的核心。
故事A的规模 > 故事B的规模。
虽然VC投了更多新公司，但新公司都是3-5人的微型团队，吸收不了多少就业。而老公司裁掉的，是成建制的初级团队。
净效果：总就业人数基本没变，但"创业公司"这个物种发生了根本变异——从"一群人创业"变成了"极少数人+AI创业"。
那创业率呢？这里有个概念上的坑。
如果创业率的定义是"新创建的企业数量"，它可能增加了。但如果创业率的定义是"愿意承担创业风险、投入全职精力的人数"，它确实在减少——因为AI消灭了创业公司的初级岗位，而初级岗位恰恰是大多数人第一次接触创业、积累创业经验的入口。
一句话：没有初级岗位 = 没有创业学徒 = 未来的创业者在减少。
05 这对中国意味着什么？
中国的创业生态有几个特征，让这个故事变得更复杂。
第一，中国创业公司对"人力密集型"模式的依赖更深。
过去15年，中国互联网创业的核心打法是地推铁军——拼多多、美团、滴滴，都靠庞大的地面团队撕开市场。AI直接打击的就是这种模式。
当客服、地推、内容审核、销售跟进这些岗位可以被AI大幅替代时，"人海战术"的创业逻辑就失效了。你当然可以说这不叫创业，叫"用资本换规模"。但在中国过去15年的语境里，这就是创业的主要形态。
第二，中国VC的"小额高频"转型比美国慢。
美国VC已经习惯了种子轮50-100万美元、团队3-5人的模式。中国VC更偏好"A轮就要看到百人以上团队"。
如果AI让3人团队就能做出过去30人团队的产品，中国VC的投资逻辑需要一次全面重构。但重构需要时间。在这个过渡期里，大量值得投的小团队可能根本拿不到钱。
第三，中国年轻人的"创业梦"正在被AI悄悄改写。
美国的创业文化深植于"车库创业"的神话里——乔布斯、盖茨、扎克伯格，全是辍学生在车库里搞出来的。创业被看作是个体对抗系统的英雄叙事。
但在中国，创业更多被看作"找到风口+组建团队+融资扩张"的系统工程。没有团队？没有风口？那不叫创业，叫瞎折腾。
当AI让"组建团队"这一步变得不再必要——或者说，让"组建团队"这件事变得过于复杂，因为你需要找到既懂业务又懂AI的人——创业就从"年轻人的可能性"变成了"少数人的特权"。
06 创业精神的真正危机
我们一直以为，AI会让创业变得更民主——人人都有工具，人人都有机会。
数据说的是另一种语言。
经济学里有个概念叫"互补品效应"（Complementarity Effect）。你理解成：一个新技术不会平等地帮助所有人，它会帮助那些已经有其他资源的人。
在AI这件事上，它的意思是：
• 有行业经验的人+AI = 超级个体
• 没有行业经验的人+AI = 依然没有行业经验
AI不能替代经验。AI只能放大经验。
所以创业精神的危机，不是"人们不想创业了"。而是"创业变成了一件只有拥有足够行业经验、认知资本和人脉资源的人才能玩得起的游戏"。
这对一个经济体的长期创新力意味着什么？
好好想想。如果2010年的张一鸣、黄峥、程维，需要在2026年的AI时代重新创业——他们还能成功吗？
当年的他们，都是二三十岁的年轻人，靠的是"敢想敢干+团队执行力+投资人信任"。但今天的创业环境，要求你在创业之前就已经"懂AI、懂数据、懂行业"——这对一个25岁的年轻人来说，门槛高到几乎不可能跨越。
创业，正在从"年轻人的赛道"变成"中年人的赛道"。
这不是好消息。
07 那创业还有没有机会？
有。但机会不在你以为的地方。
机会一：AI让"验证想法"的成本降到接近零。
过去验证一个商业想法，你需要：写BP（2周）、找人聊（1个月）、做MVP（3个月）。现在你只需要：用AI生成BP（1小时）、用AI做市场调研（半天）、用AI生成产品原型（1天）。
验证成本从"6个月"降到"2天"。换句话说，你可以同时验证10个想法，而不是All in一个。创业从"赌博"变成了"试错"。
机会二：AI让"超级个体"成为可能。
一个懂AI的前端工程师，可以同时做设计、写后端、做产品运营、写营销文案。这在3年前是不可想象的。
说白了，创业的组织形态从"团队"变成了"个人+工具"。未来的创业公司，可能从诞生第一天起就只有1-2个人。
机会三：AI让垂直领域创业的窗口期打开了。
通用型创业的门槛在提高——因为AI让竞争变得极端激烈。但在垂直领域——医疗、法律、教育、农业——AI工具的缺乏反而是机会。
当AI能帮你做通用型工作，你反而更需要行业know-how。而行业know-how，恰恰是AI最难替代的东西。
边际研究所的判断
这篇NBER论文最大的价值不在它的结论，而在它提供的框架：技术不会让一切变得更简单，它会改变"什么是有价值的"。
• AI降低了执行的成本，提高了判断的价值。
• AI降低了规模化的成本，提高了洞察的价值。
• AI降低了标准化的成本，提高了差异化的价值。
创业精神的本质从来没有变过——它是对未知机会的敏锐、对不确定性的承受、对资源的重新配置。AI能帮你做最后一项，帮不了你前两项。
所以真正的问题不是"AI会不会降低创业门槛"。
而是——当创业变得越来越精英化，当敢想敢干的年轻人越来越难在AI时代找到立足之地，我们失去的，可能不只是创业率本身。
我们失去的，是创业精神里最珍贵的东西：那些看似不切实际的疯狂想法——没有行业经验的年轻人挑战一切——那些在AI看来"效率低下"但恰恰是创新源头的试错过程。
创业不应该只是少数人的游戏。
它应该永远是所有人的可能性。
你怎么看？你觉得AI时代创业是变简单了还是变难了？在评论区说说你的真实感受。
📚 参考文献
1. Abhinav Gupta, Franklin Qian, Elena Simintz, Yifan Sun, "Generative AI and Entrepreneurship", NBER Working Paper, 2026.
2. Tyler Cowen, "Generative AI and Entrepreneurship", Marginal Revolution, 2026-04-26.
3. Hal Varian, "AI and Economics", NBER Working Paper, 2023.
4. Erik Brynjolfsson & Tom Mitchell, "The Machine Planning Age", Science, 2024.
「大问题」—— 从海外优质研究中，找到对中国读者真正有启发的大问题。
边际研究所 — 原创深度解读
关注我们，每周一篇大问题
「大问题」—— 从海外优质研究中，找到对中国读者真正有启发的大问题。
