夜雨聆风上周看了一篇NBER论文，四位经济学家——Abhinav Gupta、Franklin Qian、Elena Simintz、Yifan Sun——干了一件很绝的事。他们利用ChatGPT发布这个"意外事件"，追踪了10万家创业公司，观察AI到底怎么改变了创业这件事。
我本来以为结果会是：AI降低了成本，创业变容易了，更多人开始创业。
标准叙事嘛——AI让一个人能顶十个人，创业门槛降了，创业潮要来。
数据说：不是。
01 一个让我反复看了两遍的数据
论文的核心设计很聪明。
研究者先给每家创业公司打分，评估它们在ChatGPT发布前就面临的"AI任务暴露度"。打个比方——一家纯做文本处理的公司，暴露度接近100%；一家做硬件制造的，暴露度接近0%。
然后他们比了比：高暴露度的公司和低暴露度的公司，在ChatGPT上线后两个季度里，发生了什么变化？
结果是这样的——
高暴露度的创业公司，员工数量明显下降了。
降的不是CEO，不是VP。降的是初级员工和一线执行人员。
你发现没有？AI没有先替代高管。AI先替代的是"入门级岗位"——那些本来应该让年轻人积累经验、学习业务、逐步成长的位置。
被裁掉的人后来怎样了？论文跟踪了他们的去向：失业时间比正常情况下更长。找到新工作后，工资也更低——而且新工作的AI暴露度也更低。
说白了，AI不是让创业公司变得更高效所以不再需要那么多人。AI是直接消灭了"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。
能指挥AI的，是哪一类人？
Senior level的人。
所以一个4人的初级团队，变成了1个高级工程师+AI。
3个岗位，消失了。
我看到这里的时候，脑子里蹦出一个问题——
02 这就完了吗？
没有。
同一时期，风投的逻辑也变了。
VC开始做更多的"小额投资"——单笔金额更小，但投资频率更高。为什么？因为AI让创建一个公司的启动成本降低了。你不需要再融资500万养一个20人的团队。你可能只需要50万养一个3人团队。
VC的逻辑从"赌大团队"变成了"赌多团队"。
结果呢？新公司的数量确实增加了。
但这里有个反直觉的东西——
老公司裁掉的人，比新公司招的人多。
新公司都是3-5人的微型团队。它们吸收不了多少就业。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"这个形态发生了根本性的转变。
从"一群人创业"，变成了"极少数人+AI创业"。
我琢磨了两天才想明白这意味着什么——
如果创业率的定义是"新注册的企业数量"，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。
没有初级岗位 = 没有创业学徒 = 未来的创业者在减少。
你是不是也觉得，这事儿比表面看起来严重多了？
03 创业正在从"年轻人的赛道"变成"中年人的赛道"
经济学里有个概念叫互补品效应（Complementarity Effect）。
换个说法：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的语境下，这就意味着——
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？
想想看。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"。
对一个25岁刚毕业的年轻人来说，这个门槛高到几乎不可能跨越。
04 但机会在另一个方向
说了这么多悲观的，说点不一样的。
AI至少在一个方向上确实降低了创业门槛——
验证想法的成本。
过去你想验证一个商业想法：写BP（2周），找人聊（1个月），做MVP（3个月）。至少半年。
现在呢？用AI生成BP大概1小时，用AI做市场调研半天，用AI生成产品原型1天。
验证成本从半年降到了两天。
这意味着你可以同时验证10个想法，而不是All in一个。
创业从"赌博"开始变成"试错"。
还有一个方向——垂直领域。
通用型创业（做一个面向所有人的产品）的门槛在提高——因为AI让竞争变得极端激烈。大模型公司自己就在做客服、写文案、画图——你拿什么跟它们拼？
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。这些行业有两个共同点：第一，数据是封闭的，大模型没训练过；第二，业务逻辑复杂，通用AI搞不定。
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。
05 说个我还在琢磨的问题
这篇论文给我的最大冲击，不是它数据有多扎实。
是它揭示了一个更深层的矛盾——
技术让资源更有效配置，但同时也让机会更加集中。
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能帮你做其中最后一项，但帮不了你前两项。
所以真正的问题是——
当创业变得越来越"精英化"，当"敢想敢干的年轻人"越来越难以在AI时代找到立足之地，我们失去的，可能不只是创业率。
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，那些没有行业经验却敢于挑战一切的年轻人，那些在AI时代看来"效率低下"但恰恰是创新源头的试错过程。
我还没完全想明白这个问题的答案。
但我越来越觉得，一个健康的创新生态系统，不能只靠精英。它需要大量的"学徒期创业者"——那些在创业公司干过初级岗位、摸爬滚打几年后自己出来单干的人。如果这条路被AI堵死了，十年后谁来创业？
所以我不认为答案是要"限制AI"。而是要想清楚——当AI替代了初级岗位，我们用什么机制来培养下一代的创业者？
这个问题，比我写完这篇之前以为的要难多了。
但我觉得，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？
📚 参考文献
1. Gupta, A., Qian, F., Simintz, E. & Sun, Y. (2026). "Generative AI and Entrepreneurship." NBER Working Paper.
2. Tyler Cowen (2026). "Generative AI and Entrepreneurship." Marginal Revolution.
3. Brynjolfsson, E. & Mitchell, T. (2024). "The Machine Planning Age." Science.
4. Bessen, J. (2023). "AI and Jobs: The Role of Demand." NBER Working Paper.
「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 · 跨语境知识研究所
