夜雨聆风
2021年，我停更了公众号。不是没东西写，是没找到值得写的东西。
2026年，我重新开始写了。因为看到了一些结构性变化，不是"AI又升级了"那种新闻，而是整个产业的骨架在重组。
最近看到一份全球AI态度调查，数据很有意思。中国受访者对AI的"紧张程度"异常低，"兴奋程度"全球最高。英美两国紧张大于兴奋，日德随缘，韩国虽然也兴奋但体量太小。中国在AI这件事上的态度，用"一枝独秀"形容并不过分。
你可能觉得这不过是中国人爱追新。但换个角度想：当一个社会的14亿人普遍对新技术持拥抱态度，这个社会本身就成了一块AI原生底座。就像智能手机时代，中国的移动支付之所以能全球领先，不是因为技术更强，而是因为所有人都在用。
全民拥抱AI的社会底座，加上正在重组的产业链，再加上松动中的芯片封锁——三个条件同时出现，这是我重新感到兴奋的原因。
📖 阅读指引
全文七章，你可以根据需求跳着读：
想理解底层逻辑 → 第一章、第二章 想看清产业格局 → 第三章、第四章 想找职业方向 → 第六章、第七章 想直接看结论 → 第七章 + 结尾
第一章：世界正在超指数级分化
很多人用"两极分化"形容AI时代的格局，有人用"指数级分化"。都不够准确。准确的说法是：超指数级分化。
数学上有个概念叫"迭代幂次"（tetration）。普通幂次是2的4次方等于16，迭代幂次是2↑↑4，等于65,536。差了4000多倍。
放到现实里什么意思？AI领域，从2022年到2026年，算力增长了大约6万倍。同期，全球GDP从大约100万亿美元增长到约110万亿美元，1.1倍。6万倍对1.1倍，这不是分化的差距，是维度的跨越。
为什么能快到这个程度？因为AI可以自己编程改进自己。这叫递归自我改进。每一次改进都让下一次改进更快，每一次加速都让下一次加速更猛。迭代幂次就这么来的。
传统行业也有自我改进，但速度是人来决定的，人一年能学多少？AI的自我改进速度是AI来决定的，而AI的速度在指数级增长。所以差距会越拉越大，而且拉大的速度本身也在加快。
这个机制指向一个冷峻的判断：在一个递归自我改进的时代，轻资产的人生和职业，被击穿只是时间问题。
第二章：一个识别价值的框架
过去20年，商业世界有一个不成文的共识：轻就是好，重就是落后。互联网公司估值远超制造企业，软件公司利润率碾压硬件公司。这个逻辑在增量时代是对的，因为增量时代比的是谁跑得快，轻装上阵当然快。
但高盛最近发布了一个判断，方向完全反过来：未来最重要的资产是重资产加上低过时性。
他们画了一个四象限矩阵。横轴是资产轻重，左轻右重；纵轴是过时性，下不易上易。越往右越重资产，越往上越容易过时。
左上角：轻资产加容易过时。部分软件应用和互联网服务公司，主要依赖软件和创意，迭代快，技术更新频繁，容易被新产品替代。
左下角：轻资产加不容易过时。部分内容、知识、咨询服务公司，核心是知识、内容、品牌或服务，不依赖大量固定资产，且价值长期有效。稳定但天花板有限。
右上角：重资产加容易过时。部分硬件设备、消费电子公司，需要大量硬件投入，但技术更新快，产品生命周期短，容易被新技术淘汰。投了几百亿的燃油车工厂就属此类，看着重，实际是个坑。
右下角：重资产加不容易过时。高盛把它叫做HALO象限。基础设施、能源、工业公司，需要巨额投入，建设周期长，但技术迭代慢，资产使用寿命长，价值稳定。能源设施、数据中心、海底光缆都落在这里。你建了一座数据中心，只要人类还需要算力，它就在创造价值。真正稀缺且长期创造价值的公司，往往就在这个右下角。
这个框架是整篇文章的分析工具。后面每一层产业链、每一个职业判断，我都会用它来过一遍。
第三章：AI产业链12层全景图
AI产业链不是一条线，而是一座12层的建筑。从地基层到屋顶层，每一层的价值逻辑不同，值钱的公司和岗位也不同。
用汽车打个比方：能源是油，芯片是发动机缸体，大模型是发动机，工具集成是传动系统，Harness是操控系统，Agent是整车，AI原生公司是车队，AI原生经济生态是整个交通系统。
底层（1-3层）：物理世界的护城河
第1层：能源与散热
AI的尽头是能源。每一次推理都在耗电，每一次训练都在烧钱。一个大型AI训练中心的耗电量，相当于一个中型城市的用电量。散热更是刚需，GPU温度每升高10度，故障率翻倍。液冷技术从可选项变成了必选项。
代表企业：ABB、施耐德、维谛技术、台达电。值钱岗位：液冷工程师、高压变配电专家、绿色能源架构师。用框架过一遍：重资产，低过时性。人类永远需要能源和散热。
第2层：芯片
这是卡脖子的地方，也是松动的地方。先说现状：中国芯片产业和世界先进水平之间，存在断代式差距。不是差一两代，是差了一个时代。
但2026年有几个关键信号在松动，第四章专门讲。
第3层：基础设施
分两块。物理基础设施是数据中心，算力的大地主，Equinix这种公司，建一座数据中心就像买了一栋永远收租的楼。软件基础设施是GPU集群编排和分布式计算框架，Weka、Netris这类公司做的事。值钱岗位：GPU集群编排工程师、IDC架构师。
用框架过一遍：重资产，低过时性。数据中心和编排系统，不会因为模型升级就过时。
中层（4-8层）：智能的骨架
第4层：大模型
这层大家太熟悉了。OpenAI、DeepSeek、智谱、月之暗面。巨头战场，普通人创业不要碰。值钱岗位：大模型算法工程师、NLP工程师。应届25K+，资深50到100万。
第5-6层：记忆层
第5层是上下文（Context），大模型的工作记忆，类似内存，管短期。第6层是长期记忆（Long-term Memory），类似硬盘，管长期。最近流行的Lobster、Hermes等Agent，核心就是解决了长期记忆的问题。这两层严格来说都是第4层的延伸。
第7层：工具集成（Tool Integration）
AI接入浏览器、文档、代码库、微信、飞书、钉钉、智能硬件、智能汽车、机器人。这些外挂，你可以理解为大模型的手和脚。值钱岗位：AI全栈工程师、RAG开发工程师。
第8层：Harness
这是目前最热门的新赛道。如果用汽车类比，大模型是发动机，Harness就是方向盘、油门、刹车和仪表盘的整套操控系统。模型本身只管"能跑"，Harness管"往哪跑、怎么跑、什么时候停"。
DeepSeek已经发布了Agent Harness研发工程师岗位，月薪35K到70K。除模型本身之外，Agent运行的所有工作都属于Harness的范畴。这个赛道的爆发才刚刚开始。
上层（9-12层）：应用与生态
第9层：Agent智能体
很多人以为Agent时代已经到来了。没有。目前的Agent更像是一辆还装不稳方向盘的汽车。Manus在2025年3月上线时引发了巨大关注，9个月后被Meta以50亿美元收购。但如果你仔细看它的实际能力，噱头大于实用。
Agent要真正成熟，需要底层模型、记忆系统、工具集成、Harness四层都到位。目前还差得远。
第10-11层：AI原生公司
这是中国的大机会。下一章专门讲。
第12层：AI原生经济生态
Agent与Agent之间直接谈判、交易、协作。人类退到规则制定和异常处理的位置。这不是科幻，是10到20年形成的现实进程。而中国，有可能是全球最先到达的地方。
用HALO框架回头看一眼这12层：底层全是重资产加低过时性，稳如地基；中层的模型和工具迭代最快，属于轻资产加高过时性，赢家通吃输家归零；上层才是中国真正的机会所在。
第四章：芯片卡脖子，真的在松动
芯片是整个AI产业链最敏感的那根神经。中国的落后是断代式的，这个判断不需要回避。但2026年，几个关键信号同时出现，让"松动"这个词第一次有了实感。
信号一：本土硅晶圆占比将超70%
中国要求2026年采购的硅晶圆中，本土供应商占比必须达到70%以上。日本企业此前近乎垄断中国硅晶圆市场，这个政策直接打破了美日荷技术封锁的基础设施层。
信号二：先进封装成为突围关键
2026年初，台积电CoWoS先进封装产能缺口超过30%，日月光全线涨价30%。一个标志性变化是：制约AI芯片量产的瓶颈，已经不是7纳米、3纳米等先进制程的晶圆制造能力，而是先进封装环节的产能和技术供给。
这意味着什么？中国在先进制程上确实落后，但在先进封装领域有追赶空间。Chiplet架构加上3D堆叠封装方案，算力提升2到3倍，数据传输带宽提升5倍以上，整体成本降低40%。通富微电、长电科技这些中国封装企业，正在成为产业链价值重心的受益者。
信号三：华为韬定律——换赛道
华为提出"韬定律"，核心是从"晶体管更小"（几何缩微）转向"时延更低"（时间缩微）。不再追摩尔定律的老路，而是通过逻辑折叠、全栈协同设计、灵衢总线等技术，用时间复用代替空间复制。路线图：2031年达到1.4纳米等效水平，不依赖EUV光刻机。不是在别人的赛道上追赶，而是换了一条赛道。
信号四：中国AI芯片企业密集筹备上市
壁仞科技已2026 年 1 月港股上市（06082.HK），募资超 50 亿港元。百度旗下昆仑芯考虑在港IPO，估值不低于30亿美元。上市不等于技术突破，但它意味着资本和市场对中国AI芯片的信心在恢复。
四个信号加在一起，不是一夜翻盘的剧本，而是从单点突破到全链路自主可控闭环的渐进过程。用HALO框架审视：芯片属于重资产，一旦突破低过时性，值得长期押注。AI时代最稀缺的资产，不是模型，不是算法，是物理世界的入场券。
第五章：AI原生公司——中国的大机会
先说一个关键区别：用了AI的公司，和AI原生公司，是两回事。
用了AI的公司：50个人裁掉10个，剩下40个配AI助手，工作流不变，组织不变，只是效率提高了一点。这叫降本增效。
AI原生公司：从第一天起，最小团队加AI智能体加外包，工作流围绕AI重新设计，组织结构围绕AI重构。这叫范式重建。
两者的差距，不是效率差距，是代际差距。就像电灯和蜡烛，都是照明，但电力不是蜡烛的改良版，是全新的范式。
举几个例子。
一个12人的AI客服团队，做到了3000万美元ARR。按传统SaaS标准，这个营收级别通常需要80到120人。创始人说他们的"秘密"很简单：人只做策略和异常处理，常规交互全部交给Agent。
Manus，2025年3月上线，中国蝴蝶效应公司运营，8个月后ARR达到1亿美元，随后被Meta以50亿美元收购。这是Meta成立以来第三大收购，仅次于WhatsApp和Scale AI。一个中国团队打造的AI Agent，从上线到被互联网巨头收购，不到一年。
义乌也在落地的"新前店后厂"模式。AIP GPT用27个AI员工组成完整的新媒体团队，3分钟出一支原创短视频。今年义乌还举办了AIGC小商品创新创业大赛，政策层面在推动AI原生创业。
三个案例，三种路径。共同点：人极少，效率极高，增长极快。
为什么说中国有大机会？四个原因。第一，需求敏感。中国创业者对市场需求的嗅觉是训练出来的，14亿人的市场，什么需求都有人试过。第二，效率极高。中国团队的执行速度在全球范围内都算快的。第三，适应力强。政策变了、市场变了、技术变了，中国创业者能迅速调整方向。第四，说干就干。中国创业文化里有一种"先干了再说"的气质，在AI这个快速迭代的领域，这反而是优势。
AI原生公司的核心竞争力，不是技术，而是用最小资源撬动最大产出的组织能力。 用HALO框架看：AI原生公司是轻资产（不依赖物理设施），但一旦建立起品牌壁垒和生态壁垒，过时性可以很低。
我的判断：未来5年的AI创业热潮，规模会是移动互联网那轮的几十倍。
第六章：未来值钱的职业全景图
先说技术岗。
大模型算法工程师，应届25K起步，资深50到100万一年。这是AI产业链中层的核心岗位，负责预训练、微调、对齐和性能优化。转型路径：计算机/数学/AI专业硕博，或资深的NLP/CV工程师转岗。
AI应用架构师，50到100万一年。这个岗位可能是未来5年最保值的。它有三重壁垒：技术复杂度高，业务依赖强，生态稀缺。模型在变，工具在变，但架构师的判断力和系统思维不会过时。我认识一位前后端全栈出身的工程师，去年开始做AI应用架构，帮一家制造业企业搭了整套AI质检系统，年薪从40万跳到80万。
Agent Harness工程师，月薪35K到70K。DeepSeek已经发布了这个岗位，是目前最热门的新赛道之一。适合有后端架构经验、对Agent框架感兴趣的开发者切入。
RAG开发工程师，月薪20K到50K。技术新方向，竞争相对小。做知识库问答、企业文档智能等场景的需求正在爆发。
再说非技术岗。这是很多人关心的。
AI产品经理。这是非技术人员天花板最高的岗位，月薪20K到60K。为什么？因为AI产品经理要做的不是写代码，是把AI技术变成普通人能用的产品。这需要懂业务、懂用户、懂AI的能力边界。技术人往往懂AI但不懂业务，业务人往往懂行业但不懂AI。两者都懂的，稀缺。一位做了5年教育产品的朋友，去年转AI教育产品经理，把AI助教功能嵌入自己的产品线，月薪从18K涨到35K。
AI解决方案/售前。月薪15K到40K。给企业讲AI能解决什么问题，怎么落地。行业人脉不可替代，行业经验不可替代。你在某个行业干了10年，你知道痛点在哪、决策链路怎么走、预算从哪来——这些是AI学不会的。一位在地产行业做了8年IT的熟人，转行做AI售前，给物业公司讲AI巡检方案，半年签了300万合同。
AI伦理合规官。月薪15K到30K。AI内容合规、风险治理、数据隐私。政策只会越来越严，这个岗位的需求只会越来越大。适合有法务、合规、数据安全背景的人。
AI训练师。月薪8K到15K。入门最友好的非技术岗位，适合文科生、转行者。但要注意过时性风险：自动化标注在进步，纯标注的护城河不深。
AI工作流优化师。新兴岗位。帮企业梳理AI工具落地的路径。不需要写代码，但需要理解AI工具的能力边界和业务流程。适合有项目管理或运营经验的人转型。
最后说几个已证明是死路的岗位。
Prompt工程师。2026年顶级AI公司的Prompt Engineer岗位已基本下岗或转型。模型自身在消化"需要好Prompt"这个需求。Prompt是技能，不是职业，就像会用Excel不是一种职业。
AI App评测自媒体。装30个App做横向对比，门槛低、无壁垒，流量来得快去得更快。
以及所有"轻资产加高过时性"的套利生意。短期赚快钱，在递归自我改进的时代会加速归零。
几个关键数据：2026年AI新发岗位同比增长约12倍，AI岗位平均月薪60,738元，AI人才供需比0.97，接近供不应求。值钱的不是"会用AI"，是"让AI帮你解决真正的业务问题"。
第七章：给普通人的行动建议
如果你不是技术人员，看到这里可能有点焦虑。别急，讲一个核心原则：你的行业经验就是最硬的入场券。
AI行业的需求正在从"算法研发"转向"应用落地"。企业要的不是只会推导公式的人，是能让AI解决实际问题的人。做过教育的能转型AI助教开发，有金融经验的可做合规文档智能生成，会计能靠AI自动化做账成为财务顾问。
分三个时间窗口。
0到1年，先上车。AI工具应用专员、AI训练师，门槛最低，边做边学。这个阶段的核心任务是熟悉AI工具，建立直觉。
1到3年，找到复合赛道。AI产品经理、AI解决方案，把行业经验和AI技能叠加起来。这个阶段的核心任务是把"我懂这个行业"变成"我能用AI解决这个行业的问题"。
3到5年，走到天花板。AI原生公司创业者、AI应用架构师，需要积累但天花板最高。这个阶段的核心任务是从"用AI"变成"围绕AI设计"。
还有一个更底层的建议：用HALO框架审视自己的职业选择。你正在积累的能力，是轻的还是重的？是会过时的，还是历久弥新的？
写代码是轻资产，理解业务逻辑是重资产。会用某个AI工具是高过时性，理解AI的能力边界和局限性是低过时性。做Prompt调优是轻资产加高过时性，做行业解决方案是重资产加低过时性。
AI时代最值钱的两样东西：对行业的深刻理解，和对AI能力的清醒节制。
结尾：陪这个时代走一段
回到开头的那个调查数据。中国人对AI的兴奋程度全球最高，紧张程度异常低。这可能是一种乐观，也可能是一种盲从。但在我看来，它更像是一种社会底色——一个愿意拥抱变化的社会，本身就是一种结构性优势。
AI原生经济生态不是科幻。Agent与Agent之间直接谈判、交易、协作，10到20年会成为现实。中国有全民拥抱AI的社会底座，有松动中的芯片封锁，有正在涌现的AI原生公司。三个条件同时出现，在人类技术史上并不常见。
但兴奋归兴奋，判断力不能丢。超指数级分化意味着，站在对的一边和站在错的一边，差距是6万倍对1.1倍。HALO框架不是万能的，但它能帮你看清一件事：什么是AI时代的红利，什么是AI时代的泡沫。
如果你觉得这篇文章有价值，欢迎转发给正在考虑转型的朋友。公众号创建观时代势的合集，每周更新一篇深度文章——如果你不想错过，点个关注。
每个人都要回答一个问题：在这场超指数级分化中，你站在哪一边？
