一个清华姑娘说:AI不是在吞噬软件,是在给软件换一种活法

01 / 一个基金经理的"反直觉"判断

2025年8月，硅谷那边炸了锅。

一家叫Melius Research的机构在点评Adobe时甩出一句口号——"AI is Eating Software"，翻译过来就是"AI在吞噬软件"。这话像病毒一样扩散，美股、港股、欧股的软件公司被一顿暴打。快手跌了，ServiceNow跌了，连SAP这种老牌巨头都没躲过去。

恐慌情绪弥漫。投资者开始觉得，完了，AI要取代所有软件公司了。

但有一个清华毕业、在宾大念过书、管着诺安基金研究部的姑娘，站出来说：你们搞错了。

她叫邓心怡。

她的判断是：这不是AI吞噬软件，而是软件在换一种活法——从"卖席位"变成"卖价值"。

02 / 一个核心比喻：AI不是拆迁队，是装修队

理解邓心怡的思路，你需要先搞明白一个比喻。

很多人把AI想象成拆迁队——把旧软件的墙全推倒，从头来过。但邓心怡看到的是装修队。

你想想，微软的Office套件，全球几十亿人在用，政府、银行、医院、工厂的日常流程全绑在上面。Palantir跟美军合作了七年，从情报分析做到战场指挥系统。这些公司积累了十几年的行业知识、数据治理能力、安全合规壁垒——这些东西不是AI能"学"出来的。

AI能做的是什么？是给这些旧软件装上一个"大脑"。

微软把Copilot塞进Office，让你在Word、Excel、PPT之间无缝切换，用对话代替点击。Palantir给美军系统加上AI能力，让情报分析从"人看数据"变成"AI看数据、人做判断"。

所以，AI不是在拆旧软件的墙，是在给旧软件加一层新功能。真正危险的不是大公司，而是那些只能做"某一个简单功能"的小应用——比如一个只能帮你改改文案的工具，确实可能被AI吃掉。

但那种有行业壁垒、有客户数据、有生态粘性的企业级软件？它们会活得比以前更好。

03 / 一个惊人的数据：Token调用量一年半涨了300倍

邓心怡的报告里有一组数据让我印象特别深。

2024年初，中国每天消耗的AI Token是1000亿。到2025年6月底，这个数字变成了30万亿。一年半时间，增长了300倍以上。

谷歌那边更夸张，2025年7月的月均Token调用量达到980万亿，近三个月翻了一倍。

这意味着什么？说白了，AI不再是少数人玩的新鲜玩意了。它正在变成像水电煤一样的基础设施。谷歌搜索里有AI，Meta的广告系统在用AI优化转化率，腾讯把AI塞进了微信、元宝、游戏、广告——几乎你能想到的每条业务线。

更关键的是B端。微软的财报显示，银行用AI做合规审查，时间从9天缩短到几秒；医疗系统用AI优化出院流程，效率提升2100%；制造业用AI培训工人，连赌场背景的员工都能学会日本高端电池技术。

这不是PPT上的愿景，是正在发生的事。

04 / 一个被低估的变量：GPT-5让AI从"玩具"变成"工具"

邓心怡还点出了一个很多人忽略的变量——GPT-5的幻觉率大幅下降。

什么叫幻觉率？就是AI"一本正经胡说八道"的概率。以前你问AI一个医学问题，它可能给你编一个听起来很对但实际上完全错误的答案。这在医疗、法律、金融这些容错率极低的领域，是致命的。

但GPT-5系列在事实性幻觉率上有了明显改善。这意味着AI在那些"错不起"的场景里，终于开始变得靠谱了。

OpenAI用31个月达成了史上最快的百亿美金年化营收，Anthropic六个月翻了四倍。这说明什么？说明有人愿意为AI付真金白银了。商业模式跑通了。

05 / 中国玩家的底牌：不是追赶，是换道

邓心怡报告里最让我意外的部分，是关于中国AI自主可控的论述。

很多人还在纠结"中国芯片追不上英伟达"，但邓心怡的视角完全不同。她说，ASIC芯片正在崛起。

什么是ASIC？你可以理解为"定制芯片"。英伟达的GPU是通用芯片，什么都能干，但不是什么都最高效。ASIC是专门为某个任务定制的，效率更高、成本更低。亚马逊的Trainium芯片在推理任务上比英伟达的H100便宜30%-40%。

更关键的是，ASIC芯片可以通过算法和硬件的深度结合，绕过制程限制。你不需要最尖端的光刻机，也能做出足够好的推理芯片。

中国的云厂商——字节、阿里、百度、腾讯——都有研发ASIC芯片的能力和资本实力。而且DeepSeek的UE8M0 FP8参数精度技术，专门是为下一代国产芯片设计的。

这就好比：别人在赛道上跟你比谁跑得快，你换了一条路——不是用通用芯片去卷训练算力，而是用定制芯片去做推理落地。

06 / 终端之战：AI要从屏幕里"走出来"

邓心怡报告的最后一个板块讲的是终端——手机、眼镜、机器人。

黄仁勋把AI分成四个阶段：感知AI、生成式AI、代理式AI、物理AI。我们现在正在从代理式AI（Agent）向物理AI（让AI进入真实物理世界）过渡。

OpenAI花了65亿美元收购了乔尼·艾维（苹果前首席设计师）创立的AI硬件公司io。台积电预测未来6-12个月会看到端侧AI的爆发性增长。

而人形机器人，是AI从虚拟走向现实的终极载体。特斯拉的Optimus 2代已经进入量产，宇树科技启动了科创板IPO。邓心怡预计，到2030年，中美两国人形机器人市场空间将达到3185亿元。

这不是科幻。这是正在发生的产业转移。

07 / 邓心怡的配置逻辑：跟着模型迭代走

邓心怡的投资策略说起来很简单——跟着大模型的迭代走。

模型每进化一次，投资方向就跟着调整：

2024年思维链能力爆发，她增配了ASIC芯片和Agent应用

2025年英伟达GB200出货，她又加回了海外算力

下半年，她关注三个方向：应用的认知纠偏、算力的国产化闭环、终端的新硬件生态

这种"动态调整"的思路，本质上是把AI投资当成一个跟着技术节奏走的舞步——不是押注某个单一赛道，而是跟着模型能力的阶跃，不断切换配置结构。

08 / 宏观面：政策在转向，但还需要时间

邓心怡的报告还有个附件，讲的是宏观环境。核心观点是：

中国正在参照1933年罗斯福新政的思路——当传统货币政策失效时，财政扩张才是打破通缩螺旋的关键。政策拐点已经出现（货币适度宽松、财政积极发力），但细则还需要等。

她特别提到"反内卷"——中央经济工作会议把这个列为2025年重点任务。说白了，就是要让落后产能退出，让龙头企业重新获得定价权。钢铁、新能源链是她重点关注的反内卷方向。

关于特朗普，她的判断很务实：七大政策主张存在内生矛盾（既要减税又要弱美元又要控制通胀），实际执行会打折扣。关税是谈判手段，会是中长期的宏观背景，但不是世界末日。

Takeaway：

邓心怡这份报告的核心洞察是：AI不是在摧毁旧世界，而是在给旧世界装上新引擎。真正值得投资的，不是那些喊口号的AI概念股，而是那些有行业壁垒、能用AI杠杆放大自身价值的公司。芯片可以换道（ASIC），软件可以升级（从席位到价值），终端可以创新（从手机到机器人）——但底层逻辑不变：谁能把AI真正变成生产力，谁就赢了。

这不是一个"AI会不会赢"的问题。而是"AI会以什么方式赢"的问题。