AI经济的下一章:智能不再是唯一变量

一、智能的经济学：比智商更重要的，是“性价比”

我越来越确信，AI行业正站在一个拐点上。这个拐点的重要性，可能仅次于ChatGPT的发布。但大多数投资人还在盯着一个变量——谁拥有最聪明的模型。

哪个前沿实验室在榜单上登顶？哪个推理模型又刷爆了学术评测？这些当然能上头条，但它们可能错过了水面下真正汹涌的经济转型。因为决定整个AI生态利润流向的，不再是智能本身，而是每花掉一美元，能买到多少智能。

打个比方。一家公司需要有人记账、处理发票，它不会去雇一个纯数学博士。不是因为博士干不了，而是这活儿用不着那么高的智商。账做对了，再聪明也创造不出额外价值。理性的企业会围绕经济学做优化，找个最便宜又能干好活的人。

但如果目标是研发阿兹海默症新药呢？那情况就完全变了。雇佣世界顶尖研究员的成本，在潜在数百亿美元的回报面前几乎可以忽略不计。这时候，智力本身就是稀缺资源，最大化能力才是理性决策。

AI现在就在逼近这种分叉。过去两年，企业不管什么任务都先用上最强模型：总结邮件、提取发票、分类工单、翻译文档……因为当时大家还在验证“这东西到底能不能用”。但这绝不是稳定状态。试点总会变成生产系统，生产的铁律——成本收益比——终将统治一切。

一旦财务开始像审查其他IT投资一样审视AI预算，优化方向就会不可避免地滑向每美元智能最大化。

二、推理成本暴跌，加速了这场权力交接

这场转型的燃料，是推理成本令人咋舌的下降速度。

斯坦福AI指数显示，达到GPT-3.5级别的推理成本，在2022年底到2024年底之间下降了超过280倍。A16Z的结论是，维持固定模型能力的成本每年大约降低10倍。就连OpenAI的CFO Sarah Friar也直言，GPT-4到最新一代模型，推理成本两年内暴降了约97%。

与此同时，企业却碰上了另一个更要命的问题：钱花得太快了。

Sam Altman最近说，客户们纷纷告诉他，原本规划的一整年AI预算，现在一个季度就烧没了。他们不再跑来问“有没有更聪明的模型”，而是问“有没有更高效的模型？”这个信号太关键了——大家已经确认AI好用，现在关心的是AI能不能用得起。

技术上也在印证这个趋势。大家曾以为更强的模型必须靠更大的参数、更暴力的算力。但现在前沿实验室们发现，用更好的数据、更好的推理技巧、蒸馏技术精炼出来的小模型，性能能接近庞然大物，但推理成本只有后者的零头。Meta内部就是这么干的：最大的模型当“老师”，用来训练，而真正跑在广告和推荐系统里的，是蒸馏后的小模型。研发时追求最高智能，生产时回归经济学最优。

三、AI的“Linux时刻”：模型白菜价，渠道才是金矿

这意味着AI正在越来越像劳动力市场，而不是学术竞赛。理性企业不会每个岗位都塞满诺贝尔奖得主，同样，未来也绝无可能让所有推理请求都跑在最贵的模型上。

前沿科学、复杂工程、高端研发，这些经济回报上不封顶的任务会继续依赖最强AI。但绝大多数企业工作负载——文档分类、客服、信息抽取、合规监控——拼的是可靠、一致、治理和成本，而不是在榜单上多抢一两个百分点。

这就是为什么我认为AI行业可能正在迎来自己的“Linux时刻”。像Llama、DeepSeek、Qwen这些开源模型，不需要在所有榜单上打败闭源巨头。它们只需要在八成以上的企业任务上“够用”。一旦跨过这个门槛，采购逻辑就彻底变了。

企业CIO从来不会单纯因为某项技术在评测里排第一就掏钱。他们看重的是安全、合规、集成、运维简单、总拥有成本低。当模型本身趋于同质化，购买决策就会转向经济回报。那个定义行业的指标，会从“谁的模型最聪明”悄悄变成“谁输送智能的成本最低”。

四、谁拥有最后一台GPU，比谁卖出下一台更重要

顺着这个逻辑，投资者的核心问题也该换了。市场今天还在疯狂盯着卖铲子的人——英伟达、博通、各类芯片和网络设备商。这策略过去几年当然是对的，因为科技巨头们正进行着史上最大规模的资本开支狂潮。但我越来越觉得，大家问错了问题。

比起“谁卖下一台GPU”，更该问的是“谁拥有最后一台GPU”。这差别可太大了，它把注意力从一锤子买卖的硬件销售，转移到了已经部署的、能持续产生现金流的资产上。

未来只可能有两种剧本，而这两种剧本，对云巨头们似乎都极其有利。

剧本一：效率飙升，存量变金矿。模型效率通过蒸馏、量化、路由等技术持续暴增。云厂商不再需要每年砸几千亿美元买新卡才能勉强不掉队。现有的GPU集群，每迭代一次模型就能产出多得多的推理服务。微软Azure、亚马逊AWS、谷歌云里那早已部署好的算力，价值会比市场现在理解的大得多。

这会带来什么？资本开支逐步稳定，折旧逐年减少，但收入却因为企业Token消耗量激增而继续飞奔。结果就是自由现金流拐点陡升，这些曾吞噬巨量资本的公司，转身成了靠已有资产猛赚现金的机器。

剧本二：杰文斯悖论，越便宜，用得越疯。效率提升不但没有抑制需求，反而因为成本大降，滋生了无数新应用。AI不再是奢侈品，而是像水电一样嵌入每个工作流。智能体7x24小时不间断运行，软件自己反复调用模型进行自我校验。单个Token便宜了，但Token消耗总量指数级爆炸。

历史上这一幕反复上演：存储便宜了，我们存的不是更少，而是更多了。带宽便宜了，互联网从文字变成了视频。算力便宜了，绝不会导致需求减少，只会催生出我们从未想过的新业务。AI大概率也会遵循这条轨迹。

无论走哪条路，云平台都是赢家。如果效率跑得比需求快，开支减少，现金流爆发；如果需求跑得比效率快，他们继续扩建，同时从更丰富的AI服务中赚取巨额收入。市场现在的定价很拧巴：一边认定半导体公司会因高开支长期受益，一边又觉得这种开支会永久压制云厂商的资本回报。这两种假设，本质上是矛盾的。

五、从“航空公司”到“机场”：价值的大迁移

一个更绝的比喻是：前沿AI实验室越来越像航空公司，而云厂商则像机场。

航空公司为了抢客源，拼服务、拼准点、拼航线，竞争惨烈，昨天的头等舱可能就是今天的标配。但机场呢？不管哪家航空公司赢，飞机总得降落，旅客总得走我的航站楼，起降费一分不能少。

AI生态也在变成这样。OpenAI、Anthropic、xAI、DeepSeek……它们会继续争当“最聪明的模型”，冠军轮流当。但所有推理，都得在某人的数据中心里跑，消耗某人的GPU，穿过某人的网络。航空公司抢乘客，机场悄无声息地收租。

更妙的是，当模型竞争加剧、开源模型日益强大时，模型层的每Token经济利润可能会被压缩。但无论谁执行了计算，物理世界里的算力、网络、安全、冷却——这些云基础设施的租金丝毫不少。价值没有消失，它只是换了主人。

六、编排层：未来AI的真正护城河

如果说第一波拼的是“造模型”，第二波拼的是“省算力”，那第三波战争的焦点，将变得不太起眼，却可能利润最厚——编排。

企业大规模部署AI后，核心问题不再是“访问哪个模型”，而是“谁能决定每个任务该用哪个模型”。

绝大多数企业任务根本用不着顶级智力。文件分类、合同提取、客服闲聊……只需要一个模型稳定地及格，且成本最低。只有少量核心的推理和研发任务，才值得调用前沿系统。所以，企业会开始动态路由——把简单任务分给便宜小模型，高难度任务才升级到昂贵大模型。

这下，单个模型变成了可以随时替换的组件，而那个做路由决策的编排平台，成了真正的核心。员工不再自己选模型，平台会根据成本、延迟、合规、安全自动搞定。模型退居二线，编排平台成了企业的第一入口。

这就像曾经的Linux，它让操作系统本身变得丰裕而免费，却把经济价值推向了周边的云服务、软件和集成。开源AI模型正扮演同样的角色：它们让智能变得丰裕，而编排层则负责把丰裕的智能变现。

你会发现，亚马逊的Bedrock、微软的Azure AI Foundry、谷歌的Vertex AI，做的正是这件事。它们早就不是简单的模型市场了，而是集成了一百多种模型、身份认证、安全策略、合规审计、可观测性的“AI操作系统”。企业一旦把检索管道、安全策略、智能体工作流都嵌入这个平台，切换底层模型轻而易举，但想整体迁移平台？难如登天。护城河就这么悄悄转移了。

七、地缘政治的神助攻：合规即壁垒

最后，除了经济和技术的合力，还有一股非商业的力量在给这个趋势上保险——地缘政治。

AI早已不是能自由跨境流动的普通软件了。前沿模型越来越被看作国家战略资产，涉及网络、军事、关键基础设施。美国行政令要求对某些模型进行安全评估，Anthropic的高级模型已受到出口管制考量。这意味着模型在哪能用、什么时候用、通过谁用，都不再是纯商业问题。

这对跨国企业意味着什么？一个银行在不同国家，可能得用不同的模型，满足千奇百怪的数据主权和监管要求。模型可能突然在某个地区不可用。这时候，能灵活路由、自动化合规的编排层，价值就爆表了。

而这恰恰是微软、亚马逊、谷歌这类云巨头几十年来都在干的事。他们在全球运营着规模最大、合规认证最全的云，早就搞定了身份、加密、审计、主权云这些复杂难题。AI部署只是直接继承了这套护城河。

企业未来关心的问题会是：“这工作负载能在德国跑吗？”“客户数据能留在日本吗？”“监管来查，咱能有审计日志吗？” 这些问题，跟模型智力高低关系不大，全是企业级基础设施的硬功夫。

尾巴

所以，当市场还沉迷于“谁的模型最聪明”时，我越来越觉得，我们更应该关心“每天数万亿次的AI决策，最终会流经谁的基础设施”。

智力，正在变得越来越充裕。推理成本，正在变得廉价。模型，在大部分工作上越来越可以互换。但稀缺的资产是什么？是覆盖全球的云基础设施、是企业客户的深度信任、是编排治理和安全合规的能力，是把一切复杂性打包成无缝体验的分发平台。

技术史反复告诉我们，一项发明的价值，最终往往不如让它普及的基础设施。铁路让货运革命，但赚钱的是那些铁路网。互联网改变世界，但云服务成了最大的印钞机之一。AI的第一章是创造智能，而下一章，或许是高效、安全、经济地把智能输送到全球经济的每一个角落。这，可能才是未来十年最大的投资机会。

参考链接：

https://youtu.be/f6D_aiy8qyU?si=Tkx8f14I1Sv5maBq