夜雨聆风最近两个多月没更新，不是没idea，也不是没时间，虽然确实最近我只想躺着。
主要的原因有二，一是之前就发现自己的输出质量有所下降，得缓缓，二是我发现行业气氛不太对了，要思考一些事情。
全文大约2300字，阅读需要7分钟
一、经济环境变了
一直以来，不管实际体感怎样，统计数字还总是有亮点有增长的，26Q2变了，社零4月增长0.2%，5月直接转负了，增速-0.6%。社融也一样，同比-11.4%。
消费和生产端同时萎缩，上次这样还是2020年，但现在可没有什么不可抗力。
价格方面，5月CPI同比涨了1.2%，PPI大涨3.9%。
综合起来看，意味着石油煤炭水电气这些上游涨得多；下游老百姓消费少了，消费品甚至还涨了点价；中小企业销量下降，不贷款了。
实际的体感不用说大家都清楚，最近热炒的K型经济即是如此。
这一点我在前面的文章中写过一个系列了，有效需求不足。
AI卖方的叙事变了
这里我分析了一些AI的叙事变化，在此以后，AI的叙事更是不断再创新高度。
先是老黄一如既往的暴论，AI将构建未来的生产要素，用数字人Agent代替真实的人类，进而有了所谓的硅基生命高等论。
然后中美两国的AI军备竞赛论被摆到了明面上。
4月的时候Token经济又着实火了一波，观点包括但不限于，Token是新生产要素、Token越用需求越多、Token经济催生了更多的程序猿需求等等，我也被迫给领导们写了好几篇狗屁不通的Token经济学材料。
几乎是同时，一个比较火的观点是，即便AI技术到此为止不再进步，现有技术也足够使用方消化很久了。
最新的叙事则是AI公司的业绩迎来爆发式增长。数据显示，OpenAI在2025年全年的营收是131亿美元，2026年Q1，数字变成了57亿美元，全年营收预估250亿，几乎翻倍。Anthropic则是Q2预计营收109亿美元，全年预估300亿，超越了OpenAI，增速更快。
当然在我看来这种增长不可持续，因为大厂不可能一直这么烧钱，例如亚马逊的自由现金流从2024年的1000亿直接干到了2025年的-1000亿，少的2000亿全用来买了token，鼓吹token开支还能快速增长无异于痴人说梦。
于是AI叙事的变化趋势可以概括为：牛越吹越大，没法再吹的时候，开始强调业绩，强调现状，一般这种时候就很危险了，参考10年前IT圈的一句话，公司倒闭的原因是产品做出来了。
AI买方的预期变了
近30年来，IT领域toB销售的惯用手法是，先打个标杆案例，然后包装叙事，给买方高管洗脑，最后卖产品，美其名曰，咨询先行。
卖软件如此，卖SaaS如此，现在卖AI，还是这个套路。
不过现在形势不一样了，这个套路有点不灵了。
因为卖软件也好，卖SaaS也好，需求即所得，有什么需求就有什么功能，至于需求提的不好，业务不好用，卖方说对不起，那不是我的问题，虽然我确实PUA了你们。
现在卖AI，卖方得直面现实了，提了需求也不一定能做出来，即便功能做出来了也不是100%能实现，买方用的时候还得human in the loop，干完以后还得治理“技术债”，还要匹配相应的AI原生架构变革。从投入产出的角度来看，既没什么非AI不可的功能，成本也不一定便宜，但用户体验是真的变差了。
例如，Uber用4个月烧完了全年的token预算，然后CEO承认效果不佳，又例如微软亚马逊Meta，已经停止了无上限的token投入，转向投入产出评价。又例如SalesForce和Ford，不得不请回被AI替代的人类员工。
2025年大家为FOMO买单，2026年大家好像回过味来了，AI的能力还没跟上。
投资方的态度变了
投资方不是做慈善，是要求退出回报的。
前几年，AI刚火，大家争着往里投钱，现在3年多过去，退出周期陆续到了。
全球AI投资主要在美国，在美国退出，主要的渠道有两个，一是各种办法的上市，但显然现在还没有足够体量的公司这么干，原因还是业绩和增长带来的估值不确定问题，二是并购退出，近期AI领域并购退出的例子太多了，最有影响力的，比如研发了Cursor的Anywhere公司，2026年短短半年时间就卖了两次。
投资者着急退出，担心的事情其实就一个，大模型公司这么烧钱，买方落地又那么多问题迟迟不能解决，投资能续命到AGI的那天吗？
之前也说过，OpenAI只够烧到2026年底，然后OpenAI融资了1200多亿，又续了一波命，然后说计划2026年内上市，但是新的融资其实也就够再烧一年半左右，即便按计划IPO融资600亿，也就最多再加1年。那么AI能在两年半内建立完整的商业模式吗？目前来看够呛。
投资就是投预期，如果大家普遍预期两年半内不能转盈利，恐怕IPO都难了，最新的消息OpenAI推迟上市也反映了市场并不认可如此高的估值。
关键问题：AI能力的边界已经可见
这里我做了个分析框架，AGI的实现要三步，DeepSeek R1的发布是第一步，小龙虾是第二步，【旧文新篇】小龙虾：第二个R1时刻，第三步是成为专家。
对人来说，第一步最简单，基本是个正常工作的人早晚能到，第二步难一些，因为需要有脑子有实践，第三步最难，因为要让其他有脑子有实践的人也认可，需要理论和实践的结合，得能提出新的理论，还得能知道实践当中可不可行。
对AI来说也一样，第一步最简单，是个正常的模型配合RAG这些手段就能干，第二步小龙虾也能勉强干，只是人类愿不愿意让它干的问题，现在来看人类是不愿意的，因为要重做整个人类组织运行的逻辑，并且收益不确定，当然，后面总有一天模型能力会趋于稳定，小龙虾干活大概率也是没问题的，就像现在的模型Coding能力一样。
第三步是最关键的，AI能提出新理论吗？AI能知道实践可不可行吗？显然回答是否定的，技术原理上就不支持。
那好，AI的天花板已经看到了：沿着现有的发展路线，不断优化准确率，然后在不那么复杂的场景中，经过工程化调优，以较低标准勉强完成任务执行。当然，有一个前提，AI推理成本会持续不断下降，最终能比现在已经很廉价的劳动力更便宜。
至于其他所谓更高层次的期待，比如说Agent随身助手、Agent互联系统、Agentic Commerce这些，元宇宙的故事已经证明了这些是伪需求。
当越来越多的人看到AI能力的边界时，各方对于AI的期望就会从云端回到现实，卖方的叙事不再奏效、买方开始计算投入产出比、投资人会问回报周期，行业情绪也随之消退。
准备过冬
纵观全球经济，现在还支棱着的行业也就剩了AI了。如果AI的故事讲不下去的话。那面临的问题将如AI末日2028所描述的那样，全球经济全面衰退不可避免，冬天真的快来了。
愿诸君安好！
（全文完）
