AI烧钱终于烧到华尔街掀桌了

onejson

一个季度收入608亿美元，净利润158亿。如果你是老板，会觉得干得还不错吧？

华尔街说：不够。

Meta昨天盘后发了Q2财报，营收同比涨28%，广告收入593亿，Instagram日活破了20亿，数字亮眼。但盘后股价直接跌了8%——因为市场的眼睛从营收那一栏往下扫，停在了"自由现金流"：7.84亿美元。

去年同期这个数是85亿。缩水了91%。

Meta把赚来的钱全烧在了AI基建上，烧到连华尔街都受不了了。这件事本身比财报数字更有意思——它说明"先烧钱再想回报"这套AI叙事，信用正在透支。

拆一下Meta的账单。

二季度总成本和费用420亿美元，同比暴增55%。研发支出217亿，涨了67%，占营收超过三分之一。资本开支单季311亿，全年指引上调到1300亿到1450亿美元。

这什么概念？一天烧掉将近4亿美元。

扎克伯格解释说有900万企业在用AI广告工具，AI驱动的Advantage+年收入运行率突破750亿。听起来不错，但750亿是"年化运行率"不是确认收入，水分多大只有财务知道。而且烧1300亿换750亿年化，这个账短期怎么都算不平。

市场更不爽的是Q3营收指引——中值625亿，比预期低了7亿。大家等了一个季度的"AI变现拐点"，扎克伯格的意思是：再等等。

资本市场的耐心，不是无限的。

你可以关注一个信号：Meta的自由现金流如果下个季度转负，华尔街的反应会比这次激烈得多。

同一时间，谷歌干了一件让人惊掉下巴的事。

DeepMind把AlphaFold团队解散了。不是裁员，是把独立团队建制撤销，人打散分流到Gemini、基因组学、酶设计。那个拿了2024年诺贝尔化学奖、预测了2亿多种蛋白质结构、被300万研究者使用的AlphaFold，不再拥有自己的专属团队。

更荒诞的是：诺奖得主John Jumper在离开前，被调去帮Gemini写代码。

他和另外两位核心研究员最终一起跳去了Anthropic。原始论文作者中近四分之一已经离开。

这件事折射出一个残酷的转向：DeepMind过去那种"一支团队死磕一个科学难题直到攻克"的研究文化，在"大模型军备竞赛"压力下让步了。AlphaFold是基础科研的巅峰作品，但在商业竞争面前，它不够"通用"。

科学探索的慢节奏撞上了商业冲刺的快车道。快车道赢了。至于这是短期理性还是长期损失，只有时间能回答。

有人烧钱被嫌弃，有人拆团队求生存。但今天还有一个人，用完全不同的方式回答了同一个问题——AI到底值不值这么多钱。

离开英伟达仅一个月，贾扬清官宣了新公司Intent Lab，核心产品叫Fleet，一支"自主AI工程团队"。它不只是写代码，是从理解需求、设计架构、编码测试到持续维护，整条链路AI自己搞定。

首批成果三项，每一项都让人沉默：

GLM-5.2推理速度从102 tok/s飙到647 tok/s，提升534%，目前全球最快。一条指令，从零构建了一个完全兼容SQLite的数据库引擎，通过600万项验收测试——全部用开源模型只花了350美元。一条指令，造了一套分布式文件系统，目录查询速度是亚马逊EFS的626倍。

350美元换一个可以投产的数据库引擎。对比一下Meta一天烧4亿，这个性价比差距让人不知道说什么。

不是AI不行，是花钱的方式不行。

建议你读一下Intent Lab的技术博客，哪怕只看看Fleet的输出token分布图——编码只占38%，设计和决策占了31%。这说明AI真正做工程时，大头不是写代码，是想清楚要做什么。

同一天，Anthropic的Opus 5也来补了一刀。

新模型砍掉了80%的系统提示词，性能零下降。翻译成人话：模型不再需要你教它"你是一个专业的XXX""请一步步思考"这些咒语了。它自己知道该怎么干活。

过去一年火得不行的Prompt Engineering，被模型自己的进化终结了。Gartner数据表明提示词工程师热度连续两季度下滑，Context Engineering取代它成了新宠——不是写提示词，是构建稳定、可观测的上下文系统。

你花半年练出来的调prompt手艺，可能一夜之间过时。

这个信号的残酷之处在于：你越擅长操控上一代AI的方式，换代时摔得越重。不要把技能绑定在某一个模型的"使用技巧"上，真正的护城河是理解问题本身，而不是理解怎么跟某个AI说话。

华尔街掀了Meta的桌，AlphaFold团队被拆，提示词工程师被模型亲手淘汰。三件事发生在同一天不是巧合。它们指向同一个趋势：AI行业正在从"砸钱砸人砸算力"的粗放阶段，进入"谁用更聪明的方式做成事"的效率阶段。

烧钱烧不出护城河了。能烧出结果的才是。