想了一年多的 AI 判断，拼起来全指向算力
三条需求曲线汇聚于同一个根——算力
前几天跟一个可能加入团队的人聊了两个多小时，从芯片聊到 agent，又从 agent 聊到每个人以后干什么。挂了电话我才想起来，这些东西我断断续续想了一年多，从来没有完整写下来过。做了六个产品，写了快两百篇文章，想法全散在各处，跟投资人讲一段，跟朋友吹牛讲一段，推特上怼人的时候又讲一段。反正今天把它们拼一次。
先从去年的一件小事说起。我用 agent 写了一段代码，任务跑完之后，它自己把代码删了。生成、使用、丢弃，全程不到三分钟。我当时盯着屏幕想了挺久，后来想明白了，代码这种东西现在随时能再生成一份，真正扔不掉的是认知，是一个 AI 对你这个人的理解。
一个 AI 跟你聊了三个月，攒下来的是你怎么做决定，什么事会触动你的情绪，还有你嘴上说一套、实际做一套的那些矛盾。这些东西没法复制，没法压缩，也没法加速。别人花钱买不到，别的 AI 从零开始也追不上。这个判断我在《软件变成日抛品了》里详细写过，大意是代码会一路便宜下去，而 AI 对你这个人的理解反而越来越值钱。我后面所有的想法，基本都是从这一条上长出来的。
「理解一个人」听起来可能有点虚。但你想想 CEO 身边那一圈人，私人助理、心理咨询师、健身教练、执行秘书，其实就是花钱买「有人懂你」。这套东西贵，年薪千万的人才配得起。AI 第一次把它做成了月费订阅。
看 AI 的需求，我一般看三条线。三条线起点不一样，速度也不一样，但最后指向同一个东西。
第一条，企业在裁人。我自己团队 3 个工程师，干的活放在两年前大概需要 15-20 个人。每个人都是在管 agent，而不是自己动手干活。最要紧的本事也变了，以前是写代码，现在是定目标、给 context、给准确的反馈。大家现在其实就是经理，只不过管的人换成了 AI。这套逻辑我在《别写代码了，学管 AI 吧》里掰开讲过。大厂已经在动了，Meta 光 2025 年到现在就砍了好几轮，从砍低绩效一直砍到整个部门端掉，其他家也在跟，只是没说出来。那种「大厂 PM 的一天，下午三点下班」的日子，我只能说是结束了。
第二条，人人都是开发者。团队里有个没写过代码的人，用 claude code 给自己搭了个社交媒体发帖工具，以前每周花 12 个小时手动发帖，现在砍掉了一半。这跟「更好的 App Store」没什么关系，这是一个以前压根不存在的市场。以前你想要个工具，只能去 App Store 找个勉强能用的凑合，现在可以自己给自己造一个，完全照着自己的需求来。SaaS 锁住用户靠的是那几招，数据迁移麻烦、工作流用惯了、集成太复杂，agent 全给绕过去了。我在《印刷术时刻》里写过，高毛利的 SaaS 正在变成套利目标。
第三条，人人都有 AI 秘书。私人秘书这东西，历来只有政府官员和 Fortune 500 高管才有，轮不到普通人，接下来会变成每个人都有一个。但这里有个坑，光靠聊天做不到。所有 AI 陪伴产品最后都变无聊了，因为聊天只有一维，真正的关系要有三个维度，对话、时间（一起经历过的事）、空间（对周围环境的感知）。这个结构性的天花板，我在《纯聊天注定无聊》里分析过。你看棉花娃娃，有个身体在那，但没灵魂；聊天机器人正好反过来，灵魂是有的，身体没有。人想要的其实是两个都有。怎么破，我觉得还是得靠可穿戴设备。一个只知道你打了什么字的 AI，说难听点就是个带自动回复的日记本；但一个能看到「你昨晚写代码写到凌晨两点」的 AI，它那份关心才是有温度的。
聊天只有一维，真正的关系需要对话、时间、空间三个维度才立得起来
这三条线最后都指向算力。企业裁人，创作者造工具，普通人在等一个真正懂自己的 AI，所有人都在用更多的 AI，而所有 AI 都在吃算力。三条线汇到一起，根就是算力。
再说成本这条线。AI 能力降价的速度，我只能说挺离谱的。2023 年用 GPT-4 处理一百万 token 要花 $30，今天同等甚至更强的能力不到 $1，两年砍掉 97%。97% 什么概念，就是两年前 30 美金才办得成的事，现在 1 美金不到。claude 这边也一样，opus 系列的输出价格从 $75 降到了 $25，直接砍到三分之一。背后是好几件事叠在一起，TPU 合作、推理优化、芯片竞争。
我判断这个趋势至少还能走五年，原因很简单，芯片在迭代，模型蒸馏越做越好，云厂商之间的价格战越打越凶，三股力量一起往下压。每砍掉一个零，就多一波人用得起。智能手机也是便宜到一定程度，移动互联网才真正爆发的。
还有一个更底层的变化。以前算力最大的瓶颈在训练，训一个顶级模型要花上亿美金。但从 2025 年开始，推理追上来了，Deloitte 年底的报告也说拐点已经到了。原因就一个，agent。每次 agent 调用都是推理，会用工具的 agent 一个任务要跑好几轮推理，agent 还能再生 agent，所以推理需求像复利一样往上滚。训练的钱是一次性的，花完就花完了。推理不一样，模型训好以后，每个用户每天都在用，每天都在烧，用户越多烧得越多，停不下来。所以 AI 基建的钱在搬家，从训练集群搬到推理芯片。
训练是一次性花完的钱，推理是每个用户每天都在烧、停不下来的钱
现在还有一个窗口，大厂在疯狂补贴。claude code 的订阅计划，交固定月费拿到的东西，大概值直接调 API 的几十倍，跟当年滴滴烧钱抢市场一个逻辑。补贴不会一直有，趁还在，把能用 AI 做的事都做了。
固定月费本身也挺重要，省不省钱倒是其次，主要是用的时候没有心理负担。按量计费的时候，每调一次你心里都在算「值不值」，跟盯着出租车计价器跳表一样焦虑；固定价格可以放开用，反而能用出真正的价值。
芯片这边，我觉得 Nvidia 的护城河不是芯片，是 CUDA。你能造出一块更好的芯片，但你造不出第二个 CUDA 生态。几十万开发者用了十几年，所有主流框架默认都跑 CUDA，这不是砸钱就能追上的。
TPU 是 Google 的豪赌，是一种专门为矩阵运算设计的 ASIC。现在所有 LLM 最核心的计算就是矩阵乘法，所以 TPU 跑起来效率特别高。但它有两个先天的限制：
- 哪天主流的计算方式不再是矩阵运算了，这个芯片就废了。短期看可能性很低，但这个赌是实打实押上去的。
- TPU 是按超大规模网络设计的，你不能买 100 块自己搭个小集群，要么几万块连在一起，要么别玩。这是 Google 这个量级才玩得起的游戏。
GPU 就灵活得多，小到 10 个机柜，大到万卡集群都能配。代价是网络开销，GPU 上每花一块钱，配套基础设施还得再花一块到一块五。至于做 ASIC 的新玩家，Groq 这些技术上是有亮点的，但前面挡着 Nvidia 的生态和资本两道墙，大概率要么被收购，要么被碾压。芯片这场仗，输赢不在实验室，在开发者社区。详细的分析我写在《TPU 凭什么挑战英伟达》里了。
大厂这块，各家的状态挺不一样的。Google 是浪子回头。Sergey Brin 回来以后，发现员工连 Gemini 都不能拿来写代码，因为内部政策不允许，他直接捅到 Sundar 那去了。一年前大家还在拿 Gemini 的图片生成做 meme，现在 Gemini 3 Flash 干日常任务已经很能打了。Google 手里有几十亿用户的分发渠道、自研的 TPU，还有 Transformer 的原始研究团队，这几张牌凑在一起，别人很难打。
OpenAI 的问题是支线任务太多。用游戏来比的话，Sam 选了开放世界 RPG，跑去做支线，跟 Jony Ive 做硬件、做浏览器、做广告、做图片、做视频，回来发现 boss 已经升级了。真正的主战场其实是企业生产力，这条线上 Anthropic 一路狂奔，OpenAI 反倒在后面追。据说 Sam 在 offsite 上跟团队说要把别的都砍掉，集中火力，能不能做到就不好说了。
Anthropic 就是专注，几乎只做企业和 agent，就盯着替代白领干活这一件事。ARR 从十亿量级到百亿量级只用了一年多，增速比 OpenAI 快。企业已经在给 AI 工具每人每月付几百块，这个数还在涨，而且用上了就回不去了。
Meta 有点停住了。Llama 4 出来好几个月了，之后呢？没什么让人记得住的东西。好工程师拿着 VC 的钱走了。不过 Meta 有几十亿用户，靠分发还能给自己争取点时间。
所有人都在争 AI 会不会取代人。我觉得真正该问的不是会不会，是你有没有在窗口关上之前学会指挥它。
短期这波，我感觉水分不小。78% 的企业只是「试了试」AI。ROI 呢？95% 什么都没产出来。大家讲的故事明显跑到现实前面去了。这个模式我在《龙虾热》里写过，中国每隔三四年就来一轮，恐慌永远比技术跑得快。很多公司是按「潜力」裁的人，没怎么看「表现」，裁完之后 55% 都后悔了。
但要是往五年十年看，情况就不一样了。入门级岗位的招聘是实打实在缩，成本曲线也从来不停，不管外面讲得热还是冷，它每年就是往下走。这两头对不上的地方，我在《阿马拉悖论》和《AI 时代的达尔文陷阱》里反复写过。
现在还在半人马阶段，就是人加 AI 比纯 AI 强的这个阶段。这个窗口还开着，但正在关，我估计也就两三年，可能更短，说不好。这段时间会冒出一种新物种，超级个体，一个人加一个 agent 团队，就等于一家公司。美国 36% 的新创公司是 solo founder。造东西现在真不是瓶颈了，瓶颈挪到了品味上，就是知道该解决哪个问题，知道什么算「好」。这个我在《未来属于会指挥 AI 的人》里展开写过，我到现在还是觉得，品味是最后剩下来的那条护城河。
人加 AI 强过纯 AI 的半人马窗口现在还开着但正在关，最后只剩品味这条护城河
还有个更大的背景，99.99% 的人还不知道 AI 能干什么。潜在的需求大得很，卡就卡在大家根本不知道。我在《AI 的最后一公里》里写过，这最后一公里其实是个教育问题。
说了这么多技术、芯片、大厂，但我越想越觉得，真正的瓶颈可能不在技术这边，在分发。我两个月做了六个产品，造东西从来没这么快过，但要让人用起来，还是老样子，还得靠人。所以最后跑出来的，我猜大概率是卖得最好的那批，不一定是造得最好的那批。
反正现在这个时候，算力还有大厂补贴着，半人马的窗口也还开着，成本前面也说了，还要往下走好几年。想造东西的话，没有比现在更好的时候了。
这些想法散在各处想了一年多，这次拼起来之后，有些更清楚了，有些反而更迷糊了。比如 AI 陪伴到底该走 App 路线还是硬件路线，比如大众市场到底什么时候才真正准备好。想到了什么，来聊。
