我眼里的 AI 全局：算力、芯片和一场万亿级的重新分配
三条需求曲线汇聚于同一个根——算力
前几天跟一个有可能加入团队的人聊了两个多小时。从芯片聊到 Agent，从 Agent 聊到每个人的未来。
挂掉电话我想：这些东西我想了一年多，但从来没完整写下来过。
我做了六个产品，写了快两百篇文章，这些想法散落在各处。跟投资人讲一段，跟朋友吹牛讲一段，在推特上怼人的时候讲一段。
今天把它们拼一次。
当代码变成日抛品
去年有一个瞬间让我愣住了。
我用 Agent 写了一段代码，跑完任务，Agent 自己把代码删了。生成、使用、丢弃，全程不到三分钟。
我盯着屏幕想了很久。如果代码是日抛品——想用就生成，用完就扔——那什么东西是不可抛弃的？
答案是认知。
一个 AI 跟你聊了三个月，积累下来的东西——你的决策模式、你的情绪触发点、你说一套做一套的那些矛盾——这些东西不可复制、不可压缩、不可加速。别人花钱买不到，别的 AI 从零开始也追不上。
我在《软件变成日抛品了》里详细写过这个判断。
这是我所有想法的地基：技术在贬值，关系在升值。代码越来越便宜，理解一个人越来越贵。
你可能觉得"理解一个人"听起来虚。但想想看：CEO 身边那套配置——私人助理、心理咨询师、健身教练、执行秘书——本质上就是"有人懂你"的变现。以前只有年薪千万的人才配得起。
AI 第一次让这件事变成了月费订阅。
三条需求曲线
我看 AI 的需求，看到三条曲线。起点不一样，速度不一样，但最后都指向同一个东西。
第一条：企业在裁人。
我自己的团队，3 个工程师，干的活放两年前需要 15-20 个人。每个人都是 Agent 的管理者，不是执行者。
关键技能变了。不是写代码——是定义目标、提供上下文、给出精准反馈。你现在是经理，你管的是 AI。我在《别写代码了，学管 AI 吧》里把这个逻辑掰开说了。
大厂已经在动了。Meta 光 2025 到现在已经砍了好几轮，从低绩效到整个部门一锅端。其他家在跟进，只是没说出来。
那种"大厂 PM 的一天，下午三点下班"的日子？结束了。
第二条：人人都是开发者。
我们团队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 小时手动发帖，现在砍掉一半。
这不是"更好的 App Store"。这是一个以前根本不存在的市场。
以前你想做个东西，得去 App Store 找个勉强能用的凑合。以后每个人都能给自己造一个，完全贴合自己的需求。SaaS 那套锁定用户的玩法——数据迁移成本、工作流惯性、集成复杂度——Agent 全绕过去了。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。
私人秘书这个东西，以前只有政府官员和 Fortune 500 高管才有。以后每个人都有。
但这里有个坑：纯聊天做不到。
所有 AI 陪伴产品最后都变得无聊，因为聊天是一维的。真正的关系需要三个维度：对话、时间（共同经历）、空间（环境感知）。我在《纯聊天注定无聊》里分析了这个结构性天花板。
怎么破？可穿戴设备。一个只知道你打字内容的 AI 是带自动回复的日记本。但一个能观察到"你昨晚写代码到凌晨两点"的 AI，那份关心有温度。棉花娃娃是有身体没灵魂，聊天机器人是有灵魂没身体——人想要的是两个都有。
三条曲线，同一个方向：算力。
企业在裁人，创作者在造工具，普通人在等一个真正懂他们的 AI。所有人都在用更多的 AI，而所有 AI 都在吃算力。
算力经济学
AI 能力的成本在以离谱的速度下降。
2023 年用 GPT-4 处理一百万个 token 要花 $30。今天同等甚至更强的能力，不到 $1。两年，砍掉了 97%。
Claude 最强模型也一样。Opus 系列输出价格从 $75 降到 $25——三分之一。背后是 TPU 合作、推理优化、芯片竞争多重因素叠加。
我判断这个趋势至少还能持续五年。理由很简单：芯片在迭代、模型蒸馏在进步、云厂商之间的价格战在加剧。三股力量同时往下压。
每砍一个零，就多一波人用得起。就像智能手机便宜到一定程度，移动互联网才真正爆发。
但这里有个更深的转变。
训练曾经是算力最大的瓶颈。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 年底的报告确认了这个拐点。原因就一个字：Agent。
每一次 Agent 调用都是推理。一个用工具的 Agent，一个任务要跑好几轮推理。Agent 还能生 Agent，推理需求是复利式增长的。
训练是一次性投入，推理是永久消耗。模型训一次，但每个用户每天都在烧推理。
所以 AI 基建的钱在搬家——从训练集群搬到推理芯片。
现在还有一个窗口：大厂在疯狂补贴。Claude Code 的订阅计划，你付一个固定月费，拿到的价值大概是直接调 API 的几十倍。这跟当年滴滴烧钱抢市场一个逻辑。
但补贴不会永远持续。趁还在，把能用 AI 做的事都做了。
有意思的是，固定月费这件事本身就很重要——不是因为省钱，是因为它消除了心理成本。按量计费时你每次调用都在算"值不值得"，像出租车计价器一样让人焦虑。固定价格让你放开手用，反而用出了真正的价值。
芯片
Nvidia 的护城河不是芯片，是 CUDA。
你可以造一块更好的芯片。但你造不出第二个 CUDA 生态。几十万开发者用了十几年，所有主流框架默认跑 CUDA。这不是砸钱能追的。
TPU 是 Google 的豪赌。
专门为矩阵运算设计的 ASIC。今天所有 LLM 的核心计算就是矩阵乘法，跑起来效率极高。但有两个结构性限制：第一，如果哪天计算范式不再是矩阵运算，这些芯片就废了（短期概率低，但赌注是真的）；第二，TPU 按超大规模网络设计，你不能买 100 块搭个小集群，要么几万块连一起，要么别玩。Google 量级的游戏。
GPU 灵活得多，小到 10 个机柜，大到万卡集群都行。代价是网络开销——每花一块钱在 GPU 上，还得再花一块到一块五在配套基础设施上。
ASIC 新玩家们（Groq 等）技术上有亮点，但面对 Nvidia 的生态加资本壁垒，要么被收购，要么被碾压。
芯片战争的胜负不在实验室，在开发者社区。详细分析见《TPU 凭什么挑战英伟达》。
大厂各怀心思
Google：浪子回头。
Sergey Brin 回来了。回来发现员工连 Gemini 都不能用来写代码，因为内部政策不允许。他直接捅到 Sundar 那里。
一年前大家还在做 Gemini 图片生成的 meme。现在 Gemini 3 Flash 干日常任务已经很能打了。
Google 有几十亿用户的分发渠道、有自研 TPU、有 Transformer 的原始研究团队。这几张牌凑一起，别人很难打。
OpenAI：支线任务做太多了。
用游戏来类比：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。
核心战场是企业生产力。这条线上 Anthropic 一路狂奔，OpenAI 反而在追赶。据说 Sam 在 offsite 跟团队说要砍掉一切聚焦。但能不能做到，是另一回事。
Anthropic：专注的力量。
几乎只做企业和 Agent 方向——替代白领生产力。从十亿量级到百亿量级 ARR 只用了一年多，增速比 OpenAI 快。因为只赌一个方向。
企业已经在为 AI 工具付每人每月几百块了，而且这个数字还在涨。用了就回不去了。
Meta：有点停滞。
Llama 4 出来都好几个月了，之后呢？没什么记得住的。好的工程师拿着 VC 的钱走了。
但 Meta 有几十亿用户。分发能力能买时间。
半人马窗口
所有人都在争论 AI 会不会取代人。
真正的问题是：你有没有在窗口关上之前，学会指挥它。
短期的颠覆被高估了。78% 的企业只是"试了试" AI。95% 没产生任何 ROI。叙事跑在现实前面。我在《龙虾热》里写过这个模式——中国每隔三四年就来一轮，恐慌比技术跑得快。公司根据"潜力"而不是"表现"裁员，55% 事后后悔。
但长期的颠覆被灾难性地低估了。入门级岗位的招聘在收缩，成本曲线从不停歇。我在《阿马拉悖论》和《AI 时代的达尔文陷阱》里反复说这件事：短期过热、长期致命。
半人马阶段——人加 AI 比纯 AI 强——现在是开着的。但在关上。窗口大概两到三年。
这期间会出现一种新物种：超级个体。一个人加一支 Agent 团队，等于一家公司。美国 36% 的新创公司是 solo founder。当造东西不再是瓶颈，什么是瓶颈？品味。知道该解决哪个问题，知道什么算"好"。品味是最后的护城河。详见《未来属于会指挥 AI 的人》。
99.99% 的人还不知道 AI 能做什么。潜在需求是巨大的，差的不是技术，是认知。我在《AI 的最后一公里》里写过：最后一公里不是技术问题，是教育问题。
拼图之后
说了这么多技术、芯片、大厂。我越想越觉得，真正的瓶颈不是技术。
是分发。
我两个月做了六个产品，深有体会：造东西从来没这么快过。但让人用起来？那还是人的事。
技术在加速，但人性没变。最后赢的不是造得最好的，是卖得最好的。
现在的局面是这样：算力在被补贴，半人马窗口是开着的，成本曲线站在你这边。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。拼起来发现有些更清楚了，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，比如大众市场什么时候才真正准备好。
你如果想到了，来聊。