對沖奇點：為什么越努力使用AI，在產業鏈中的價值卻越低

在這個奇點臨近的時代，對普通人最惡毒的詛咒就是：你每天都在用最先進的 AI工具，卻依然是個數字時代的無產者。

2026年4月，美聯儲一位經濟學家發表了一篇論文。這篇論文有兩件事很有意思。

第一件在論文的摘要中：論文本身是用AI自動生成的。作者寫了一份說明書，然后讓 Claude 像辛普森一家里的 Ralph Wiggum 那樣，在一個無限循環里反復迭代，直到生成一篇可以投頂級金融學期刊的文章。作者本人的工作，只是按下回車鍵和支付Claude的訂閱費。

第二個件在論文的核心結論里：作者發現，AI 股票之所以估值這么高，不只是因為大家相信 AI 公司未來會很賺錢，還因為人們在用買 AI 股票的方式，給自己將被 AI 替代這件事買保險。

把這兩件事放在一起，會得到一個有點讓人滴笑皆非的畫面：一位經濟學家用 AI 寫了一篇論文，論文的內容是關于人們如何用 AI 股票對沖 AI 替代自己的風險。而他正在做的事情，本身就是這種替代過程的一個微小切片。

這兩年我們被反復告知一句話：會用 AI 的人會淘汰不會用 AI 的人。這句話聽起來像真理。但它把一個更深的問題遮住了。

你用 AI 提高出來的效率，最后變成了誰的資產?

你用 AI 給公司寫了十份方案，公司多賺了一筆錢。你用 AI 給平臺生產了一百篇內容，平臺拿走了流量。你用 AI 給客戶做了自動化交付，客戶拿走了系統。你提示詞越寫越熟，工作流越搭越復雜，智能體越調越聽話，結果某一天打開后臺，你發現自己的報價反而被壓低了。

因為當同一種能力被AI 普遍放大，市場不會長期為“我也會用“支付額外溢價。

工具會普及，權益不會自動分配。

這是這一代知識工作者共同進入的一個怪圈，也是AI 時代最容易被忽略的陷阱。

一、工具差距是一道很容易被壓平的坎

打開任何一個內容平臺，關于 AI 的討論都密集地停在同一個層級：提示詞怎么寫、智能體怎么搭、工作流怎么自動化、模型怎么微調。仿佛只要把這幾樣東西練熟，就能在 AI 浪潮里占得一個安身的位置。

不能說這種判斷完全錯，但它只說到了第一層。

工具差距確實會先擴大，然后被迅速壓平。這件事的邏輯鏈條其實很簡單。

第一，AI工具本身在朝“傻瓜化“的方向進化。兩年前你需要寫一段精心設計的提示詞才能讓模型給出像樣的輸出，今天大模型已經能把模糊的意圖自己補全。再過兩年，提示詞工程很可能像九十年代的“上網沖浪“一樣，變成一個時代性的過渡詞匯。

第二，工具能力會被平臺封裝。普通用戶不需要懂數據庫、不需要懂 API、不需要懂模型微調，就像今天的人用手機時不需要懂芯片架構。技術下沉的方向，從來都是把復雜性吃進黑盒。

第三，有效的用法會被以驚人的速度復制。某種 AI 工作流在小圈子里被驗證有用，三個月后會變成幾十門付費課程，六個月后變成公司內部 SOP，一年后變成行業標準。任何一個用 AI 的“獨門絕技“，窗口期都不會超過一個產品周期。

所以單純“會用 AI“這件事，很難長期構成護城河。

我前面的文章里提過一個判斷：AI不是平權，它是資本和勞動力的最后一戰。當時講的是宏觀結構，這里要把它推到個人層面。會用 AI 只是一種新勞動能力，而勞動能力本身在 AI 時代會被重新定價。

如果每個人都能用 AI 寫文案，文案的市場價就會下降。如果每個人都能用 AI 畫圖，設計的報價就會被腰斬。如果每個人都能用 AI 寫出能跑的代碼，初級開發能力就會迅速商品化。

這是一個被很多職場博主刻意回避的部分。他們告訴你，趕快學 AI，不學就會被淘汰。但他們沒告訴你，你“學了 AI“之后進入的，是一個比之前更擁擠、更便宜、更不容議價的勞動力市場。

經濟學家Daron Acemoglu(2024年諾貝爾經濟學獎得主)和Pascual Restrepo用了一個經典模型描述這件事。他們在一篇被廣泛引用的論文里指出，自動化技術天然具有“替代效應“，會把國民收入的分配從勞動一側持續轉移到資本一側。

普通人如果只在舊崗位上用AI提效，最終一定會面對一個溫水煮青蛙式的事實：你越熟練，你這個工種越快被壓價。

唯一能跳出這個陷阱的，是去創造和占據 AI 暫時無法直接執行的“新任務“。但這個“新任務“是什么，他們沒有給出答案。這是每個人要自己解的題。

普通人面對 AI，真正要問的不是“我怎么用它提效“，真正要問的是，你用它提效之后，沉淀出來的東西到底屬于誰。

二、對沖奇點：AI股票為什么像末日保險

開頭提到的那篇美聯儲論文，標題是《Hedging the Singularity》(對沖奇點)。它給我們提供了一個看待 AI 資本市場頗為反直覺的視角。

論文先拋出一個問題：為什么這兩年 AI 股票的估值會被推到這么高?

主流解釋是“投資者相信 AI 公司未來很賺錢“。但作者 Andrew Chen 給出的解釋要更深一層。他說，投資者瘋狂買入 AI 股票，有相當一部分動機其實是對沖：為自己未來被 AI 替代的可能性買保險。

那么問題來了：對沖什么樣的奇點?

論文里給“奇點”下了一個很具體的定義，我把它直譯過來：一次突如其來的、劇烈的 AI 生產力躍遷，它會替代典型投資者的勞動收入和消費。

這個定義里有三個動作要拆開看。

第一個動作：躍遷。這里指的是階梯式的能力突破，不是日積月累的漸進改良。某天早上，某種過去需要十個高級工程師做的任務，被一個新模型一鍵完成。

第二個動作：替代。新增的生產力不會平均分配給社會，它直接對接到擁有 AI 資本的人那一側。

第三個動作：你的勞動收入下降，你的消費能力下降。換句話說，你不會因為 AI 變強而變富，你會因為 AI 變強而變窮。

這就是論文里所說的“負面奇點”。它不是科幻里那種機器人毀滅世界的畫面，它是一個更冷的、更經濟學的畫面：整個社會的蛋糕變大了，但你分到的那一份變小了。

理解了這個定義，你就能理解為什么 AI 股票變成了“末日保險”。

設想你是一個普通的中產職業人士，你的主要資產其實沒那么多在房子或基金上，真正的大頭是你未來幾十年的勞動收入。這是一個隱形的、但重量級的“人力資本”。一旦 AI 躍遷到能替代你的程度，你的人力資本會貶值，但與此同時，AI 公司和擁有 AI 資本的股東會受益。

那么邏輯上，你最理性的避險動作是什么?是把一部分錢投到 AI 公司股票上。如果 AI 沒那么強，你的工作還在，損失的只是這部分倉位的收益。如果 AI 真的強到壓垮你這個行業，股票會漲，你的損失被部分對沖掉。

這就是“用 AI 資本對沖 AI 替代風險”的邏輯。

理解了這一層之后，你再去看身邊那些一邊喊“AI 要毀滅工作”一邊瘋狂買英偉達和谷歌的人，你就懂了。這不是矛盾，這是一筆同時押注兩端的保險交易。

論文里有一組數字很值得拿出來看。在作者給定的參數下，假設奇點每年發生的概率只有 1%（這是一個非常保守的假設，意思是平均要等 100 年才會出現一次躍遷），AI 股票的估值會被推到非 AI 股票的兩倍左右。把概率降到 0.5%，AI 股票仍然比非 AI 股票貴 40%。

也就是說，即便理性投資者們認為奇點是個小概率事件，光是為這個小概率事件買保險這一個動作，就足以解釋當下整個AI板塊的估值溢價。

這就把今天市場上那種“AI 估值是不是泡沫”的爭論徹底改變了性質。它可能不是泡沫，它是一份巨大的、由全球中產共同支付保費的集體保險單。

但這篇論文真正鋒利的地方不在這里。它真正鋒利的地方，是它拋出了一個吊詭的命題。

論文里有一個數學證明叫“Proposition 3”：在市場不完全的條件下(待會兒解釋這個詞)，一個足夠風險厭惡的家庭，即使從社會總福利角度看 AI 發展是好事(正面奇點的概率大于負面奇點)，它依然會理性地選擇否決AI 發展。

這句話第一眼看上去有點反直覺。

意思是說，普通人對 AI 發展的反對(不論這種反對表現為政治壓力、監管呼吁、還是道德焦慮)，并不是因為他們愚蠢、保守、不理解技術進步。它是一種在沒有對沖工具的前提下，完全合乎經濟學理性的選擇。當你無法用市場手段保護自己免受 AI 替代，你最優的策略就是從源頭上阻止它發生。

這件事比“AI 會毀滅工作“這個口號要鋒利得多。它告訴我們：今天圍繞 AI 的所有政治沖突，本質上是一場關于誰能買到對沖工具的沖突。

那么“市場不完全”是什么意思?

理論上，普通人可以通過買股票來對沖所有未來 AI 資本的權益?，F實上，你能買到的 AI 資本只是冰山一角。論文里直接點了名：大量的 AI 資本被鎖在創始人股權、早期投資人股權、員工期權、未上市的私募股份里。甚至，被鎖在那些還沒成立的未來 AI 公司的預期股權里。

公開市場是 AI 資本里最薄、最貴、被層層篩選過的那一層。

這就導致一個吊詭的結果：全世界的對沖需求都被迫擠壓到這一小撮可交易的標的上，把它們的估值推到失真的高度。然后這些被推高的股票，反過來還要承擔起“代表 AI 紅利”的敘事功能。

你以為你買的是 AI 的未來，其實你買的是被全球中產共同推高的、用于對沖的、外圍的金融符號。

論文還埋了一個更黑色幽默的悖論。作者證明了一個叫“滅絕衰減”(Proposition 2)的結論：如果奇點伴隨的人類滅絕概率越高，AI股票的對沖溢價反而越低。

邏輯很簡單：如果 AI 真的強到能毀滅人類，你買的股票也跟著歸零，這份保險就沒用了。所以末日越近，末日保險越便宜。

這是一個讓人忍不住笑出聲然后又笑不出來的結論。它意味著市場對 AI 風險的定價里，有一種隱藏的邏輯前提：大家在賭 AI 強到足以替代你，但又沒強到毀滅你。這個區間外的所有可能性，市場都沒在認真定價。

我前面寫過一篇文章，討論的是分配機制的轉移：AI 時代的收入越來越按“你擁有什么”來分配，越來越少按“你做了什么”來分配。Hedging the Singularity 這個視角剛好接上了那一篇。既然分配規則在轉向資本側，那么沒有資本可對沖的人，就是在用一個正在貶值的資產（勞動）去抵抗一場資本主導的洪水。

這是一個不對稱的戰爭，普通人贏的概率極低。

三、最肥的那段AI紅利普通人看不見也碰不到

論文說“普通人可以買 AI 股票對沖 AI 替代風險”。但今天的現實更殘酷：最值錢的那批 AI 股票，普通人根本買不到。

OpenAI、Anthropic、xAI、Perplexity、Mistral 這一批站在 AI 革命最核心位置的公司，絕大多數還沒有上市。它們在私募階段就已經完成了人類商業史上最快的估值躍遷。

來看幾個數字。OpenA在 2025 年的員工股權出售中估值已經達到約 5000 億美元。Anthropic在 2026 年的最新一輪融資后估值接近萬億美元。路透社報道稱，SpaceX、OpenAI、Anthropic 這一批潛在 IPO 候選，合計可能給美國公開市場帶來約 3 萬億美元的市值增量。

但請注意這句話的含義：這 3 萬億是堆在公開市場門口的，不是堆在公開市場里面的。意思是，這些價值已經被創造出來了，只是還沒向公眾開放。

摩根士丹利的一份行業報告里有一組數字：在年收入超過1億美元的美國公司中，大約80%仍然處于私有狀態。換句話說，你在公開市場上能買到的“成長型企業“，已經只是塔尖的一小部分。

這個變化的背后，是過去十年資本結構的徹底重組。AI 公司之所以越來越晚上市，有幾個互相強化的原因。

第一，私募市場的錢多到溢出來。主權基金、家族辦公室、超級 LP、頂級風投，所有人都在搶 AI 資產。當一家頭部 AI 公司可以在不上市的情況下隨時拿到一百億美元融資，它沒有任何理由急著接受公開市場的季度審視。

第二，AI公司的資本開支模式不適合公開市場。訓練一個前沿模型、搭建推理基礎設施、采購芯片、綁定云服務，任何一項都是數十億美元級別的支出。Anthropic 最近和亞馬遜達成的合作里，承諾未來十年向 AWS(亞馬遜云服務)支付超過 1000 億美元用于訓練和運行 Claude。這種燒錢節奏，公開市場的財報壓力根本扛不住。

第三，科技巨頭愿意用戰略投資替代傳統融資。微軟之于 OpenAI、亞馬遜之于 Anthropic、谷歌之于 Anthropic 和它自己的 DeepMind，這些都不只是單純的財務投資，更是用資本提前鎖定云服務的客戶、模型推理的接口、企業客戶的入口。AI 公司在還沒上市的時候，就已經被巨頭編織進了未來十年的產業版圖。

所以普通人面對的局面是：你能買到的“AI 概念股”，幾乎全部是外圍資產，芯片、云、數據中心、電力公司、應用服務商。它們當然也漲，但你拿到的是 AI 紅利經過兩三層篩選之后的殘量。

美國硅谷頂級風投a16z有一份很出名的產業鏈分析報告，叫《Who Owns the Generative AI Platform?》。結論是：在生成式 AI 的產業鏈上，價值捕獲極不均衡?；A設施層（芯片、云）和閉源模型層吃掉了幾乎全部利潤，而應用層，也就是絕大多數普通人正在用 AI 干的事情，護城河極淺，競爭極烈，利潤極薄。

這是一個典型的“使用者悖論”：你越深入使用AI，你越靠近產業鏈中價值最低的那一段。

四、AI 時代會分流三層人

把上面所有的結構組合在一起，這一輪 AI 革命中會自然形成三類人。

第一類，AI 資本擁有者。

他們直接持有模型公司股權、芯片公司股權、云基礎設施股權、關鍵數據資產、電力和算力的物理設施權益。他們要做的事情很簡單，什么都不做就行。AI 越強，他們越受益。這是一種系統性、被動的、復利式的紅利。

第二類，AI 杠桿使用者。

他們沒有底層 AI 資本，但他們用 AI 去放大自己的品牌、產品、渠道、客戶關系和組織能力。他們用 AI 把自己變成一個一人公司、一個小型工作室、一個品牌主體。他們賺的是 AI 帶來的杠桿紅利。這種杠桿傳統社會要么需要繼承，要么需要融資，要么需要十年管理經驗才能拿到，而 AI 第一次把它無門檻地交到普通人手上。

第三類，AI 價格承受者。

他們也用 AI，而且用得很熟。他們用 AI 幫公司加班，用 AI 幫老板省成本，用 AI 幫客戶更便宜地交付，用 AI 在平臺上更高效地生產內容然后被算法分配流量。他們的效率確實在提高，但他們的議價權在以更快的速度下降。

這三類人之間有一個不太被討論但相當殘酷的事實：AI 不放大能力，AI 放大所有權結構。

如果你擁有資產，AI 放大你的資產。

如果你只出售時間，AI 壓低你的時間價格。

如果你已經有一個被信任的品牌，AI 放大你的分發。

如果你沒有品牌，AI 把你扔進一個更擁擠的勞動力池。

希臘前財政部長Yanis Varoufakis在他的《技術封建主義》(Technofeudalism)里給了這個狀態一個很尖銳的命名。他說，今天的科技平臺不再是傳統的資本家，而是“數字領主”；普通人在平臺上用 AI 創作、用 AI 接單、用 AI 提效，本質上是數字佃農在領主的土地上勞作，產生的所有數據、所有注意力、所有交易關系最終都歸領主所有。

這個比喻指出了一個非常本質的東西：平臺經濟疊加 AI 之后，出現了一種過去幾百年間被遺忘的舊關系，你越努力，你越鞏固對方對你的所有權結構。

這就是“使用者悖論”的第二層含義。第一層是產業鏈位置上的悖論：你用得越多，你越靠近價值鏈最薄的環節。第二層是產權結構上的悖論：你產出得越多，你越在為別人沉淀資產。

我前面寫過一篇文章，講社會在加速 K 型分化，有三種人正在被 AI 放大。今天再看那個判斷，可以更直接一點：K 型分化的關鍵不在使用 AI 的頻率，而在沉淀 AI 紅利的方向。

頻率人人可以提高，方向是一個一旦走錯就很難掉頭的選擇。

五、普通人能做的是把效率換成權益

講到這里，這篇文章如果只是停在分析層面，就和那些高談闊論的宏觀博主沒什么兩樣。我想把它再推一步：既然普通人買不到 OpenAI 的早期股權，那他能做什么?

答案不是認命。還有另一條路徑：把 AI 提效產生的價值，沉淀進自己能持有的資產里。

我把它叫做“權益沉淀”。

在 AI 時代，普通人能持有的資產大致有六種，以下每一種都是可以用 AI 杠桿放大、且不易被平臺和模型輕易拿走的。

品牌資產。AI 可以批量生產內容，但不能批量生產信任。當所有人都能用 AI 寫出 80 分的文章時，讀者的注意力會反向收縮到少數他們認可的人身上。個人品牌的價值不在于流量，而在于讀者是否相信你的判斷、品味、立場和連續性。

渠道資產。公眾號、知識星球、社群、播客、視頻號、郵件列表，這些是你直接連接讀者的管道。平臺的算法會變，但你和讀者之間一旦建立直接關系，就脫離了平臺的中介。AI 時代的最大悖論之一是：技術讓分發越來越自動化，但繞開分發變得越來越值錢。

產品資產。課程、模板、咨詢方法論、訓練營、付費報告、垂直工具，把你的認知和經驗封裝成可復用、可定價、可迭代的物品。AI 可以幫你生產，但你必須把生產成果變成產權。這件事的關鍵動作是把“我在幫某某做”改成“我在賣一個東西”。

社群資產。AI 讓信息變便宜，讓高質量人群的聚集變更貴。社群不是聊天群，是一種由共同認知和共同利益構成的網絡。它的價值不在群里發的內容，而在群里有誰、誰能找到誰、誰愿意為誰背書。

數據資產。垂直領域的數據、案例庫、客戶問題庫、選題庫、提示詞庫，這些東西短期看不出價值，長期是你訓練個人智能體、生產專業服務的燃料。當通用大模型變得越來越廉價時，你和大模型之間的差距全部來自你獨有的數據。

工作流資產。一套屬于你自己的、用 AI 自動化跑起來的研究、寫作、銷售、交付、復盤流程。如果它服務于你自己的品牌和產品，它就是資產。如果它只服務于某個雇主或客戶，它更接近勞動效率，一旦你離開，它就停止為你產生價值。

這六種資產有一個共同特點：它們都需要時間去積累，但都能被 AI 大幅加速。

硅谷投資人納瓦爾在他廣為流傳的財富思想里有一個核心概念，叫“無許可的杠桿“(permissionless leverage)。他說傳統財富的杠桿要么靠資本(融資)，要么靠人(雇人)，要么靠繼承。

前兩種都需要別人的批準，投資人允許你拿錢，員工允許你雇傭。但代碼和媒體不需要任何人的批準。你寫一行代碼，可以為你工作到永遠;你做一檔播客，睡覺的時候依然在被聽到。

AI 讓這種“無許可杠桿“第一次平民化。一個人可以用 AI 建立過去需要十個人的內容生產能力、過去需要五十個人的客服系統、過去需要一整支團隊的研究分析能力。

但請注意這里的關鍵：杠桿只放大你已經持有的東西。如果你持有的是別人的資產，杠桿放大的是別人的所有權；如果你持有的是自己的品牌、渠道、產品、數據、工作流，杠桿放大的才是你自己。

這就是為什么我前面那篇關于龍蝦的文章里反復強調一件事：跑贏 AI 進化的不是龍蝦(那種死命增加防御的策略)，而是你必須成為一個被市場低成本就能記住、信任、選擇的人。AI 抹平的是生產能力，放大的是被選擇的資格。

六、

把這件事放到最簡單的層面看：會用AI和擁有AI帶來的權益，是兩個完全不同的位置。

會用 AI 是一張入場券。這張入場券一年比一年便宜，五年后會接近免費。真正的分水嶺在你怎么使用這張入場券：你站在 AI 生產力的哪一側，使用者、被替代者，還是權益擁有者。

如果只是用 AI 提高勞動效率，你會變得更能干，但也會進入一個更便宜、更擁擠、更不容議價的市場。如果你用 AI 建立產品、品牌、渠道、社群、數據和自動化系統，你才有機會把 AI 帶來的效率，真正換成自己的權益。

《Hedging the Singularity對沖奇點》這篇論文給我們最大的提醒是：AI風險不是只發生在就業市場，它同時發生在資產市場。誰擁有 AI 資本，誰就在對沖 AI 替代；誰只出售勞動，誰就暴露在 AI 降價之下。

更現實的是，OpenAI、Anthropic 這樣的核心 AI 資本，在上市之前已經被全球頂級資本提前分配完畢。普通人很難買到最肥的那一段。既然如此，普通人就更不能只滿足于做 AI 的使用者。

你買不到 OpenAI 的原始股，但你可以問自己一個更可行的問題：

我能不能用 AI，建立一個屬于自己的小型權益系統?

未來十年，真正危險的人不是不會用 AI 的人。

真正危險的是那些每天都在用最先進的 AI、卻沒有任何東西沉淀在自己名下的人，他們在用全世界最強的工具，做著一份注定貶值的工作?！径?/p>

經叔最近做了一個網站:https://budongjing.com

人肉篩選挖掘的高杠桿的硬核內容及深度原創，重點關注科技、文化、財富、權力四大要素以及它們之間的互動與影響。網站定價1999元/年，目前內測優惠價1299元/年，感興趣的讀者可以加經叔微信訂閱。

另外，歡迎加入經叔的知識星球。星球重點關注AI技術與商業前沿、一人公司與個人IP的底層邏輯和頂層設計，文化敘事與財富認知。

我是不懂經的經叔，國內最早翻譯介紹了納瓦爾的《如何不靠運氣獲得財務自由》，以及影響了納瓦爾、中本聰、馬斯克等大佬的《主權個人》。

不懂經知識星球，眾多百萬粉絲大V、千萬及億萬富翁訂閱。專注分享一人企業、一人創投主題，關鍵詞：AI、IP、創投、科技及商業前沿的高杠桿內容。

愈懂愈自由