沃頓商學(xué)院專(zhuān)家的論文里說(shuō)：“AI 需要把生產(chǎn)率提升 2.7 倍，否則科技公司有破產(chǎn)風(fēng)險(xiǎn)”。這是不是說(shuō)，大廠終于要被自己吹過(guò)的牛反噬了？

其實(shí)，這篇 NBER 工作論文更像是做了一道反推題：如果亞馬遜、谷歌、微軟、Meta、甲骨文這些公司正在把幾千億美元砸進(jìn) AI 基礎(chǔ)設(shè)施，那么它們到底相信未來(lái)會(huì)發(fā)生什么？

答案是“AI 必須非常快地變成生產(chǎn)率”。論文里的 2.7 倍，就是把資本開(kāi)支翻譯成生產(chǎn)率要求之后得到的數(shù)字。

所以，AI 行業(yè)已經(jīng)過(guò)了只靠發(fā)布會(huì)、榜單和 demo 維持興奮的階段。接下來(lái)，機(jī)房要折舊，GPU 要耗電，云合同要續(xù)約，客戶要看賬單。AI 要證明的，不再只是自己聰明，而是自己真的能讓一部分經(jīng)濟(jì)活動(dòng)更便宜、更快、更穩(wěn)定。

AI不只是軟件故事

過(guò)去很多人習(xí)慣把 AI 當(dāng)成軟件行業(yè)的一次升級(jí)。軟件的好處是邊際成本低，一個(gè)產(chǎn)品打磨出來(lái)，復(fù)制給一百萬(wàn)個(gè)用戶，聽(tīng)起來(lái)很輕盈。

但這一輪 AI 不完全是這樣。

大模型背后不是幾行代碼，而是服務(wù)器、網(wǎng)絡(luò)、芯片、數(shù)據(jù)中心、電力、冷卻系統(tǒng)和長(zhǎng)期租賃。它更像云計(jì)算、電信網(wǎng)絡(luò)，甚至鐵路那類(lèi)生意：先把路鋪出來(lái)，再等流量上來(lái)，最后希望每一趟車(chē)、每一次調(diào)用、每一份企業(yè)合同都能把前期投入慢慢攤回來(lái)。

谷歌一季度云收入增長(zhǎng)很快，云業(yè)務(wù)積壓訂單也大幅增加；微軟把 AI 業(yè)務(wù)年化收入增速講得很亮眼，同時(shí)資本開(kāi)支也處在高位；Meta 仍有很強(qiáng)現(xiàn)金流，但購(gòu)置設(shè)備的支出同樣巨大；亞馬遜年報(bào)里也明確說(shuō)，技術(shù)和基礎(chǔ)設(shè)施支出會(huì)隨著 AI、機(jī)器學(xué)習(xí)項(xiàng)目繼續(xù)增加。

這說(shuō)明兩件事可以同時(shí)成立。

第一，AI 不是完全沒(méi)有需求。云收入、企業(yè)合同、模型調(diào)用量、客戶，都是實(shí)實(shí)在在的商業(yè)信號(hào)。

第二，需求真實(shí)不代表投資一定劃算。重資產(chǎn)行業(yè)最怕的不是沒(méi)人鼓掌，而是資產(chǎn)太早買(mǎi)、利用率不夠高、價(jià)格又被競(jìng)爭(zhēng)壓下去。鐵路有用，電信網(wǎng)絡(luò)有用，互聯(lián)網(wǎng)也有用，但這些行業(yè)在擴(kuò)張期都出現(xiàn)過(guò)“長(zhǎng)期方向正確，短期投資過(guò)量”的階段。

AI 現(xiàn)在也站在這個(gè)位置上。

2.7倍真正考的是三道賬

把“生產(chǎn)率提升 2.7 倍”翻成過(guò)來(lái)，大致就是三道賬。

第一道賬，是利用率。

數(shù)據(jù)中心建好之后，不能長(zhǎng)期空著。GPU 不像一段代碼，閑著也要折舊，電力和維護(hù)也要錢(qián)。如果客戶需求比預(yù)期慢，或者推理價(jià)格降得太快，賬面上看起來(lái)是未來(lái)資產(chǎn)，現(xiàn)實(shí)里就會(huì)變成利潤(rùn)率壓力。

這也是為什么云廠商總愛(ài)強(qiáng)調(diào)企業(yè) AI 需求強(qiáng)勁。它們是在告訴市場(chǎng)：這些機(jī)器未來(lái)有人用。

第二道賬，是客戶付費(fèi)。

AI 能寫(xiě)郵件、寫(xiě)代碼、做客服、生成圖片，當(dāng)然有價(jià)值。可企業(yè)客戶最終不會(huì)為了“模型很聰明”一直付錢(qián)，它們會(huì)問(wèn)更冷的問(wèn)題：一個(gè)流程是不是少了人工復(fù)核？銷(xiāo)售轉(zhuǎn)化率是不是提高了？客服成本是不是下降了？研發(fā)周期是不是縮短了？如果只是員工多開(kāi)了一個(gè)聊天窗口，生產(chǎn)率就很難大幅顯現(xiàn)。

很多公司已經(jīng)在使用 AI，但過(guò)去幾年真正報(bào)告就業(yè)或生產(chǎn)率出現(xiàn)明顯變化的企業(yè)并不多。這不等于 AI 沒(méi)用，而是說(shuō)明“會(huì)用工具”和“改造組織”之間隔著一段路。

第三道賬，是誰(shuí)來(lái)吸收成本。

如果云廠商不漲價(jià)，它們自己吸收折舊，利潤(rùn)率會(huì)被壓。如果云廠商漲價(jià)，客戶就必須從 AI 項(xiàng)目里擠出更高效率，否則會(huì)減少使用。如果資本市場(chǎng)繼續(xù)買(mǎi)單，那就要求投資者相信未來(lái)幾年會(huì)出現(xiàn)更大的收入和利潤(rùn)。

所謂“破產(chǎn)風(fēng)險(xiǎn)”，真正說(shuō)的是這個(gè)邏輯：當(dāng)投資規(guī)模足夠大，未來(lái)利潤(rùn)就不能只停留在愿景里。利潤(rùn)跟不上，資本市場(chǎng)會(huì)重新定價(jià)；現(xiàn)金流跟不上，資產(chǎn)負(fù)債表會(huì)承壓。這在提醒我們，AI 已經(jīng)進(jìn)入硬賬本。

低價(jià)模型讓賬更難糊弄

還有一個(gè)變化，低價(jià)模型和開(kāi)源生態(tài)。

這幾年很多用戶已經(jīng)發(fā)現(xiàn)，一些任務(wù)不需要最貴、最強(qiáng)、最前沿的模型。寫(xiě)普通文案、整理資料、做簡(jiǎn)單代碼、跑內(nèi)部客服，八九十分的便宜模型可能就夠了。企業(yè)采購(gòu)尤其如此，老板不一定追求每次回答都最驚艷，他更關(guān)心一百萬(wàn)次調(diào)用以后總賬單是多少。

這會(huì)改變 AI 行業(yè)的定價(jià)邏輯。

高端閉源模型當(dāng)然仍有價(jià)值。復(fù)雜推理、代碼工程、長(zhǎng)上下文、多模態(tài)、企業(yè)安全、穩(wěn)定 SLA，這些地方仍然能賣(mài)出溢價(jià)。但溢價(jià)必須被證明，而不能只靠“我們參數(shù)更多、榜單更高”。

當(dāng)便宜模型不斷逼近可用線，前沿模型就必須解釋?zhuān)嘿F出來(lái)的那部分，能不能在真實(shí)業(yè)務(wù)里換回更多錢(qián)？

這不是壞事。

技術(shù)行業(yè)最健康的階段，往往不是大家一起講神話，而是開(kāi)始有人逼它算賬。價(jià)格下降會(huì)逼企業(yè)用 AI 用得更認(rèn)真，也會(huì)逼模型公司從炫技轉(zhuǎn)向產(chǎn)品、流程和可靠性。真正有價(jià)值的技術(shù)不怕算賬，怕的是算完之后只剩氣氛。

對(duì)中國(guó)科技公司來(lái)說(shuō)，我們不一定非要復(fù)制美國(guó)巨頭那種天量資本開(kāi)支路線。中國(guó)市場(chǎng)的優(yōu)勢(shì)常常是成本敏感、應(yīng)用密集、迭代快。算力當(dāng)然重要，但如果只比誰(shuí)燒得多，很容易掉進(jìn)別人的重資產(chǎn)節(jié)奏里。更值得盯的是，誰(shuí)能把便宜模型、行業(yè)數(shù)據(jù)、業(yè)務(wù)流程和人工審核組合起來(lái)，做出真正能省錢(qián)的應(yīng)用。

這其實(shí)也是開(kāi)源模型最有意思的地方。它不只是把模型價(jià)格打下來(lái)，更重要的是把很多行業(yè)客戶從“只能仰望少數(shù)前沿實(shí)驗(yàn)室”變成“可以自己調(diào)、自己部署、自己算成本”。醫(yī)院、工廠、外貿(mào)公司、內(nèi)容團(tuán)隊(duì)、軟件外包公司，對(duì) AI 的需求并不相同。有人需要最強(qiáng)推理，有人只需要穩(wěn)定分類(lèi)，有人最怕數(shù)據(jù)出域，有人最怕調(diào)用價(jià)格失控。越是這種碎片化場(chǎng)景，越不能只靠一個(gè)最貴模型打天下。

所以，未來(lái) AI 的競(jìng)爭(zhēng)可能會(huì)分成兩層。上層仍然是前沿模型和超級(jí)數(shù)據(jù)中心，決定天花板；下層是大量行業(yè)應(yīng)用和工程集成，決定現(xiàn)金流。前者很耀眼，后者更瑣碎，但真正的生產(chǎn)率往往就藏在后者：少一次人工錄入，少一次返工，少一輪溝通，少一個(gè)庫(kù)存判斷錯(cuò)誤。單看都不震撼，乘上足夠多的流程，才可能變成財(cái)務(wù)報(bào)表里的效率。

普通公司該怎么看

對(duì)普通企業(yè)和普通職場(chǎng)人來(lái)說(shuō)，更有用的問(wèn)題是：你眼前的 AI 項(xiàng)目，到底有沒(méi)有進(jìn)入真實(shí)流程？

如果一個(gè)公司只是買(mǎi)了幾個(gè)賬號(hào)，開(kāi)幾場(chǎng)培訓(xùn)，讓員工偶爾寫(xiě)寫(xiě)周報(bào)，那它很難指望生產(chǎn)率突然起飛。真正有效的 AI 項(xiàng)目，通常會(huì)改變工作分工：哪些任務(wù)交給模型初篩，哪些結(jié)果必須人工審核，出了錯(cuò)誰(shuí)負(fù)責(zé)，數(shù)據(jù)怎么沉淀，流程節(jié)省出來(lái)的時(shí)間能不能變成更多訂單或更少成本。

換句話說(shuō)，AI 不是外掛，而是流程改造工具。外掛可以讓人興奮幾天，流程改造才會(huì)進(jìn)入財(cái)務(wù)報(bào)表。

這也是為什么“AI 全是泡沫”和“AI 馬上替代一切”都太粗糙。泡沫可能存在，因?yàn)橘Y本開(kāi)支和估值提前透支了未來(lái)。價(jià)值也可能存在，因?yàn)楹芏嘈袠I(yè)確實(shí)會(huì)被更便宜的智能工具重做一遍。真正的分界線，不在口號(hào)里，而在賬本里。

到最后，AI 要回答的是一個(gè)很樸素的商業(yè)問(wèn)題：花出去的每一度電、每一塊芯片、每一座數(shù)據(jù)中心，能不能幫客戶賺回更多錢(qián)，或者省下更多錢(qián)。

結(jié)語(yǔ)

AI 的第一階段，是讓人相信機(jī)器會(huì)說(shuō)話、會(huì)寫(xiě)代碼、會(huì)推理。第二階段，是讓企業(yè)相信這些能力值得采購(gòu)?，F(xiàn)在正在到來(lái)的第三階段，是讓整個(gè)行業(yè)證明：這些能力能覆蓋越來(lái)越沉重的基礎(chǔ)設(shè)施賬單。

如果證明成功，今天看起來(lái)嚇人的資本開(kāi)支，會(huì)變成下一代數(shù)字基礎(chǔ)設(shè)施。如果證明失敗，它就會(huì)變成利潤(rùn)率、估值和債務(wù)壓力。

AI 沒(méi)有因?yàn)橐黄撐耐蝗蛔兂沈_局，也不會(huì)因?yàn)橐淮伟l(fā)布會(huì)自動(dòng)變成生產(chǎn)率。它只是從故事時(shí)間，進(jìn)入了折舊時(shí)間。