AI泡沫论战拆解：支出营收差、能力翻倍节奏与普通用户的应对杠杆

星海拾光AI 前沿2026-09-17598 阅读💛 132 收藏

一句话结论

这部片子把「AI 是泡沫」论战的两边论据摆上台面：泡沫派的核心证据是行业支出与营收之间存在巨大缺口，而反方拿出的是能力事实——Anthropic 的需求多到要往外推用户、企业实际交付的代码中 AI 生成占比超过 50%、能力每四到六个月翻倍且被英国政府等第三方验证。对普通实践者真正有用的不是站队，而是三个可操作的判断杠杆：你在采用曲线上的位置（用 Claude Code 已是前 0.1% 的深度采用者）、生产力增益的研究数据（年增 30% 的预测）、以及用基准趋势线代替 CEO 表态做技术选型判断。

AI泡沫论战开场：双方论据交锋

泡沫论的两种含义与最强论据

片子先做了概念区分：「泡沫」在讨论中其实有两个不同含义，混用是大部分争吵的来源。第一种是资本市场意义上的估值泡沫——公司无法从投资中收回回报，投入产出缺口巨大；第二种是技术意义上的——AI 能力本身被夸大。大多数人说泡沫时指向第一种，其核心证据是行业支出与营收之间的缺口大得不成比例。

反方的回应值得完整复述，因为它不是口号而是事实清单：需求侧，Anthropic 的需求超过其服务能力，正在「往外打用户」；供给侧，每建一个新的 AI 系统，这个系统就能捕获更多营收，缺口在动态收窄而不是扩大；技术判断上，反复唱衰 AI「撞墙」的人已经被证伪多次，模型能力仍在指数级上升，「生成能替代整家公司、整块经济的机器」正在从修辞变成工程目标。还有历史类比——亚马逊几十年不盈利也活下来了，公司没有义务在所有时点都盈利，资本市场的耐心有时是对的。

泡沫论的核心证据：支出与营收缺口

还有一个容易被忽略的中间立场值得记录：泡沫与否取决于你看哪个时间尺度。短期内支出确实超前于营收——数据中心、芯片、能源的资本开支已经压上了万亿美元量级；但按能力曲线外推，每一代新系统都在捕获更多营收，缺口的收敛速度取决于企业把 AI 嵌入生产流程的速度，而采用分层恰恰说明这个渗透才刚开始。受访的研究者给了一个自嘲式的注脚：他几次尝试「看空 AI」都失败了，每一次的技术进展都超出他的谨慎预期——包括他没预料到的超人级漏洞发现能力提前出现。这不是说反方永远对，而是说「用过去泡沫的经验直接套 AI」需要先回答一个问题：铁路泡沫和互联网泡沫破裂时，技术本身的能力曲线有没有中断？AI 目前没有出现中断的证据。

三个硬数据：采用分层、代码占比、能力翻倍

对实践者最有价值的是片中给出的三个可验证事实，它们共同构成「泡沫争议下个人怎么决策」的数据底座。

第一，采用分层严重。 大多数企业用户用的是 Microsoft Copilot 级别的工具，而能用 Claude Code、能用好 GPT-5.4 Pro 的人属于采用曲线顶端——片中说法是「如果你在用 Claude Code，你已经在 AI 采用者的前 0.1%」。这意味着通用统计会系统性低估深度用户的实际增益：有研究预测生产力年增 30%，而现有经济模型对这种增幅完全没有先例可参照。你自己的体感是哪个层次，决定了你该参考哪组数据做职业规划。

采用分层：Copilot用户与Claude Code用户差距巨大

第二，AI 代码占比过半。 受访开发者的团队里，交付代码中 AI 生成的比例超过 50%，而且资深开发者更倾向于这样做——这与「AI 只适合初级任务」的直觉相反。经验越丰富的工程师越会把验证成本摊薄：他们判断代码质量的速度快，AI 产出的毛坯才划算。

第三，能力翻倍节奏。 模型能力大约每四个月翻倍；漏洞发现能力这个细分方向被验证得最扎实——HackerOne 全球第一的「黑客」已经是 AI，它找到数万个此前未被发现的高危漏洞，其中许多是专业人类漏洞猎手尝试过但失败的目标。这一结果被英国政府及 Google、Microsoft 等 Anthropic 竞争对手交叉验证，可信度高于任何单一公司的自证。在另一个六个月的翻倍周期预测下，讨论已经从「是否强大」转向超级智能与国家安全——片中多位受访者把它称为新的国家安全议题，包括军事应用与关键基础设施的暴露面。

失业叙事的另一面：替代定价与预测服务

片中失业讨论的颗粒度比公共舆论细，值得完整呈现。替代的定价逻辑很冷：远程工作会被 AI 以十分之一甚至百分之一的价格完成，企业没有理由拒绝；当 AI 能做的任务比例趋近一时，「所有人都在同一条船上」——不再存在「安全的技能」。乐观版本则指向新分工：操作 AI 系统高效运转的人会拿到溢价，成为瓶颈的人在自动化到来之前能要求高报酬。

但同一逻辑下出现了对普通人可感的新市场：AI 预测服务。一位顶级人类预测员在 2975 名参赛者的锦标赛中拿了第一，而 AI 排第十一——人类还有优势，但从单位经济看，AI 一次预测只要一两美分，「我很忙也很贵，AI 便宜得多」。专业预测员自己承认应该认真对待这个信号。对内容创作者、咨询师的启示是：凡是「判断密集型」的服务，都会经历同样的成本坍塌，护城河要建在判断之外的地方——数据、关系、责任承担。

预测锦标赛：人类第一AI第十一，成本差三个数量级

国家安全维度：从漏洞发现到基础设施暴露

片子后半段进入国家安全视角，这部分对做企业安全的人有直接参照。AI 漏洞发现能力的军事化含义被多位受访者点破：网络攻击影响地缘政治平衡，AI 在攻防两端都在加速。今天的 AI 系统是为商业用途构建的，没有达到军用等级——可靠性不足，对抗性破坏的加固也不足，模型权重还面临被窃取或篡改的风险。受访者举的具体场景令人印象深刻：现有 AI 已经能在 GitHub 上从零找到 15 个此前未被利用的漏洞，把同样的能力指向水务、电力基础设施的代码，后果不再是数据泄露而是物理世界停摆。

支持将 AI 整合进军事的声音在片中也占一席之地：要保持对对手的优势就需要强大的军事力量；反对声音同样具体——今天的商业 AI 不够可靠、不够加固，中俄等国可能篡改系统或窃取权重。机器人被讨论为制造业的倍增器：机器人劳动可以比人类劳动多几个数量级、便宜几个数量级，制造业回流的前提是机器人劳动力池。对普通读者的启示是：AI 安全不再只是 IT 部门的事，董事会层面需要把「AI 能力被用于攻击我们的速度」纳入威胁模型。

国家安全视角：AI攻防与基础设施暴露

AGI预算规模与社会后果的量化图景

片尾给出的一组数字把争论的量级拉到历史比较：AGI 预算明年将达到一万亿美元，是曼哈顿工程的五十倍——历史上从未有过类似规模的单一技术押注。AI 的经济价值被估计为 15 万亿美元量级（quadrillion 级的长期估算也在讨论中出现）。这些数字的含义是双面的：如果泡沫论错了，错过的成本同样巨大；押注本身的规模已经大到「不能失败」，这又反过来成为泡沫论者的新论据——当一项投资的失败不可接受时，定价机制就已经失灵。

社会后果的讨论收在「被淘汰的人如何反应」上：受访者预计人类不会平静接受被技术淘汰，「这不会是人们轻易放下的事」。乐观情景里工作变成可选项——机器人加 AI 提供充裕产出，人们变得富足但不再有特别的经济贡献，类似国际象棋大师在 AI 棋赛中的位置：还能下，但决定性的是 AI。悲观情景里则是大规模失业与不平等撕裂。两个情景的分歧点不在技术，在社会制度的响应速度——这也是普通人唯一能参与影响的变量。

片中还有一段对「聊天机器人心态」的观察值得单独说：大众还普遍把 AI 理解为聊天机器人，因此「AI 能替代所有人类工作」听起来像天方夜谭——但这个直觉建立在过时的产品形态上。当 AI 代理开始自主浏览网页、调用 API、相互协作时，劳动的接口就从「对话」变成了「交付」，定价逻辑随之改变。理解这一点的最快方式是审计自己工作里哪些环节已经可以被「一句指令加自动执行」覆盖。

给实践者的判断杠杆：基准趋势线优于CEO表态

片子结尾的方法论最有用，也是它超越普通「争议纪录片」的地方。CEO 们过去对 AI 的乐观判断大多对了，这意味着他们的风险警告值得认真听；但他们也有夸大的激励，模型发布期的炒作常超过实际兑现——多位受访者给出同一个答案：在预测 AI 进展这件事上，基准分数的直线外推胜过任何人的表态。对做技术选型、制定个人学习计划的人来说，操作含义是：盯基准趋势线和你自己工作流里的实测增益，而不是发布会的形容词。

这个方法还有一个当下就能用的彩蛋：AI 自己已可作为预测工具。把一个预测问题输入聊天机器人，答案已超过多数人类的水平——「画基准直线」这件事本身正在被 AI 加速。你可以每周固定几个自己领域的关键指标，让 AI 帮你追踪趋势线，把「AI 会不会泡沫破裂」的空焦虑换成「我的工作流增益曲线长什么样」的具体测量。

方法论结论：基准趋势线优于表态

落到操作层面，这周的三个动作：把你工作流里最高频的三个任务各跑一次「AI vs 人工」的计时对照，得到你自己的生产力基线；挑两个你关注的模型基准（编程、推理、多模态各选一），每季度记录一次分数连成自己的趋势线；把任何「AI 要泡沫了」或「AI 要通吃了」的文章拿来对照这两组数据再决定信不信。泡沫争论是别人的，基线是你的。

片中最值得反复咀嚼的一个细节：那位顶级预测员说 AI 在锦标赛里排第十一时，语气不是庆幸而是警觉——他清楚榜单会怎么走。对任何以「判断」为卖点的人，这是最诚实的同行评估。

这条建议也解释了为什么片子值得看完整版：它的每个论据都附带来源身份，你可以顺藤核验每一句话。