AI Eats the World: Navigating the Next Platform Shift

技术的历史并非工具的线性演进，而是一系列平台转型。每隔 10 到 15 年，一种根本性的变化——从大型机到个人电脑，从互联网到智能手机——就会重塑价值捕获方式、把关人身份以及哪些行业面临生存威胁。我们目前正处于生成式 AI 引发的此类转型之中。

根据分析师 Benedict Evans 的观点，当前时代的特征是规模巨大、近乎于一种“绝望”的资本部署。受单一恐惧驱动——即投资不足的风险远大于投资过度的风险——“四大巨头”（Microsoft, Alphabet, AWS, and Meta）正投入数千亿美元用于数据中心和芯片。然而，随着这场资本支出（capex）战争尘埃落定，一个关键问题浮现了：平衡点会是什么样子？

The Capex Explosion and the Commodity Trap

我们正看到半导体需求和数据中心建设的空前激增。在某些情况下，美国的数据中心支出正在超过办公楼建设。这背离了以往技术时代的“轻资产”本质；这些公司现在正挑战金融引力，为下一个前沿领域构建基础设施。

然而，历史表明，位于技术栈上层的商品化基础设施很少能捕获价值。Evans 将其与 2010 年的移动网络进行类比。虽然电信运营商构建了支撑移动革命的万亿美元级的“管道”，但真正的价值被构建在这些管道“之上”的应用和服务所捕获（Uber, Instagram, TikTok）。

如果 LLMs 遵循这一轨迹，模型本身将成为商品化产品。当 OpenAI, Anthropic, Google, and Meta 的前沿模型都达到相似的通用能力水平时，定价权就会消失。在这种情况下，智能将成为一种像电力或水一样的公用事业——按需计费。

From "Blank Screens" to Real Deployment

尽管存在炒作，但在 AI 使用与潜力之间存在显著的“容量差距”。虽然 ChatGPT 拥有数亿周活跃用户，但绝大多数用户并非日常重度用户。消费级应用目前处于“一英里宽，一英寸深”的状态。

为了从实验阶段转向必要的日常使用，AI 必须超越“空白屏幕”（聊天界面）。Evans 认为，聊天界面对于通用用途来说是一种糟糕的 UX，真正的创新将发生在“应用”中——即通过将 AI 集成到现有流程中来实现特定工作流和工具。

The Pattern of Deployment

新技术通常分为三个阶段部署：

  1. Absorb: 做更好的旧事（例如，使用 AI 编写更好的电子邮件）。
  2. Innovate: 做以前不可能做的事（例如，实时分析一百万个客户通话以寻找特定情绪）。
  3. Disrupt: 完全重新定义问题。

目前，最成功的部署案例见于编程、营销和客户支持——在这些领域，任务明确且 ROI 易于衡量。特别是在编程领域，我们正看到一种代际转变，小团队可以在一周内完成以前需要数十人花费数月才能完成的工作。

The Automation Paradox: Jobs vs. Tasks

AI 时代最深刻的问题之一是劳动力会发生什么。Evans 建议我们将“任务”与“工作”区分开来。

  • The Task: 工作中枯燥、重复的部分（例如，编写规范、构建电子表格）。这些正在被自动化为零成本。
  • The Job: 实现目标所需的隐性知识、品味、观点和战略思维。

从历史上看，当一项任务变得免费时，它并不总是摧毁工作；它往往会扩大工作的范畴。当自动化的库存管理（条形码）被引入时，杂货店并没有解雇所有员工；他们只是增加了五倍的产品种类。那些“枯燥”的工作被自动化了，从而允许了更复杂的业务模式。

Technical Uncertainties and the "Mausoleum" Risk

虽然资本部署规模惊人，但存在一种技术风险，即当前的路径可能效率低下。一些观察者认为，AI 的“大型机时代”——即向问题投入更多参数和更多数据——可能是一种笨拙的方法。

如果发现了一种更紧凑、更高效的智能表示模型，那么当前庞大的数据中心可能会变成“旧技术的腐朽陵墓”，类似于 PC 革命如何使早期计算时代的庞大计算中心边缘化。这种可能性凸显了中心化数据中心智能与潜在的分布式未来之间的张力。

Conclusion: Presuming Radical Uncertainty

当我们展望 2026 年及以后时，最有效的策略是假定存在激进的极度不确定性。AI 时代的赢家可能不是那些仅仅构建了最大模型的公司，，而是那些提出了正确的新问题的人：哪些曾经不可能的事现在变得廉价了？哪些行业曾受保护于 AI 现在可以将其自动化为零成本的成本基数之上？

正如 Evans 认为，那，历史不会重复，但会押韵。当前这种想法失败和产品形态不明朗的混乱状态，是每一次平台转型期的特征。目标不是完美地预测未来，而是构建让新能力变得实用的工作流和产品。

Sources