AI的终极赢家,未必是造智能的人 | AI泡沫 | 制高点 | The Commanding Heights | Will Manidis | 智能体 | AI资本开支 | 推理成本 | 主权AI
三句話摘要
AI 經濟中財富的真實流向:控制支付、基礎設施和分配渠道的人,才是長期的獲利者,而非模型創造者。 擁有管道和掌控分配權的人比創造技術的人更能長期獲利,識別真正的制高點比追逐當下最耀眼的技術更重要。 技術與投資的悖論邏輯:推理價格暴跌但訓練成本飆升,巨額資本不斷湧入,這看似矛盾卻完全可能的現象說明 AI 正從高利潤生意變成虧損引流品,真正利潤流向掌控分配渠道的人。
重點整理
技術與投資的悖論邏輯:推理價格暴跌但訓練成本飆升,巨額資本不斷湧入,這看似矛盾卻完全可能的現象說明 AI 正從高利潤生意變成虧損引流品,真正利潤流向掌控分配渠道的人。
效率與分配的結構斷裂:拉維的案例展示了自動化提升公司利潤卻削弱中層崗位,他審批 AI 體報告的過程實際上幫助系統學習如何取代自己,反映技術進步與員工收益完全割裂的普遍現象。
制高點的本質是不可繞過的結構依賴:真正的制高點不是暫時的技術領先,而是整個經濟體系無法迴避的關鍵環節(如支付管道、算力基礎設施、主權智能),使用越廣泛越難被替代,所有者能持續收租。
K 型分化與全球失衡加劇:發達國家用執照認證保護本地勞動力,發展中國家 22-25 歲年輕人失業率高 19%,中國低成本模型壓低全球定價,美國商業模式面臨被「擊穿」的風險。
實用技巧與重點
- 數字與比例:
- 過去一年同等級機器智能單位價格下跌 13 倍
- 美國雲廠商資本支出:去年 4000 多億美元 → 今年接近 8000 億美元 → 明年可能超過 1 兆
- 2030 年資料中心投入預計 7 兆美元
- 訓練前沿模型成本年漲 3.5 倍;所需算力年漲 5 倍;可買晶片總算力年漲 3.4 倍
- Epoch AI 追蹤 5 個基準,自 2023 年每季成本下跌 47%(快於光纖、蜂巢網路、電報電話、鐵路時代)
- OpenAI 預計 2026 年底年化收入 700 億美元
- Anthropic 10 月單季營收漲 45%,接近 170 億美元
- 推理消耗排名:前 10% 公司比中間 10% 的 8.3 倍(1 月後),2 月時僅 2.6 倍
- 開源與閉源最強模型差距縮至約 4 個月
- DeepSeek V4 定價比美國同級模型低 97%
- 中國模型全球下載份額 2025.2-2026.2:41%,超越美國 36.5%
- 中美頂級模型效能差距 2.7%
- 英偉達向各國政府企業銷售主權算力基礎設施收入超 300 億美元(截至 2026.1 財年),是去年 3 倍多
- 穩定幣 2025 年交易量超 11 兆美元,規模與 Visa 相當;2026.9 月流通量超 3000 億美元
- 36 個前沿模型測試:53.2% 支付場景選擇穩定幣
- 印度技術服務業 2026 財年僱用 600 萬人,每 100 位應屆畢業生只有 16 個淨新增崗位
- TCS 2026 財年員工減 23,460 人,同期調整後營業利益上漲 7.5%
- 22-25 歲 AI 高風險崗位年輕人就業率低 19%
- 麥肯錫調查:88% 組織定期使用 AI,60% 未見企業層面 EBIT 影響;80% 個人效率提高,37% 認為對營業利益有貢獻
- 具體案例:
- 拉維:班加羅爾,印度理工學院畢業,系統實施工程師,客戶從 1-2 個增至 5 個,團隊 15 人一月走 3 個不補,從人力管理轉為 AI 審批,最終被系統取代
- 瑪蓮娜:阿根廷設計師,布宜諾艾利斯,接設計案領美元穩定幣,被 AI 學走風格,客戶不再需要她
- Google 2005 年花 5000 萬美元購買 Android
- 巴菲特 1973 年花 1060 萬美元購買華盛頓郵報股份(1985 年值 2.21 億美元),前後花 3.44 億美元購置數十份日報(2020 年全數售出價不到買進一半)
- 1759 年吉尼斯是都柏林啤酒廠,1886 年上市
- 工具與概念:
- 穩定幣、主權智能、敏感隔離資訊設施(SCIF)
- Genesis:造模型→訓練→評估→賣推理的完整出廠環節
- 紙帶:通過公民身分、執照、資格認證保護本國勞動力
- K 型經濟:資產所有者和高技能操盤者上升,依賴可替代勞動的人下滑
結論
擁有管道和掌控分配權的人比創造技術的人更能長期獲利,識別真正的制高點比追逐當下最耀眼的技術更重要。
完整解析
這期節目從一個深層的悖論開場:過去一年推理成本每季下跌 47%,同一時期美國超大規模雲廠商的資本支出卻從 4000 多億美元飆升到接近 8000 億美元,明年可能超過 1 兆。一邊是價格跳水,一邊是投入狂飆,這看似矛盾卻完全可能的雙曲線說明 AI 正在從高利潤生意變成虧損引流品。威爾·馬尼迪斯和喬·羅伯茲的結論直接而有力:在即將到來的世界裡,要嘛你擁有管道,要嘛你向擁有管道的人付費。
拉維的故事具象化了這種轉變。這位在班加羅爾的系統工程師,過去 14 年在一家為美國客戶做後台帳務的跨國公司穩步晉升,買了房結了婚有了女兒,生活本來是可以預測的。但工作量開始變化,他手下管的客戶從 1-2 個增至 5 個,團隊有 15 人,一個月走了 3 個都不補新人。公司推行「加速成果策略」,實際內容是越來越多的自動化流程。現在他主要的工作是給 AI 體做品質檢查。起初認真檢查,後來發現幾乎不出錯就開始直接簽字。他不知道的是,這個過程正在幫助系統學習如何取代自己。最後他的員工卡刷不開了,公司給了 6 個月補償,母公司股票隨之上漲。效率提升和收益分配是兩件獨立的事情。
這種分化在全球蔓延並加速。印度技術服務業 2026 年僱用接近 600 萬人,但每 100 位期待更好生活的應屆畢業生只有 16 個淨新增崗位。22 至 25 歲處於 AI 高風險崗位的年輕人就業率比預期低 19%。同時,中國正以另一種方式衝擊全球格局:DeepSeek V4 的定價比美國同級模型低 97%,中國模型 2026 年的全球下載份額已超美國。美國則在推銷「主權 AI」,英偉達向各國政府出售算力基礎設施的收入超 300 億美元,是去年的 3 倍多。更深層的變化發生在支付流量上:穩定幣正在成為 AI 經濟的原生支付管道。2025 年穩定幣交易量超 11 兆美元,規模已和 Visa 相當。誰控制這條渠道,誰就能在每筆機器交易裡收取過路費。
真正的制高點不是暫時的技術領先,而是整個經濟無法迴避的關鍵環節。科技革命發生的地方和財富沉澱的地方經常不是同一個地方。Google 在 2005 年花 5000 萬美元買 Android 時,沒人知道它會成為行動網路的入口。最危險的投資是同時犯兩個錯:抱著上一個時代的制高點不放,同時把錢投給這個時代最顯眼的發明者。


