技术热潮背后的真正问题
人工智能现在已经不是一个单纯的技术行业，而是一次生产函数的重写。【事实】2025年全球企业AI投资达到5817亿美元，比上一年增长130%；私人AI投资达到3447亿美元，其中生成式AI是最核心的资金流向。这个数字说明资本市场已经不再把AI当成实验室技术，而是把它当成未来十年企业效率、软件形态和产业结构变化的核心变量。
但现在的AI并没有真正进入成熟期。【推理】它更接近“高速增长早期”：技术能力已经被验证，用户需求已经被验证，资本投入已经开始规模化，但商业闭环、利润率稳定性和组织改造还没有完全完成。换句话说，ChatGPT证明了“人愿意用AI”，企业采购证明了“公司愿意为AI付钱”，但还没有完全证明“AI能够在大多数行业稳定创造可量化利润”。
这也是AI最值得研究的地方。它不是已经结束的故事，而是刚刚从“模型展示”进入“工作流改造”。未来五到十年，行业最大的变化不会是模型回答得更像人，而是AI开始替代、压缩、增强大量白领和工程流程。软件公司过去卖工具，未来可能卖结果；企业过去买SaaS账号，未来可能买可以执行任务的Agent。
行业阶段：高速增长，但不是无风险繁荣
【事实】Menlo Ventures数据显示，企业生成式AI支出在2025年达到370亿美元，高于2024年的115亿美元，同比增长约3.2倍。其中，超过一半支出流向应用层，说明企业不只是购买底层模型，而是在寻找能够直接提升生产力的软件。McKinsey 2025年的调查也显示，AI已经被广泛使用，但许多企业仍停留在试点、局部部署和流程磨合阶段。
【推理】这说明AI行业已经越过“有没有需求”的阶段，进入“能不能规模化交付价值”的阶段。早期互联网公司需要证明用户会上网，云计算公司需要证明企业愿意迁移IT系统，而AI公司现在需要证明它们能真正嵌入企业流程。这个阶段的特点是收入增长很快，但成本、组织摩擦和产品可靠性仍然是主要约束。
【预测】未来五到十年，AI的核心驱动力会来自四个方向：推理能力提升、推理成本下降、企业工作流重构、多模态与机器人结合。这个预测的前提是模型能力继续进步，算力供给没有严重中断，监管没有完全限制数据和模型使用。如果这些条件失效，AI仍会增长，但增长速度会明显低于当前市场预期。
商业模式：优秀，但价值不会平均分配
AI行业的商业模式表面上很简单：企业、开发者和消费者为模型能力、软件功能或自动化结果付费。但真正复杂的是价值分配。当前产业链大致分为算力芯片、云平台、基础模型、AI应用和行业Agent。每一层都能赚钱，但毛利率、护城河和资本强度完全不同。
【事实】NVIDIA这类芯片公司受益于训练和推理需求，拥有极强的供给约束和生态壁垒；云厂商通过Azure、AWS、Google Cloud承接算力需求；OpenAI、Anthropic、Google DeepMind等模型公司出售API、企业订阅和平台能力；应用层公司则把AI包装进具体场景，比如编程、法律、客服、设计、金融分析和办公协作。
【推理】长期利润最可能来自两类公司：第一类是控制关键基础设施的公司，比如GPU、云和数据中心；第二类是深度嵌入企业流程的AI应用公司。单纯“模型更聪明”不一定构成永久护城河，因为模型能力可能趋同，价格可能下降，开源模型也会持续压低基础能力的溢价。真正难复制的是分发渠道、企业数据、工作流集成、可靠性、安全合规和用户习惯。
商业模式最大的争议在于AI到底会增强SaaS，还是摧毁SaaS。一种观点认为，AI会让传统软件被Agent取代，因为用户不再需要打开十几个工具，只需要让AI完成任务。另一种观点认为，AI会提高软件价值，因为现有软件掌握客户、数据和流程入口。我的判断是两者都会发生：弱SaaS会被压缩，强SaaS会AI化，新的AI原生软件会在垂直场景中长出来。
市场空间：不是一个行业，而是一层新基础设施
AI的市场空间不能只看“AI软件收入”。如果只看模型订阅和API收入，会低估它的影响；如果把所有被AI改造的产业都算进去，又容易高估短期收入。【事实】Stanford AI Index 2026显示，全球企业AI投资在2025年已经超过5800亿美元，说明AI的资本开支、软件采购、人才招聘和基础设施投资已经形成系统性趋势。
【推理】AI的TAM应该分三层看。第一层是基础设施，包括GPU、数据中心、电力、云服务和网络；第二层是软件，包括AI办公、AI编程、AI客服、AI营销、AI法律、AI金融分析；第三层是实体经济，包括机器人、自动驾驶、制造、医疗、能源和物流。第一层最先兑现收入，第二层决定利润率，第三层决定AI能否真正进入万亿美元级别的长期市场。
【预测】未来十年，AI最大的增量不只在聊天机器人，而在企业Agent和Physical AI。企业Agent会重写白领工作流，Physical AI会把AI从屏幕带到工厂、仓库、医院和家庭。这个判断的假设是AI系统可靠性继续提升，机器人硬件成本下降，企业愿意改造流程。如果Agent长期无法稳定执行复杂任务，或者机器人硬件进步慢于预期，那么AI的市场空间仍大，但兑现路径会更偏软件，而不是实体经济。
竞争格局：模型不是唯一战场
当前全球AI竞争格局可以分成四组。第一组是基础设施赢家，代表是NVIDIA、AMD、Broadcom以及数据中心和云基础设施公司。第二组是云与平台公司，代表是Microsoft、Amazon、Google。第三组是基础模型公司，代表是OpenAI、Anthropic、Google DeepMind、Meta、xAI。第四组是应用层公司，包括Cursor、Perplexity、Harvey、Glean、ServiceNow、Salesforce等。
【推理】最稳的赢家目前仍在基础设施层，因为所有模型和应用都需要算力。NVIDIA的护城河不只是GPU，而是CUDA生态、开发者习惯、供应链能力和客户锁定。云厂商的优势则是企业客户入口和计算资源。模型公司的优势来自技术、品牌和开发者生态，但模型层的竞争会非常残酷，因为训练成本高、价格下降快、开源追赶持续存在。
真正不确定的是应用层。应用层可能产生最大的新增公司，因为它离客户预算最近，也最容易捕捉具体ROI。但应用层也最容易被大平台复制。一个AI应用如果只是“在旧软件上加聊天框”，护城河很弱；如果它能重写一个高价值流程，比如合同审查、代码生成、销售跟进、保险理赔、医疗文书或金融研究，它才有机会成为长期公司。
不超过十个关键指标
- 【事实】2025年全球企业AI投资约5817亿美元，同比增长130%。
- 【事实】2025年私人AI投资约3447亿美元，同比增长127.5%。
- 【事实】企业生成式AI支出2025年约370亿美元，较2024年约3.2倍增长。
- 【事实】企业AI支出中，应用层占比超过一半，说明需求从模型转向生产力工具。
- 【事实】全球新获得融资的AI公司数量在2025年增长约71%。
- 【事实】美国仍是AI投资中心，2025年私人AI投资显著领先中国。
- 【事实】McKinsey显示AI使用已经广泛扩散，但规模化落地和财务回报仍不均衡。
- 【推理】算力、电力和数据中心CAPEX正在成为AI增长的硬约束。
- 【推理】企业AI采购正在从“试试看”转向“能否带来明确ROI”。
- 【预测】未来十年最重要的新增需求会来自Agent、AI原生软件和机器人。
五条军规判断
第一，AI已经临近爆发，但不是所有AI公司都临近爆发。【事实】资本、企业采购和用户采用已经同步增长；【推理】真正爆发的不是“聊天”，而是AI进入企业流程。判断标准不是模型发布会，而是企业愿意为节省人力、提高效率和缩短交付周期持续付费。
第二，AI有机会保持十年以上增长。【推理】原因不是单一应用火爆，而是它可以横向进入几乎所有知识工作和部分实体工作。办公、编程、客服、教育、法律、医疗、制造、金融都会被影响。只要模型能力继续提升、成本继续下降，这个增长周期不会很快结束。
第三，AI容易复制扩张，但高质量交付不容易复制。【推理】软件天然可以全球分发，API和云服务降低了创业门槛，所以低端AI应用会严重同质化。真正难的是把AI做进复杂流程，并让它稳定、可控、合规、可审计。未来的护城河不是“我也接了一个大模型”，而是“我能在真实业务里持续创造结果”。
第四，AI满足真实长期需求。【推理】企业长期追求两件事：降低成本和提高收入。AI同时击中这两点，它能减少重复劳动，也能提高销售、研发、客服和运营效率。这不是短期娱乐需求，而是长期生产力需求。
第五，AI适合长期投入，但不适合盲目投入。【推理】如果一个人只学Prompt技巧，很快会被工具迭代淘汰；如果一个公司只包装模型接口，也很容易被复制。真正适合长期投入的是AI系统设计、Agent工作流、行业Know-how、数据工程、AI基础设施、机器人和AI安全治理。
最大机会与最大风险
最大的机会之一是企业Agent。它的价值不在于回答问题，而在于完成任务。客服、销售、财务、法务、HR、运营、数据分析都存在大量标准化但需要判断的流程。如果Agent能稳定执行这些流程，企业会把AI支出从创新预算转入核心运营预算。
第二个机会是AI原生软件。传统软件是人为中心，AI原生软件是任务为中心。未来用户可能不再逐个点击按钮，而是描述目标，让系统调动数据、工具和流程完成任务。这个变化会重写很多软件公司的产品结构和定价方式。
第三个机会是机器人和实体经济AI。数字AI解决的是信息流，Physical AI解决的是物理世界中的劳动、移动和操作。如果AI能够进入仓储、制造、医疗护理、家庭服务和能源系统，它的市场空间会远大于纯软件。
风险同样明显。第一是成本风险，算力、电力、数据中心和推理成本可能压缩利润。第二是竞争风险，模型能力趋同后，价格战会让很多模型公司难以获得超额利润。第三是监管和安全风险，版权、数据隐私、模型幻觉、自动化决策责任和国家安全审查都可能限制AI部署速度。
机构投资人的综合判断
从机构投资人的角度，人工智能值得长期关注，但投资主线不能停留在“谁的模型最强”。模型能力当然重要，但长期回报通常来自产业链中最难替代的位置。现在AI行业最像云计算早期和移动互联网早期的结合：基础设施先赚钱，平台重新分配流量，应用层最终诞生新的巨头。
我最关注三类公司。第一类是拥有算力、云、芯片和数据中心资源的基础设施公司，因为它们是AI增长的收费站。第二类是能把AI嵌入企业核心流程的软件公司，因为它们最接近预算和ROI。第三类是机器人和工业AI公司，因为它们决定AI能否从数字世界进入真实经济。相反，我会谨慎看待没有分发、没有数据、没有流程深度、只是在通用模型上套壳的应用。
对创业来说，最好的方向不是再做一个通用聊天工具，而是选择一个高频、高价值、流程复杂、结果可验证的垂直场景。比如法律合同、保险理赔、医疗文书、销售运营、财务审计、代码迁移、游戏内容生产和工业运维。创业公司需要避开大平台最容易复制的入口，进入那些需要行业知识、数据积累和长期客户信任的环节。
对职业选择来说，未来最值得进入的岗位不是单纯Prompt Engineer，而是AI产品经理、Agent系统设计师、AI应用工程师、数据基础设施工程师、AI安全与治理、机器人软件工程师、行业AI解决方案架构师。这些岗位的共同点是，它们不只是“会用AI”，而是理解业务、系统、数据、可靠性和商业结果。
如果未来十年只能选择一个方向长期投入，我会选择人工智能，但不会选择泛泛的AI。我会选择“企业Agent + AI原生软件 + Physical AI”这条线。原因是这条线同时连接技术进步、企业预算和真实生产力提升。AI最大的变化不是机器会聊天，而是软件开始从工具变成劳动力；一旦这一点成立，整个商业世界的成本结构、组织结构和岗位结构都会被重新定价。