AI的隐秘成本：效率攀升为何导致利润下滑？

从技术通缩的角度，重新审视AI的商业价值

企业拥抱AI的热情空前高涨，但鲜有人注意到一个反直觉的商业规律——技术越普及，效率越提升，利润空间却可能越窄。这不是偶然，而是经济史上一再重演的“技术通缩”现象。看懂这个逻辑，企业才能在AI浪潮中避免“赢了效率、输了利润”的窘境。

过去一年多来，董事会对AI的态度经历了从狂热到冷静的拐点。企业高管们眼看着数据科学家薪酬攀升、软件订阅费和token调用费持续走高，不得不加快步伐，推动AI从实验室里的概念验证走向真正能创造价值的业务场景。

学界对AI经济影响的判断向来审慎：其落地节奏将是缓慢且不均衡的，最终能产生多大体量的经济价值，至今没有明确答案。但这还不是最棘手的问题。

真正的考验在价值创造之后才显现——一场围绕利润存亡的争夺战。这里存在一个被多数人忽略的“赢家诅咒”：那些在AI驱动的生产力竞赛中领跑的行业，恰恰最有可能率先陷入白热化的成本与价格博弈，最终利润被层层挤压。

具备经济变革力量的技术，骨子里带着“通缩基因”。它让消费者享受到了更便宜的商品与服务，却让生产者陷入了利润不断缩水的困境。生产力跃升与利润增长之间的因果关系，远比我们想象的要复杂得多。

AI作为一项颠覆性技术，其提升生产力的底层逻辑并不神秘——本质上是在重新配置投入与产出的比例关系。当这类技术走向广泛普及，通常通过以下三条路径释放红利，而它们的终点却惊人地一致：通缩。

路径一：同等产出，投入缩减。企业借助AI压缩单位产出的资源消耗。一旦这种成本优势被某一玩家获得，降价抢占市场几乎是其本能选择。价格战随之而来，行业整体利润被拉低。所有人都被裹挟进这场竞赛，但只有掌握相对成本优势的玩家才能活到最后。参与者众，赢家寥寥。

路径二：同等投入，产出扩张。企业在不追加资源的前提下，依靠AI放大实际产出规模。供给端的骤然膨胀极易引爆争抢市场份额的价格战，直接蚕食行业利润。如果新增产能难以回撤、需求端又缺乏弹性，利润承压的程度会更加严峻。

路径三：旧模式被新模式取代。企业利用AI孵化全新的商业模式。这条路径有机会在短期内绕开正面价格厮杀，构筑较为持久的竞争壁垒。然而，一旦技术走向大众化，创新被复制的速度同样会加快，新一轮份额与利润的争夺很快卷土重来。

三条路径形态各异，终点却指向同一个方向：技术一旦普及，竞争优势便难以长久维持。生产力的提升非但不必然带来利润扩张，反而可能引发利润收缩。更值得警惕的是，在动态变化的行业中，三条路径可能同时上演。

互联网技术对零售业的重塑就是一例：它压低了库存管理与供应链成本，让规模玩家凭借极致效率和薄利多销绞杀对手；与此同时，大型零售平台又在主业之外孵化出广告、第三方卖家等全新收入板块。多条路径叠加，竞争的烈度被进一步放大。

技术通缩并非理论推演，历史已经反复验证。汽车行业是一个典型的渐进式技术创新领域。过去七十余年间，技术持续替代人力投入——汽车行业就业占比的长期下滑就是明证。其结果是“以更少投入完成更多产出”，但这同时刺激了价格竞争，表现为相对价格的持续走低。

利润率的变化触目惊心：行业早年利润率长期稳定在30%附近，如今已被压缩至微利水平。技术创新没有让汽车厂商更赚钱，反而让整个行业陷入了“越高效、越内卷、越不赚钱”的循环。

农业的故事如出一辙。曾几何时，食品支出占据美国家庭预算的四成以上，近半数劳动者在田间劳作。机械化耕作、化学肥料、基因育种——一轮接一轮的技术革新大幅削减了人力成本。如今，农业就业人口仅占全美劳动力的1%。尽管近期食品通胀引发关注，但拉长周期看，通缩趋势清晰可见：美国人的食品开支已降至总预算的13%。

两个行业，跨越数十年，传递出同一个信号：技术进步的红利最终大量转移给了消费者，而生产者端的利润则被持续压缩。AI，大概率不会例外。

当然，并非所有行业都会被同等程度地席卷。部分领域甚至几乎不受技术通缩力量的冲击。差异的根源，在于竞争的抑制因素与放大因素各不相同。

护城河的深浅。如果企业能掌握难以被竞品复制的AI落地方案，构筑起深厚壁垒，就有机会形成垄断格局，以垄断利润替代价格竞争。但现实是，这种局面出现的概率不高——AI的普及门槛本就不高，各家都能调用同款大模型，靠应用层形成的优势很难守住。

供给侧的竞争烈度。在AI供给端，价格战已经打响。ChatGPT、Claude、Gemini、Llama、Grok——仅美国市场就涌现出多档价位的多款模型。随着企业AI预算收紧，各大AI实验室很可能进一步下调token定价争夺份额。

落地的现实阻力。“更少投入”或“更多产出”并不等于营收增长。一项近期研究显示，代码编写量提升了十倍以上，产品发布量仅提升了1.3倍。投入产出之间存在巨大的“漏损”。

使用率的短板。不少员工对AI工具兴致缺缺，高频使用者更是寥寥。数据显示，50%的职场人会使用AI，但仅13%做到每日使用。企业要收获显著效益，必须先培育出熟练使用AI的员工群体。

监管与社会接纳。政策层面，纽约市近期拒绝了Waymo的运营牌照续期申请，本就进展缓慢的自动驾驶行业再遭重击。社会层面，2026年3月皮尤研究中心的调查显示，50%的美国人对AI进入日常生活感到担忧而非期待。

行业市场结构。部分行业本身不适合价格竞争。比如医疗体系错综复杂，价格竞争很难成为主要博弈手段。

AI对生产力提升的幅度越大，催生的通缩力量就越强。小幅的效率改善通常不会引爆价格战；而巨大的生产力飞跃，则极有可能触发恶性竞争。

此外，产能增量的形式同样关键。如果新增产能难以收缩，降价又无法有效撬动需求，市场就极易陷入持续降价的恶性循环。反之，若成本下降能够刺激需求增长，价格竞争的烈度会有所缓和。但无论哪种情形，只要生产力实现大幅提升，通缩影响终将显现——AI落地成效越显著，紧随其后的利润争夺战就越残酷。

AI影响的不确定性与不均衡性，给每一位需要制定战略的管理者带来了严峻挑战。以下六条原则，或许能帮助企业在AI浪潮中找到航向。

铁律一：无人可以缺席这场竞赛。即便对AI持怀疑态度的管理者也不得不入场。不布局的风险是非对称的：如果AI最终兑现了颠覆性价值，缺席者将面临生存危机；如果AI不及预期，投入成本固然高昂，但竞争对手同样受挫，竞争格局不会发生根本改变。

铁律二：战略押注不可回避。投身AI竞赛几乎是必然选择。本希望聚焦日常运营的首席执行官，不得不腾出精力做出方向性的战略押注。

铁律三：只有相对优势才有意义。仅仅实现AI价值远远不够。当价格战打响，如果你的效率提升幅度落后于行业头部玩家，这种优化便毫无意义。赢家不只靠AI提效，而是实现比同行更大幅度的效率跃迁。

铁律四：赢家注定是少数。一旦技术颠覆某个行业，机遇与危机并存，但收益与损失从不均匀分配。互联网重塑零售业的前车之鉴已经说明：如果有效落地技术需要大量资本或规模支撑，行业大概率会走向整合。

铁律五：盯住产出，而非投入。在AI价值尚未被充分验证的阶段，很多企业沉迷于统计容易量化的指标——token消耗量、代码行数。但评判AI竞赛成败，最终要看的是单位工时产出的真实变化。

铁律六：理性调低投资回报预期。首席财务官很难痛快批准这类“强制性”投入：前景很可能是未来利润持续承压，回报微薄。更深一层的悖论在于——如果AI提升生产力、挤压利润空间，企业花钱布局AI，名义上是谋求竞争优势，实质上不过是为了活下去。

AI对文化与社会层面的冲击已成事实。它同样会产生经济效应，但其规模与形态依然笼罩在不确定性之中。

一个略显悖论式的判断是：当我们真正观测到显著的通缩现象时，才能确认AI具备颠覆性的经济价值。如果通缩效应迟迟未现，反而说明AI的实际影响力可能远没有想象中那么大。

所以，与其追问“AI能带来多少效率”，不如先思考“这些效率最终流向了谁的口袋”。在技术通缩的铁律面前，保持清醒，远比盲目乐观更重要。

【往期好文】

深度拆解7·30政治局会议：下半年经济的八大政策脉络

重温抗大八字校训，读懂党的组织治理智慧

黄仁勋最新访谈：AI，一切才刚刚开始

AI时代谁最值钱？麦肯锡最新研究揭示5类稀缺人才

曾鸣最新判断：这，就是下一个10年的复利曾鸣最新判断：这，就是下一个10年的复利

李飞飞最新访谈：10年后，只会剩下2类工作者

点击关注公众号

您每点一次在看都是我们前进的动力