AI冲击下的科技行业利润困境

AI营造了一种错觉：无所不能，只需想象。

这一错觉并非毫无依据。借助AI，创建一个功能原型的速度提升了数倍。以往需要一个小团队两周才能完成的任务，如今一个人一天就能搞定。这确实是生产力的巨大飞跃，不容忽视。

然而，这种效率提升仅限于软件开发周期中成本最低的部分。

软件不同于电视机。电视机生产完成后，成本即告结束，后续只是库存和物流。软件上线后，才是成本的开端——服务器持续运行、监控报警、安全漏洞修复、依赖库更新、用户数据合规。开发成本微不足道，维护成本却高昂。AI大幅降低了研发成本，却未能触及运维成本。

因此，AI的进步造成了一个不对称：实现功能的门槛趋近于零，而维持功能运行的成本依旧高昂。这种差距不会因代码生成速度的加快而缩小。

Sora的停运便是这一趋势的明证。即便OpenAI拥有强大的技术和资金支持，视频生成服务每日的推理成本也高达数千万元人民币，且用户规模无法弥补这一数字。最终，其决定将算力转向更具商业价值的领域。能够实现，并不等于值得长期投入。

应用层面的爆发还将引发另一个必然结果：价格战。当实现门槛趋近于零时，市场上同质化的产品会激增，竞争加剧导致价格下滑，营销费用增加，利润受到双重挤压。经济总量不会因AI的引入而扩大，科技行业的整体利润下降是这一逻辑的必然结果。

基础设施层——芯片、数据中心、能源——目前利润上升，但这一增长基于应用层持续创造商业价值的前提。一旦应用层的价格战和利润崩溃传导至基础设施层，这一预期将重新调整。2000年的互联网泡沫同样遵循此路径：掘金热潮结束后，思科市值暴跌八成。

AI并未废除经济学。它改变了成本结构的分布，但未消除成本本身。对于科技从业者而言，真正该问的问题不是“AI能否做到”，而是“做到之后，由谁支付账单，又能维持多久？”。