我们对 AI 板块的变现持谨慎偏悲观的态度。核心原因只有一句:AI 目前还没有好用到可以线性挂钩用户公司的收入。算力投入是确定的、快速的、可计量的;而收入的兑现却是滞后的、非线性的、充满不确定性的。这条剪刀差,正是接下来半年市场要反复交易的主线。
华尔街要的变现:快、大、可持续Fast, big, and durable
要快
Capex 已经花出去,折旧与融资成本按季度计提。变现必须跟得上投入的节奏,否则自由现金流承压——GOOG 上季自由现金流首次转负已是预警。
要大
数千亿美元的 Capex,需要与之匹配数量级相当的增量收入,而非边际改善。小修小补的效率提升,撑不起当前的估值叙事。
要可持续
一次性的尝鲜消费不算数。真正的变现要能形成可复购、可扩张的收入流——这恰恰是目前最缺的一环。
投入是确定的,产出是错配的The input–output mismatch
下面我们从 C 端付费意愿、B 端投入产出、Vibe Coding 的效率、Vibe 产物的价值 四个维度,逐一拆解为何我们谨慎。
免费开源存在,付费意愿就有天花板A ceiling on consumer willingness-to-pay
对 C 端用户而言,传统软件已经满足了大部分需求。无论是 App 内置的 AI,还是原生(Native)的 Chatbot,很大程度上都是信息茧房的延伸与同功能的重构——它让既有体验更顺滑,却很少创造出全新的、非付不可的需求。
当免费的开源软件与开源模型持续存在,主流 C 端用户的付费意愿存在明确天花板。变现故事若建立在"人人为 AI 订阅付费"之上,天花板会比预期来得更早、更低。
如果 AI 真的那么有用,数据应该会说话If AI worked, the P&L would show it
逻辑很简单:如果 AI 真的那么有用,那些重度部署 AI 的企业,利润理应大增。但事实是——数据并不支持。
📉股价不支持
标普今年除了 AI 产业链与石油之外的公司,股价整体是下跌的。真正受益的是"卖铲子的",而非"用铲子的"。
🔍Token 大、订单平
许多技术公司 Token 消耗非常大,但一看订单,今年与去年几乎没有增长——因为 AI 并没有帮它们拿到新订单。
🤖Agentic 套餐卖不动
CRM 与 NOW 已全栈接入 AI,订阅增速却不大。尤其 Now Assist 这类 agentic flow,绑进套餐后大多数企业用户仍不愿付费。
Now Assist 绑定套餐却付费寥寥,说白了还是不够好用。B 端愿意为"确定的降本增效"付费,而不愿为"可能有用的功能"买单。这与我们在 GOOG/NOW 财报 中看到的"魔鬼在实施细节"完全一致。
王牌应用的效率提升,没有想象中大The efficiency illusion
我们来看 AI 的王牌应用——Vibe Coding。根据我们的观察,软件公司的开发效率并没有明显提升:一些数据显示,全面铺开 AI 的传统软件公司,features submission 仅增加了 20–30%,远低于"AI 将成倍提升生产力"的宣传。
原因一:省下的时间去了别处
员工把 AI 节省下来的时间,用在了非生产性事务上(俗称"摸鱼")——效率红利在组织内部被无声地吸收了。
原因二:仍不会用或反感用
大多数人仍然不会用、或抵触使用 AI 工具。工具能力与使用能力之间,存在巨大的落差。
Token Maxing 正在退坡,正是上述逻辑的直接演化。你可能会问:为什么企业选择砍 Token Budget,而不是裁员 20% 试试看?现实是——裁员从来不是企业的第一选择,它牵涉组织、法律、士气等方方面面。技术企业尚且如此,传统企业只会更甚。于是,先砍看得见的算力开支,成了最省事的选项。
做得出来,不等于有人买单Building is not the same as selling
那么 Vibe Coding 产出的应用呢?个人开发者确实可以很快搭出一个游戏,但到目前为止,没有一款 AI Vibe 游戏真正爆火。这些作品大多是 copy cat——比如有用户说"我一个周末做了一个 Minecraft 出来"。很厉害,但价值在哪里?
人们付费的核心原因不是技术,而是技术所解决的需求。而需求,恰恰不是 AI 能够凭空创造的。同样的逻辑,适用于 AI 视频与 AI 音乐:生成变得极其廉价,但"值得被消费的理由"并没有随之增加。供给的爆炸,不等于需求的诞生。
AGI 不够,市场真正需要的是 ASIThe market needs ASI, not AGI
AGI:我们人类都能做
通用人工智能(AGI)还不足以支撑当前的市场叙事——因为它能做的,我们人类本来也都能做。替代同等能力的劳动力,创造不出全新的价值池。
ASI:超越人类的增量
市场真正需要的,是超级人工智能(ASI)——能做人类做不到的事,才谈得上打开全新的、可线性变现的市场。
换句话说:全人类真的需要那么多知识工作者吗?如果真的需要,我们应该先解决上千万尚未就业的大学生——他们本就是现成的"AGI 肉身"。比较可能的答案是:全人类并不需要那么多知识工作者。
这一点上,中美存在差异:相较于中国,美国更需要 AI 补上劳动力缺口。因此同一套变现质疑,落到不同市场,权重并不相同——这也是配置上需要区分对待的地方。
配套阅读:AI 软件的单位经济学 · GOOG/NOW 毛利率警报 · 硬切软的范式转移 · ← 研究库