← 信乘洞察

技术实践

AI让所有人 都忙起来了, 却没有让所有人 富起来

我们会用AI写代码、做设计、生成文章,甚至迅速复制整套软件。但当每个人都拥有强大的生产能力时, 谁来购买这些源源不断生产出来的东西? 01. 一个奇怪的时代:人人都在创造,人人都在贬值 2026年10月,开发者Brand

信乘数据

我们会用AI写代码、做设计、生成文章,甚至迅速复制整套软件。但当每个人都拥有强大的生产能力时,谁来购买这些源源不断生产出来的东西?

01.

一个奇怪的时代:人人都在创造,人人都在贬值

2026年10月,开发者Brandon Thomas借助AI开发了一批开源创意软件,试图挑战Adobe旗下的专业工具。随后,他又推出WordCraft、GridCraft和DeckCraft,对标Word、Excel和PowerPoint。这些作品尚处于早期开发阶段,远不能据此断言成熟商业软件已被替代。但软件开发门槛正在显著下降,这件事本身就值得重视。

过去,一个复杂的桌面应用需要团队花费很长时间打磨。如今,借助AI,个人开发者可以快速做出原型,吸引全球协作者参与。

问题随之而来:假如每个人都能开发一套Office,谁还需要为另一套Office支付高价?假如每个人都能生成精美图片,普通设计服务还有多少溢价空间?

使用AI的人越来越忙:程序员写更多代码,设计师做更多图片,创业者验证更多想法,自媒体作者生成更多文章。过去一天完成一件事,现在一天完成十件事。但这十件事真的创造了十倍价值吗?

也许没有。因为其他人也在做相同的十件事。

每个人的生产效率都在提高,但生产出来的东西却可能越来越不值钱。
芯片与电子设备,象征AI降低软件生产成本
图|AI降低数字产品的生产成本,但生产能力提高并不自动转化为更多需求。图片:Unsplash 外链。
02.

生产力爆炸,不等于财富爆炸

假设有100家企业,每家每年需要100份市场分析报告,总需求是一万份。过去一位分析师一年完成100份,需要100个人。现在有了AI,一位分析师可能完成1000份,十个人就够了。

生产效率提高了十倍,但企业真的需要十万份报告吗?未必。需求没有同步增加,新增生产能力首先意味着价格竞争和利润重新分配。客户可能获得更便宜、更充分的服务,消费者福利也可能增长;但不能把成本下降直接等同于供应商收入增长。

这并非AI没有价值,而是必须区分三个指标:完成任务的速度、为客户创造的实际效用、能够形成的收入和利润。三者不能互相代替。

当生产不再稀缺,稀缺的就变成了需求。
03.

历史镜像一:电力最初只是替代了蒸汽机

19世纪末,工厂逐步引入电力。早期的做法很自然:拆掉大型蒸汽机,改由大型电动机驱动原有的传动轴、皮带和机器。动力源换了,车间布局和生产流程却基本没变。

电力革命后来释放更大的生产率潜力,是因为分散式电动机让设备可以按工序重新布置,工厂不必再围绕中央动力轴组织。流程、空间、管理和设备利用方式都随之变化。经济史学家Paul A. David在1990年的《发电机与计算机》中,分析了通用技术扩散与生产率收益之间的时间差。

今天,企业用AI写邮件、做PPT、填表单、总结会议,有多少是在给旧流程更换动力源?如果审批链条仍然冗长,重复汇报仍然存在,AI只会让一座旧工厂转得更快。

我们把蒸汽机换成了电动机,却还没有重新设计工厂。
蒸汽机集中驱动
→
电动机简单替代
→
独立驱动与流程重构
图解|通用技术真正的生产率收益,常出现在组织与流程重新设计之后。
04.

历史镜像二:计算机无处不在,生产率却迟迟不来

1987年,经济学家罗伯特·索洛提出一项著名观察:计算机已经无处不在,却难以从当时的生产率统计中看到预期效果。后来人们把这一现象称为“索洛生产率悖论”。

早期计算机常常承担旧工作的电子化:纸质账本换成电子表格,打字机换成文字处理软件,档案柜换成数据库。局部效率提高,但组织的职责、决策和经营方式并没有立即重构。

直到信息技术与网络、业务软件、供应链和组织变革共同发展,相关生产率提升才更加显著。今天很多企业把AI工具使用率当作转型成绩,却忽略了客户体验、决策速度、收入质量和经营成本有没有真正变化。

一个本来就没必要存在的报告流程,过去十个人做五天,现在两个人做半天,这叫效率改善;让这个流程不再存在,才可能是结构性创新。

真正的创新,有时不是把工作加速十倍,而是让那项工作消失。
05.

历史镜像三:互联网先堆满网站,后来才创造新交易

1990年代末,建设网站的门槛不断下降,互联网公司大量涌现。投资者曾以为,只要把传统业务搬上网,就能创造巨大价值。2000年前后的互联网泡沫破裂说明,页面数量、访问量与可持续商业模式之间,并没有必然的等号。

但互联网没有失败。搜索广告让寻找信息与商业匹配形成新交易;电子商务与物流体系结合,重构了零售;移动网络、定位和支付又催生了新的实时服务组织方式。

互联网最深远的商业价值,不是让每家公司都拥有网站,而是让一些过去无法大规模发生的交易成为可能。AI的未来也许类似:复制旧软件很容易展示能力,发现原来不存在的市场却更难。

互联网最伟大的成果,不是更多网页,而是新的交易关系。
计算机与软件开发的工作场景
图|从计算机到互联网,技术普及与成熟商业模式出现之间往往存在时间差。图片:Unsplash 外链。
06.

AI供给通胀:数字产品越来越多,注意力却没有变多

“AI供给通胀”并非严谨的宏观通胀指标,而是一个描述性概念:文字、代码、图像、方案等数字产品供给急剧增加,单件产品的稀缺性下降。

当每个人都能写出像样的报告,报告的竞争力就越来越取决于独有的数据、可核验的证据和真正改变决策的洞见。当每个人都能复制软件功能,可靠性、客户关系、服务与行业集成就更加重要。

更值得警惕的是,内容生产速度可以提高十倍,但人的注意力无法提高十倍。一个人原先每天看十份简报,现在要筛选一百份;写简报的人效率提升了,读简报的人可能更痛苦。系统性的瓶颈只是从生产端转移到了审核、筛选和消费端。

如果AI只让信息更多,却不让判断更好,效率可能只是转移了瓶颈。
AI生产效率 ↑
→
数字内容供给 ↑
→
价格与注意力竞争 ↑
作者示意图:这一关系是分析框架,不是经统计验证的量化定律。
07.

杰文斯悖论:AI越便宜,算力需求可能越旺盛

1865年,经济学家威廉·杰文斯讨论过煤炭效率改善反而可能推动总消费扩大的现象。单位工作所需的资源下降,并不保证资源总需求下降,因为更低成本会催生更多用途。

AI也可能如此:单次推理更便宜,企业就可能让AI处理更多过去不值得处理的小任务,个人也可能尝试更多产品和工作流。这能够帮助理解为什么模型效率改善与算力基础设施投资增长可以同时发生。

但必须区分“Token消费量增长”和“商业价值增长”。大量算力可能被用于有用的科研与服务,也可能被消耗在无人阅读的内容和无人使用的应用上。基础设施投资者与应用创业者都需要认真核算最终产出,而非只看Token数量。

算力消耗的繁荣,不自动等于应用商业模式的繁荣。
08.

真正的AI原生商业机会在哪里?

第一,从购买工具转向购买结果。企业不再只是采购CRM、报表和分析软件,而可能购买能够被验证的客户留存改善、风险降低或更高服务质量。这要求AI融入数据、权限、执行和责任体系。

第二,从规模化内容转向规模化个性服务。教育不只是多生成视频,而是为每个学生提供长期、持续适应其学习情况的指导。医疗、养老等领域也有机会,但必须同时解决专业责任与安全要求。

第三,从科研助手走向科研闭环。AI与仿真、自动化实验仪器结合,参与提出假设、设计实验、分析结果并迭代,可能让过去成本太高的探索成为常态。

第四,从数字任务进入物理世界。机器人、传感器、制造、物流、能源等领域,真正的瓶颈常常涉及实体执行能力,而不仅是生成更多文字和图片。

这些方向的共性,是使用AI满足新的或长期未被满足的需求,而不仅仅抢占旧产品的市场份额。

AI的下一轮价值,不是复制更多工具,而是让过去不可能的服务成为可能。
发现新需求
→
AI交付结果
→
客户付费
→
持续反馈与复购
图解|与不断复制旧产品相比,形成可持续的价值交易闭环更重要。
09.

下一轮创业的壁垒,可能恰恰不在模型与代码

过去,稀缺的是把软件造出来的能力;未来,稀缺的可能是发现高价值需求、获得可信数据、建立客户关系、把服务交付到真实环境中的能力。

一个人一天能做十个App,不代表他拥有十种商业模式。一个产品是否有人持续使用、持续付费,是否能通过真实反馈改进,是否能够构建获客—交付—复购的闭环,才决定它能否成为企业。

在这个意义上,AI创业的核心竞争从“做得出来”转向“为什么值得存在”。

当制造产品变得容易,找到不可替代的理由才更难。
10.

结语:我们缺的不是生产力,而是容纳生产力的新世界

蒸汽机时代的工厂在换上电动机后,需要重新设计生产流程;计算机普及后,企业需要重新设计业务组织;互联网时代,人们用了很多年才建立成熟的新交易方式。

AI正在改变知识与智能的生产成本,但经济系统仍很大程度上沿用过去的流程与需求。替代性创新可以很快发生,因为我们知道旧软件、旧岗位是什么;创造性创新却要求我们想象尚不存在的服务、组织和市场。

未来的AI原生企业,未必是一家拥有更多“AI员工”的传统企业。它可能拥有截然不同的产品形态、责任结构、业务流程和收费方式。

AI当然已经创造价值。问题不是它有没有用,而是社会尚未充分学会怎样使用这种新的、廉价而可扩展的智能。

AI时代最大的浪费,不是消耗了多少Token,而是用近乎无限的智能,重复一个本来就不够聪明的世界。
REFERENCE

事实核验与延伸阅读

  1. ArtCraft 官方网站——开源创意工具项目与开发进度。
  2. IT之家,2026年10月14日——Brandon Thomas利用Claude开发Office类工具的报道。
  3. Paul A. David (1990), The Dynamo and the Computer——通用技术与生产率的历史比较。
  4. Brookings:The Solow Productivity Paradox——计算机生产率悖论讨论。
  5. W. Stanley Jevons, The Coal Question (1865)——能源使用效率与需求反弹的早期讨论。

编辑说明:“AI供给通胀”为本文采用的描述性概念,并非官方统计指标;文章的未来商业模式判断为推演。开源Adobe/Office替代项目尚属早期,不能等同于成熟商业软件已被完全取代。外链图片需要联网加载,微信公众号编辑器可能对部分外链图片进行转存或过滤。

与信乘交流本文涉及的需求

提交需求 ↗