引言：一个被套错的剧本
2026年，资本市场上流传着一个熟悉的故事。
Claude Code、Codex、豆包、千问——这些 Agent 操作系统，被贴上了同一个标签：下一个入口，下一个平台，下一个微信。
剧本是老一套：先免费圈住用户，做成平台，再收租，赢家通吃。这套打法，互联网验证了二十年，已经被当成公式在用。
但几乎没人停下来问一句：这套公式，凭什么在 AI 身上继续成立？
互联网之所以能”先免费圈用户”，靠的是它最底层的经济学——边际成本趋零。多一个用户，几乎不花一分钱。
可 AI 呢？Claude Code 顶配 200 美元一个月，OpenAI Codex 的开发者平均每月要花 100 到 200 美元。用户越多，厂商的账单越厚。
这哪里像互联网？这更像……在交税。
答案，藏在一个被忽略的问题里：AI 的第一性原理，和互联网是反的。 而这一反转，牵动着后面所有关于价值、博弈、财富的结论。
这正是本文要讲清楚的四件事。
第一部分 · 成本刚性：AI不是下一个互联网
先把时间拨回 2014 年。
那年，美国经济学家杰里米·里夫金出了本书，叫《零边际成本社会》。他预言，未来很多东西会以”接近零的边际成本”生产出来，几乎免费。
什么是边际成本？就是每多生产一件产品，要多花的那笔钱。
开一家线下书店，想再赚一拨客人，就得再开一家分店，租金、装修、人工，一样都省不了——边际成本很高。可要是开一家网店，多来一个客人，服务器上多放一份数据，成本趋近于零。
Airbnb 就是这么起来的。房主多挂一间房，平台几乎不花什么钱；房客多订一晚，平台也几乎不花什么钱。于是它短短几年，把一百多年的老牌酒店连锁甩在了身后。
这就是互联网的命根子：边际成本趋零。
再叠上另外两样东西——网络效应（用户越多越值钱）、平台收租（谁都得从我这过）——三件事一凑，就是”赢家通吃”。
（ps: 这套逻辑过去二十年太成功了，成功到大家已经不去问它为什么成立，直接拿它当公式用。看见一个”入口”，就默认它会”赢家通吃”。）
于是，Agent 操作系统一露头，市场就兴奋了：新入口！新平台！下一个微信！
但几乎没人停下来问一句：AI 多服务一个用户，真的不花钱吗？
不花？恰恰相反。
我给这种”相反”，起了一个名字，叫算力税。
互联网是免税的：多一个用户，账本几乎不动。AI 是征税的：每多一个用户、每多一次调用，都要向”算力”这个隐形的税务局，交一笔刚性递增的税。
（ps: 这里藏着一个经济学上的分水岭。互联网是规模越大越便宜——多服务一个人，摊薄的固定成本越多。AI 是规模越大越贵——多服务一个人，就多烧一份实打实的电和芯片。前者叫规模效应，后者，我叫它反向规模效应。）
用户越多，税越重。这就是为什么那些”入口”敢收 200 美元一个月，还拦不住账单往上蹿。
听到这儿，你多半要反驳了——AI 的成本，不是在暴跌吗？
没错，而且跌得很猛。
三年时间，GPT-4 级别的推理价格，从每百万 token 60 美元，跌到了 0.06 美元。跌了 1000 倍。有篇论文收集了 3237 个模型的定价，算出一个让半导体行业沉默的数字：AI 推理价格的半衰期是 1.1 年——每过 13 个月，同样的智能，价格腰斩一次。这比摩尔定律还快了 82%。
这么看，AI 不是更像”零边际成本”了吗？
（ps: 这正是最迷惑人的地方。降本和”边际成本趋零”，是两个概念。 前者是”单价变便宜”，后者是”多卖一件不花钱”。一个是价格曲线往下走，一个是成本那条线贴到零。AI 只做到了前者，做不到后者。）
为什么做不到？两个原因。
第一个原因，账会自己涨回来。
企业这三年，单 token 成本降了 1000 倍，AI 总支出却从 115 亿美元涨到了 370 亿美元。涨价三倍。
Uber 给 5000 名工程师开放了 AI 编程工具，结果四个月烧光了全年预算。米哈游的一位工程师测试多 Agent 协作，忘了设熔断，几十个 Agent 掉进循环调用，13 个小时，账单 200 万。
为什么越便宜，烧钱反而越狠？道理一句话就够：单价降得再快，也快不过用量涨得更快。 一个 Agent 修一个 bug，得规划、调工具、看结果、自我反思，来来回回几十轮，消耗的 token 是过去一问一答的几十倍；再叠上多个 Agent 并行，同一个需求，token 消耗能差出好几个数量级。
（ps: 这个现象，其实有个一百七十年的老名字，叫”杰文斯悖论”——效率一提升，东西就便宜到可以用在以前用不起的地方，于是总消耗不降反升。但这不是我要说的重点。我要说的是下面这个，更狠的。）
第二个原因，才是真正要命的：分层。
前面那个 1000 倍的降价，降的是”昨天的能力”。
那篇论文里，藏着一个几乎没人注意的发现：旗舰模型的价格，几乎不遵循任何降价曲线，R² 只有 0.031——用大白话说，就是”乱”，根本不降。
原文有句话，一针见血：前沿能力从来不打折，打折的是”跟前沿一样好的昨天的能力”。
换句话说，AI 的边际成本，是会分层的。底层的通用能力，会一路跌向零，最后便宜到”贴着电费卖”；但最前沿的那一层，永远贵，永远稀缺。
看懂了吗？
互联网的边际成本，是一条一路向零的线；AI 的边际成本，是一条”下面归零、上面永远吊在半空”的分叉线。
底下的，白送；顶上的，天价。
这叫成本刚性，不叫零边际成本。
现在，把两样东西并排摆在一起，区别就清楚了。
| 互联网 / 软件 | AI | |
|---|---|---|
| 多一个用户 | 几乎不花钱 | 多一笔算力税 |
| 边际成本 | 趋零 | 刚性 |
| 规模效应 | 越大越便宜 | 越大越贵 |
| 成本性质 | 可预测的固定项 | 可爆炸的变量项 |
| 护城河 | 网络效应 | 算力与成本控制 |
有人把这两者的区别，一句话说透了：
过去 SaaS 的成本，是一个可预测的固定项，边际成本接近零；现在 AI 的成本，是一个可以爆炸的变量项。
一个”趋零”，一个”刚性”。方向正好相反。
所以，拿互联网的剧本去套 AI，从一开始就套错了。套错的地方不在执行，在第一性原理。
而这，还只是第一层。
AI 不是下一个互联网。 那么下一个问题就来了——如果入口不能复制互联网的暴利，那 AI 的钱，到底沉淀在哪？
第二部分 · 价值在算力：入口不值钱，算力才值钱
2026年，两件事几乎同时发生。
一边，是国民级 AI 豆包，端出了第一张真正的价目表：标准版 68 元一个月，专业版 500 元一个月，年付顶配 5088 块——比一部最新款 iPhone 还贵。
另一边，是一组让人费解的数字：中国 AI 应用月活已经冲到 4.4 亿，但主动掏钱的人，只有 9.8%。一百个人里，九十个在免费。
如果入口真能复制互联网的剧本，为什么九成用户，不肯掏哪怕 68 块钱？
答案，藏在”入口=利润池”这个等号里。
先把”入口值钱”这件事，说清楚它为什么成立。
微信值钱，安卓值钱，谷歌值钱。它们值钱，靠的是同一个地基——前面刚讲过：边际成本趋零。多一个用户，几乎不花一分钱。再加网络效应、平台收租，入口就成了利润池——一个越用越大的池子，而且几乎不用往里注水。
但 AI 的入口，卡在”成本刚性”上，无法零边际成本地复制。于是，我们得认真算一笔账。
乐观假设：中国有 1 亿白领，是 AI 付费的主力军。每人每年掏 800 块订阅费——这个价格，其实已经对标了海外 Claude 的折价。
- 20% 的人肯掏：160 亿
- 50% 的人肯掏：400 亿
- 100% 的人全掏：800 亿
再把范围拉到 10 亿用户，人人掏 1000 块——这是理论上最极致的算盘——也才 1 万亿。
听起来不小。但看看真实数据，你会明白这个”不小”有多乐观。
花旗今年 3 月调研了 1800 个人，结论是：58% 的用户倾向免费，而愿意掏钱的，一个月只肯出 48.3 块。48.3 块一个月，一年 580 块，比我们假设的 800 块还低了一大截。
更狠的是付费率。中国 AI 应用 4.4 亿月活，主动付费的，只有 9.8%。
把这两个数字乘起来：1 亿白领，哪怕一半人肯掏钱——这个付费率，已经极度乐观了——按人均一年 580 块算，也就 290 亿。
入口的利润池，是个几百亿的小水塘，不是万亿的大海。
拿着”下一个微信”的估值，去量一个几百亿的水塘——这不是谨慎，这是把小数点看错了三位。
那么，AI 这波浪潮里，钱到底被谁赚走了？
有人用 AI 把这条产业链上 110 家上市公司逐个拆开，按 AI 业务的利润归因加总，交回了一摞让人后背发凉的测算（2026 年为估算值）：
全球 AI 基建，一年砸下去 8800 亿美元。
但真正的利润池，不是 8800 亿。是 6400 亿美元的净利润，比 2025 年翻了一倍还多。
这 6400 亿，是怎么分的？美国拿走 3140 亿，占一半。韩国（三星+SK 海力士）拿走 2230 亿，占 35%。台积电 470 亿。中国大陆，约 260 亿。
而其中，英伟达一家，就拿走了 2070 亿美元——占整个利润池的三分之一，超过台湾省、中国大陆、日本、欧洲加在一起的总和。
说一句不好听但很真实的话：
收入是普惠的，利润是寡头的。几百家公司分食收入，利润的一半进一个国家，前两名拿走 85%。
那入口和模型呢？它们在利润池的另一头。
OpenAI，2026 年收入 300 亿美元，亏损要持续到 2028 年。xAI 一季度烧钱速度是收入的三倍。Anthropic 全年目标 260 亿，离盈亏线还差一步。云厂商把折旧摊足，AI 业务今天大致就在盈亏线附近。
下游加起来亏几百亿，上游落袋 6400 亿。
这就是这条商业闭环的真相：你以为入口在收租，其实入口在给上游打工。
如果你以为”算力值钱”就是结论，那还早了一半。
因为算力内部，也有一张价格表，而这张价格表，才是真正决定财富流向的东西。
把整条产业链按利润率排个序：
芯片设计、EDA、光刻机，毛利 55% 以上；代工和 HBM，40% 到 58%；设备材料，25% 到 45%；光模块和高端 PCB，15% 到 20%；服务器组装，3%。
同一颗 GPU，从图纸到机架，每过一站，利润率砍一半。
不是后面的人不努力。是后面每一站，都有人能替代你。
（ps: 有个细节，把这件事讲得最透。英伟达一年的资本开支几十亿美元，不到台积电的十分之一，利润却是台积电的近三倍。台积电要先花 520 亿建厂，才挣 790 亿。一个轻资产赚结构的钱，一个重资产赚周期的钱。前者是税，后者是赌。）
所以，算力要拆成两层看：
通用算力，会过剩。 它在价格表的下半段——组装、光模块、PCB，量大、租金薄、随时可替代。这一层，赚的是辛苦钱。
前沿算力，永远稀缺。 它在价格表的上半段——芯片设计、先进制程、HBM。这一层，赚的是”别人替代不了你”的钱。
一句话，点破这张价格表的本质：
利润率，是不可替代性的价格表。参与靠能力，赚钱靠别人替代不了你。
于是，第二层的答案也清楚了：入口不值钱，算力才值钱。 但算力又分贵贱——真正沉淀超额利润的，是稀缺的那一半。
那么，下一个问题自然浮现：这稀缺的算力，它的瓶颈，到底卡在哪？
第三部分 · 中美瓶颈：中国缺代工，美国缺电
2026年，两个国家的AI，卡在了两个完全不同的地方。
在美国，让人焦虑的不是英伟达的显卡，不是华尔街的钱——是电。
摩根士丹利 7 月那份 120 页的《AI 基础设施》报告，一句话点破了美国的命门：到 2028 年，美国会有38 吉瓦的电力缺口。想给数据中心接上电，并网排队要等5 到 7 年。
在太平洋这头，中国的瓶颈，是另一个东西。
中芯国际的最新制程，晶体管密度只相当于台积电的6 纳米——落后整整4 到 5 年。不是不想追，是买不到 EUV 光刻机。
一个缺电，一个缺代工。
过去三年，所有人都在盯着同一个战场：芯片。谁有更强的 GPU，谁赢。但到了 2026 年，战场悄悄换了地方——从”芯片”，换到了”电子和钢铁”。
先把一个被忽略的事实摆出来。
算力这东西，从来不是”造出来”就完事了。它有两个物理前提：
第一，造出来。 光刻机把电路刻在硅片上，这是制造，是代工。
第二，跑起来。 芯片插上电，GPU 转起来，这是能源，是电力。
过去几年，市场只盯着第一个前提——芯片、制程、英伟达。这没错，因为那时候瓶颈在”造”。
但算力的逻辑，和木桶一样：决定你装多少水的，是最短的那块板。
现在，这块最短的板，在中美各自的一侧，悄悄换了位置。
（ps: 你会发现一个有意思的对称——美国不缺”造”的能力，缺的是”跑”的能源；中国不缺”跑”的能源，缺的是”造”的工具。两个超级大国，一个卡在算力的前半段，一个卡在算力的后半段。）
先说美国。
美国的 AI，不缺芯片设计，不缺资本，不缺人才。它缺的，是一件所有人都觉得”理所当然该有”的东西——电。
先看需求。美国数据中心的用电量，2023 年是 176 太瓦时，占全美电力的 4.4%。到 2028 年，这个数字会飙到 325 到 580 太瓦时，占比翻到 6.7% 到 12%。也就是说，美国电力需求的增长，有一半是数据中心一家吃掉的——而过去二十年，美国全国的用电增速，几乎停在 1% 不动。
需求在爆炸，供给呢？
摩根士丹利给的数字很直接：38 吉瓦的缺口。什么概念？一座大型核电站，装机也就 1 吉瓦上下。38 吉瓦，等于要凭空多出几十座核电站。
更麻烦的是时间。在美国，一个数据中心想接上电网，排队要等5 到 7 年。钱不是问题，审批不是问题——是物理上就快不起来。
（ps: 华尔街有句话，最近在交易员之间流传得特别广：“you can’t print more electrons.”——你印不出更多的电子。美联储能印美元，能印国债，但印不出电。这是 AI 时代最冷的一句话。）
于是，一场关于”电”的争夺战，已经在暗处打响了。
发电机的订单，排到了 2030 年。GE Vernova、西门子、三菱这三家垄断了九成重型燃机市场，价格比 2019 年涨了近两倍。
核电成了香饽饽。Vistra 和 Constellation 这两家美国电力巨头，股价一度被炒到天上——Vistra 今年的盈利预期要涨 77%，Constellation 收购了 Calpine，成了美国最大的独立电力生产商。它们跟亚马逊、微软、Meta 签的，不是普通合同，是十年、二十年的核电长期供电协议。
训练一个大模型，耗电量顶得上一万户美国家庭用一年。这个账，微软、Meta 们已经算明白了——与其抢显卡，不如先把电闸攥在自己手里。
美国不缺芯片，美国缺电。这是 AI 时代美国的第一性约束。
太平洋这一头，是另一个故事。
中国不缺电。中国是全球最大的发电国，特高压、新能源、电网基建，都是世界第一。中国缺的，是”造”的那一半——先进代工。
这件事，用一组数字最能说清楚。
芯片的强弱，不看”几纳米”这个营销数字，看的是晶体管密度——每平方毫米能塞进多少晶体管。
台积电今年量产的 2 纳米，密度是每平方毫米3.13 亿个晶体管。中芯国际最先进的 N+3 制程，密度是多少？1.25 亿个。
差了2.5 倍。而 1.25 亿这个水平，只相当于台积电的6 纳米——那是台积电好几年前的水平了。业界给的综合判断是：中芯落后台积电 4 到 5 年。
为什么追不上？因为一个绕不过去的东西——EUV 光刻机。
台积电、三星、英特尔，刻最细的电路，用的都是 EUV。而中芯，被出口管制死死卡住，拿不到 EUV，只能用上一代的 DUV 光刻机，靠”多重曝光”硬凑——同一段电路，反复刻 5 到 6 次。
（ps: 这就好比别人用一把极细的刻刀，一笔刻到位；你只能用一把粗一点的刀，同一个地方刻五遍、六遍，才勉强刻出接近的图案。慢，而且每一刀都要花钱——单片晶圆的成本，嗖地就上去了。）
代价，是明摆着的。中芯 7 纳米的良率，业内估计只有 20% 左右。华为最新的麒麟 9030，最高核心的绝对性能，比苹果 2020 年的 M1 还低 57%。
中国不缺电，中国缺代工。这是 AI 时代中国的第一性约束。
但事情的另一面，也在这里。被卡得越死，替代得越狠。华为昇腾 950 用上了自研国产 HBM，硬是在没有 EUV 的情况下，把 FP4 算力做到了英伟达 H20 的近三倍。
黄仁勋说过一句话，透着真实的恐惧：“如果 DeepSeek 哪一天先在华为芯片上跑起来，那对我们国家是个可怕的结果。”
这不是谁输谁赢的意气之争。这是两个国家，各自被逼到了自己最短的那块板前。
把两件事并排放在一起，你会发现一个漂亮的对称：
| 美国 | 中国 | |
|---|---|---|
| 卡点 | 廉价电力（能源） | 先进代工（制造） |
| 卡在算力的哪一半 | ”跑起来" | "造出来” |
| 物理约束 | 电不够、并网慢 | 光刻机被禁、制程落后 |
| 关键数字 | 38 吉瓦缺口、排队 5-7 年 | 落后 4-5 年、密度差 2.5 倍 |
| 稀缺的本质 | 时间（并网要五年） | 工具（买不到 EUV） |
| 受益者 | 电力公司、核电、燃机 | 国产替代、华为昇腾、中芯 |
一个卡在”跑”，一个卡在”造”。
美国缺电，中国缺代工。中美 AI 的终局，是两个卡点的对赌。
（ps: 可能有人会问，美国不是核电重启、燃机扩产吗？中国不是多重曝光、国产 EUV 吗？都能补，没错。但关键在”时间”二字——美国并网要五年，中国爬良率、突破 EUV，也不是一两年的事。瓶颈之所以叫瓶颈，就是因为它不能靠砸钱在短期内打通。）
下一棒 AI 的定价权，不属于模型，不属于入口，属于那个能最先补上自己最短那块板的人。
但问题还没完。算力稀缺，瓶颈又卡在中美各自的命门上——那么，这稀缺的算力，到底该砸给谁？
第四部分 · 出路：稀缺算力，只配得上高溢价的行业
2026年，两件看似不相干的事，几乎同时发生。
Anthropic 放出一份实验报告：Claude 从头设计了 1320 个蛋白质，15 个靶点拿下了 14 个，命中率冲到 35.1%——而行业的平均水平，只有 10% 到 15%。
中科院数学院的 MechMath 智能体，把 2026 年国际数学奥林匹克（IMO）的全部 6 道题，一道不落地解了出来，还自动完成了形式化证明。
一个是蛋白质设计，一个是数学证明。看起来八竿子打不着。
但它们指向同一件事：AI 的杠杆，正在几个”大力出奇迹”的行业里，撬动出惊人的力量。
而这，恰好回答了前三章一路追问下来的最后一个问题——稀缺的算力，到底该配给谁？
先说一个常识：稀缺的东西，不能乱配。
算力是稀缺的。尤其是前沿算力——第二章讲过，它站在利润率价格表的最顶端，芯片设计毛利 55% 以上，别人替代不了。这种算力，贵得吓人。
贵的东西，就得配给能消化它的人。
举个例子。AI 客服，一个工单的成本，从人工的 4.18 美元，压到 AI 的 0.46 美元——省了 9 倍。听起来很美。但客服这个行业，天花板就在那儿，你省下的每一分钱，最后都会变成价格战里的弹药，毛利越打越薄。
把稀缺算力砸在客服上，就像拿一把手术刀去削土豆皮——能用，但浪费了。
反过来看创新药。研发一个新药，平均要烧 10 年、10 亿美元，失败率高达 90%。但一旦成功，就是一个年销百亿的现金奶牛。
同样是算力，砸在客服上，是省 0.46 美元；砸在创新药上，是撬动一个百亿市场。
这就是”算力的配给制”：稀缺算力，只配得上极少数高溢价的行业。
（ps: 有人会问，那低溢价的行业怎么办？不用怕。低溢价的行业，用”通用算力”就够了——通用算力会过剩，会越来越便宜，最后白菜价。便宜的算力配便宜的任务，贵的算力配贵的任务。这不叫不平等，这叫资源配置。）
那么，什么样的行业，配得上稀缺算力？
有一个词特别准确——大力出奇迹。就是那些”知识密集、技术密集、资本密集”，天生就需要”砸大钱、冒大险、赌大结果”的行业。
创新药，是第一个。
它的旧规则，是一组让所有投资人失眠的数字：10 年，10 亿美元，90% 的失败率。
但 AI 正在改写这组数字。
传统的临床前研发，要 4 到 5 年，烧掉 1 到 2 亿美元。而英矽智能（Insilico）的 INS018_055——全球第一个”靶点和分子都由 AI 发现”的药物——从概念到进入二期临床，只用了18 个月、600 万美元。
18 个月，600 万。传统是 6 到 8 年，1 到 2 亿美元。
更狠的是成功率。传统创新药的 I 期临床，成功率大约 52%。AI 介入后，这个数字被推到了80% 到 90%。
（ps: 别误会，AI 没有消灭那 90% 的失败率。它改变的是另一件事——以前，你失败一次，要赔上 10 年和 10 亿；现在，你失败一次，只赔 18 个月和 600 万。失败的代价，被打了一折。 于是你能尝试的次数，翻了十倍。）
尝试次数翻了十倍，意味着什么？
意味着那 90% 的失败率里，终于有足够的”试错额度”去撞开那 10% 的成功。
AI 不保证你赢，但它把”赌一次的成本”，降到了你可以赌很多次的程度。 而”赌很多次”，恰恰是”大力出奇迹”行业的命门——它们拼的，从来不是单次的胜率，是系统性提高的赔率。
这就是为什么，恒瑞一年砸 87 亿研发，百济砸 155 亿，眼睛都不眨。因为它们看懂了：AI 杠杆下的创新药，游戏的赔率变了。
10 年 10 亿美元的游戏规则，正在被改写。
创新药之外，还有一个更极端的”大力出奇迹”战场——前沿科学。
回到开头那两件事。
先说蛋白质设计。Claude 从头设计蛋白质，15 个靶点拿下 14 个，命中率 35.1%。什么概念？行业平均只有 10% 到 15%。最难的那个靶点 RBX1，此前一场设计比赛里，所有人的整体命中率只有 3.7%，而 Claude 单挑它，做到了 40%。
还有更难啃的 TNFα——一个免疫系统的炎症信号蛋白，此前多个专家团队都碰了壁。Claude 攻下来了，而且设计出的蛋白还能同时结合人类、猴子和小鼠，跨物种通用。
（ps: 一个此前要专家花数周甚至数月、反复试错才能完成的活，Claude 用 48 小时跑完了。这就是”大力出奇迹”的另一种写法——不是更省力，是把”人类的天花板”，变成了”AI 的地板”。）
再说数学。数学是”大力出奇迹”行业的极致样本——它不产出任何实物，但它是所有科学的底座。
过去一年，AI 数学的进展，快得让人眩晕。Harmonic 的 Aristotle，在 IMO 2025 上拿下金牌级成绩，团队只有 20 个人，估值冲到了 14.5 亿美元。Axiom Math 的创始人，一个 24 岁的姑娘，凭着 Putnam 满分（一百年来全球只有 5 个人做到），拿到了 2 亿美元的 A 轮，因为她用 AI 证明了一个 20 年没人解开的数论猜想。
中科院 MechMath 智能体，更是把 IMO 2026 的六道题，全解了，还自动完成了形式化验证。
Robinhood 的创始人 Vlad Tenev，重金押注这个赛道，说了一句耐人寻味的话：
“数学，是唯一可以用编译器验证的智能。”
这句话点破了”前沿科学”为什么配得上稀缺算力：因为这里的结果，是硬的、可验证的、无法注水的。 你把算力砸下去，换来的是一道被证明的定理、一个被验证的蛋白质结构——这些是”百年未有新财富”的底层资产。
写到这儿，你可能已经隐约看到那个答案了。
AI 的杠杆，为什么在创新药、前沿科学这些行业里，特别大？
因为它们有一个共同的结构：失败率高、周期长、成本大——但成功一次，回报是天文数字。 这种”低胜率、高赔率”的结构，天生就是杠杆的用武之地。
AI 在这里做的事，不是”替代人力”，而是把”失败一次的代价”和”尝试一次的周期”，都压到原来的十分之一。于是，胜率不变，但你能尝试的次数翻了十倍；赔率不变，但你能扛过失败的底气厚了十倍。
系统性提升的，不是单次的运气，是整体的胜率和赔率。
而这，正是稀缺算力应该去的地方。
然后，一个螺旋就转起来了：
稀缺算力 → 配给高溢价行业 → 撬动突破性成果 → 赚取超额利润 → 反哺更多算力 → 算力成本下降 → 普惠到大众。
看清楚这个螺旋，你就明白了那句话的真正含义——
AI 的普惠，不是靠”免费白送”，是靠高溢价行业先赚到钱，再一层层反哺下来。
就像今天的芯片。当年，是手机、电脑这些高溢价的行业，先养活了芯片制造，把制程一代代推上去；芯片变便宜了，才轮到手表、音箱、电饭煲用上芯片。稀缺的算力，也必须先被高溢价的行业消化，才能在未来，变成人人都用得起的水和电。
尾声：一把手术刀，和它该去的地方
回到那个贯穿全文的比喻。
稀缺的算力，像一把昂贵的手术刀。
你可以拿它去削土豆皮——客服、文案、翻译，这些活，用便宜的通用算力就够了。
你也可以拿它去救人——创新药、前沿科学，这些”大力出奇迹”的行业，一刀下去，可能是百亿的新药，是解开二十年谜题的定理。
手术刀就该拿去救人。削土豆皮，有菜刀。
把四层逻辑合起来看，事情就完整了：
AI 不是互联网，因为它的第一性原理是成本刚性，不是边际成本趋零；所以价值不在入口、不在模型，而在算力；而算力的瓶颈，中国卡在代工、美国卡在电力；于是最后，稀缺算力只配得上极少数高溢价的行业，让它们先赚到超额利润，再反哺算力，把成本一层层打下来，最终普惠到每一个人。
这就是”中美博弈大变局，百年未有新财富”的完整写法。
它不是一个关于谁赢谁输的故事。
它是一个关于”稀缺的资源，该流向哪里，才能让整条河流活起来”的故事。
而 AI 普惠的那一天，不会从”免费”开始。
它会从”贵”开始——先让最值得的地方，用最稀缺的力量，撞开那扇门。
然后，门开了，光才会照到每个人身上。
龙鹰镖局 | 中美博弈大变局，百年未有新财富