登录后参与评论
最近，我一直在琢磨一个事儿：要是啥稀罕宝贝都变得跟大白菜一样便宜，那咱们干啥还有啥意义呢？这不，AI 这玩意儿横空出世，把很多领域都搞得像是开了个“无限供给”的大超市，到处都是“AI 次品”，未来到底该咋整啊？
先看看那些 AI 大佬们，变着法儿想把 AI 转化成钱，可来来回回还是离不开广告、电商、游戏这些老套路，新花样儿也有限得很！要是 AI 只在现有的地盘里折腾折腾，那不就是在一个有限的池子里搅和搅和嘛。真正能给咱们人类历史带来大转折的，还得是那些现在还难得很的领域。
说白了，AI 让那些“认知劳务”“软件功能”啥的供给变得跟不要钱似的，想用多少有多少，可咱们现实世界里的需求却很有限——时间、预算、注意力、场景都摆在这儿呢。在这种“供给无限、需求有限”的局面下，经济和市场到底会咋样呢？
先说说供给侧，就是那些能提供东西的一方。现在，AI 一来，写代码的成本一下子变得很低很低，供给曲线都快成水平的了，而且还能往右边无限延伸。再看看需求侧，就算 AI 把东西搞得跟白送似的，可“愿意掏钱且能用得上”的量其实也没多大。
在这种情况下，价格肯定会被竞争压到跟边际成本差不多，很多 AI 能力估计都得免费或者超低价。数量虽然会增加，但也不会无限大，毕竟时间、预算、注意力这些天花板都在那儿呢。所以，这就是个悖论：技术从供给角度看是“无限”的，但从需求角度看，还是很“有限”和“分层”的。
咱们再看看写代码这事儿。以前，写代码的人少，成本高，需求也有限。现在 AI 一来，写代码的成本一下子降到了几乎为零，供给曲线从原来的 S₀ 往右移到了 S₁，几乎成了水平线。价格从原来的 P₀ 断崖式下跌到 P₁，项目数量从 Q₀ 上升到 Q₁。可市场规模（TAM = P × Q）会咋样呢？这就得看需求弹性了。总之，编码这事儿变得高度虚拟化，边际成本趋近于零，但真实可变现的需求并不会无限制地增长。
这就给很多行业敲响了警钟：以前靠“写代码的人不够、不便宜”赚钱的那些外包、集成、简单 SaaS，一旦供给约束被打破，价格向边际成本靠拢，收入肯定得缩水。
为啥很多行业的市场规模（TAM）会塌陷，而不是变大呢？关键在于你到底在卖啥。
要是你卖的是“稀缺的人力时间”，那 AI 一来，供给变得无限，市场规模（TAM）直接就砸穿了。比如离岸 IT 外包、低端 Web/App 外包、模板化站点搭建、简单 SaaS 工具、标准化内容生产这些，顾客愿意支付的价格就是人力成本加上一点毛利，价值锚点就是“人/小时”“项目工时”。AI 把编码效率提高了 10 倍甚至 100 倍，甚至直接替代了人力，对客户来说，“完成这个任务”的边际成本快速接近零。虽然需求会增加（多做点事儿、多试试想法），但肯定涨不到能覆盖价格暴跌的损失。在竞争充分的情况下，服务商的价格只能不断向 AI 的边际成本靠近。
结论就是：在“卖人力”的生意里，AI 就像突然在行业里塞进了无数个永不疲倦且免费的人力。结果不是“人人更赚钱”，而是原本靠稀缺时间赚钱的那一层，市场规模（TAM）被通缩吃光了。
再说说需求，需求可不是无限的，而是被现实业务场景和注意力约束的。就算编码成本趋近于零，也不意味着每家公司都会把所有流程都自动化 100 遍，或者每个消费者每天需要 100 个新 App 或新网站。真实世界里，需求被很多硬约束锁死了：注意力约束、组织约束、互操作与标准约束。所以，“可以做的代码”从 1 倍增加到 100 倍，但“实际想做且能落地的项目”，可能只是从 1 倍增加到 2 倍或 3 倍。在这种情况下，大幅降价加上需求有限，收入（TAM）自然就被压缩了。
还有，很多中间层本质上是“翻译/接口”，一旦两头直接连上，整个中间层就会被抽掉。传统软件/服务价值链里有大量中间层，比如把业务需求翻译成技术需求的公司/岗位、把 A 系统接口对接到 B 系统的供应商、用人力跑 Excel 做报表做审核的外包团队。大模型的本事之一就是直接跨越几层抽象：从自然语言直接生成 SQL/代码/接口调用、直接跨多个系统协调出一个工作流、直接读源码和文档自我修复/重构。一旦上下游可以直连，整个中间层的存在理由就没了。
所以，可能会出现以下几种情况：
价格塌陷：凡是输出是纯数字（代码、文案、图片、客服对话等）、质量门槛能被模型快速接近甚至超过平均人类水平、客户又高度价格敏感且对“谁提供”不敏感的，结局基本是功能供给从“人力稀缺”变成“模型随叫随到”，竞争对手要么用同类模型，要么用开源加云，技术很难形成长期垄断。定价方式仍然锚在“人力替代价值”或“席位订阅”，在价格战和免费工具的夹击下，价格逼近边际成本。结果就是前面说的：“AI 把编码从稀缺变成无限供给，很多环节的市场规模（TAM）不是放大，而是直接通缩塌陷。” 典型受害者就是低端外包、模板化 SaaS、小工具公司、标准化内容生产、简单 BPO 等。
租值转移：供给极度宽松加上需求有限再加上竞争存在，绝大多数效率红利会以降价和更多服务的方式传给客户和终端用户。AI/软件供应商通常只能拿到这块红利里的 10%–30% 左右，剩下的变成客户端的利润率提升、终端消费者的价格/体验改善，或者被进一步竞争掉。所以，“供给无限”并不意味着“AI 厂商赚无限”，反而意味着只要行业结构偏竞争、产品差异化有限，利润就会被压得非常薄。
新瓶颈上浮：稀缺位置换了，不是稀缺性消失了。当“编码/基础内容”变得不稀缺后，真正稀缺、能定价的东西会换位，比如硬稀缺（算力、电力、内存、网络、终端设备）、数据稀缺（高质量、带标签、专有的数据资产）、工作流与决策权（谁控制“把模型嵌进业务”的那一层）、信任与品牌（高风险场景里的责任归属）。这些新瓶颈，就是你在投资里要找的“仍然有定价权、仍然稀缺”的东西。
先说宏观层面，生产率提升是实打实的，但通胀路径很复杂。从宏观角度看，“供给无限、需求有限”的结构有两个方向的力量：强生产率提升理论上偏通缩、偏利好长期增长，但价格向零靠拢又会给名义收入带来压力，货币政策协调也很难。最后呈现出来的可能是：真实效率和产能在变强，但名义收入增长和通胀数据并不惊艳，一部分行业甚至长期处在价格战和盈利压力之下。
再看看劳动市场，中位数岗位被 AI“压价”，头部和新岗位吸走溢价。认知劳动市场大概率会出现一个“K 型分化”：被 AI 直接替代比率高、技能高度标准化的岗位，单价被大幅压低，岗位数量也可能下降；而那些能设计系统、分配决策权、定义 KPI，以及统筹 AI+人+流程的高级岗位，再加上一些极高创造性/关系密集型岗位（顶级 BD、策略、创意），收入反而提升，变成新的“上层”。这会放大既有的不平等，也会给政策带来压力：生产率属于全社会，但短期收益高度集中。
从经济学角度看，通缩≠没机会，关键是“价值锚在哪里”。通缩只是说单位功能的价格在下降，但经济学上还有两个核心问题：消费者剩余（用户和社会得到的“超出支付的效用”大幅增加）和价值捕获（这些新增的福利究竟由谁来变现）。
要是价格锚点是“成本+人时”，通缩红利大多留给客户。很多 B2B/B2G 服务，传统报价逻辑是人天数×日费加上一点毛利，或者订阅价≈“覆盖内部人力+系统成本”的一定倍数。当 AI
摘要不超过 300 字，结构化编号格式。可直接修改输入框内容。
可直接编辑输入框后点击「保存内容」；拉取通过境外 Jina 代理进行，可能需要 10-30 秒。
AI 的“无限供给”悖论：是馅饼还是陷阱？
最近，我一直在琢磨一个事儿：要是啥稀罕宝贝都变得跟大白菜一样便宜，那咱们干啥还有啥意义呢？这不，AI 这玩意儿横空出世，把很多领域都搞得像是开了个“无限供给”的大超市，到处都是“AI 次品”，未来到底该咋整啊？
先看看那些 AI 大佬们，变着法儿想把 AI 转化成钱，可来来回回还是离不开广告、电商、游戏这些老套路，新花样儿也有限得很！要是 AI 只在现有的地盘里折腾折腾，那不就是在一个有限的池子里搅和搅和嘛。真正能给咱们人类历史带来大转折的，还得是那些现在还难得很的领域。
说白了，AI 让那些“认知劳务”“软件功能”啥的供给变得跟不要钱似的，想用多少有多少，可咱们现实世界里的需求却很有限——时间、预算、注意力、场景都摆在这儿呢。在这种“供给无限、需求有限”的局面下，经济和市场到底会咋样呢？
一、“无限供给”在经济学里是啥意思？
先说说供给侧，就是那些能提供东西的一方。现在，AI 一来，写代码的成本一下子变得很低很低，供给曲线都快成水平的了，而且还能往右边无限延伸。再看看需求侧，就算 AI 把东西搞得跟白送似的，可“愿意掏钱且能用得上”的量其实也没多大。
在这种情况下，价格肯定会被竞争压到跟边际成本差不多，很多 AI 能力估计都得免费或者超低价。数量虽然会增加，但也不会无限大，毕竟时间、预算、注意力这些天花板都在那儿呢。所以，这就是个悖论：技术从供给角度看是“无限”的，但从需求角度看，还是很“有限”和“分层”的。
咱们再看看写代码这事儿。以前，写代码的人少，成本高，需求也有限。现在 AI 一来，写代码的成本一下子降到了几乎为零，供给曲线从原来的 S₀ 往右移到了 S₁，几乎成了水平线。价格从原来的 P₀ 断崖式下跌到 P₁，项目数量从 Q₀ 上升到 Q₁。可市场规模（TAM = P × Q）会咋样呢？这就得看需求弹性了。总之，编码这事儿变得高度虚拟化，边际成本趋近于零，但真实可变现的需求并不会无限制地增长。
这就给很多行业敲响了警钟：以前靠“写代码的人不够、不便宜”赚钱的那些外包、集成、简单 SaaS，一旦供给约束被打破，价格向边际成本靠拢，收入肯定得缩水。
二、行业层面的影响：价格塌陷、租值转移、新瓶颈上浮
为啥很多行业的市场规模（TAM）会塌陷，而不是变大呢？关键在于你到底在卖啥。
要是你卖的是“稀缺的人力时间”，那 AI 一来，供给变得无限，市场规模（TAM）直接就砸穿了。比如离岸 IT 外包、低端 Web/App 外包、模板化站点搭建、简单 SaaS 工具、标准化内容生产这些，顾客愿意支付的价格就是人力成本加上一点毛利，价值锚点就是“人/小时”“项目工时”。AI 把编码效率提高了 10 倍甚至 100 倍，甚至直接替代了人力，对客户来说，“完成这个任务”的边际成本快速接近零。虽然需求会增加（多做点事儿、多试试想法），但肯定涨不到能覆盖价格暴跌的损失。在竞争充分的情况下，服务商的价格只能不断向 AI 的边际成本靠近。
结论就是：在“卖人力”的生意里，AI 就像突然在行业里塞进了无数个永不疲倦且免费的人力。结果不是“人人更赚钱”，而是原本靠稀缺时间赚钱的那一层，市场规模（TAM）被通缩吃光了。
再说说需求，需求可不是无限的，而是被现实业务场景和注意力约束的。就算编码成本趋近于零，也不意味着每家公司都会把所有流程都自动化 100 遍，或者每个消费者每天需要 100 个新 App 或新网站。真实世界里，需求被很多硬约束锁死了：注意力约束、组织约束、互操作与标准约束。所以，“可以做的代码”从 1 倍增加到 100 倍，但“实际想做且能落地的项目”，可能只是从 1 倍增加到 2 倍或 3 倍。在这种情况下，大幅降价加上需求有限，收入（TAM）自然就被压缩了。
还有，很多中间层本质上是“翻译/接口”，一旦两头直接连上，整个中间层就会被抽掉。传统软件/服务价值链里有大量中间层，比如把业务需求翻译成技术需求的公司/岗位、把 A 系统接口对接到 B 系统的供应商、用人力跑 Excel 做报表做审核的外包团队。大模型的本事之一就是直接跨越几层抽象：从自然语言直接生成 SQL/代码/接口调用、直接跨多个系统协调出一个工作流、直接读源码和文档自我修复/重构。一旦上下游可以直连，整个中间层的存在理由就没了。
所以，可能会出现以下几种情况：
价格塌陷：凡是输出是纯数字（代码、文案、图片、客服对话等）、质量门槛能被模型快速接近甚至超过平均人类水平、客户又高度价格敏感且对“谁提供”不敏感的，结局基本是功能供给从“人力稀缺”变成“模型随叫随到”，竞争对手要么用同类模型，要么用开源加云，技术很难形成长期垄断。定价方式仍然锚在“人力替代价值”或“席位订阅”，在价格战和免费工具的夹击下，价格逼近边际成本。结果就是前面说的：“AI 把编码从稀缺变成无限供给，很多环节的市场规模（TAM）不是放大，而是直接通缩塌陷。” 典型受害者就是低端外包、模板化 SaaS、小工具公司、标准化内容生产、简单 BPO 等。
租值转移：供给极度宽松加上需求有限再加上竞争存在，绝大多数效率红利会以降价和更多服务的方式传给客户和终端用户。AI/软件供应商通常只能拿到这块红利里的 10%–30% 左右，剩下的变成客户端的利润率提升、终端消费者的价格/体验改善，或者被进一步竞争掉。所以，“供给无限”并不意味着“AI 厂商赚无限”，反而意味着只要行业结构偏竞争、产品差异化有限，利润就会被压得非常薄。
新瓶颈上浮：稀缺位置换了，不是稀缺性消失了。当“编码/基础内容”变得不稀缺后，真正稀缺、能定价的东西会换位，比如硬稀缺（算力、电力、内存、网络、终端设备）、数据稀缺（高质量、带标签、专有的数据资产）、工作流与决策权（谁控制“把模型嵌进业务”的那一层）、信任与品牌（高风险场景里的责任归属）。这些新瓶颈，就是你在投资里要找的“仍然有定价权、仍然稀缺”的东西。
三、宏观与劳动市场：高生产率、通缩压力、收益高度不均
先说宏观层面，生产率提升是实打实的，但通胀路径很复杂。从宏观角度看，“供给无限、需求有限”的结构有两个方向的力量：强生产率提升理论上偏通缩、偏利好长期增长，但价格向零靠拢又会给名义收入带来压力，货币政策协调也很难。最后呈现出来的可能是：真实效率和产能在变强，但名义收入增长和通胀数据并不惊艳，一部分行业甚至长期处在价格战和盈利压力之下。
再看看劳动市场，中位数岗位被 AI“压价”，头部和新岗位吸走溢价。认知劳动市场大概率会出现一个“K 型分化”：被 AI 直接替代比率高、技能高度标准化的岗位，单价被大幅压低，岗位数量也可能下降；而那些能设计系统、分配决策权、定义 KPI，以及统筹 AI+人+流程的高级岗位，再加上一些极高创造性/关系密集型岗位（顶级 BD、策略、创意），收入反而提升，变成新的“上层”。这会放大既有的不平等，也会给政策带来压力：生产率属于全社会，但短期收益高度集中。
从经济学角度看，通缩≠没机会，关键是“价值锚在哪里”。通缩只是说单位功能的价格在下降，但经济学上还有两个核心问题：消费者剩余（用户和社会得到的“超出支付的效用”大幅增加）和价值捕获（这些新增的福利究竟由谁来变现）。
要是价格锚点是“成本+人时”，通缩红利大多留给客户。很多 B2B/B2G 服务，传统报价逻辑是人天数×日费加上一点毛利，或者订阅价≈“覆盖内部人力+系统成本”的一定倍数。当 AI