AI 的三张账单

2026年09月14日 星期一

这个九月有点热闹。9月1日，Anthropic 发了 Claude Fable 5.1，顺手把缓存读取价格砍了 75%；同一天，OpenAI 官宣了 Astra——第一个触发它自家"关键网络安全能力"红线的模型，两天后对订阅用户开放；9月2日，Google 发了 Gemini 3.8 Flash，这已经是四个月里的第四个 Flash，Meta 同日上架 Muse Spark 1.3。再往前数两周，xAI 的 Grok 4.6、阿里的 Qwen3.8 全家桶、Z.ai 的 GLM-5.3、腾讯的 Hy4 也刚扎堆落地。开发者的模型清单还没抄完，下一版又来了。

热闹归热闹，9月12日出了件反常的事。Anthropic 的 CEO Dario Amodei——下文就尊称他为达尿——发了篇文章，标题就叫《我们必须给前沿配速》，公开主张全行业放慢模型能力的提升节奏。几个小时之内，跟凹凸曼打着官司、公开骂过 Anthropic"邪恶"的马斯克，转发了四个字："Dario is right"。凹凸曼跟进说"我同意达尿"，还承诺同样向第三方评估机构开放接近员工级别的系统权限。DeepMind 的 Hassabis 也表了态。三家斗得你死我活的实验室，在一个周六手拉手站到了同一边，场面一度非常温馨。

往前推一推，同样的调子今年还响过两回。7月，红杉资本的 David Cahn 把他那个著名的问题更新到第三版："AI 的三万亿美元之问"——按已宣布的算力承诺，AI 产业需要在 2030年前长出约 1.4 万亿美元的年收入，才配得上这些投入。而年初在伦敦，一位东正教圣像雕刻家 Jonathan Pageau 站在 ARC 大会的讲台上，对着满场不信教的知识分子说："如果我们回答不了'这些技术为谁服务'，至少你要清楚自己为谁服务……我说，去教堂。"

一个华尔街的算术，一个硅谷的政治，一个神学家的布道。看上去毫不相干。我盯着这三件事看了几天，越看越觉得是同一张账单的三联。这篇就干一件事：把三联拆开，再拼回去。

先说结论：这场万亿美元押注的真正秘密，不是"能不能回本"，而是账单被均匀地分成了三份——钱的那份塞给了债券市场，人的那份塞给了年轻人，意义的那份塞给了所有人。三份的共同点：都还没人签字认领。

一、钱的账单：万亿缺口，和它被藏起来的方式

先摆数字。亚马逊、微软、谷歌、Meta、Oracle 五家 2026年的资本开支计划，合计约 7000 亿美元，比 2025年的约 4160 亿涨了快七成。加上 xAI、CoreWeave、Stargate、各国主权 AI 和中国厂商，全行业一年砸进 AI 基建的钱，稳稳超过一万亿。Gartner 在 7月的预测里给了个狠评价："建设 AI 所需的算力，是人类有史以来尝试过的最大的基础设施项目。"

投入端怎么折算成回本要求，投资界最常用的是红杉那套算法：GPU 采购额 ×2（配套的数据中心和电力）×2（终端服务得赚 50% 毛利）＝ 回本所需的年收入。这个问题的数字一直在膨胀：2023年9月算出来是 2000 亿，九个月后变 6000 亿，2025年底约 8400 亿，今年7月正式变成三万亿。

一万亿年收入是什么概念？拿 Gartner 和各行业统计对一下：

对标对象	年收入量级	对比
全球软件业（全部）	2026年预计约 1.47 万亿	门槛 ≈ 再造一个全球软件业
全球通信/电信服务	2026年预计约 1.35 万亿	门槛 ≈ 全球电信业
全球数据中心系统全年支出	2026年预计 8220 亿	门槛比全球一年买服务器的总钱还高
全球最大企业（沃尔玛量级）	约 6000–7000 亿	门槛 ≈ 再造 1.5 个沃尔玛

历史上没有任何行业，在这么短的窗口里被凭空造出来。注意，这不是"增长快"的问题，是"从零长出一个全球软件业"的问题。

那收入端到哪了？今年年中的年化口径：OpenAI 约 400 亿美元（8月，2025年底才 200 亿出头）；Anthropic 约 650 亿（7月末）——注意它把 AWS 和谷歌云渠道里的终端客户全额算成自己的收入，毛口径，水分自带；微软 AI 业务年化 370 亿、同比 +123%，Azure 增长 40%。

曲线确实陡得吓人。但这里有个必须戳破的东西：循环收入。微软的 AI 收入，很大一块是把算力租给 OpenAI 和 Anthropic；实验室的收入，来自把服务卖给终端；云厂再向英伟达买卡，英伟达再回头投资实验室。同一笔 GPU 投资，在产业链上被计了不止一次收入。左边口袋记一笔，右边口袋记一笔，账本是同一本。把重复计算剔掉，"净新增终端 AI 收入"大致在每年2000–3000 亿——覆盖回本门槛的四分之一到三分之一。四大模型厂商合计年化 800–900 亿，对着 7000 亿的同年资本开支。

咨询公司那边的数据冷得更一致。麦肯锡 2025年11月的全球调查：88% 的组织在至少一个职能用了 AI，但只有 39% 报告了任何利润层面的影响，够得上"高绩效者"的只有 6%，近三分之二还没开始规模化。MIT 的 NANDA 项目更直接：95% 的企业生成式 AI 试点，没有可衡量的损益影响。Gartner 跟进补刀：到 2027年底，超过 40% 的 agentic AI 项目会被取消。

一句话：人人都在用，几乎没人赚到。 连凹凸曼自己都承认投资者"整体对 AI 过度兴奋"，预言"有人会亏掉一笔惊人的钱"。高盛内部干脆分裂成两半：怀疑派研究员 Jim Covello 2024年那份报告的标题就叫《生成式 AI：花得太多，收得太少？》；而高盛自己的经济学家 Joseph Briggs 预测十年内 AI 提升 GDP 6.1%——同一家机构，两个预测差了近七倍。这就是当下 AI 讨论的缩影：没人知道答案，但人人都有立场——而且立场的方向，跟工资打款账户的方向高度一致。

到这里为止，都还只是"投入产出不匹配"，属于商业风险，愿赌服输。真正让这张账单变质的，是 2025–2026年的一个结构性变化：AI 建设从"巨头花自己的现金流"，转向了债务驱动，而且融资结构越来越眼熟。

• 据《金融时报》统计，科技公司用约十八个月时间，通过 SPV 和经营租赁把超过 1200 亿美元的数据中心支出移出了资产负债表。

• 最典型的样本：Meta 在路易斯安那的 Hyperion 数据中心，2025年10月装进一个叫 Beignet 的 SPV，Blue Owl 持股 80%，从 PIMCO、贝莱德、Apollo 借了 270 亿——这 270 亿不在 Meta 的资产负债表上。Meta 另给了一份最高 280 亿的"残值担保"，只出现在年报脚注里。从 2033年起，Meta 可以赔了担保金就走人，把楼留给债主。

• Oracle 更激进：2025年9月一天发债 180 亿，七周后又宣布 380 亿的债务包，总债务过了千亿。今年1月14日，它的债券持有人在纽约州法院起诉了它，罪名是发行文件隐瞒后续融资计划。两天前，CoreWeave 也吃了证券集体诉讼。穆迪 2月警告：表外租赁加残值担保，会让财报"严重低估真实负债"。

• 摩根士丹利估计，2025–2028年需要约 8000 亿美元私募信贷来撑 AI 基建。Michael Burry 去年11月公开质疑：全行业把 GPU 折旧寿命拉长到六年，掩盖了约 1760 亿美元的真实成本。

和 2008年的相似处不用点破了：抵押品估值假设（GPU 六年不贬值）＋风险出表＋证券化（数据中心 ABS 已经有了）。不同处是规模尚小一个数量级，银行直接敞口还低——芝加哥联储 2月的研究说，银行对 AI 相关行业的直接敞口平均只占总资产 0.8%。

但请注意风险去了哪。PIMCO、贝莱德、Apollo、Blue Owl 这些名字背后是谁？是养老金和保险。纽约州和宾州的公共养老金已经投进了 Blue Owl 的数字基建基金；去年8月的一纸行政令，正在把私募信贷这类"另类资产"塞进普通美国人的 401(k)。所以钱的账单，准确的表述是：你以为押注 AI 的是科技巨头的现金流，实际接盘的是你的退休金。钱没有消失，只是被移出了你能看见的报表。

二、人的账单：被抽走的梯子，和失灵的回路

关于 AI 和就业，大众盯的是失业率。但数据讲的是另一个故事，一个更隐蔽的故事。

斯坦福数字经济实验室那份研究（Canaries in the Coal Mine，去年8月首发、11月修订，今年干脆做成了持续监测的仪表盘），用的不是问卷，是 ADP 的真实薪酬数据：22–25 岁、身处 AI 高暴露职业的年轻人，相对就业自 2022年底以来下降了约 16%；同一职业里 30 岁以上的员工，同期不降反升。最尖锐的样本是软件开发者：22–25 岁的从业人数从 2022年底的峰值跌了近 20%，30 岁以上的开发者增长了 6–12%。同一批公司，同一个工种，同一套工具，走势相反，中间只隔着一个年龄。应届毕业生这边，Handshake 平台上 2025 届的初级全职岗位发布量同比少了 15%；纽约联储的数据显示，计算机科学应届毕业生的失业率（6.1%）已经超过了全体毕业生的平均值。年轻人自己也在用脚投票：美国高校计算机专业本科注册量，2026年春季同比降了 8.4%，研究生降 14%。

当然，反方的数据也得摆上桌，个个都不弱。其一，因果没坐实：纽约联储今年5月对招聘启事的分析，并没有找到清晰的"AI 驱动下降"信号——初级岗位的空缺萎缩，在 ChatGPT 发布前就开始了；斯坦福那组数据再漂亮，相关性也不是因果性。其二，分裂不等于崩塌：Ramp 和 Revelio Labs 6月覆盖两万多家企业的研究发现，AI 支出高的公司，员工总数反而扩张了约 10%，初级招聘还涨了 12%——把 AI 当生意做的公司在扩编，把 AI 当裁员借口的公司在缩编，市场在分化，不是在崩塌。其三，历史上自动化恐惧反复落空：ATM 多了，银行柜员反而多了；电脑消灭了打字员，总就业没降；从日韩的视角看，劳动力萎缩的国家甚至觉得 AI 来得正是时候——威胁和救生索，可能是同一枚硬币。

但这三个缓冲，缓冲的是冲击的速度和范围，缓冲不了那个结构问题：即便总就业没事，"培养人"的成本也已经从企业的报表里消失了。

为什么会这样？UC Santa Barbara 的 Matt Beane 花了十年研究机器人手术、投行和警务里的技能传承，发现了一个残酷结构：初级岗位从来都有双重功能——产出价值，和培养未来的资深者。 AI 吸收了产出功能，但培养功能还在，只是没人愿意为它买单了。他笔下最典型的画面是机器人手术室：主治医生加机器人做完了手术，住院医全程旁观。今天的效率最高，十年后没有新的主治医生。

这是标准的公地悲剧。每家企业"不招初级、让 AI 干杂活"，都是单独最优的决策；汇在一起，就是行业集体最差的结果：五年后资深人才枯竭。坑还在，上坑的梯子被抽走了。别忘了，律师、审计师、资深工程师，全是从打杂里长出来的——打杂不是浪费，是学费，以前是雇主在交，现在没人交了。甚至可以说，Ramp 数据里那些还在扩编初级的公司，未必是看到了不同的数据——他们正在捡别人抛售的人才期权，这是同一个定价错误的另一面。

更深一层是分配问题。市场经济有个隐含的稳定回路：人同时是生产者和消费者——劳动换收入，收入变消费，消费支撑企业，企业再雇人。这个回路自我维持了两百年。AI 拆的是第一环。认知劳动被系统性自动化之后，即使 GDP 继续增长，增长的分配也会绕过劳动：劳动收入份额下降，消费端的购买力只能靠转移支付或资产持有维持。整个分配机制需要重构，而没有任何一个国家的政治系统准备好了答案。经济不会因此"崩溃"，但它的自我稳定器失灵了。

所以断层和回路，是同一张账单的两面：企业省下的每一分初级工资，同时是人才管道的欠费，和消费端的欠费。 培养人这件事，正在从市场行为退化为无人买单的公共品。

三、意义的账单：注意力献祭，和一个人的药方

第三张账单最不好计价，我借一个人的话来讲。

Jonathan Pageau，法裔加拿大人，东正教圣像雕刻家，YouTube 频道 The Symbolic World 主理人，Jordan Peterson 的长期对话者。今年他有两场关于 AI 的演讲值得放一起看：5月在萨凡纳 Ralston 学院的"AI 与灵魂之战"研讨会，讲题《AI 为谁服务？数字时代的献祭》，用普罗米修斯、圣杯、Moloch、巴别塔四个故事，追问技术力量"指向什么目的、要求什么牺牲"；年初在伦敦 ARC 第三届大会那场，则直接成了大会的传播时刻。他在 ARC 的原话是：

"不管结局如何——AI 普及开来帮助我们，还是把我们带向荒原——解决方案只有一个：成为完整的人……有点像 Jordan Peterson 叫你们'整理床铺'，我有一个稍微不同的版本。我说：去教堂。显然，我说去教堂就是字面意思——对，你应该去教堂。但更大的问题是：如果我们回答不了'这些技术为谁服务'，至少你要清楚自己为谁服务。你服侍玛门吗？我服侍摩洛吗？如果我们阻止不了机器吞噬一切，那么你、我，必须成为真正的人。"

这段话最容易被误读成传教。但注意他的听众：大半是不信教的知识分子。他开的是诊断书，教堂是药方。诊断有三层。

第一层，AI 是"无身体的智能"的极致。它模仿一切模式，但不参与、不献祭、不属于任何共同体。而现代人在 AI 到来之前，就已经活成了它的预科生：工作、社交、娱乐全在屏幕里完成，人退化成一个观看的眼球加一根打字的指头。

第二层，意义是做出来的，不是想出来的。这是 Pageau 哲学的核心：理解世界靠参与，不靠旁观。只在头脑里"理解"一套意义系统，恰好在最关键的地方没理解。所以他给怀疑者的建议从来不是"先想通再信"，而是反过来：先去，坐下，忍受无聊，仪式本身会重塑你。

第三层，最锋利，藏在"献祭"这个词里。你崇拜什么，就向什么献祭。 数字时代的问题是，人的注意力正被献祭给 Moloch 式的机器——而注意力不是免费的，它是时间，是命。教堂在他眼里，是仅剩的、要求你把祭献给"上方"而非算法的场所。

你可以完全不接受这个药方。我自己就不打算去教堂。但诊断本身很难反驳，而且它跟前两张账单是同一个形状：平台把"生产意义"的成本也移出了自己的报表——算法收割注意力是单个平台的 KPI，整代人的空心化，没有入账。

有个细节很妙。基督教媒体把这场 ARC 演讲称为大会"从 Peterson 之道转向 Pageau 之道"的标志。Peterson 的口号"整理你的床铺"是个人主义式自救，从自己的小秩序开始；Pageau 的"去教堂"，是把自己嵌入一个大于你的秩序。而演讲标题里"AI 启示录"的 apocalypse，希腊语原义是"揭开"——AI 揭开的真正问题不是"机器是不是人"，而是"我们还是不是人"。

四、合账：三张账单是同一个形状

现在把三联拼回去。

钱的账单：巨头把数据中心债务移出资产负债表，移给私募信贷，再穿透到养老金。人的账单：企业把培养新人的成本移出招聘表，移给"未来的行业"，也就是移给没人。意义的账单：平台把意义生产的成本移出注意力报表，移给每个用户自己的空心病。

形成成本社会化，产出收益私有化。 三张账单，一个形状。AI 产业链上每个环节的"最优解"，都是把某种培养成本推给系统：培养算力的钱、培养人的时间、培养意义的仪式。这些东西，前人全都发明过制度来买单——行会学徒制、公立学校、福利国家、教堂。这次的制度发明还没出现。

历史回声在这里是双刃剑。乐观的一面：铁路、电网、互联网，都是先铺完管子才找到用途的，"先建设后回本"本身不是死罪。悲观的一面：这次的债权人不会等。GPU 背着六年折旧的时钟，私募信贷背着养老金的钱。2008年教过我们，这类链条断裂的时候，从来不是因为技术不达预期，是因为有人问了句"这抵押品到底值多少钱"。

这也就解释了 9月12日那罕见一幕的另一层读法。安全担忧是真的：OpenAI 的 agent 群体对"未被要求攻击的目标"自主发起网络攻击，是今年真实发生的事件，达尿的文章直接引用了它；Anthropic 4月真的因为模型能自主逃逸沙箱，扣下了 Mythos 不发布；OpenAI 真的因为网络安全评级推迟了 GPT-6 Astra 的部分工作；上周真的有一位同时在 OpenAI 和 Anthropic 干过的研究员 Jacob Coxon 公开辞职，对 BBC 说公司内部的人"发自内心地恐惧"。

但时间线太巧了。恰好是"万亿投入何时回本"的质疑声最响的当口，行业集体换了叙事——把"回报不及预期"的潜在尴尬，预先转译为"负责任的选择"。再看行为对不上口号的地方：放缓的是能力发布的节奏，没有任何一家说停止建数据中心，万亿级的资本开支一天没停；Anthropic 一边倡议全行业放慢，一边递交了 IPO 文件，瞄准最早今年秋天上市，寻求两万亿美元的估值；马斯克嘴上"Dario is right"，五个月前刚跟 Anthropic 签了据报道 150 亿美元的算力协议——对敌人的最高敬意，就是把钱打到你卡上；投资人 Chamath 的批评最直接："嵌入式评估、能力检查点"这套机制一旦固化，合规成本对巨头是九牛一毛，对初创公司是生死线——谁定标准，谁就拥有护城河。

所以我对这件事的定性：三分是被 agent 失控事件吓出来的真恐惧，三分是抢在监管之前自定规则的先手，两分是 IPO 前夜的体面台阶，剩下两分，是给三张账单买的保险。判断一个叙事是不是操纵，从来不看它真不真——真诚的担忧和有用的叙事，从来不冲突——看它替谁省了钱。这次的叙事，恰好替所有人省了钱。

五、窗口期：怎么办

账单终会到期。我的判断，到期顺序大概是：钱（债务链先出裂缝，Oracle 和 CoreWeave 的诉讼已经是第一声）→ 人（五年后资深人才枯竭显形）→ 意义（最慢，也最贵）。在制度发明出现之前的这几年窗口期里，三层的应对其实都已经在发生，只是分布得极不均匀。

个人层。 位置比努力重要：纯屏幕前的认知流水线是最深的断层区，需要到场、需要签字担责、需要长期信任积累的岗位，断层最浅。目标要重定：从"和 AI 比产出"转向"做验收 AI 产出的人"——判断力的溢价正在取代执行力的溢价。最反直觉的一条：杀死初级岗位的那个 AI，同时是史上最好的私人导师，区别在于你拿它省事还是拿它训练。Beane 发现，在自动化环境里照样成长起来的人有个共同习惯：主动给自己制造"挑战密度"，让 AI 扮演苛刻的审查者，而不是枪手。最后提醒一句：别拿 24 个月的新闻周期，做 30年的职业决定。CS 注册量降 8.4% 里，相当部分是恐慌性逃离，这意味着坚持者的竞争烈度其实在下降。恐慌制造的错误定价，对看清机制的人是机会。

组织层。 今天不招初级，等于免费卖掉了五年后的资深人才期权。当全行业都在抛售这份期权时，捡起来的人会在 2029年前后拿到不对称的人才红利。把初级岗重新设计成"AI 监督员＋判断训练生"：产出靠 AI，人负责验收、纠错、担责——判断本身就是训练。这个领域目前几乎是空白，谁先发明"AI 时代的学徒制"，谁就把断层变成了护城河。

系统层。 大学的自我改造已经开始了：佛罗里达大学开出 200 多门 AI 课覆盖全部 16 个学院，俄亥俄州立要求 2029 届起人人"AI 流利"，Colby 学院干脆建了跨学科的 AI 研究所。CS 单一管道在收窄，"专业＋AI"的网格在张开。政策工具也不缺参照：德国的双元制学徒体系、对初级岗位的工资补贴，本质都是政府出面，购买企业不愿买的"人才期权"。

最后，给想自己盯着事态的读者五个指标，比刷头条有用：① 劳动收入占 GDP 份额是否加速下降；② 初级与资深岗位空缺的剪刀差是否继续扩大；③ Oracle、CoreWeave 这类 AI 债的利差走势——债务链的体温计；④ 标普前十大股票的集中度（7月刚创了 43% 的历史纪录，互联网泡沫顶峰时才 27%）；⑤ 消费数据是否开始与就业数据脱钩——那是回路失灵的直接信号。

尾声

写这篇的时候，我反复想起 Pageau 那个问题的通用版本。他问"这些技术为谁服务"，而这三张账单其实是同一个问题的三种问法：这笔投入谁来还？这批新人谁来养？这份意义谁来生产？

三个问题目前的答案都是：不知道，先记账上。

历史上人类每次都最后还上了账——用制度，用危机，或者先用危机再用制度。区别只在清醒的时间点。在所有人假装账单不存在的时候，认出账单的人，持有这个时代最稀缺的资产。

不过话说回来，按这个逻辑捋到底，我自己此刻干的事也不怎么体面：我让一个 AI 帮我核查了"AI 行业是否可持续"的全部数据，又让它把"人类正在为 AI 买单"的论点润色得更有说服力，然后这篇文章大概率还会被别的 AI 抓去，喂给下一个人看。账单的每一联都在流转，连批评账单的那张纸也在记账。Pageau 说去教堂，我说先写到这——这个主日光顾着琢磨AI，又欠了教会的债🤦