全球AI产品竞争格局 - **全球头部三巨头格局稳固**：ChatGPT以56.9亿月访问量断层领先，环比小幅下跌3.84%，但仍无人撼动其顶流地位[6]。紧随其后的是微软New Bing（35.8亿）和Google Gemini（28.5亿），形成清晰的头部梯队[6] - **Claude成为“增长之王”**：本月排名第4，月访问量8.4亿，环比增速高达34.18%，在全球TOP20中增速最快[7]。其增长主要源于对代码（Code）场景的心智占领，该场景具有高频、高粘性、高单价的特点[7] - **Gemimi展现稳健增长**：月访问量28.5亿，环比增长6.38%，是头部阵营中稳定的增长选手[6] 中国AI市场动态 - **DeepSeek蝉联国内榜首**：以4.86亿月访问量稳居国内第一，环比增长4.81%，展现了国产AI模型的实力[8] - **国内第二梯队形成**：纳米AI搜索（2.22亿）、豆包（1.62亿）、千问（4424万）、Kimi（4369万）共同组成了国内市场的第二阵营[8] - **智谱Z ai成为最大黑马**：在国内总榜排名第12，月访问量854万，环比增速高达24.58%，是国内总榜中增长最快的产品[8]。其采用极简英文域名，便于全球化[8] 出海AI产品表现 - **Manus稳居出海第一**：月访问量3030万，环比增长2.34%，作为通用智能体（Agent）的代表产品持续领跑[9] - **Kling AI增速破纪录**：月访问量1099万，环比增速高达451.80%，刷新了本月全榜单的最高增速纪录[9]。其增长主要源于将老站域名从kling.com迁移至kling.ai，完成了品牌出海的主域名切换[9] - **出海梯队结构清晰**：GenSpark（2135万）、SeaArt（1944万，+14.74%）、Dreamina（1289万，+6.63%）、HeyGen（1146万，+5.88%）等产品紧随其后，形成了多元化的出海产品矩阵[9] 智能体与“AI龙虾”赛道观察 - **纳米AI领跑智能体榜**：以1.68亿月访问量位居智能体榜第一，尽管环比下降9.18%[25] - **“AI龙虾”赛道呈现两极分化**：在AI龙虾增速榜中，百度的DuMate以月访问116万、环比增长114.72%位居第一，阿里的悟空以52.6万访问量、增长96.64%位列第二[11][29]。而榜单中其余8家产品全部负增长，跌幅集中在-40%至-80%区间[11] - **桌面Agent面临出圈挑战**：OpenClaw等开源产品的成功验证了“桌面Agent”的市场需求，但其用户基本盘是有技术能力的开发者[11]。要让该赛道真正出圈，需要让非技术用户（如运营、HR、行政、销售）能够开箱即用，这是一个完全不同的门槛[11] 本地化与开源生态趋势 - **Ollama实现高速增长**：月访问量1567万，环比增长42.72%[12]。其价值在于将运行开源模型简化为一行命令，本质上是本地模型的路由器[12] - **“完全本地化”工作流闭环形成**：下层有可用的开源模型（如Qwen3、DeepSeek），中层有Ollama作为本地推理路由，上层有OpenClaw等开源Agent，三层配合实现了模型本地跑、Agent本地跑、文件本地处理的全栈本地化AI工作流[12] - **DuMate的产品定位契合本地化需求**：具备极致易用（一键安装、开箱即用）、灵活扩展（预置技能库、支持自动创建新技能）、本地运行（数据不出设备）三大特点，旨在降低非技术用户的使用门槛[11] 各细分赛道市场排名摘要 - **搜索引擎**：New Bing以35.8亿访问量领先，其次是纳米AI搜索（2.23亿）、Perplexity AI（1.62亿）[32] - **聊天机器人**：ChatGPT（56.9亿）、Gemini（28.5亿）、Claude（8.4亿）占据前三，DeepSeek（4.87亿）位列第四[34] - **虚拟角色**：Character AI以2.07亿访问量居首，JanitorAI（1.09亿）、SpicyChat AI（8780万）分列二、三位[36] - **AI PPT**：Gamma以3355万访问量排名第一，Prezi（968万）、slidesgo（813万）紧随其后[37] - **图片生成**：Freepik（9834万）领先，Higgsfield（2652万）、SeaArt（1944万）进入前三[38] - **视频生成**：Loom（1915万）第一，HeyGen（1146万）、kling ai（1099万）位列其后[41] - **代码助理**：Github Copilot以3.81亿访问量遥遥领先，Hostinger（5272万）、Lovable.dev（3402万）排名靠前[46] - **AI云服务**：阿里云（3279万）、腾讯云（2325万）、火山引擎（1019万）占据国内市场前三[49]

AI行业格局与范式转变 - AI发展进入Agent时代，模型竞赛窗口被压缩至以月甚至周为单位，这是2026年最重要的结构性变化[2] - Coding Agent成为科技史上增速最快的新物种，其创造的年度经常性收入预计将在2026年突破1000亿美元[2] - Agent自身正在成为数字世界新的消费者与生产者，市场需要建立一套Agent-native的标尺[3] Coding Agent的战略共识与竞争 - 重注Coding Agent是当前头部AI实验室的最强共识[4][7] - Anthropic凭借Claude Code在Coding领域领先，预计将在2026年年中追平OpenAI的年度经常性收入[2] - 全球Top 3模型格局未变，但头部三家拿走了约90%的AI总收入[8] - 模型竞争交替领先将成为常态，随着OpenAI、Google在Coding上投入加重，竞争将加剧[13] - Coding能力的提升不仅带来收入爆发，还直接加速了AI实验室自身的研发和产品迭代[17] - 知识工作大规模自动化已在领先的AI实验室实现，成为重要竞争工具[20] 领先AI实验室的组织与战略分析 - 在全新范式出现前，模型训练没有秘密配方，组织和战略文化才是核心壁垒[2][34] - **Anthropic**：通过战略聚焦Coding取得胜利，其典型特点是自上而下的决策结构、对预训练路线的坚定信仰，以及面向AGI设计产品的原则[35][36][37][38] - **OpenAI**：虽然经历组织变动和战略失焦，但优势依然明显，ChatGPT周活跃用户接近10亿，付费订阅人数超过5000万[40] - OpenAI的根本问题是战略误判，长期依赖C端流量，未能及时意识到Coding的重要性，且内部同时推进项目一度高达约300个[40][41] - **Google**：是最稳定的追随者，但反应最慢，其根本问题同样是战略失误，将资源集中在C端和多模态，忽视了Coding[46] - Google拥有强大的护城河，包括自有TPU资源、Search、Android等基础设施，即便在worst case下也能退守到类似英伟达的生态角色[46] Agent时代的新范式与投资逻辑 - 市场坐标系应从To B/To C转向To Human / To Agent，需要探索Agent-native的机会[48] - Agent本身正在成为新的消费者与生产者，开始以独立身份发起交易、消耗资源、产出价值[50] - Agent等于模型加Harness，Harness的流行标志着设计哲学的根本转变，从基于规则的控制转向充分信任模型的极简理念[57][59] - Anthropic的商业模式正从按量收费的API公司，向Agent云公司或Agent OS进化，销售从Token变为Runtime[60] 机器人领域的前沿趋势 - 2026年是机器人数据规模化的大年，数据体系可类比LLM训练，分为Egocentric data、UMI数据、Teleop真机数据和World Model[61][63][64] - 行业趋势从“AI first”转向“硬件优先”，硬件是高质量规模化产生数据、影响模型训练与落地的关键[68] - 技术路径正从视觉语言模型转向世界动作模型，后者在新任务与新环境上的泛化能力据称可提升超过2倍[70] 新兴AI实验室的路线 - 硅谷涌现的新兴实验室主要分为两类：追寻下一个范式与专注高价值垂直领域[72] - 第一类实验室致力于探索如持续学习这样的新范式[75] - 第二类实验室更受资本偏好，专注于芯片设计、AI for Science、材料科学等高价值、高精尖领域，与头部公司形成差异化[79]

核心观点 - 2026年AI市场的核心变化是估值逻辑从“AGI终局叙事”转向“效率兑现与经营质量”，市场关注点从“谁最接近AGI”变为谁能让客户付费、谁能控制成本、谁能嵌入工作流 [7][12][13] - AI行业正从“轻资产、高想象”的互联网模式转变为“重工业化”模式，增长依赖于庞大的资本开支、电力、土地和供应链，想象力必须穿过资产负债表 [16][24][25] - AI投资并未结束，但市场正在筛选公司，从“宗教交易”回归“利润表交易”，更青睐能证明确定性的资本开支、成本下降和企业付费能力的公司 [26][34][35] 行业叙事与估值逻辑的转变 - OpenAI在2026年更新的原则文件中，对AGI的直接提及相比2018年明显减少，叙事重心转向“让社会应对每一层级AI能力”和民主化、赋能、普惠 [4][10] - DeepMind承认当前系统在持续学习、长期规划和一致性方面存在缺口，距离真正AGI仍有明显距离 [6] - 资本市场“AGI溢价”正在降温，市场开始将AI放回订单、成本、折旧、能源和利润率中重新核算，估值锚从“智能爆发”切换到“效率兑现” [7][13] - 市场对AI公司的排序发生变化，讲故事最强的公司未必安全，现金流硬、订单能见度高、供应链议价能力强的公司更容易穿越波动 [13] AI的重工业化特征与成本结构 - 前沿模型越来越像重工业，需要GPU、HBM、数据中心、电力、土地和长期合同，每一次能力提升背后都是更大的资本开支表 [16] - 模型训练算力约每5个月翻倍，数据集规模约每8个月翻倍，但模型之间的性能差距在缩小，排名第一和第十的模型分数差距一年内从11.9%降至5.4% [16][17] - 投入变大但领先差距变窄，导致边际投入产出比成为严峻问题，投入100亿美元可能只换来稳定性、速度等渐进式改进，而非认知冲击 [18][19] - AI的瓶颈已从芯片扩散到电力系统，全球数据中心电力需求在2025年增长17%，AI专用数据中心电力消费增长达50% [21] - 电力成为AI基础设施的核心变量，美国PJM电网容量市场价格在两次拍卖中暴涨超过1000%，并警告最快2027年可能出现电力缺口 [22] - 投资地图从只关注GPU，扩展到HBM、先进封装、光模块、液冷、变压器、燃气轮机、核能、储能、数据中心REITs等 [23] 主要科技公司的资本开支与业务表现 - 谷歌2026年第一季度资本开支达到357亿美元，大部分投向AI技术基础设施，服务器投资占技术基础设施的60%，数据中心和网络设备占40% [7][20] - Google Cloud一季度收入增长63%，积压订单达到4620亿美元，表明AI需求正通过云合同、TPU销售和数据中心交付兑现 [20] - Amazon一季度AWS销售额增长28%至376亿美元，但过去12个月自由现金流降至12亿美元，主因是反映AI投资的固定资产购买大幅增加 [7][20] - 微软的AI基础设施投入和AI产品使用增长，已对Microsoft Cloud毛利率形成拖累 [20] - Meta一季度资本开支接近200亿美元，继续加码AI基础设施 [7] 市场需求、应用落地与公司分化 - AI需求依然强劲，Anthropic披露一季度收入和使用量年化增长达到80倍，Claude Code推动开发者市场爆发 [27] - Meta一季度收入增长33%，广告展示量增长19%，平均广告价格增长12%，显示AI对广告系统的效率贡献 [27] - 企业AI需求正进入预算、采购和长期合约，谷歌云业务的增长和积压订单是例证 [28] - 未来AI公司将出现分化，关键在于能否从“调用模型”变为“重构流程”，进入金融、医疗、制造等行业的高价值工作流 [32][33] - 市场将更青睐三类确定性：确定的资本开支（如GPU、数据中心）、确定的成本下降、确定的企业付费 [34] 三类AI公司的投资前景 - 第一类公司风险最大：估值主要依赖AGI快速到来的假设，商业模式未跑顺，收入增长依赖补贴，推理成本随用户增长同步放大 [30] - 第二类公司是阶段性赢家：如GPU、HBM、光模块、电力设备、数据中心等基础设施供应商，其逻辑依赖于AI资本开支的持续存在，受AGI时间表影响较小 [30] - 第三类公司可能成为下一轮真正增量：能将AI能力嵌入高价值行业（如金融、软件开发、医疗）并获取稳定付费的应用公司 [31] - 能获得市场奖励的公司需要提供更硬的证据：订单、毛利率、现金流、客户留存、产能锁定、电力资源等 [36]

欧盟监管动态 - 欧盟委员会表示，欧盟监管机构给予Alphabet旗下谷歌更多时间来缓解其关切，此前公司提交的方案未能满足要求 [1]

行业趋势：AI代理工具竞争加剧 - 年初，AI代理工具OpenClaw迅速走红，引发广泛下载热潮[1] - 英伟达CEO黄仁勋高度赞扬该工具，称其为“下一个ChatGPT”[1] - OpenAI收购了OpenClaw的创始人Peter Steinberger，显示出该公司在该领域的布局意图[1] 主要科技公司动态 - 近期，Meta和谷歌均被报道正在开发AI代理工具，大型科技公司在该领域的竞争开始升温[2] - Meta正在为其用户构建一个“高度个性化的AI助手以执行日常任务”[2] - 谷歌正在开发一个“由Gemini驱动的、适用于工作、学校和日常生活的24/7个人代理”[2]

产品发布与定位 - Alphabet旗下谷歌发布Fitbit Air 这是一款定价100美元的无屏幕健身手环 旨在直接对标Whoop Inc等放弃显示屏的健康健身可穿戴设备制造商 [1] - 新产品与Whoop健康追踪器外观相似 采用软织物表带 下方内置电池和传感器包 但商业模式存在关键差异 Fitbit Air采用硬件一次性付费加每月10美元谷歌健康订阅的选项 Whoop则不收取硬件费用 而是采用起价为200美元的年费订阅模式 [2] - 该设备可能吸引寻求更简单Apple Watch替代品 希望减少干扰和通知的用户 或寻找比竞品更便宜健康追踪器的用户 例如Oura Ring起价349美元 苹果最便宜的SE 3智能手表为249美元 谷歌许多现有Fitbit产品价格超过100美元 其Pixel Watch 4为349美元 [3] 产品功能与规格 - 设备与新版谷歌健康应用中的新健康教练功能协同工作 可追踪步数、距离、睡眠、心率、血氧饱和度、静息心率和心率变异性 并能像许多新款可穿戴设备一样检测房颤迹象 并配备运动追踪传感器 [4] - 设备无屏幕和物理按钮 通过触觉反馈实现闹钟功能 并用小灯指示剩余电量 据谷歌称 设备包含充电线 充电一次可使用约一周 发布时支持语音输入记录活动和膳食 但无法像智能手表或手机助手那样进行语音回复 提供四种颜色 额外表带售价35美元 [5] 市场战略与品牌愿景 - 谷歌可穿戴设备和健康业务负责人表示 在部门经历数年发布沉寂后 Fitbit Air标志着Fitbit复苏的开始 该品牌被视为谷歌面向更广泛受众的主要可穿戴设备 Pixel Watch则更针对Pixel和Android生态系统的忠实粉丝 [6] - 负责人强调新软件与硬件同等关键 目标是让从Pixel Watch到整个Fitbit产品组合的所有硬件产品都围绕“健康教练”进行优化 认为可穿戴技术下一波创新的核心不仅是提供数据 更是帮助用户解读数据并据此行动 苹果和三星等其他主要科技公司也正更深入地进军健康领域 [7] 市场格局与竞争环境 - 根据IDC数据 2025年Fitbit约占全球腕带市场6%的份额 Whoop约占2% 然而中国厂商主导该类别市场 小米控制约一半市场份额 华为约占四分之一 三星占10% [8] 软件服务与应用功能 - 新版谷歌健康应用显示步数、卡路里等标准活动数据 以及睡眠和生命体征数据 主要分为四个标签页：“今日”、“健身”、“睡眠”和“健康” 用户可手动记录膳食和生理周期 并与联系人或其他健康平台共享数据 每月订阅服务提供健康教练 根据健身目标提供见解 用户还可上传餐食照片进行卡路里和宏量营养素评估 [9] - 健康教练旨在模拟为职业运动员服务的营养师、睡眠教练和健身教练团队 根据个人生活状况提供个性化服务 该教练功能将于5月19日正式上线 设备于5月26日上市 预购于发布日（周四）开始 [10] 品牌整合与用户过渡 - Fitbit软件更名为谷歌健康 可能促使注重隐私的消费者重新考虑愿意与公司共享多少数据 未在5月19日前将数据迁移至谷歌账户的Fitbit用户将无法再访问该平台 此截止日期已从2月延长 [11]

Recursive Superintelligence 公司概况 - 公司由前Salesforce首席科学家Richard Socher创立，核心团队来自Google DeepMind和OpenAI [8] - 公司成立仅四个月，便获得由Google风投GV领投、英伟达跟投的5亿美元融资，估值达到40亿美元 [5] - 融资轮据报道超额认购，最终规模可能达到10亿美元 [12] 创始人背景与技术实力 - 创始人Richard Socher是AI领域关键人物，其早期关于词向量、上下文向量和提示工程的研究，直接奠定了BERT、GPT系列模型的技术基础，谷歌学术引用量已超18万次 [10] - 其博士毕业当年创立AI公司MetaMind，两年后被Salesforce收购，此后主导了Einstein GPT等企业级AI产品线的落地 [10] - 在创立Recursive前，他于2020年创立了AI搜索引擎You.com，2025年完成C轮融资，估值达15亿美元 [11] 核心业务与商业模式 - 公司核心命题是开发“自学习AI”，目标是让AI自主完成科学研究的全流程，包括提出假设、设计实验、评估结果、迭代方向，从而将人类研究员从循环中移走 [12] - 其商业逻辑基于降低前沿研究成本，目前顶级AI研究员年薪动辄1500万到2000万美元，公司系统旨在以更低成本更快速度完成相同工作 [12] 投资方逻辑与行业信号 - Google投资逻辑在于其DeepMind长期探索“AI for Science”，而Recursive想做更底层的事——让AI系统自主推进科学发现过程本身，这对Google既是竞争也是值得押注的对冲 [14] - 英伟达投资逻辑更直接，因为自学习AI的核心瓶颈是算力，自主跑实验和迭代模型需要指数级增长的GPU集群，投资Recursive相当于投资自身未来订单 [14] - 两家巨头同时出手，释放出该赛道可能已到“不投就来不及”阶段的信号 [15] 高估值分析与行业趋势 - 公司四个月估值40亿美元，定价依据是预期而非现实，本质是在为“自学习AI”这个方向付费 [18] - 这种为“方向”付费的定价逻辑在AI时代越来越普遍，背后是投资人对“错过下一个OpenAI”的深层恐惧 [18] - 2025年下半年以来，从顶级实验室出走创业形成明显浪潮，Recursive是其中最新且目前估值最高的一家 [22] - 结构性原因在于头部AI实验室日益公司化，而资本市场比任何时候都更愿意为顶级研究员创业的“方向”付钱 [22] 技术愿景与潜在影响 - 公司名称“Recursive Superintelligence”暗示其目标是构建一个能够不断自我优化、螺旋上升的AI系统 [20] - 更现实的解读是构建可自主驱动科学探索循环的系统，若成功将大幅降低AI研究的人力与时间成本 [20] - 若技术可行，其影响将超越AI圈，可能推动药物研发、材料科学、物理学等领域进入“没有人类科学家参与也能快速推进”的阶段 [20] - 行业核心问题在于“成功的定义”，若证明自学习AI可行性将改写AI研究底层范式，若失败则可能留下被过度炒作的概念 [22]

文章核心观点 - 美国几家最大的科技公司（亚马逊、Alphabet、微软、Meta）因大规模投资人工智能，其自由现金流已降至近十年来的最低水平，甚至出现负值，这正在侵蚀其现金储备并影响股东回报 [1][2][5] 自由现金流状况恶化 - 亚马逊、Alphabet、微软和Meta四家巨头第三季度的自由现金流总额预计将降至约40亿美元，远低于疫情以来每季度平均450亿美元的水平 [1] - 这些公司全年自由现金流预计将降至2014年以来的最低水平，而当时它们的收入仅为当前规模的七分之一 [1] - 预计亚马逊今年现金支出将超过现金收入，Meta将在下半年消耗现金，微软至少下个季度自由现金流为负，Alphabet全年自由现金流将降至十多年最低 [2] - 亚马逊预计今年将“烧掉”约100亿美元现金 [5] 人工智能投资的巨大规模与影响 - 几家科技巨头正进行创纪录的、总计超过7000亿美元的人工智能投资，这正在消耗其现金流 [1] - 亚马逊宣布到2026年将投资2000亿美元用于人工智能建设，这一数字在同行中最高 [5] - 甲骨文公司在与OpenAI签订3000亿美元算力供应合同后大举建设数据中心 [7] - 人工智能投资导致公司面临资本密集型企业的权衡，包括裁员、降低股东回报或借贷 [2] 股东回报受到显著影响 - Alphabet自2015年启动股票回购计划以来，在今年第一季度首次没有回购股票 [4] - Meta暂停了股票回购，这是其自2017年开始回购以来暂停时间最长的一次 [5] - 大型公司在人工智能方面的投资已经以牺牲股东的现金回报为代价 [4] 融资行为与资产负债表变化 - 为支持投资，Alphabet在第二季度发行了310亿美元新债，并于5月5日发行了价值170亿美元的欧元和加元债券 [4] - Meta在过去六个月共发行了550亿美元的债券 [5] - 一些科技集团通过特殊目的控股公司将价值数百亿美元的数据中心项目移出资产负债表，以吸引投资者资金并使部分债务不体现在资产负债表上 [7] - 有会计学教授指出，由于自由现金流在会计准则中无明确定义，企业在计算时有自主权，许多超大规模企业的实际自由现金流可能比报告的数字更糟糕 [7][8] 公司高管表态与未来展望 - 公司高管认为当前投资是为满足市场需求和保持技术前沿地位的必要之举 [3] - 亚马逊首席执行官将当前人工智能投资类比于早期对AWS的投资，后者曾多年拖累资产负债表，但后来贡献了超过一半的利润 [6] - 有分析师预测，随着人工智能支出带来更多收入，这些公司的现金流状况将在明年有所改善 [3] - 美国银行分析师认为，这些公司启动投资时资产负债表强劲，因此在自由现金流为负的短期内增加一些债务风险相对较小 [2]

文章核心观点 - 当前以“堆大模型”为核心的AGI发展路线，并非科学或技术的必然选择，而是由资本和地缘博弈驱动的“叙事选择”，可能从一开始就走错了方向[4] - 该路线正面临物理极限（能源）、不平等的社会代价以及结构性困境（行业被锁定），其发展模式不可持续，且将加剧社会分化[4][17][22][38] - 尽管存在系统性风险，但大模型技术本身也为个体（如普通家长）提供了应对工具，通过开源、自适应的教育工具，普通人可以在系统之外为下一代创造新的学习路径，这是应对AGI冲击的关键[50][52][58] AGI叙事与行业锁定 - OpenAI的创立驱动力源于对竞争对手（如DeepMind）的“恐惧”和“精神压力”，而非纯粹的科学好奇心，其“必须第一，否则灭亡”的叙事锁定了行业方向[7] - 比尔·盖茨的个人偏好推动了微软与OpenAI转向大语言模型，表明技术路径的关键拐点可能由非技术因素决定[10] - GPT系列模型出现后，整个行业被锁定在“堆大模型”的路径上，形成了“谁不扩大规模谁就死”的纳什均衡，迫使包括Google在内的所有主要玩家跟进，这是博弈论而非技术验证的结果[9] 技术路线的分歧与科学家的困境 - Google DeepMind最初走的是专业化、可控的小模型路线（如AlphaGo、AlphaFold），旨在“先解决智能，再用智能去解决一切”，与大模型路线形成对比[9] - DeepMind联合创始人哈萨比斯指出了当前大模型路线的四大结构性短板：不会长期规划、没有持续学习、缺乏真正创造力、能力分布不均（锯齿状智能）[14] - 哈萨比斯给出了5到8年的保守AGI时间表，并认为关键能力（如规划、创造力）可能不在当前Scaling路线的延长线上，暗示这是一条错误的路径[14][16] - 然而，科学家也陷入了“被锁定的理性”，为了获取资源（如算力）以继续其真正目标（如用AI攻克疾病），不得不继续参与大模型军备竞赛[16][19] 物理极限：算力与能源的失衡 - 最先进AI模型的训练算力每三四个月翻一倍，比摩尔定律快七倍；推理侧需求因Agent普及而激增，单次任务token消耗可从几百跳到上万[18] - 全球数据中心耗电量预计到2030年将翻倍以上，相当于日本全国的年用电量[20] - 美国PJM电网在2026年初首次出现电力容量短缺，需紧急寻找相当于十几座核电站的新增电力；北弗吉尼亚数据中心集群接入电网排队时间已从2-3年拖至6-7年[20] - 算力需求呈指数增长，而能源供给是线性增长，即便中国拥有雅鲁藏布江下游水电工程（装机60GW，年发电量超三峡三倍）等新增清洁能源，也恐难追上AI算力的胃口[21] - 杰文斯悖论显现：单位token成本三年下降一千倍，但全球总支出翻了几倍，意味着总能耗暴涨数个数量级，每一次降价都会催生更大量级的新需求[22] 不平等的供应链与社会代价 - AI产业的繁荣依赖两种燃料：电和廉价人力。数据标注、内容审核等“隐形劳动力”分布在肯尼亚、菲律宾、委内瑞拉等地，时薪低至1.3-2美元[23][24] - OpenAI曾以每小时12.5美元的价格将有害内容审核外包给肯尼亚公司Sama，工人时薪仅1.3-2美元，中间差价被管理费吞噬，许多工人患上创伤后应激障碍[24] - 这些被AI替代风险最高的初级岗位（如客服、翻译），正是许多发展中国家过去二十年形成的中产阶级入口岗位[24] - 大型数据中心耗水量巨大，一个百兆瓦级数据中心每日蒸发淡水量相当于一座万人小镇的居民日用水。在智利等干旱地区，此类项目引发了居民与科技公司之间长达数年的水资源争夺战[25][26] - AI发展模式对发展中国家是“承诺未来，拿走现在；承诺就业，拿走饮水”，代价被转移至最弱势的地区和人群[27][30] UBI方案的局限性与社会影响 - 以AGI税为基础的全民基本收入方案在经济学上难以成立，AI巨头拥有强大的跨境避税能力，且作为“国家战略资产”可能不会被实质性课以重税[34] - 实证研究表明，UBI实验（如每月发1000美元）仅能短期提升幸福感，并未显著改善长期收入或储蓄率，且未模拟大规模失业场景[35] - UBI无法解决“中产阶级认知能力被AI覆盖后的意义崩塌”问题，人类对工作的意义感、认同感和社交网络的需求远超金钱[37] - AI将加剧社会两极分化，财富和权力将前所未有地集中到极少数模型公司、芯片厂商和顶尖人才手中，UBI可能的功能是“维持秩序”而非“分享财富”[38] - AGI替代的是“学习和使用能力的能力本身”，这是人类首次面临“能力天花板”的革命，法律、监管等措施只能延缓而无法逆转替代趋势[39][40] 个体应对：教育工具的开源与普及 - 大模型技术降低了高质量、个性化教育内容的创造门槛，使“一人一课表、一人一路径”的个性化教育成为普通家庭可及的目标[42][50] - 例如，TeachAny项目利用大模型，让不懂编程的家长能在十几分钟内生成符合教学科学、包含互动元素的自适应课件，涉及K12上千个知识点，并完全开源免费[46][48] - 这种自驱学习路径适合约10%-30%保有好奇心且家庭愿意陪伴的孩子，并非普适方案[51] - 公立教育系统因追求规模化和公平，在反应速度和个性化上存在局限。未来更可行的路径是系统内外结合：由先锋家长和教师探索开源工具与案例，逐渐影响主流教育体系[52] - 教育的责任部分回归家庭，家长可以利用AI工具，围绕孩子的兴趣进行深度、个性化的学习引导，这是在既定AGI路线下普通人掌握主动权的关键[58][59]

行业资本支出趋势 - 超大规模科技公司（包括亚马逊、Alphabet、Meta、微软和甲骨文）2026年的资本支出预估已上调至1.1万亿美元 [2] - 2026年的预期支出约8000亿美元，几乎是2025年水平的两倍，约为2024年支出的三倍 [3] - 仅2026年的预计支出，就大约相当于2025年标普500指数中所有非科技公司的总资本支出 [3] 公司自由现金流状况 - 亚马逊、Alphabet、Meta和微软四家公司的合计自由现金流预计将在第三季度降至约40亿美元，远低于新冠疫情以来的季度平均450亿美元 [4] - 这四家公司2024年全年的自由现金流预计将降至2014年以来的最低水平，而当前收入规模约为2014年的七倍 [1][5] - 亚马逊预计2024年将消耗约100亿美元现金，其2026年的投资计划高达2000亿美元，是同行中最大的支出承诺 [5] - Meta预计将在2024年下半年消耗现金，并在过去六个月内发行了550亿美元的债务，同时暂停了股票回购 [6] - Alphabet预计2024年全年仍将保持自由现金流为正，但将是十多年来的最弱水平，并在第一季度首次暂停了自2015年启动的股票回购 [6] 投资策略与资金来源 - 科技巨头在人工智能热潮初期主要依靠自身收入进行投资，但现在面临更类似于资本密集型企业的权衡：削减工作岗位、减少股东回报或借款以资助建设 [7] - 为应对巨额AI投资带来的现金压力，部分公司已转向债务市场融资并调整股东回报政策 [6][7]