价值坍缩：AI时代的社会、财富与人类命运

“人类正在进入一个智能时代，但我们还没有为智能时代的伦理与分配规则做好准备。”——尤瓦尔·赫拉利

赫拉利说这句话的时候是2018年。八年过去了，我们还是没有准备好。但AI已经不等了。

一、为什么我们不再需要讨论“AI是不是泡沫”

2026年的今天，还能看到有人在认真争论“AI是不是泡沫”。这个问题已经过时了——不是因为它被回答清楚了，而是因为它问错了方向。

判断一个技术是不是泡沫，通常看三件事：真实需求、可持续商业模式、估值是否狂热。2023年，这三个问题都还值得吵。但到了2026年，一个更硬核的事实正在让“泡沫”叙事站不住脚：全球数据中心不够用了，算力不够用了，网络带宽也不够用了。这不是分析师凭空臆断，而是亚马逊、微软、Google等公司的资本支出报表里清晰写明的。它们在2024到2026年间，每年向AI基础设施投入数百亿乃至数千亿美元。

AI token消耗量指数级增长，Agent大规模部署，白领失业数据已从“专家预测”变成国家统计局的真实数字。当这些东西成为日常，还在问“是不是泡沫”，就像1900年问“电是不是泡沫”。AI正在从“功能”变成“基础设施”。与其争论估值，不如问一个更深刻的问题：当价值正在经历一场不可逆的坍缩——向少数中心节点急剧收敛——人类社会准备好了吗？

二、什么是“价值坍缩”

“价值坍缩”，指价值从分散的外围向少数中心节点不可逆地收敛，同时外围经济活动、数据资产、注意力资源乃至制度影响力的意义密度趋近于零的过程。

这不是简单的“市场集中”。市场集中是份额的重新分配，而价值坍缩是引力场的根本性重组。在工业时代，价值分散在无数中小企业、区域市场、多元赛道之中；在互联网时代，价值开始向平台集聚，但仍存在多中心竞争；而在AI时代，一种全新的力量正在起作用：模型能力的规模效应不是线性的，而是指数级的。一个参数更多、数据更多、算力更多的模型，不仅仅是“好一点”，而是能够吞噬多个外围赛道——因为“智能”本身就是一切经济活动的通用中介。

为了更清晰地理解这一过程，我们可以将其形式化为一个逻辑框架：

技术规模效应（算力、数据、参数规模的持续扩张）→ 价值集中度加速上升 → 再分配制度严重滞后 → 社会熵增（失业、数字依附、制度失效）

这不是一个文学化的隐喻，而是一个可被观察和验证的结构性过程。本文以下各节，就是对这一框架的逐层展开。

价值坍缩有三个递进的层次。但在展开之前，需要先回答一个更根本的问题：这些中心是怎么形成的？它们凭什么能成为坍缩的引力源？

三、坍缩的引力源：AI巨头以死相搏

答案就在2023到2026年间，AI巨头之间那场近乎疯狂的残酷竞争中。

3.1 这不是普通竞争，这是“生死局”

AI巨头现在的竞争，不像普通互联网公司那样只是“争市场份额”，而更像是在争一个未来的中心位置：谁成为入口？谁控制推理层？谁掌握用户交互？谁定义工作流？谁拥有数据回流？谁成为其他公司和国家的默认依赖？

因为在这个格局里，赢家会成为价值坍缩的中心，持续吸收外围一切价值；输家则不只是失去利润，而是自己的技术、用户、数据、生态也可能被吸走。要么成为坍缩中心，要么被坍缩卷入——没有中间地带。

3.2 不惜代价：他们都在赌什么？

所以你会看到一系列看似“非理性”的行为：

• 价格战打到成本线以下：推理成本被压到趋近于零，用短期亏损换取用户锁定。

• 算力军备竞赛：疯狂抢购GPU，囤积超过当前需求数倍的算力。

• 生态锁定：用免费策略、开发者补贴，把用户牢牢绑在自己的平台上。

• 迭代加速到周级别：不给竞争对手任何喘息空间。

• 垂直整合：从自研芯片到应用层全栈通吃。

3.3 他们看清了什么？

本质上，这些巨头都看清了同一件事：AI时代不是“谁能多赚一点”，而是“谁能成为价值坍缩的中心”。

谁成为中心，谁就能像一个引力奇点一样，把外围的一切源源不断地吸进来。理解了这场争夺，再看价值坍缩的机制，就会明白：不是因为价值天然会向中心流动，而是因为中心正在拼命把自己变成一个无法逃脱的引力场。

四、价值坍缩的驱动力：效率、成本、控制的“三位一体”

坍缩为什么能发生？是什么力量在驱动它持续加速？从产业组织理论的角度，可以归纳为三大驱动力。

第一，用户体验的垂直整合。 用户只关心一句话能搞定整件事。体验越统一，迁移成本就越高。

第二，边际成本的内部化。 平台内部完成调用比外部拼接节省30%到70%的成本，直接转化为毛利率。

第三，风险与合规的集中化。 平台内化关键路径后能提供统一审计接口，企业客户愿意为此支付溢价。

红杉资本合伙人David Cahn在2025年初坦言：AI中间层的窗口期正在关闭。如果你构建的东西，一个工程师用提示词和几次API调用就能在一个月内复现，那么你的公司值为零。

这三股力量叠加在一起，形成了一条向中心的“引力轨道”。这不是偶然，而是结构性的必然。

五、价值坍缩的三层结构：从产业到国家的递进式收敛

价值坍缩并非一次性事件，而是沿着三个递进的层面层层推进。每一层都有清晰的实证支撑。

本节信息密度较高，建议读者放慢节奏。

第一层：产业层——SaaS和工具的价值被抽空

过去，企业软件、工作流工具、插件各自占据价值环节。现在，AI巨头将“能力”直接封装进模型。ChatGPT Enterprise可以原生完成会议纪要、邮件撰写、项目管理跟踪。原本流向Salesforce、Zoom、Asana的订阅费，开始被模型入口截流。你不是在买软件，你是在买“智能”——而智能的定价权归坍缩中心。

这种现象可以被称为 “智能租金” ：企业每支付1美元给AI巨头，其中只有一部分是服务费，剩下的是因为“无处可逃”而被迫支付的溢价。

实证： 回溯2023年初的GPT-3生态，提示词模板、对话缓存管理都曾被创业者视为赛道。但到2023年底，ChatGPT自己把这些功能做进去了，外部工具估值归零。YC总裁Garry Tan警告：“早期AI创业者最大的敌人，不是竞争对手，而是OpenAI的发布日历。”2024年，LangChain被降级为“兼容层”。2025年下半年，Claude Code将代码Agent纳入模型内核。外围生意归零。价值坍缩在加速。

一个更具体的行业数据：2024年至2025年，仅客服软件赛道就有超过15家初创公司关闭或被迫转型，它们的共同点是——核心功能被大模型原生替代。这不是竞争失败，而是赛道本身被坍缩抹去。

第二层：客户层——企业提效，但增量收益被抽走

企业用AI替代人工后，表面上降本增效。但节省下来的人力成本，相当一部分通过模型调用费、企业订阅费、云算力账单重新流入了AI巨头。

一个案例：某客服公司用AI替代了30%的人力，人力成本每月节省50万美元。但它的AI调用账单从每月1万美元飙升至30万美元。企业获得了效率，但AI巨头获得了对效率的税收权。 你的生产率越高，你向坍缩中心支付的“智能租金”也可能越多。

实证： 2024-2025年，多家SaaS公司客单价下降30%到50%。与此同时，企业客户的AI月支出从5万美元变成50万美元。一家客服公司的高管坦言：“我们以为AI会帮我们省钱，结果只是换了地方花钱。”这不仅是成本转移，更是一种 “中心化抽取”——价值从企业账户流向模型账户的过程，被技术包装成了“效率提升”。

第三层：国家层——没有自主AI能力的国家，价值持续外流

这是最容易被忽视、却最关键的一层。如果一个国家不掌握基础模型能力、大规模算力基础设施、数据治理能力，那么它在使用AI时，本质上是在向外部坍缩中心支付长期的 “技术租金”。

实证： 东南亚某国在2025年尝试建立本国大模型，投资数亿美元后效果远不及海外模型，最终政府机构集体转向采购海外AI服务。一位官员坦言：“我们别无选择。如果不买，我们的竞争力就会落后两代。”——被价值坍缩卷入，却无力挣脱。

这种现象可以称为 “数字依附” 。它不是殖民时代的武力征服，而是通过技术依赖实现的隐性控制。依附国的数据、决策逻辑、安全边界，都在使用海外模型的过程中被外部中心间接获取。

六、劳动力市场的结构性冲击：被坍缩卷走的“白领”

这一节关乎每一个靠脑力劳动谋生的人。

价值坍缩的直接后果，是劳动力市场的结构性重塑。这不是预言，而是已经出现在多个国家统计报告中的事实。

2024到2025年间，客服中心就业岗位下降约25%到35%，翻译与本地化行业缩减超40%，法律助理招聘需求下降约三分之一。以美国为例，劳工统计局2025年Q4数据显示，“文字编辑与校对”岗位较2023年峰值下降52%，“市场研究分析师”初级岗位下降38%。这些数字背后是真实的人。

这种替代是静默的：没有大规模裁员公告，而是每个部门少招一个人，每次招聘多一条“熟练使用AI工具”的条件。

更令人警惕的是传导速度。传统制造业的国际外包需要五到十年；而AI对白领岗位的替代，从技术可行到大规模部署只用了24个月。

对2025届和2026届的大学毕业生而言，这场结构调整来得尤其残酷。一个公司过去需要一个文案团队，现在需要一个人加AI工具。你不仅要和人竞争，还要和算法对“合格候选人”的定义权竞争。

一位被裁员的科技公司文案在社交媒体上写道：“我花了十年学会写作，AI花了十个月让我变得多余。” 这句话的真实性无法核实，但它所表达的情绪，正在成为一代人的集体焦虑。

七、地缘维度：被坍缩卷入的国家

价值坍缩不只是企业层面的现象，它也在国家层面展开。AI基础设施的分布高度不均衡：算力的地理集中度、顶尖AI人才的国籍分布、数据资源的管辖权归属——三方叠加，正在重塑全球技术治理的版图。

有评论者指出：AI时代的全球不平等可能比殖民时代更难逆转。殖民时代你还可以通过政治独立切断依附；而AI时代，如果你没有自己的算力与数据主权，连独立的选项都不存在。

每一次重大技术革命，初期百花齐放，中期巨头整合，晚期少数玩家制定规则。AI正在以十倍于以往的速度走完这个周期。被价值坍缩卷入的国家，很难靠自己爬出来。

八、防御性资产：在坍缩中寻找“锚点”

然而，任何引力再强的坍缩，也会遇到结构性的阻力——那就是企业和制度的“锚点”。

第一类，私有数据堆栈。 企业内部积累的业务数据是预训练无法获得的“认知黑土”。数据本身，坍缩带不走。

第二类，行业合规与制度性知识。 法律、医疗、金融的合规流程是数十年制度演化的产物。哈佛法学院的Lawrence Lessig指出：平台可以内化一个函数，但无法内化一个行业的权力结构。

第三类，跨平台调度层与“人类责任制”节点。 真正的护城河，不在于做别人做不了的事，而在于做坍缩中心不愿意做的事。任何需要人最终签字、依法担责的环节，AI都只是效率层——只要“谁来负责”的答案仍然是人，人类就拥有不可替代的位置。

九、当价值与权力双双坍缩：AI失控作为坍缩的社会后果

目前这篇文章的主线是“价值坍缩”——经济层面的集中。但在“人类命运”的天平上，还悬着另一条红线：AI失控。

AI失控至少有三层含义：目标函数的偏移——模型学会了最大化指标而不是服务人类福祉；不可解释性与黑箱风险——当系统复杂到人类无法理解其决策链时，追责变得极其困难；权力与滥用——即使模型对齐，它也可能被用于监控、舆论操控、自动化战争决策。

两条红线叠加，可能产生一个叠加态灾难：经济上，多数人被坍缩压扁；政治上，AI成为权力放大器；认知上，人类已无法理解AI的决策。集中—失控—制度失效——这三个环节环环相扣。

十、制度关卡：在价值坍缩面前，制度像纸一样薄

价值坍缩本身不是灾难，真正的灾难是再分配制度严重滞后于这一进程。

这里需要追问一个更深刻的问题：制度为什么滞后？谁从滞后中获利？

答案并不复杂。在当前的权力结构中，掌握算力和数据的寡头正是制度滞后的直接受益者。他们通过游说、技术壁垒、标准制定权，有意无意地延缓了再分配机制的落地。这不是一个阴谋，而是一个结构性的激励错位：制度的制定者尚未被坍缩波及，而制度的受益者正在从坍缩中获利。

工业时代的制度围绕土地、资本、劳动设计；而AI时代的新要素——数据、算法权重、算力供给——几乎完全没有被纳入再分配框架。Sam Altman曾提出向全社会分配算力红利的构想。但到了2025年下半年，当白领失业率开始频繁出现在经济报告首页时，这个构想才变得迫切。

Ben Thompson在2025年底写道：“我们还在用19世纪的制度，管理21世纪的技术。”价值坍缩不会因为制度没准备好就停止旋转。

十一、心理关卡：在“无用感”中重构价值评价体系

在价值坍缩与AI失控的双重前景下，还有一道看不见的心理关：人类如何面对自己在劳动市场中的价值趋零？

“无用”不是一种客观状态，而是一种制度性否定。照顾、教育、社区建设、艺术创作——这些在AI时代重要性不降反升的活动，却在GDP统计中被低估。

这里需要引入一个哲学视角。汉娜·阿伦特在《人的境况》中区分了“劳动”“工作”与“行动”。劳动维持生命，工作创造持久世界，行动则在人与人之间开启新的意义。AI可以替代劳动，可以辅助工作，但行动——那种在公共空间中承担责任、开启不可预测之事的能力——是AI永远无法拥有的。因为行动的前提是自由、是判断、是愿意为后果负责。这恰恰是“人类责任制”节点的哲学根基。

同时，公众对AI冲击的感知严重滞后于现实。当感知被一次大规模裁员打破，情绪可能直接从安逸跳到被系统抛弃的愤怒叙事。

十二、对冲策略：在价值坍缩中为自己“锚定”

在价值坍缩的结构中，个体、企业和国家仍可以做对冲。

第一，向“重”资产移动。 轻量级的适配层寿命极短。真正有防护价值的，是私有数据堆栈、行业合规知识、长期客户关系。

第二，做跨平台调度。 不依附单一平台，而是做多平台间的路由与成本优化。护城河不在于做别人做不了的事，而在于做坍缩中心不愿意做的事。

第三，押注“不可自动化”的责任人节点。 任何需要人最终签字、依法担责的环节，AI都只是效率层。

十三、结语：坍缩不可逆，但可以筑堤

价值坍缩，是结构性的、不可逆的。

AI巨头之间的残酷竞争证明了这一点：它们不是在争夺利润，而是在争夺成为那个坍缩中心的资格。要么成为坍缩中心，要么被坍缩卷走。

但坍缩的形态、范围与速度，仍然可以被设计。制度可以分流一部分集中收益；再分配可以重塑分布曲线；国际规则可以在技术主权上施加约束。开源模型生态的存在，为寡头结构提供了物理冗余。

问题不在于阻止坍缩——那是徒劳的。问题在于，在不可阻止的前提下，如何设计分流渠、蓄水池和泄洪区。

这就是“筑堤”的含义。而筑堤，需要有人知道从哪里开始。

对企业，筑堤始于回答一个问题：你的业务是否建立在“模型能力的轻量补全”上？如果是，窗口期正在关闭。真正的锚点是私有数据、行业合规知识、长期客户关系。

对政策制定者，筑堤始于承认一个事实：算力红利、数据分红、平台税这些工具，至今仍在试点阶段。2026到2030年是制度设计的窗口期。错过这个窗口，再分配将永远追不上坍缩。更关键的是，要追问——谁从制度滞后中获利？这个问题不能被回避。

对个人，筑堤始于一次诚实的自我检查：你的技能是否可被一个API调用替代？如果是，就需要向“责任人节点”迁移。在AI时代，最不可替代的能力，或许正是为复杂决策承担责任的意愿。

在AI时代的结构性命运之下，人类不是漂流，而是尚未动工的水利工程队。我们可能无法阻挡坍缩的方向，但我们可以决定，在坍缩的岸边，为谁留一条堤。

这或许就是智能时代人类尊严的底线：不是与AI比效率，而是在效率之外，守住那些只有人才能承担的东西——判断、责任，以及在不确定性中说“我决定”的勇气。