價值坍縮：AI時代的社會、財富與人類命運

“人類正在進入一個智能時代，但我們還沒有為智能時代的倫理與分配規則做好準備。”——尤瓦爾·赫拉利

赫拉利說這句話的時候是2018年。八年過去了，我們還是沒有準備好。但AI已經不等了。

一、為什麼我們不再需要討論“AI是不是泡沫”

2026年的今天，還能看到有人在認真爭論“AI是不是泡沫”。這個問題已經過時了——不是因為它被回答清楚了，而是因為它問錯了方向。

判斷一個技術是不是泡沫，通常看三件事：真實需求、可持續商業模式、估值是否狂熱。2023年，這三個問題都還值得吵。但到了2026年，一個更硬核的事實正在讓“泡沫”敘事站不住腳：全球數據中心不夠用了，算力不夠用了，網絡帶寬也不夠用了。這不是分析師憑空臆斷，而是亞馬遜、微軟、Google等公司的資本支出報表里清晰寫明的。它們在2024到2026年間，每年向AI基礎設施投入數百億乃至數千億美元。

AI token消耗量指數級增長，Agent大規模部署，白領失業數據已從“專家預測”變成國家統計局的真實數字。當這些東西成為日常，還在問“是不是泡沫”，就像1900年問“電是不是泡沫”。AI正在從“功能”變成“基礎設施”。與其爭論估值，不如問一個更深刻的問題：當價值正在經歷一場不可逆的坍縮——向少數中心節點急劇收斂——人類社會準備好了嗎？

二、什麼是“價值坍縮”

“價值坍縮”，指價值從分散的外圍向少數中心節點不可逆地收斂，同時外圍經濟活動、數據資產、注意力資源乃至制度影響力的意義密度趨近於零的過程。

這不是簡單的“市場集中”。市場集中是份額的重新分配，而價值坍縮是引力場的根本性重組。在工業時代，價值分散在無數中小企業、區域市場、多元賽道之中；在互聯網時代，價值開始向平台集聚，但仍存在多中心競爭；而在AI時代，一種全新的力量正在起作用：模型能力的規模效應不是線性的，而是指數級的。一個參數更多、數據更多、算力更多的模型，不僅僅是“好一點”，而是能夠吞噬多個外圍賽道——因為“智能”本身就是一切經濟活動的通用中介。

為了更清晰地理解這一過程，我們可以將其形式化為一個邏輯框架：

技術規模效應（算力、數據、參數規模的持續擴張）→ 價值集中度加速上升 → 再分配製度嚴重滯後 → 社會熵增（失業、數字依附、制度失效）

這不是一個文學化的隱喻，而是一個可被觀察和驗證的結構性過程。本文以下各節，就是對這一框架的逐層展開。

價值坍縮有三個遞進的層次。但在展開之前，需要先回答一個更根本的問題：這些中心是怎麼形成的？它們憑什麼能成為坍縮的引力源？

三、坍縮的引力源：AI巨頭以死相搏

答案就在2023到2026年間，AI巨頭之間那場近乎瘋狂的殘酷競爭中。

3.1 這不是普通競爭，這是“生死局”

AI巨頭現在的競爭，不像普通互聯網公司那樣只是“爭市場份額”，而更像是在爭一個未來的中心位置：誰成為入口？誰控制推理層？誰掌握用戶交互？誰定義工作流？誰擁有數據回流？誰成為其他公司和國家的默認依賴？

因為在這個格局裡，贏家會成為價值坍縮的中心，持續吸收外圍一切價值；輸家則不只是失去利潤，而是自己的技術、用戶、數據、生態也可能被吸走。要麼成為坍縮中心，要麼被坍縮捲入——沒有中間地帶。

3.2 不惜代價：他們都在賭什麼？

所以你會看到一系列看似“非理性”的行為：

• 價格戰打到成本線以下：推理成本被壓到趨近於零，用短期虧損換取用戶鎖定。

• 算力軍備競賽：瘋狂搶購GPU，囤積超過當前需求數倍的算力。

• 生態鎖定：用免費策略、開發者補貼，把用戶牢牢綁在自己的平台上。

• 迭代加速到周級別：不給競爭對手任何喘息空間。

• 垂直整合：從自研芯片到應用層全棧通吃。

3.3 他們看清了什麼？

本質上，這些巨頭都看清了同一件事：AI時代不是“誰能多賺一點”，而是“誰能成為價值坍縮的中心”。

誰成為中心，誰就能像一個引力奇點一樣，把外圍的一切源源不斷地吸進來。理解了這場爭奪，再看價值坍縮的機制，就會明白：不是因為價值天然會向中心流動，而是因為中心正在拼命把自己變成一個無法逃脫的引力場。

四、價值坍縮的驅動力：效率、成本、控制的“三位一體”

坍縮為什麼能發生？是什麼力量在驅動它持續加速？從產業組織理論的角度，可以歸納為三大驅動力。

第一，用戶體驗的垂直整合。 用戶只關心一句話能搞定整件事。體驗越統一，遷移成本就越高。

第二，邊際成本的內部化。 平台內部完成調用比外部拼接節省30%到70%的成本，直接轉化為毛利率。

第三，風險與合規的集中化。 平台內化關鍵路徑後能提供統一審計接口，企業客戶願意為此支付溢價。

紅杉資本合伙人David Cahn在2025年初坦言：AI中間層的窗口期正在關閉。如果你構建的東西，一個工程師用提示詞和幾次API調用就能在一個月內復現，那麼你的公司值為零。

這三股力量疊加在一起，形成了一條向中心的“引力軌道”。這不是偶然，而是結構性的必然。

五、價值坍縮的三層結構：從產業到國家的遞進式收斂

價值坍縮並非一次性事件，而是沿着三個遞進的層面層層推進。每一層都有清晰的實證支撐。

本節信息密度較高，建議讀者放慢節奏。

第一層：產業層——SaaS和工具的價值被抽空

過去，企業軟件、工作流工具、插件各自占據價值環節。現在，AI巨頭將“能力”直接封裝進模型。ChatGPT Enterprise可以原生完成會議紀要、郵件撰寫、項目管理跟蹤。原本流向Salesforce、Zoom、Asana的訂閱費，開始被模型入口截流。你不是在買軟件，你是在買“智能”——而智能的定價權歸坍縮中心。

這種現象可以被稱為 “智能租金” ：企業每支付1美元給AI巨頭，其中只有一部分是服務費，剩下的是因為“無處可逃”而被迫支付的溢價。

實證： 回溯2023年初的GPT-3生態，提示詞模板、對話緩存管理都曾被創業者視為賽道。但到2023年底，ChatGPT自己把這些功能做進去了，外部工具估值歸零。YC總裁Garry Tan警告：“早期AI創業者最大的敵人，不是競爭對手，而是OpenAI的發布日曆。”2024年，LangChain被降級為“兼容層”。2025年下半年，Claude Code將代碼Agent納入模型內核。外圍生意歸零。價值坍縮在加速。

一個更具體的行業數據：2024年至2025年，僅客服軟件賽道就有超過15家初創公司關閉或被迫轉型，它們的共同點是——核心功能被大模型原生替代。這不是競爭失敗，而是賽道本身被坍縮抹去。

第二層：客戶層——企業提效，但增量收益被抽走

企業用AI替代人工後，表面上降本增效。但節省下來的人力成本，相當一部分通過模型調用費、企業訂閱費、雲算力賬單重新流入了AI巨頭。

一個案例：某客服公司用AI替代了30%的人力，人力成本每月節省50萬美元。但它的AI調用賬單從每月1萬美元飆升至30萬美元。企業獲得了效率，但AI巨頭獲得了對效率的稅收權。 你的生產率越高，你向坍縮中心支付的“智能租金”也可能越多。

實證： 2024-2025年，多家SaaS公司客單價下降30%到50%。與此同時，企業客戶的AI月支出從5萬美元變成50萬美元。一家客服公司的高管坦言：“我們以為AI會幫我們省錢，結果只是換了地方花錢。”這不僅是成本轉移，更是一種 “中心化抽取”——價值從企業賬戶流向模型賬戶的過程，被技術包裝成了“效率提升”。

第三層：國家層——沒有自主AI能力的國家，價值持續外流

這是最容易被忽視、卻最關鍵的一層。如果一個國家不掌握基礎模型能力、大規模算力基礎設施、數據治理能力，那麼它在使用AI時，本質上是在向外部坍縮中心支付長期的 “技術租金”。

實證： 東南亞某國在2025年嘗試建立本國大模型，投資數億美元後效果遠不及海外模型，最終政府機構集體轉向採購海外AI服務。一位官員坦言：“我們別無選擇。如果不買，我們的競爭力就會落後兩代。”——被價值坍縮捲入，卻無力掙脫。

這種現象可以稱為 “數字依附” 。它不是殖民時代的武力征服，而是通過技術依賴實現的隱性控制。依附國的數據、決策邏輯、安全邊界，都在使用海外模型的過程中被外部中心間接獲取。

六、勞動力市場的結構性衝擊：被坍縮捲走的“白領”

這一節關乎每一個靠腦力勞動謀生的人。

價值坍縮的直接後果，是勞動力市場的結構性重塑。這不是預言，而是已經出現在多個國家統計報告中的事實。

2024到2025年間，客服中心就業崗位下降約25%到35%，翻譯與本地化行業縮減超40%，法律助理招聘需求下降約三分之一。以美國為例，勞工統計局2025年Q4數據顯示，“文字編輯與校對”崗位較2023年峰值下降52%，“市場研究分析師”初級崗位下降38%。這些數字背後是真實的人。

這種替代是靜默的：沒有大規模裁員公告，而是每個部門少招一個人，每次招聘多一條“熟練使用AI工具”的條件。

更令人警惕的是傳導速度。傳統製造業的國際外包需要五到十年；而AI對白領崗位的替代，從技術可行到大規模部署只用了24個月。

對2025屆和2026屆的大學畢業生而言，這場結構調整來得尤其殘酷。一個公司過去需要一個文案團隊，現在需要一個人加AI工具。你不僅要和人競爭，還要和算法對“合格候選人”的定義權競爭。

一位被裁員的科技公司文案在社交媒體上寫道：“我花了十年學會寫作，AI花了十個月讓我變得多餘。” 這句話的真實性無法核實，但它所表達的情緒，正在成為一代人的集體焦慮。

七、地緣維度：被坍縮捲入的國家

價值坍縮不只是企業層面的現象，它也在國家層面展開。AI基礎設施的分布高度不均衡：算力的地理集中度、頂尖AI人才的國籍分布、數據資源的管轄權歸屬——三方疊加，正在重塑全球技術治理的版圖。

有評論者指出：AI時代的全球不平等可能比殖民時代更難逆轉。殖民時代你還可以通過政治獨立切斷依附；而AI時代，如果你沒有自己的算力與數據主權，連獨立的選項都不存在。

每一次重大技術革命，初期百花齊放，中期巨頭整合，晚期少數玩家制定規則。AI正在以十倍於以往的速度走完這個周期。被價值坍縮捲入的國家，很難靠自己爬出來。

八、防禦性資產：在坍縮中尋找“錨點”

然而，任何引力再強的坍縮，也會遇到結構性的阻力——那就是企業和制度的“錨點”。

第一類，私有數據堆棧。 企業內部積累的業務數據是預訓練無法獲得的“認知黑土”。數據本身，坍縮帶不走。

第二類，行業合規與制度性知識。 法律、醫療、金融的合規流程是數十年制度演化的產物。哈佛法學院的Lawrence Lessig指出：平台可以內化一個函數，但無法內化一個行業的權力結構。

第三類，跨平台調度層與“人類責任制”節點。 真正的護城河，不在於做別人做不了的事，而在於做坍縮中心不願意做的事。任何需要人最終簽字、依法擔責的環節，AI都只是效率層——只要“誰來負責”的答案仍然是人，人類就擁有不可替代的位置。

九、當價值與權力雙雙坍縮：AI失控作為坍縮的社會後果

目前這篇文章的主線是“價值坍縮”——經濟層面的集中。但在“人類命運”的天平上，還懸着另一條紅線：AI失控。

AI失控至少有三層含義：目標函數的偏移——模型學會了最大化指標而不是服務人類福祉；不可解釋性與黑箱風險——當系統複雜到人類無法理解其決策鏈時，追責變得極其困難；權力與濫用——即使模型對齊，它也可能被用於監控、輿論操控、自動化戰爭決策。

兩條紅線疊加，可能產生一個疊加態災難：經濟上，多數人被坍縮壓扁；政治上，AI成為權力放大器；認知上，人類已無法理解AI的決策。集中—失控—制度失效——這三個環節環環相扣。

十、制度關卡：在價值坍縮面前，制度像紙一樣薄

價值坍縮本身不是災難，真正的災難是再分配製度嚴重滯後於這一進程。

這裡需要追問一個更深刻的問題：制度為什麼滯後？誰從滯後中獲利？

答案並不複雜。在當前的權力結構中，掌握算力和數據的寡頭正是制度滯後的直接受益者。他們通過遊說、技術壁壘、標準制定權，有意無意地延緩了再分配機制的落地。這不是一個陰謀，而是一個結構性的激勵錯位：制度的制定者尚未被坍縮波及，而制度的受益者正在從坍縮中獲利。

工業時代的制度圍繞土地、資本、勞動設計；而AI時代的新要素——數據、算法權重、算力供給——幾乎完全沒有被納入再分配框架。Sam Altman曾提出向全社會分配算力紅利的構想。但到了2025年下半年，當白領失業率開始頻繁出現在經濟報告首頁時，這個構想才變得迫切。

Ben Thompson在2025年底寫道：“我們還在用19世紀的制度，管理21世紀的技術。”價值坍縮不會因為制度沒準備好就停止旋轉。

十一、心理關卡：在“無用感”中重構價值評價體系

在價值坍縮與AI失控的雙重前景下，還有一道看不見的心理關：人類如何面對自己在勞動市場中的價值趨零？

“無用”不是一種客觀狀態，而是一種制度性否定。照顧、教育、社區建設、藝術創作——這些在AI時代重要性不降反升的活動，卻在GDP統計中被低估。

這裡需要引入一個哲學視角。漢娜·阿倫特在《人的境況》中區分了“勞動”“工作”與“行動”。勞動維持生命，工作創造持久世界，行動則在人與人之間開啟新的意義。AI可以替代勞動，可以輔助工作，但行動——那種在公共空間中承擔責任、開啟不可預測之事的能力——是AI永遠無法擁有的。因為行動的前提是自由、是判斷、是願意為後果負責。這恰恰是“人類責任制”節點的哲學根基。

同時，公眾對AI衝擊的感知嚴重滯後於現實。當感知被一次大規模裁員打破，情緒可能直接從安逸跳到被系統拋棄的憤怒敘事。

十二、對沖策略：在價值坍縮中為自己“錨定”

在價值坍縮的結構中，個體、企業和國家仍可以做對沖。

第一，向“重”資產移動。 輕量級的適配層壽命極短。真正有防護價值的，是私有數據堆棧、行業合規知識、長期客戶關係。

第二，做跨平台調度。 不依附單一平台，而是做多平台間的路由與成本優化。護城河不在於做別人做不了的事，而在於做坍縮中心不願意做的事。

第三，押注“不可自動化”的責任人節點。 任何需要人最終簽字、依法擔責的環節，AI都只是效率層。

十三、結語：坍縮不可逆，但可以築堤

價值坍縮，是結構性的、不可逆的。

AI巨頭之間的殘酷競爭證明了這一點：它們不是在爭奪利潤，而是在爭奪成為那個坍縮中心的資格。要麼成為坍縮中心，要麼被坍縮捲走。

但坍縮的形態、範圍與速度，仍然可以被設計。制度可以分流一部分集中收益；再分配可以重塑分布曲線；國際規則可以在技術主權上施加約束。開源模型生態的存在，為寡頭結構提供了物理冗餘。

問題不在於阻止坍縮——那是徒勞的。問題在於，在不可阻止的前提下，如何設計分流渠、蓄水池和泄洪區。

這就是“築堤”的含義。而築堤，需要有人知道從哪裡開始。

對企業，築堤始於回答一個問題：你的業務是否建立在“模型能力的輕量補全”上？如果是，窗口期正在關閉。真正的錨點是私有數據、行業合規知識、長期客戶關係。

對政策制定者，築堤始於承認一個事實：算力紅利、數據分紅、平台稅這些工具，至今仍在試點階段。2026到2030年是制度設計的窗口期。錯過這個窗口，再分配將永遠追不上坍縮。更關鍵的是，要追問——誰從制度滯後中獲利？這個問題不能被迴避。

對個人，築堤始於一次誠實的自我檢查：你的技能是否可被一個API調用替代？如果是，就需要向“責任人節點”遷移。在AI時代，最不可替代的能力，或許正是為複雜決策承擔責任的意願。

在AI時代的結構性命運之下，人類不是漂流，而是尚未動工的水利工程隊。我們可能無法阻擋坍縮的方向，但我們可以決定，在坍縮的岸邊，為誰留一條堤。

這或許就是智能時代人類尊嚴的底線：不是與AI比效率，而是在效率之外，守住那些只有人才能承擔的東西——判斷、責任，以及在不確定性中說“我決定”的勇氣。