核心内容总结
这篇文章是科技思想家Benedict Evans给当前AI狂欢泼的冷水，他用8个“真相”点破了AI行业的商业现实：基础模型公司可能沦为赚辛苦钱的“管道”；当前低价订阅是补贴出来的幻觉；只有编程领域真正落地了AI；AI和企业软件的“确定性需求”存在矛盾；万能模型是空想，嵌入具体工作流才是壁垒；AI终局无法用历史类比；行业内部的人才和流程问题才是关键；AI真正改变世界时会变得“无聊”且普及。本质上，他想告诉大家：AI不是万能的，热钱背后藏着很多商业逻辑的坑，只有找到稳固的落地方式和赚钱闭环，才能活下来。
详细拆解解读
1. 基础模型公司可能变“管道工”：投入千亿，只赚“过路费”
你可以把基础模型公司（比如OpenAI、Anthropic）想象成建高速公路的人：花了几千亿铺了一条能改变世界的路，但最后只能收点过路费（比如按使用量收Token费），而真正赚大钱的是在高速路上开商店、运货的人（比如用模型做应用的公司）。科技史上这种“造基础设施却赚不到暴利”的例子很多——比如早期铺设互联网光缆的公司，最后只能收基础带宽费，而Google、Facebook这些用带宽的公司赚得盆满钵满。现在AI基础模型公司也面临这个风险：他们把模型做得再好，别人都可以在上面搭应用，自己却只能拿最薄的利润。
2. 20美元订阅是“赔本赚吆喝”：未来AI收费会像手机流量一样按量算
现在你每月花20美元用ChatGPT或Claude，感觉“超值”，但其实是模型公司在贴钱。因为每一次对话、每生成一个词（叫Token）的成本很高，20美元根本覆盖不了。就像早期网约车补贴一样，为了抢用户，公司自己掏钱补差价。未来这种模式肯定持续不了——AI收费会像手机流量：用多少算多少，按成本定价。比如你用AI写一篇长报告，可能要付几块钱，而不是固定20美元随便用。
3. 只有编程领域真的“用起来了”，其他AI应用大多是“打卡式”凑热闹
判断AI有没有真落地，要看用户是不是每天都用、用完还回来（留存率高）。现在全行业只有“智能体编程”做到了：比如程序员用Copilot写代码，每天都离不开，用得越多效率越高。而其他领域，比如AI聊天机器人、AI画画，很多人玩几天就扔了——这叫“打卡式狂欢”，不是真需求。所以别被那些“AI改变XX行业”的新闻骗了，大部分还停留在“尝鲜”阶段。
4. AI进企业软件：概率性“猜词”遇上绝对准确需求，利润率要凉
传统企业软件（比如财务系统、客户管理软件）是“确定性”的：点A按钮，肯定出B结果，不能错。但大语言模型（LLM）是“概率性”的：它是靠猜下一个词来生成内容，可能会出错（比如算错数、写漏合同条款）。把这种“不确定”的AI塞进需要“绝对准”的企业软件里，会发生什么？企业得花更多钱去检查AI的输出，软件的可靠性下降，用户愿意付的钱就少了——所以企业软件的利润率会变得很难看，就像你买了个功能多但经常出错的工具，肯定不想多付钱。
5. 别迷信“万能AI模型”，把AI缝进日常工作流才是赚钱的关键
很多人幻想有个“万能模型”能解决所有问题，但Evans说这是虚妄。真正的护城河是“把控行业的具体工作流”——比如律所的合同起草流程、咨询公司的报告撰写流程、好莱坞的分镜制作流程。谁能把AI嵌入这些“无聊又琐碎”的日常工作里，让员工用起来更顺手，谁就能拿到客户的钱。比如，律所不需要一个能写所有东西的AI，但需要一个能自动生成合同初稿、匹配案例的AI，直接融入律师的现有工作流程，这才是有用的。
最后一句话总结
AI热背后不是遍地黄金，而是需要冷静看待商业逻辑：别做只赚过路费的“管道”，别信补贴出来的低价幻觉，找真落地的场景，解决具体工作的痛点，才能在AI浪潮里活下来。等AI变得像水电一样“无聊”又普及，它才真正改变了世界。