九游会九游会下半年刚开始，美国AI达到了一个新的高潮。继超过4万亿美元之后，微软的市值也一度突破了4万亿美元。美国四大AI巨头的资本支出，各自都将达到每年上千亿美元。美国的AI独角兽企业的估值，达到数千亿美元。AI原生企业的年化收入突破百亿美元。硅谷挖一个AI顶级人才，价码飙到了10亿美元。

　　这一轮AI革命，是从2022年底到2023年3月，OpenAI接连发布ChatGPT和GPT-4引爆的。人们以为，接下来每过一两年左右，会有GPT-5，-6……这样下去就会实现通用人工智能（AGI）。

　　但GPT-5的推出，比人们预想得要更难、也更晚。大模型也正在向多模态和推理、向物理世界的智能体演变。一场真正的技术革命，远比技术最初所展示的那个样子要波折和变态得多，但它的总体方向并不会改变，直至在新构建的基础设施之上、结合原有的技术、形成完整的生产力解决方案。

　　美国刚刚公布的《AI行动计划》中，开宗名义就提出了AI将会，甚至出现“文艺复兴“式的效应。

　　所有这些，说明美国的AI正在变成更大的泡沫，还是AI正在迎来一场应用的爆发，通过创新驱动更多的产业向智能化升级，提升劳动生产率，带来经济结构的深刻变革，甚至实现能源和计算的终极变革？

　　在AGI和ASI这些旗号下，我们可以继续期待硅谷推动AI技术边界持续扩大，成本持续下降，普惠经济与社会吗？

　　进入2025年下半年，硅谷巨头发起了新一轮算力军备竞赛。谷歌、微软、亚马逊与Meta空前的资本支出，已经普遍逼近千亿美元大关。微软已经结束了自己的2025财年，对下一季度资本支出的指引，达到了300亿美元，为2026财年全年超过1200亿美元定了基调。Meta上调了2025财年资本开支的下限，整体相较上一财年增长300亿美元，既然这次承诺2026财年将“同样显著增长”，也就意味着超越1000亿美元。亚马逊此前就承诺今年资本开支达千亿美元。

　　硅谷巨头的资本支出正在拉动美国经济增长。2025年，围绕AI算力的相关资本支出，整体将占美国GDP的2%左右，对GDP增长的贡献达到了0.7个百分点。AI投资的规模，足以对美国经济增长起到刺激作用。

　　这些天量投资的去向，决定了AI是否能从技术突破走向应用革命。而目前最重要的落点，就是AI基础设施。在那里，越来越多新生产要素token被生产出来。

　　微软与谷歌此前掐得厉害，但谁也没想到，AI还没来得及颠覆谷歌的搜索，已经开始颠覆亚马逊的云服务。二季度，亚马逊AWS收入增长仅17%，不及竞争对手微软的39%和谷歌的37%。如果AWS再不振作起来，到明年底它全球第一大云巨头的宝座就要让位给微软了。在财报电话会议上，微软CEO纳德拉霸气的宣布，“微软已在AI基建上领先”，过去一年新增建成规模2GW，超过任何其他云服务提供商。

　　在新架构芯片的采纳速度上，AWS也慢于其主要竞争对手。在今年5月的微软Build大会上，微软副总裁斯科特·格思里 (Scott Guthrie) 在他的主题演讲中说，“有些云提供商，比如AWS，仍然没有推出基于GB200的服务。”

　　亚马逊云服务走弱，与它对AI的垂直一体化布局不成体系有关。相对谷歌的视频与搜索、Meta的社交网络，以及微软的企业应用，亚马逊的核心的电商业务，目前AI落地的广度与深度要略低一点。它也缺乏自己的前沿大模型。

　　微软凭借对OpenAI神奇的投资与合作模式，在这场AI革命中一度领先了据纳德拉所说的2年左右，虽然从年初开始OpenAI不再绑定微软Azure，但微软Copilot仍然受益于GPT；Gemini已经让谷歌走出创新者的窘境。正由于自身业务与大模型对云业务的确定性不及其他云巨头，AWS的资本开支强度及增速，在硅谷云巨头中是最低的，也不及Meta。而且，亚马逊原本就是一家重资产的科技巨头，很大一部分资本支出要用于物流与仓储。

　　竞争会在下半年加剧，即使资本开支侵蚀着巨头们短期的利润率与自由现金流。微软和亚马逊都相信AI驱动的云服务仍将高速增长。它们也都提到，全球IT存量仍在往云端迁移，这一趋势与AI工作负载增长相互驱动。亚马逊给出的数字是，全球85%到90%的IT支出，目前仍然在本地部署（on-premises），但到了10年或15年后，这一比例将会反转；也可能会因为AI等原因，迁移得更快。微软的说法则是“我们距离终点线还很远”。

　　对数据中心的投资，直接催化了对建筑业与制造业的需求，也为制造业投资本身及升级提供了动力。

　　美国的AI行动计划，寄希望于AI能带来一场工业革命。它明确提出要在技术扩张的同时“赋能美国工人”，“支持下一代制造业”，同时，提出发展能匹配AI创新速度的电网与半导体制造，并大规模培养服务于 AI 基建的熟练技术工人。芯片、无人机、机器人、自动驾驶等，是美国最为关注的、具有战略意义的制造领域。硅谷“黑帮”目前已经与五角大楼结合愈发紧密，掀起了国防装备智能化的热潮。

　　这些基础设施扩张带来的，不只是计算能力的跃升，更是对新一代蓝领工人和工程师队伍的系统性再激活。每一个数据中心项目，都需要大量训练有素建筑工、电工、电子和电气工程师等等。OpenAI在德克萨斯州的数据中心达到了1.2GW，xAI在田纳西州的目前也是1.2GW，Meta在路易斯安那州的是2GW，亚马逊在印第安纳州的则高达2.2GW。过去一年，巨头们都达成了具有里程碑意义的核电协议。尤其是微软的三哩岛核电站，它的“重启”颇具象征意义。

　　这套技能可以复制与迁移。弗吉尼亚州（Virginia）被美国人称为“全球数据中心之都”，数据中心密度惊人。区域性的制造与工程技能飞轮效应已经成型，已溢出至邻近的马里兰州等。在美国铁锈地带，当年的钢铁厂正在被改造成数据中心。

　　不仅仅是核电。数据中心将引发一场能源革命，数据中心需要制冷设备和系统。新增的电力将主要来自天然气，尽管特朗普政府不喜欢可再生能源，但是在德克萨斯州等地，由于价格有竞争力，风光可再生能源的比重已经超过40%。此外，美国还将进行大规模的电网投资，扩容和改造需要大量的电力和电气设备制造。

　　在AI数据中心，伴随着电力持续消耗，token正在不断产出，开始首先充满数字空间，深刻改变软件产品和服务行业。

　　大模型的训练还在继续扩展，推理才刚刚开始，算力焦虑并没有消失，它既来自总量的保障，也来自算力的成本要迅速下降，以实现AI的商业闭环。Meta刚刚斥巨资组建AI“梦之队”，，算力管够是他挖人时候的保证，据说这个目前50人的团队，可以支配3万张GPU卡。

　　每一家巨头旗下业务都受益于AI，微软所有产品AI功能的月活用户已经超过8亿。亚马逊CEO安迪·贾西（Andy Jassy）承认AI算力需求超过了供给，AWS订单积压（backlog）超过了1950亿美元，同比增长25%；微软CTO艾米·胡德（Amy Hood）披露的数字达到了3680亿美元，同比增长37%。

　　强化学习技术和推理模型，让我们迎来的智能代理的时代，而Agentic的应用，将导致token的消耗量指数级增长。单智能体消耗的token数量是模型对线倍，而到了多智能体，将要从15倍算起！目前在终端侧和具身智能应用中，最卡脖子的地方，正是用tokens/焦耳所定义的计算效率。

　　市场对token消耗，正在指数级暴涨。谷歌的每月token处理数量，从5月I/O大会的480万亿，增长到980万亿，短短一个月，翻倍有余。事实上，微软也不慢。上一个季度，它披露季度处理量为100万亿，这次披露了全年500万亿，相当于这一季度增长了4倍。但谷歌在表述时，更侧重公司口径，而微软披露的则是Azure Foundry API的口径，不包括自身业务消耗的token总量。年初以来，OpenAI也不再锁定必须只能调用Azure服务了。

　　价值已经开始从基础设施向AI应用转移。截至今年前7个月，OpenAI月收入约为10亿美元，相比年初的约5亿美元，翻了一倍。也有报道直接将其称为年化收入120亿美元，差不多是去年的3倍。它的主要竞争对手Anthropic在新近融资中被曝年化收入达到了40亿美元，较年初飙升3倍; 已经以10倍速连续增长3年。硅谷风投险投资机构MenloVentures推算，Anthropic年化收主实际已经突破了45亿美元，在企业服务市场反超了OpenAI。

　　这场价值转移的速度也越来越快。年初，支付巨头Stripe透露，收入排名前100的AI公司能够在24个月内，触及年化收入500万美元门槛，这要比SaaS的37个月快得多。而那些最近三年内成立的AI原生初创公司，平均用时才9个月。

　　但更重要的是，这场发生在数字世界的价值转移，事实上正在推动美国经济增长范式的转变，以及它的影响将进一步直接或间接地渗透到物理世界和实体经济。

　　美国经济长期受困于结构性的“鲍莫尔病”，即那些生产率增长低于经济整体平均水平的行业（可称为“停滞部门”）往往会经历高于平均水平的成本上升。由此产生的“成本病”（cost disease）可能导致这些停滞部门出现价格上涨快于平均水平、服务质量下降，以及面临财务压力等问题。

　　此外，由于停滞部门的拖累，整个经济的生产率增长率和实际产出增长率也可能下降。这一理论表明，如果消费者偏好那些本质上生产率难以提升的劳动密集型服务，可能会导致经济出现长期性停滞以及实际收入增长放缓。

　　开创这一研究的美国经济学家鲍默尔（William Baumol）等人，用这一理论解释多个服务行业的成本-价格病，典型的包括高等教育、城市服务、医疗保健与医院、表演艺术等。而AI这一次可能会在上述几个服务领域真正引发一场生产率的革命。

　　最近，微软一项实证的研究，初步得出了与之大体吻合的结论。大型语言模型已经具备了在知识型工作与信息传递型工作等服务性任务中释放生产率的潜力。这项研究的数据集之一是Copilot-Uniform，基于用户与微软Copilot的匿名脱敏后的20万次互动；它还有一个辅助数据集Copilot-Thumbs，是用户对AI结果的反馈。微软研究了互动中的用户目标与AI行为，以及AI行为在该职业工作活动中的使用频率、覆盖广度、成功率，以此评估不同职业的AI适用性得分（AI applicability score），得分越高，受AI影响可能性越大。

　　结果显示，销售及相关、计算机和数学，以及办公室和行政支持类职业的得分最高，而且，它们往往也是就业人数最多的职业。需要较大沟通任务的职业，包括社区和社会服务以及教育指导类职业，它们的得分也较高。它们正是美国经济“鲍莫尔病”的典型所在。

　　说明：按AI适用性得分排名的职业（右），及AI所提供的任务能力（左）。职业按得分从高到低排序，括号内数字为该职业的美国就业人口。彩色连线表示某项任务对职业得分的具体贡献，部分任务未在图中显示，是因空间限制所致，并非该职业仅依赖已显示任务。

　　在这项研究中，微软还发现，在40%的互动中，用户请求的任务与AI实际执行的任务完全不重叠（disjoint），即AI 并不是在“代替人类完成任务”，而是在“帮助人类理解与推进任务”。而且，任务的影响广度（scope）始终是预测用户使用率（activity share）的最佳指标，而非完成率（completion rate）或满意度（positive feedback）。这意味着，用户的动机不是寻找最好的结果，而是节省大量重复劳动。

　　值得注意的是，微软最新研发的诊断智能体，测试中的平均诊断正确率已经超过了人类医生的平均水平，在复杂病症的诊断中，准确率甚至已经超过了顶尖的医生。

　　可见，AI 正在以“任务”级别的颗粒度，嵌入与重构传统服务业，压缩低附加值、高频率的“任务的边际成本”。当下，它对经济的影响，主要不在于“可替代性”，而在于它是否改变了某类任务的供需平衡、边际成本和流程效率。

　　美国这一场由私营部门的巨头主导的AI投资，在很大程度上是一场决定美国“国运”的下注。它在投资的强度和总量上，已经超过了互联网泡沫时期的通信和网络投资，是美国自19世纪铁路投资以来最大规模的基础设施投资，而且可能还没有见顶。人类正在由此通往最后一次工业革命，对算力与能源的需求将没有穷尽，量子计算与核聚变等或是它的终极解决方案，也是当前全球科技竞争的最前沿。

　　AI技术与应用与产业和经济的结合，将在提升劳动生产率的同时，带来经济结构变化。即使服务业效率显著提升，劳动力并不可能从服务业大规模“回流”到制造业体系中。机器人正日益取代一线从事简单重复工作的操作工人，如那些“拧螺丝”、多数的凭人眼的质量检测工、最终还有驾车运输的司机。

　　大量目前听起来“高级”的和高学历的脑力劳动，将可能是首先被替代和压缩的。尽管微软的研究更倾向于认为，目前AI对劳动力的增强效应往往大于替代效应，但是，它仅仅分析了用户与Copilot的互动，软件编程用户与智能体用户的样本不足。而后两者又恰恰是大模型落地最快的两个方向。在Anthropic结合自己的Claude模型的用户研究中，编程用户的需求及效果反馈远远高于其他领域。目前硅谷主要的科技公司中，软件代码的自动化率“及格线%，并且以更快的速度提升比重。

　　没有哪家企业比微软更懂电脑和软件了。上个月，，这也是微软今年第四次裁员。这一次是9000人，仅次于2023年初裁员1万人，当时，短短一个季度，整个美国科技界裁掉了超过16万人。目前在美国，因为AI的普及，计算机专业的毕业生，在很多行业的需求已经下降，而硅谷也在轮番裁员，但美国的制造业工人和工程师缺口很大。

　　如果说AI在吃掉软件，软件在吃掉世界，美国巨头动辄千亿美元的资本支出，不仅在软件和服务业层面提升生产率，也在硬件和实体经济中也牵引着美国劳动力结构的变革。短期内，这些在美国各地拔地而起的AI基础设施，不仅是硅谷巨头的算力中心，加上配套的能源、电力电气设备的投资，也是美国制造业的再培训中心。

　　在更长的经济周期中，劳动力结构的再配置也将重新启动。如果AI技术可以改变效率低和成本高的部门，如教育、医疗以及政府等需要繁复的审批和行政管理部门，让这部分劳动力重新流向新兴的制造业和相关的研发和服务业，将可能是美国就业市场进入所谓“后工业社会”和信息社会之后的又一次重大转型。

　　莫拉维克悖论告诉我们，人类的感知与行动结合的学习能力和技能，是AI和机器人最难以替代的，这些相关的经济领域，包括大量的服务型体力技能、技术型蓝领、AI维护工种、现场判断及操作、服务和技术融合的技能、个性化定制的手艺、人机之间精妙的结合、以及人类借助AI拓展创新前沿，将成为人类劳动力捍卫和创造价值所在。如果说AI在通关“人类最终测试”，美国的AI投资狂热，面对中国的竞争，也在测试它最后引领工业革命机会。