METR / TechCrunch / Ramp / 彭博社 / Anthropic S-1 / OpenAI / 华威大学与帝国理工 / 月之暗面 / 百度 / 腾讯 — 2026年11月7日

能力翻倍,账单刹车:当 AI 开始自己造 AI

AI 造 AI 的速度是 1.9 倍,企业买单的速度是 1.5%。当能力开始自我加速而收入曲线被压平,稀缺性并没有消失——它从模型搬到了算力交割、准入许可、数据边界和社区契约这些看起来毫不性感的收费站上。AI 产业正在从产品经济转入配电经济。

AI产业分析AI安全商业模式开源模型AI合规
METR 用 11 周高权限驻场评估发现,Anthropic 模型能力提升速度达到此前的 1.9 倍,其中约 80% 归因于 AI 参与自身研发;同一天,Ramp 的企业数据却显示 AI token 支出在 8、9 月只增长了 1.5%,而 7 月还是 42%。与此同时,GPT-6 Cyber 因被评为关键级能力而只向审核客户开放,OpenAI 为选举后 40 张限制数据中心的公投票发布《全国社区契约》,Kimi K3.1 Pro 把 2.8 万亿参数权重免费挂上 Hugging Face——但许可证里藏着一个 2000 万美元的收费站。能力在贬值,位置在升值。

引子:两个百分比

11 月 5 日和 11 月 6 日这两天,有两个数字放在一起看会让人非常不安。

第一个数字:1.9 倍。

11 月 5 日,AI 安全非营利组织 METR 公布了一份名为《2026 年 10 月 Anthropic AI 研发加速的独立评估》的报告。这份评估由 METR 团队在 Anthropic 内部进行,从 8 月 12 日持续到 10 月 29 日,整整 11 周,METR 拿到了预训练与强化学习的内部指标、训练算力、内部基准分数、AI 加速分析、模型预测,以及对员工的访谈和问卷。

结论是这样的:

截至 2026 年 10 月,Anthropic 很可能正以接近此前两倍的速度提升其模型在定义明确任务上的能力。此前的比较区间是 2024 年 3 月至 2025 年 10 月。

METR 的估计值是 1.9 倍,且它主动给出了很大的不确定性区间:1.3 倍到 3 倍都是合理范围。它还给出了归因判断——这个加速大约 80% 来自 Anthropic 大量使用 AI 参与自身研发,而不是训练算力投入增速的提高。

第二个数字:1.5%。

11 月 6 日,企业支出管理平台 Ramp 发布的数据显示:企业客户的 AI token 支出在 8 月和 9 月合计只增长了 1.5%。作为对比,7 月的环比增速是 42%。而在 9 月 23 日到 10 月 23 日之间,增速回升到 8.9%。

同一时期,token 的使用量在上升,但花的钱没有同比例上升。

把这两个数字放在一起,你会看到一个 AI 产业史上从未出现过的组合:

指标数值含义
能力侧Anthropic 模型能力提升速度1.9 倍AI 开始参与造 AI
收入侧企业 AI token 支出增速+1.5%用得更多,花得更慢

能力在复利,账单在刹车。

这听起来像是一个"AI 泡沫要破了"的叙事。但我认为不是。

更准确的说法是:AI 产业的稀缺性正在从"能力"转移到"准入"。 能力越来越不稀缺(AI 自己造 AI,开源权重免费送),于是价格崩塌;但价值没有消失,它搬家了——搬到了算力交割、许可协议、数据边界、社区契约和银行接口这些看起来毫不性感的"收费站"上。

这篇文章想论证的就是这次搬家。

一、能力曲线:METR 的 1.9 倍

1.1 这份评估是怎么做的

先说方法,因为方法决定了这份报告值不值得信。

METR 不是普通的评测机构,它的商业模式是:拿钱做 AI 能力评估,把结论公开。之所以有公信力,是因为它敢发布对自己不利的数字——过去两年它反复证明"距离 AGI 还有 7 个月"的预测是错的,因此在这个圈子里信誉反而很硬。

这次评估的形式是高权限驻场评估(high-access evaluation)。METR 团队进入 Anthropic 内部,接触预训练和强化学习的内部指标、训练算力账本、内部基准分数、AI 加速自分析、模型预测文件,并对员工做访谈和非正式问卷。评估窗口是 2026 年 8 月 12 日至 10 月 29 日。

评估对象包括 4 个从未发布过的 Anthropic 模型。最新的一个被 METR 称为 Model 4,几周前才刚完成训练。

方法论上,METR 用了一个分层框架:先把"RL(强化学习阶段的一切贡献)"整体当作能力口径,判断有没有加速;然后逐层往下拆,判断是预训练加速了还是 RL 加速了;再往下拆,判断是什么输入导致了加速。

1.2 三个必须一起读的关键限定

如果只记住"1.9 倍"和"AI 加速自身研发",很容易得出过于耸动的结论。所以必须把三个限定一起读:

限定一:不确定性很大。

METR 自己写得很清楚:"如果实际加速幅度更接近历史水平的 1.5 倍或 2.5 倍,我们也不会感到意外。" 这是一个 1.3–3 倍的区间,中位数 1.9。它不是精密测量,是区间估计。

限定二:AI 目前还不能在最关键的地方自主贡献。

报告强调:AI 目前尚不能对模型训练最重要的阶段作出高度重要、完全自主的贡献。 也就是说,AI 参与研发的方式,主要还是写代码、跑实验、做分析、辅助数据处理——这些是"外围加速",不是"核心突破"。

限定三:证据被大量删减了。

这是最容易被忽略、但可能最重要的一点。METR 在评估结束后表示,大量最有信息量的证据被 Anthropic 以保密为由删减,限制了公开验证。也就是说,1.9 这个数字,公众无法独立复核。

还有一个数字值得单独拎出来:Anthropic 研究人员曾报告,使用 AI 编写代码和开展实验带来了显著的生产力提升,非正式员工调查给出的数字约为 12 倍。METR 明确提醒,这个数字并不可靠。

12 倍 vs 1.9 倍。同一件事,两个数量级的差异。为什么?

12 倍是"某个人用它写代码快了 12 倍"的体感;1.9 倍是"整个组织的模型能力曲线提速了 90%"的测量。

AI 已经在某些环节极其好用,但"某个环节快 12 倍"和"端到端的研发周期缩短 90%"之间,隔着无数个没有被加速的环节:实验排队、算力分配、评测、训练稳定性、失败重跑、数据清洗、组织决策。

这正是接下来商业化的关键伏笔:能力在某个局部已经有了 12 倍的杠杆,但整个系统只兑现了 1.9 倍。剩下的 10 倍在哪里?在瓶颈里,不在模型里。

1.3 为什么这件事值得单独写一篇

METR 的措辞非常克制,但它对这件事的定性并不温和:

AI 利用自身能力开发下一代模型的趋势正在形成,如果任其发展,AI 的能力可能超越人类理解和控制相关系统风险的能力。

这直接对上 Anthropic CEO 达里奥·阿莫代伊 9 月的发文《必须放慢提升 AI 模型能力的脚步》——他要求为完善安全措施争取时间。

于是形成了一个非常奇特的局面:

这不是虚伪,这是一个工程师在面对真实数据时的诚实反应。 如果加速是真的,那么"安全评估跟上速度"这件事在算术上就不可能了——除非评估本身也被 AI 加速。而那正是 METR 报告里另一个让人脊背发凉的可能性。

Recursion 门槛(RSI):AI 系统无需人类干预,就能自主开发出更强大的自身版本。METR 的结论距离这个定义还有距离,但方向是清楚的。

二、账单曲线:Ramp 的 1.5%

2.1 价格战如何吃掉增长

现在把镜头切到收入侧。

Ramp 是一家企业支出管理平台,握着企业信用卡和支出的实时数据。它的报告在 11 月 6 日由 TechCrunch 首先披露,结论只有一句话:公司在用更多 AI,但没有花更多的钱。

具体数据:

时间窗口企业 AI token 支出增速
7 月+42%(环比)
8 月 + 9 月合计+1.5%
9/23 – 10/23+8.9%

Ramp 首席经济学家 Ara Kharazian 的判断是:几乎所有 AI 支出都来自风投支持的高增长科技公司,而且减速集中在最"AI 化"的那 1% 公司身上。

具体到分布:

最后这一条是全篇最狠的。

最舍得花钱的客户的单位人支出,撞到了一堵墙。

一个企业的 AI 预算要超过 1 万美元/人/月,通常需要 C 级别的签批、需要有明确的 ROI、需要业务线真的跑在 AI 上。到这个量级之后,增长不再由"多调用几次"驱动,而由"多开一条业务线"驱动——那是一个完全不同性质的、慢得多的增长引擎。

2.2 Anthropic 自己的招股书印证了同一件事

Ramp 是外部数据,我们再看内部数据。Anthropic 11 月更新的 S-1 招股说明书里,藏着更精确的答案。

先看增长曲线:

指标Q2 2026Q3 2026
单季营收—168 亿美元(环比 +47%,部分口径 +45%)
环比增速+144%+47%
每 1 美元算力带来的收入2.08 美元1.72 美元

增速从三位数腰斩到接近一半。招股书给出了三个具体原因,每一个都很致命:

第一,现货算力太贵。 Q3 临时补了 50 亿美元现货算力,价格比长期锁单贵出 110% 到 160%。

第二,主动砍掉了低价值流量。 清退了占算力调用量 18%、却只贡献 6% 营收的"蒸馏流量"。注意这个动作的方向:它是在用营收换毛利——短期收入曲线因此被压低,但单位算力的经济性变好了。

第三,头部大客户的 API 单价环比平均下降 17%。 涨价的那一端不存在,降价的那一端已经发生了 17%。

把这三条叠起来看,得到的结论比"增速放缓"精确得多:

Anthropic 的算力投入在增长,单 token 价格在下跌,而每美元算力的收入回报从 2.08 掉到 1.72。

还有一组背景数字,解释了为什么这个时点如此敏感:

从 2 万亿到 1.5 万亿,5000 亿美元,缩水约四分之一。市场对大模型资产的定价逻辑,从"买增长曲线"切换成了"买兑现节奏"。

顺带一个更狠的细节:Anthropic 连续四轮降价,其中 Fable 5.1 把缓存读取价从 1.00 美元/百万 token 砍到 0.25 美元/百万(-75%)。缓存读取价降到四分之一——这已经不是"促销",这是在把单位算力收入向成本线压。

结论:一家账面上"80% 毛利率"、收入同比涨 11 倍的公司,需要在上市前把估值打七五折,才让投资人觉得合理。 这就是"账单刹车"在一家公司财务报表上的样子。

2.3 消费者侧的交叉验证:英国的 10.7 亿英镑

企业侧和公司侧指向同一个方向,那消费者侧呢?

11 月 5 日,彭博社报道了一项基于 1420 万个英国银行和信用卡账户的匿名化数据研究,由华威大学的 Nikhil Datta、Peter John Lambert 和帝国理工学院的 Patrick Schneider 共同完成。

指标2025 年 12 月2026 年 7 月
英国消费者 AI 订阅年支出—10.7 亿英镑(约 14 亿美元)
付费渗透率(成年人)2.3%5.1%
Claude 在支出中的份额7.4%29.4%
ChatGPT 在支出中的份额73.5%52.5%

再按订阅人数份额看,差距更小:ChatGPT 71.2%,Claude 27.1%。

于是出现了整个研究里最有信息量的一个差:

Claude 的支出份额(29.4%)明显高于它的人数份额(27.1%)。Claude 用户的付费单价更高。

有多高?研究报告指出:Claude 用户购买 80 英镑以上高档套餐的可能性,是普通用户的 20 倍。

怎么读这件事?

价格战把平均单价打下去了,但高端档没有被打。ChatGPT 守住了人数(71.2%),却守不住钱包(从 73.5% 掉到 52.5%)。Claude 用人数份额 27.1% 的次要位置,拿走了 29.4% 的钱。

市场正在从"很多人买便宜的"迁移到"少数人买贵的"。 这两件事对基础设施厂商的含义完全相反:前者是流量生意,后者是算力生意。而 10.7 亿英镑的绝对盘子,相对于 AI 产业动辄上千亿美元的资本开支,小得可怜。

三、剪刀差的结构:为什么能力是指数的,收入是线性的

现在我们可以回答开头的问题了:为什么能力 1.9 倍,收入 1.5%?

3.1 能力的复利机制

能力的增长是自我强化的:

`

AI 参与写代码 / 跑实验 / 分析结果

↓

研发周期缩短

↓

同等时间迭代更多版本

↓

新版本更强

↓

新版本能参与更复杂的研发环节

↓

研发周期进一步缩短(回到起点,且步长更大)

`

这是正反馈。它的数学性质是指数,前提是循环能闭上。METR 说的 80% 归因,就是说这个循环已经闭上了八成。

而它闭不上的那两成——预训练最核心环节还不能被 AI 自主完成——就是 1.9 而不是 12 的原因。瓶颈不在模型,在瓶颈本身。

3.2 收入的线性机制

收入侧则是相反的力学:

`

能力提升 → 单位算力成本下降

↓

竞争者(尤其是开源模型)能力追平

↓

价格必须下降,否则份额流失

↓

单价下降 → 收入 = 量 × 价,量的增长被价的下跌抵消

↓

收入曲线被压平成线性

`

能力的边际成本递减,收入的边际收益也在递减——但收入的递减速率被"必须跟价"这个竞争约束锁死了。

这就是为什么 1.9 倍和 1.5% 会同时出现:它们描述的是同一个商品的两个侧面。当一种商品的生产成本在指数下降时,如果它的价格也必须跟着下降,那么它的生产者无法从这次技术进步中获得超额收益。 这是经济学里最古老的一条规律的现代版本。

3.3 稀缺性并没有消失,它搬家了

那价值去哪了?

价值搬到了"不能被 AI 自己生产"的东西上。

原来稀缺的东西现在稀缺的东西谁在收费
模型能力算力交割(谁能真的拿到卡)英伟达、甲骨文、SK 海力士
能力准入许可(谁能合法用)Daybreak Red、社区契约、授权书
能力数据边界(能读什么)银行、出版商、企业数据持有者
能力渠道与信任(谁来担保)Meta 的 Conductor、云厂商、评级机构
能力位置(谁被允许建机房)地方政府、电网

上一篇文章我们讲的是"交割"——算力能不能送到机房门口。这一篇讲的是"准入"——能力能不能被允许使用。 两者是同一个问题的两种形态:当商品本身变得免费,收费的环节就转移到了分发、许可与信任上。

四、准入层:能力越强,排队越长

这个判断有一个非常直接的经验证据:就在 METR 报告发布的同一天,AI 产业最强大的能力之一被锁进了保险箱。

4.1 GPT-6 Cyber:两天之内,从研究报告变成受限产品

11 月 4 日,OpenAI 发布 GPT-6 Cyber——一个面向网络安全研究的专用模型。11 月 5–6 日,全球媒体跟进报道。

先看能力:

指标数值
ExploitGym 基准得分48.5%(前代 GPT-5.6 Cyber 为 32.1%,相对提升 51%)
Linux 内核漏洞复现1724 个(复现率 74.7%)
生成可用提权利用程序948 个
Firefox 此前未知高危漏洞81 个(Mozilla 已被推动推送修复)
未配置安全提示时的不越权率99.93%
配置安全提示后的不越权率100%

注意这组数字和上一篇文章的重合:121.34 万美元、1724 个复现、948 个 LPE——没错,GPT-6 Cyber 正是那份研究报告的同一条流水线的产品化。而它比三个月前的 GPT-5.6 Sol 便宜得多:单个 LPE 成本从 3095 美元降到 1279 美元,下降 59%,而漏洞数翻了 5.7 倍。

然后是这一整段里最重要的一个字:"限制"。

请注意这个时间顺序:

11 月 4 日,一个模型在公开研究报告里展示了它能自动造出 948 个可用的 Linux 内核提权程序;11 月 4 日同一天,这个模型被评定为"关键级"能力,因此不公开,只发给审核过的客户。

同一个模型,同一天,同一份能力,一边被写进论文向全世界展示,一边被锁进只对特定客户开放的 API。

这不是矛盾,这是准入经济的原型:能力的价值不再体现在"多强",而体现在"谁能用、在什么边界内用、谁来承担后果"。

4.2 位置层:数据中心开始排队

11 月 5 日,OpenAI 发布《全国社区契约》(National Community Compact)和《算力园区政策蓝图》。这套东西的起因,是美国中期选举之后的数据中心公投潮:

在这次选举中,41 项与数据中心相关的公投中,有 40 项支持限制建设。

与之呼应的是几个州的州长选举结果:德克萨斯州选出 Gina Hinojosa,成为该州三十多年来首位民主党籍州长,她已呼吁立即暂停数据中心开发。乔治亚州、俄亥俄州、宾夕法尼亚州,民主党均在州长选举中胜出。这意味着美国境内约半数拟建 AI 数据中心将面临更严格的地方审查。

OpenAI 的契约内容,每一条都在回应一种具体的"排队":

首席全球事务官 Chris Lehane 表示:部分项目存在推迟的可能性,并称"选民在投票箱前的表达是企业必须倾听和回应的重要信号"。同时他强调这套框架从 8 月起就在筹备,并非针对选举结果的临时反应。

这条新闻的信息量在于:AI 基础设施第一次不得不把"当地居民的同意"当成一个交付前置条件来管理。

上一篇文章我们提到,AI 的瓶颈正在从"能不能造出模型"变成"能不能把算力合法地、物理地、按期地交到机房门口"。现在补上第三段:门口还站着选民。

4.3 数据层:金融接口开了,但只读

11 月 6 日,Anthropic 在美国开启 Claude 的个人财务功能 beta:允许用户安全连接银行与信用卡账户,用自然语言查询余额、交易记录和消费状况。

边界写得很清楚:

同样在 11 月 6 日,Anthropic 与美联社达成内容许可协议——这是它首次向数字新闻出版商付费。

而在企业侧,字节跳动将大面积限制员工使用 Claude、Codex 等外部 AI 工具,封禁 L4 级代码仓库与飞书文档的外部 AI 访问;苹果削减内部 AI 预算和员工 Token 额度(同时苹果智能国行上线,创作内容与问询结果同步至千问 App)。

把这些放在一起看:

事件边界形式
Claude 银行 beta只读,不可动钱
Anthropic × 美联社付费许可,不再默认抓取
字节封禁外部 AI 访问代码库内部数据不对外
苹果削减 Token 额度内部使用也要算账

同一周内,四件不同的事,做的是同一件事:给数据加边界。

模型能力越强,能触达的东西越多;而能触达的东西越多,授权协议就越重要。当模型从"回答问题的工具"变成"能读银行账户、能写进代码仓库、能调用企业系统的执行者",一份 API key 背后需要跟着一份责任契约。

Anthropic 在同一天推出的 Inference Hook(每次推理前按企业规则拦截敏感数据)和 Kimi Hosted Agents(把 Harness 作为云端服务提供,配独立沙箱、网络权限控制、可随时中止会话并导出审计)都是同一逻辑的不同实现。

4.4 资本层:交易的是位置,不是能力

11 月 6 日前后还有两条并购与融资消息,指向的都是"通道"而非"能力":

一条讲编排,一条讲电力。这两样东西都不是模型能力,但都是把能力交付到真实系统里的必需品。

五、中国侧:权重免费,收费站浮出水面

如果只看美国,会以为"准入"是西方市场的特殊现象。但中国这周的动作,把同一个故事讲得更彻底。

11 月 4 日下午,月之暗面如约把 Kimi K3.1 Pro 的完整权重上传到 Hugging Face:

参数数值
总参数 / 激活参数2.8 万亿 / 1040 亿(MoE,896 专家选 16 + 2 共享)
上下文窗口100 万 token
架构变化93 层中 24 层从全注意力改为 DeepSeek 稀疏注意力,每 token 只挑 2048 个最相关 token
仓库体积1.56 TB,96 个 safetensors 分片

不用填表、不用申请,点开就能下。 Hugging Face 联合创始人 Thomas Wolf 当天整理了要点。海外研究者 Nathan Lambert 感慨:"中国的开源模型实验室,说好哪天开放权重,从来都是按时开放。"

但——许可证才是新闻。它"像 MIT 一样打开",然后加上一条:

如果你或你的关联方经营 Model-as-a-Service 业务,且连续 12 个月累计收入超过 2000 万美元,商业使用本模型前需要与月之暗面单独签署协议。

百度同一天开源 ERNIE 5.5 Flash Base(280B 总参,每 token 激活 14B),许可证条款同样精细:

腾讯在乌镇峰会现场展出 混元 Hy4 preview,新增视觉理解与电脑操作能力,官方称进入全球开放权重第一梯队,权重将近期开源。

把三家放在一起看:

Kimi 的许可证以 2000 万美元营收为界划分"免费商用"与"需单独协议";百度的许可证以 5000 万美元营收为界划分"一次告知"与"事先书面授权",并且直接禁止蒸馏;两家的"开放"都附带着明确的地理或商业边界。

权重是免费的,但不是无价的。免费的是能力,收费的是位置。

中国开源模型还有一个被低估的效率数字:月之暗面称 Kimi K3.1 Pro 完整研发与训练程序成本 3200 万美元,约为此前开源权重榜首模型的十分之一;达到该结果只用了 140 万次强化学习 rollout,比 Reflection Beam 少约 70 倍(均为厂商自报,未经第三方验证)。

140 万次 rollout 就造出了一个在第三方综合智能指数上大幅领先此前最强开源模型(DeepSeek-V4.1-Flash)的 2.8 万亿参数模型,并且登顶 AgentArena 开放权重模型榜(全部参评第 13),在基于全球用户 1.75 万次真实长周期智能体会话的评测中,模型净改进率达 +5.1%,较上代提升 4.2 个百分点,其中 Shell 命令执行可靠性提升尤为显著。

把 METR 的 1.9 倍和这 140 万次 rollout 放在一起:AI 造 AI 的循环正在把"造出一个前沿模型"的门槛,也在指数级下降。

而另一组数据从反面印证了同一件事。第三方研究机构 P-Zero Research 把同样的活儿交给 Kimi K3.1 Pro 和 Claude Opus 5.0:预算给到 15 个 H100 小时时,Kimi 的"算力乘数"还有 1.06,与 Opus 5.0 几乎贴着跑;预算加到 40 个 H100 小时,Kimi 掉到 0.78,Opus 5.0 涨到 1.3。

分数没有崩,是多喂的算力没有变成更好的结果。

这个细节值得反复咀嚼:能力相同的两个模型,"多花算力是否换来更好结果"的弹性完全不同。 闭源模型有训练后对齐、有推理时算力调度、有针对特定任务的数据配比,所以边际算力还有回报;开源模型把这些精细度全部摊平了,你只能买到权重本身。

换句话说:能力商品化的同时,"把能力调好"这件事没有商品化。 收费点又出现了一个。

六、结论:AI 产业正在从产品经济转向配电经济

把这一周的碎片拼起来,会得到一个比"泡沫"精确得多的图景。

6.1 一条主线的三个断面

时间断面事实
11/4能力Kimi K3.1 Pro 开源权重,2.8T 参,研发成本 3200 万美元,140 万次 rollout
11/4–6准入GPT-6 Cyber 评为 Critical,只给审核过的 Daybreak Red 客户;81 个 Firefox 高危漏洞
11/5位置OpenAI《全国社区契约》:不签 NDA、居民不付电费、财务担保;41 场公投 40 票支持限制
11/5–6数据Claude 银行只读 beta;Anthropic × 美联社首次付费;字节封禁外部 AI 访问代码库;苹果削减 Token 额度
11/5能力METR:Anthropic 模型能力提升速度 1.9 倍,约 80% 归因于 AI 参与研发
11/6收入Ramp:企业 AI token 支出 8+9 月仅 +1.5%(7 月为 +42%);Anthropic 估值从 2 万亿下修到 1.5 万亿
11/6渠道Meta 收购 Conductor(编排层,非模型层);Google 背书 TeraWulf 约 190 亿美元 Anthropic 租赁

能力在贬值,位置在升值。

6.2 为什么这叫"配电经济"而不是"产品经济"

产品经济的假设是:产品差异化 → 用户选择 → 定价权。

配电经济的假设是:产品趋同 → 用户不再选择 → 定价权转移到分配通道手里,用户排队取电。

今天的 AI 产业正在从第一段走向第二段:

这解释了一个此前看起来矛盾的现象:为什么 Anthropic 收入同比涨 11 倍,却在 IPO 前需要把估值打七五折;为什么 OpenAI 账上钱多得花不完,却要在 11 月 5 日紧急发布一份社区契约。

因为在配电经济里,钱不再是流向"更强的模型",而是流向"更好的位置":更早锁定的算力、更靠近用户的数据、更被信任的合规背书、更能拿到许可的牌照。

6.3 对能力的重新定价

最后回到 METR 的 1.9 倍。

如果 AI 造 AI 的循环真的已经闭上 80%,那么未来的技术图景是:能力不再稀缺,稀缺的是让能力合法、合规、按时到达的通道。

这会带来三个不太直觉的推论:

推论一:模型能力的边际价值在下降,但"部署能力的价值"在上升。

在一个能力趋同的世界里,把一个 80 分的模型变成 90 分的收益,远小于把一个 70 分的模型接入真实系统并让它不出事、算得过账、扛得住审计的收益。这正是 GPT-6 Cyber 把重点放在"99.93% / 100% 不越权"而不是"再高几个百分点 ExploitGym"的原因。

推论二:安全与合规不再是成本中心,它变成了收入通道。

OpenAI 给 Cyber 模型设 99.93% 的不越权率,然后把它锁进付费准入层;Anthropic 给 Claude 银行功能设只读权限,然后把它做成订阅权益;两家都在做同一件事:用边界能力把能力转化为可定价的商品。 这与 10 月 25 日那篇"离线世界"里讨论的"AI 需要一个能约束自己的容器"是同一枚硬币的两面。

推论三:价格通缩不会杀死 AI 产业,它只是把利润挪了个地方。

每一轮降价都在把能力推向免费,每一轮免费都在催生新的收费站。Kimi 的 2000 万美元条款、百度的 5000 万美元条款、Meta 的编排层、OpenAI 的社区契约——它们共同构成了新的收费表。

七、给学习者的三条具体建议

写到这里,我想对正在学 AI 的读者说三句非常具体的话。

7.1 别把 benchmark 当护城河

METR 的报告里有一组极好的对照:Anthropic 内部非正式调查说生产力提升 12 倍,METR 说这个数字不可靠,给出的端到端估计是 1.9 倍。

原因很简单:局部的效率提升不会自动变成系统级的提升。中间有瓶颈、有排队、有失败重跑、有组织摩擦。

同理:Kimi K3.1 Pro 的 2.8 万亿参数、AA 榜单第一、开源权重免费——这些都不构成任何人的护城河。因为能力会变成商品,商品会变成价格,价格会趋近于零。

真正保值的是:你能把一个能力接进一个真实系统,并让它不出事。 写一个能被审计的 Agent、把一段脏数据处理成可用的特征、把一个模型接进一个每次都要跑的生产流程并让它三个月不出故障——这些是能力的价格通缩打不穿的东西。

7.2 把"边界设计"当成正经工程能力学

这是过去一年最明显的一门新学科,而它的教材就在这一周的新闻里:

这套思路和后端工程里处理幂等、限流、熔断、权限最小化是一脉相承的。区别只是:以前你保护的是系统,现在你保护的是能被系统说服的人。

一个能自动生成 948 个提权漏洞的模型,其真正的设计难点不是"让它更聪明",而是"让它在该停的地方停住"。这和让一个递归函数更高效,是同一种工程直觉。

7.3 看现金流和定价权,不要看估值叙事

如果你想理解一家 AI 公司的真实处境,去看这几组数字,而不是新闻标题:

看什么例子
每 1 美元算力换来多少收入Anthropic:2.08 → 1.72
单位价格的方向API 单价环比 -17%;Fable 5.1 缓存读取价 -75%
客户的人均支出有没有撞墙top 1% 客户卡在 1 万美元/人/月 下方
融资成本CoreWeave 债券收益率 >15%
估值锚P/ARR 从"买增长"切到 21 倍
有没有在抢位置甲骨文 70 亿美元租赁被取消;TeraWulf 190 亿美元;Meta 买编排层

这些数字的共同特点是:它们描述的是"交割"和"变现",而不是"能力"。 这也正是这两篇文章连载的逻辑:11 月 6 日讲交割,11 月 7 日讲准入和变现。两条线合起来,才是一张完整的 AI 产业资产负债表。

结语

回到那两个数字。

1.9 倍:AI 正在以接近两倍的速度参与自己的研发,80% 的加速归因于此,代价是 Anthropic 的 CEO 在 9 月公开请求整个行业放慢脚步。

1.5%:企业 AI 支出增速从 7 月的 42% 掉到 8、9 月合计的 1.5%,最舍得花钱的客户人均支出卡在 1 万美元下方,一家收入同比涨 11 倍的公司在 IPO 前把估值预期砍掉了四分之一。

同一天,Kimi 把 2.8 万亿参数的权重免费挂上 Hugging Face;GPT-6 Cyber 因为太强而被评为 Critical、只发给审核过的客户;OpenAI 因为选举结果而紧急承诺不让居民替它付电费;Claude 拿到了读银行账户的权限,但只读。

能力在加速,账单在刹车,位置在涨价。

如果要给这一周找一个更简洁的说法,那就是:

AI 产业正在从"谁能造出更强的模型"的竞赛,转入"谁能更便宜地分发、更合法地授权、更准时地交付"的竞赛。

前者是产品经济,赢家会很多,也会换得很快。

后者是配电经济,赢家不会很多,而且换得慢——因为位置一旦占住,就是护城河。

对学习者而言,这个转向意味着:你不需要赢下模型竞赛,你只需要站到有电的那一侧。

参考来源