2026年11月5日,纳斯达克综合指数下跌5.52%。

这一天,标普500指数跌了4.36%,道琼斯工业指数跌了3.44%。芯片、数据中心以及与人工智能基础设施有关的股票,成为抛售的中心。

市场开始重新计算一笔账。

过去几年,科技公司投入了大量资金购买GPU,建设数据中心,训练越来越强大的模型。市场相信,人工智能将改变几乎所有行业,因此,这些投入最终能够获得丰厚回报。

但如果数据中心建设受到限制呢?如果模型能力继续提高,却没有足够多的客户愿意为之付费呢?如果下一代模型需要投入更多资本,而上一代模型还没有赚回成本呢?

这些疑问并不新鲜。只是当股价不断上涨时,人们往往愿意把答案留给未来。

现在,市场开始要求提前回答。

一天的大跌,还不能说明人工智能泡沫已经破裂。我们甚至不知道,这轮调整最终会持续多久。

但它让我想起了一个比市场涨跌更有意思的问题:

如果这场人工智能热潮真的经历一次泡沫破裂,留下来的会是什么?又有什么东西,会从这些留下来的基础上重新生长?

一、泡沫过去,基础设施仍在

19世纪中叶,英国经历过一场铁路投资狂潮。

投资者相信铁路会改变整个国家的经济面貌。他们说对了。

铁路确实改变了英国。

城市与乡村被连接起来,运输成本下降,商品能够抵达更远的市场。人们的出行方式、居住方式乃至时间观念,都在铁路出现后发生了变化。

但相信铁路有伟大前途,不等于买入铁路公司的股票就一定能赚钱。

当资本大量涌入,线路重复建设,经营收入无法兑现最初的预期时,许多投资者损失惨重。

铁路没有消失。亏损的是一批为铁路建设支付了过高价格的人。

一百多年后的互联网,也经历过相似的过程。

20世纪90年代末,资本大量投入光纤、服务器、通信设备和互联网公司。人们相信,未来每个人都会生活在网络上。

这个判断大体是对的。

但2000年前后,互联网泡沫破裂,大量公司消失,股票价格暴跌。

有意思的是,互联网本身并没有因此倒退。

已经铺设的光纤仍然存在,计算机继续普及,网络连接越来越便宜,越来越多的人开始上网。

几年以后,搜索、电商、社交网络、在线视频和云计算逐渐发展起来。

真正改变世界的许多商业模式,并不是在基础设施最昂贵、资本最狂热的时候成熟的。

它们需要等待基础设施普及,等待使用成本下降,也等待人们逐渐发现这些新能力究竟可以用来做什么。

这给今天的人工智能投资留下了一个很重要的提醒。

技术的成功,与最初投资者的成功,可能是两件完全不同的事情。

即使人工智能最终深刻改变人类社会,也不能保证今天所有高价投入的算力、模型和数据中心,都能产生足够的股东回报。

而另一面同样值得关注。

如果这些投入真的推动了智能能力的普及和成本下降,那么它们创造的经济条件,也可能成为下一批企业成长的土壤。

当然,铁路和互联网的历史不能机械套用。数据中心的设备需要更新,GPU会折旧,电力和运营成本也不会因为估值下跌而消失。

但有一种变化可能保留下来:人类已经学会用机器完成越来越复杂的认知任务。

接下来,问题就变了。

二、当制造智能不再是最难的事情

过去几年的人工智能竞争,主要集中在供给端。

谁拥有更多GPU?

谁能训练更大的模型?

谁能率先突破新的能力边界?

这些问题至今仍然重要。但随着模型不断进步、开放模型逐渐扩散、推理成本下降,我们已经开始看到另一种变化。

很多过去需要专业团队开发的软件,现在一个人借助AI就可以做出来。

写一个财务分析工具、建立一个个人知识库、生成一个网站,甚至开发一套简单的业务管理系统,门槛都在下降。

这确实是一种巨大的生产力进步。

但也可能形成一个颇有意思的现象:人们花很多时间让AI写程序,做出一个又一个产品原型,却很少追问这些程序究竟有没有人需要。

编程本身,甚至可能变成一种新的消遣。

过去,能把软件做出来,就已经具有相当高的价值。今天,软件的生产能力正在迅速扩散。

当供给不再那么稀缺,真正困难的问题就重新回到需求。

有人需要这个东西吗?

他现在是怎么解决问题的?

他愿意为新的解决方式付多少钱?

使用一次之后,还会不会继续使用?

这些问题看似普通,却可能成为下一阶段消费科技最重要的分水岭。

以前开发一个软件,需要投入大量人力和资金,因此必须找到足够多具有相同需求的用户,才能摊薄成本。

现在,如果个性化软件的开发成本持续下降,那些过去因为市场太小而无人服务的需求,也可能第一次具备经济可行性。

为一家小企业开发的工作流,为一个家庭建立的财务系统,为一个人的投资习惯设计的决策记录工具,甚至为一段独特的人生经历建立的记忆库,都不再完全不可想象。

这将是一种重要变化。

过去,软件要求人去适应它预先设计好的功能。

未来,软件有可能更多地围绕具体的人、具体的生活和具体的需求生成。

但随之而来的问题是:既然每个人都可以让AI为自己制作软件,为什么还需要向一家软件公司长期付费?

答案恐怕不在代码里。

三、人真正需要什么?

最近读到一份关于长寿产业的研究报告,其中有个现象很有意思。

越来越多的人佩戴智能手表、智能戒指,每天查看心率、睡眠和运动数据。

但拥有这些数据,不代表他们真的改变了自己的生活。

我们已经有了很多记录身体的工具,却还缺少一种能够长期理解身体变化、帮助人采取适当行动的服务。

比如,今天的体检结果与五年前相比发生了什么变化?哪些变化需要关注?什么时候应该去医院?检查结束以后,接下来又该怎么办?

这让我想到另一个领域:个人金融。

现在,银行记录我们的存款和收支,券商记录证券交易,保险公司保存保单,支付平台保存消费流水。

每家机构都掌握了一部分数据。

但如果问一个人:过去十年,你的家庭财务状况为什么发生了这些变化?你的重要投资决策有哪些判断正确,哪些只是运气?五年以后的教育支出和二十年以后的退休生活,需要今天怎样安排?

很少有一套系统能够连续地回答这些问题。

尤其是投资。

券商能够准确告诉你,某年某月以什么价格买入了多少股票。

却通常不会记录:你当时为什么买入?相信公司未来会发生什么?什么事实出现以后,意味着当初的判断错误?

十年以后,交易记录还在,当年的判断却可能已经被记忆悄悄改写。

如果能够把每一次重要投资决策的假设保存下来,几年后再与真实结果对照,那么AI就不只是一个分析股票的工具。

它开始帮助一个人理解自己的判断方式。

赚了钱,是因为看对了企业,还是因为市场整体上涨?亏了钱,是因为经营判断错误,还是因为支付了过高价格?

这些问题,关系到一个人能否在长期投资中真正积累认知,而不只是积累交易次数。

健康和金融看起来是两个不同的行业,却有一个共同特点。

它们都不是一次性任务,而是贯穿人生的长期过程。

一个人的健康、财富、职业、家庭、教育和生活目标,不断随着时间发生变化。

今天的软件往往把它们分割开来。

但一个人的生活从来不是按行业分类的。

或许,未来会出现一种新的个人服务:它持续保存一个人的历史,理解他不断变化的目标,在需要的时候提供帮助,并在明确授权的范围内与外部机构协作。

金融领域可以叫 Personal Financial Memory,健康领域可以叫 Personal Health Memory。

它们最终可能指向更大的 Personal Life Memory。

这里的记忆,不只是保存数据。

它还包括当时的处境、曾经作出的判断、后来发生的变化,以及这些经历对未来选择的影响。

这种东西具有一个很特别的性质。

代码可以重新编写,模型可以更换,计算结果可以重新生成。

但一个人十年前没有记录下来的真实经历与念头,未必还能重新找回来。

技术可以不断复制,人的历史却只能真实地经历一次。

四、有需求,还要有人愿意付费

不过,如果只讨论这些长期需求,仍然很容易陷入另一个陷阱。

有价值的事情,不一定是一门好生意。

许多人都知道健康重要,却不一定愿意每个月为健康管理软件付费。

许多人希望年老以后仍能看到年轻时的生活记录,却未必愿意今天每天花时间整理日记。

许多人知道家庭需要长期财务规划,但如果没有眼前的压力,也可能迟迟不去行动。

需求、使用和付费,是三件不同的事。

我认为,寻找消费级AI商业机会,必须同时回答两个问题。

短期,用户为什么愿意为它付钱?

长期,用户为什么愿意继续把钱付给它?

两者需要的价值可能并不相同。

一个个人金融Agent,第一次吸引用户付费,可能只是因为它发现了一笔长期忽略的重复扣费,或者帮助用户理清了一项复杂的家庭财务安排。

一年以后,用户继续付费,可能是因为它已经熟悉家庭的收入、支出、账户和未来目标,不需要每次重新解释。

五年以后,这套系统或许已经积累了完整的财务历史,可以帮助家庭理解自己的财富究竟怎样形成,又面临怎样的风险。

一个健康Agent也类似。

今天的价值可能是帮助整理体检报告、核对重要指标、准备一次就医。

长期的价值,则可能是持续跟踪身体变化,减少遗漏,协助完成必要的医疗行动。

至于个人记忆,最初的付费理由可能不是宏大的“保存一生”。

而是帮一个家庭整理旅行照片,记录孩子的成长,找回一段重要的谈话。

几十年以后,这些日常保存下来的东西,可能成为无法用金钱重新购买的生命记录。

但它首先必须让今天的人觉得有用。

这可能是下一代个人软件最重要的商业逻辑:

短期提供能够感知的价值,长期积累不能轻易重新获得的价值。

当然,长期离不开,不应该意味着产品故意锁住用户的数据。

更好的商业关系,是即使用户可以自由迁移自己的资料,仍然愿意因为服务可靠、有用而留下来。

而且,这些设想都需要经过实际付费和留存验证。用户在问卷里说愿意购买,与真正掏钱、使用一年,是两回事。

五、从记住一个人,到替一个人办事

还有一层变化值得关注。

过去的软件,大部分时候是在回答问题或者提供工具。

未来的个人Agent,则可能逐渐走向执行。

例如,它不仅能分析家庭现金流,还能够在用户授权后安排常规账单支付。

不仅能整理医疗记录,还能够协助预约医生、跟进检查和治疗流程。

不仅能制定旅行计划,还能够联系酒店、交通公司以及其他服务商完成预订。

这就需要一种新的基础设施。

Personal Agent Protocol,也就是PAP,所探索的正是个人Agent如何与企业和机构建立可信的交互关系。

一个人可以给Agent什么权限?权限如何撤销?机构怎样确认它确实代表用户?执行失败时如何处理?交易记录由谁保存?

这些问题,看起来没有训练一个更聪明的模型那么激动人心,却可能决定AI究竟能不能进入真实的经济生活。

另外,授权并不能替代法律责任。

尤其在金融和医疗领域,个人Agent不能因为获得用户同意,就自动拥有投资顾问或医生的专业资格。

因此,真正可行的路径,很可能是先从信息整理、决策记录和辅助分析做起,再进入规划、协调与低风险执行,最后在监管和专业责任允许的范围内开展更复杂的服务。

这也意味着,未来的价值不一定集中在模型公司。

它可能分布在长期记忆、身份认证、权限管理、业务工作流、支付执行、专业服务以及最终的消费应用之间。

谁能在用户与现实机构之间,建立可靠、低成本、可持续的服务关系,谁才有机会获得长期收入。

六、泡沫以后,利润会流向哪里?

现在回头看,问题已经与几年前不同了。

如果人工智能的能力继续增长,成本继续下降,那么大量生产效率的提高,最终会传递到使用这些能力的企业和个人手中。

但使用量增长,不等于每个环节的利润都会增长。

开放模型可能处理越来越多的任务,推理价格却持续下降。

应用公司可能快速获得大量用户,却发现用户不愿意付费。

一个健康Agent可能创造了巨大社会价值,却因为服务履约成本、监管责任和获客费用过高,始终无法盈利。

一家企业甚至可能因为AI在技术上取得巨大成功,仍然没有为原有股东创造相应的每股经济价值。

所以,投资者需要重新追问商业的基本问题。

用户原来为这项需求付出了多少成本?

AI究竟减少了哪些成本,改善了哪些结果?

用户愿意为改善后的服务支付多少钱?

扣除模型推理、数据、获客、人工服务、合规和运营成本以后,企业还能够留下多少利润?

随着竞争者增加,这部分利润又能保持多久?

这些问题远比讨论某个模型又提升了多少分数枯燥。

但商业的根本,就在这里。

未来也许会有很多精彩的人工智能应用,却只有少数能够形成真正可持续的生意。

那些能够持续赚钱的企业,未必拥有最聪明的模型。

它们可能只是更深刻地理解了某类人的需要,更有效地组织了服务,并且长期赢得了客户的信任。

不过,也不能因此断言算力、芯片或前沿模型不再值得投资。技术瓶颈还会迁移,新的能力突破也可能重新创造高利润环节。

我们真正需要区分的是,哪些增长来自一轮资本开支,哪些增长来自可以持续支付账单的最终需求。

历史上的铁路和互联网,都证明了一个道理。

一个产业可以创造巨大的社会价值,同时让许多投资者遭受损失。

投资最困难的地方,从来不只是判断未来会发生什么,还包括判断创造出来的价值,最终会由谁获得。

七、重新从人出发

仔细想想,人工智能出现以前,人类许多重要的需求就已经存在了。

我们希望身体健康,希望家庭生活稳定,希望财富能够支持未来的生活。

我们需要学习、工作、建立关系、照顾亲人,也需要理解自己的经历,保存某些不愿意遗忘的东西。

这些需求没有因为GPU和大模型的出现而改变。

变化的是,过去满足它们的成本很高。

一个普通家庭很难长期雇用专门的财务顾问、健康管理人员、私人助理以及负责整理一生记忆的人。

现在,人工智能有可能让其中一部分服务变得足够便宜,使过去无法普遍提供的个性化服务,第一次走向普通人的生活。

这或许才是下一阶段消费科技真正值得关注的方向。

过去,我们不断追问AI能够做什么。

但当它能够做的事情越来越多,这个问题反而不够用了。

我们需要重新回到人本身。

一个人今天最需要解决什么?

未来十年、二十年,他又会面临哪些持续存在的问题?

哪些事情值得他花钱解决?

哪些服务能够在今天创造价值,又随着时间积累变得越来越有用?

哪些看起来重要的需求,其实并没有足够强的付费意愿?

从这些问题出发,再回头寻找技术、产品与商业模式,也许比先造出一个AI应用,再努力寻找用户更有效。

甚至还需要问一个更难的问题:

当技术使生产能力越来越丰富时,人们真正愿意把自己的时间、金钱和信任交给什么?

我想,这可能是人工智能时代最值得研究的商业问题之一。

因为算力可以增加,模型可以迭代,软件可以重新生成。

但人的时间始终有限。

一个人一生能经历的事情,能建立的关系,能作出的选择,都受到时间的约束。

那些能够帮助人更好地使用时间、减少无法挽回的错误、照顾未来的自己,并保存真实人生经历的产品,可能拥有比一时流行的技术功能更加持久的需求基础。

它们是否能够成长为伟大的企业,还有待验证。

但至少,我们已经有了一个寻找它们的方向。

泡沫什么时候破裂,市场还会下跌多少,没人能够轻易回答。

但如果有一天,回望这场人工智能浪潮,我们发现它留下的最重要的东西,不只是越来越庞大的计算设施,而是让普通人第一次能够以可负担的成本,获得长期、个性化、可信赖的服务。

那么,这场技术革命真正改变的,可能不是人类能制造多少智能。

而是一个普通人,终于能够用这些智能,更好地安排和经历自己的一生。

泡沫以后,值得寻找的不是下一场泡沫,而是那些因为技术进步,终于能够被满足的人类需求。

它们一直在那里。

只是过去,我们没有足够便宜的办法去满足它们。