押成本曲线别押替代日期，一份 AI 十年概率清单

2022 年，一场预测锦标赛请超级预测员和 AI 领域专家估计四项基准结果能否在几年内达成，题目包括数学、综合知识、长文阅读和国际数学奥赛金牌。超级预测员给的平均概率是 9.7%，领域专家是 24.6%。四项全部发生。奥赛金牌在 2025 年 7 月拿到，比两组的中位预测分别早了 5 年和 10 年。

同一个十年，另一类预测错在相反方向。特斯拉创始人从 2013 年起给过 30 多条自动驾驶时间表，只有高速辅助驾驶一条部分兑现。2016 年有人说"现在就该停止培训放射科医生"，十年后英国国民医疗服务体系的放射科医生比需求少 32%。

"某个分数、某个成本几年内达到"这类在实验室里就能验收的判断，过去大多猜晚了；"某个职业、某个场景几年内被取代"这类要在真实世界落地的判断，过去大多猜早了。下面按这个方向，给到 2036 年的一批判断各打一个概率，最后说说对工作和钱意味着什么。文中概率都是我的判断，不是统计数据；事实数字都带时间和出处。

一、两种错误从哪来

"人类最后的考试"这套题 2025 年 1 月发布时，最好的模型得 8.8%，2026 年 9 月最高已到 61.4%。一项覆盖 2778 名顶会作者的调查，一年之内就把"AI 在所有任务上比人更好更便宜"的中位年份从 2060 年提前到 2047 年。

落地那一头慢得多。特斯拉创始人 2016 年就说自动驾驶"基本解决"，做得最好的 Waymo 到 2026 年 6 月做到每周 50 万次付费乘车、在美国 10 个都市区提供付费服务，中间隔了整整十年。自动取款机 1990 年代末普及后，美国银行柜员在 2000 年后仍以每年 2.0% 增长，因为网点成本降了，城市网点多了 43%，柜员到 2010 年代手机银行普及才开始长期减少。

评测机构 METR 测过这段距离，指标是人类专家要花多长时间的软件任务，模型能独立做完。2026 年 3 月，前沿模型有五成把握做完的任务约 12 小时，要八成把握就只剩约 1 小时 10 分，差了约十倍，METR 以往观察到的一般差距是四五倍。真要上线，企业要的是九成九。2025 年一项随机对照试验里，老手在熟悉的代码库上用 AI 工具，预计快 24%，实测慢了 19%。

所以我给自己定了一条校准规则。成本和分数类的判断往上调；职业和场景被完全替代的判断，把利益相关方给的时间线乘以 2 到 3；普及速度照着 S 形曲线估，起点往后挪两三年。

通用人工智能是这条规则最难用的地方。按预测社区 Metaculus 的分布，2036 年前实现的概率有六成多；按研究者调查只有三成多。两边对"通用"的定义也不同，大致是抛硬币。

二、把握在八成以上的事

这些判断都不押某一次技术突破，押的是已经跑了好几年的成本、普及和电力约束会接着跑。多数条目就算速度减半也成立。

便宜一千倍的对象是 2026 年的前沿能力，2036 年的最强模型未必更便宜。训练那一头不可能照现在的斜率走，单次最贵的训练 2025 年约 5 亿美元，按每年 2.4 倍外推，2036 年约 8 万亿美元，没有哪家公司付得起。真要放缓，我猜先卡住的是钱，最强模型长得慢了，已有能力照样一路降价。

用电那一行，谷歌的单次提示词能耗在 2024 年 5 月到 2025 年 5 月降了 33 倍，谷歌 2024 年的总用电还是涨了 27%。效率提升没挡住用量增长。

客服那一行有个反面。彭博 2025 年 5 月有篇报道，标题说 Klarna 把客服从 AI 转回真人，我没能核实全文；就算属实，Klarna 员工 2025 年约 2907 人，也远没回到 2022 年约 5527 人的规模。我押的是 AI 接走大部分会话、人工留下来兜底。

市场价那一行，5.2% 离跌一半还远。我给八成左右，是因为机器生成同样一段文字或代码的成本每年降一个数量级，只要买方能自己验收，价格迟早往成本靠。不确定的是需求弹性。

三、看起来确定，其实是抛硬币

下面这些常被当作定论，我只给四成到七成多。它们要么得等 AI 从十次成五次变成十次成八次，再从考场走到真实环境；要么得等一门生意先被证明能赚钱。

资本开支回撤也在这一档。美国四大云合计资本开支在 2027 到 2032 年间至少有一年同比下降 15% 以上，我给七成多；大型云厂商在 2031 年前出现一次削减三成以上的年份，只给四成多。两者时间窗和对象略有不同。

四、大概率错的流行说法

这一类声音最大，错法都一样，把能做到当成了已经用上。

"几年内大规模失业。"2026 年 1 到 7 月，美国企业自述"因 AI 裁员"11.3 万人，是 2025 全年的两倍，截至 7 月 AI 已连续五个月是排第一的裁员原因。同期美国裁员总数同比下降 41%。AI 改变的是裁员的归因，还没有改变裁员的总量。企业有把常规降本包装成 AI 的动机，也有隐瞒的动机，这个数两头都要打折。

"通用人形机器人十年内进家庭。"进入中美 1% 以上家庭、能自主做通用家务，我只给一成到一成半。1X 的家用机器人 NEO 2025 年 10 月开放预订时，大部分任务靠人远程操控；斯坦福 2026 年 AI 指数测得机器人家务任务成功率 12%。Figure 估值 390 亿美元，到 2026 年 4 月累计交付 350 台以上。我认为 2036 年前人形机器人至少会破一次资本泡沫，概率约七成。

"放射科医生、程序员、教师会先消失。"美国和英国的放射科医生人数 2036 年不低于 2026 年，我给八成；美国软件开发者就业不低于 2026 年，我给七成，美国劳工统计局预测的是十年增长 10%；教师岗位少掉两成几乎不会发生，不到一成。先收缩的是每个职业最下面那级台阶。

"模型公司会是最大赢家。"某一家前沿实验室到 2036 年以独立公司身份拿走一半以上模型支出，我给不到三成。据第三方汇总，DeepSeek-V4-Pro 在可比基准上与 GPT-5.5 持平，输入价约为后者的十二分之一。

"AI 辅导会缩小教育差距。"我给约两成半。效果是真的，尼日利亚 6 周课后项目相当于近两年的常规学习。但土耳其近千名高中生的试验里，带学习护栏的辅导工具让学生使用期间成绩提升 127%；另一组用直接给答案的普通聊天工具，撤掉之后成绩比从没用过的人低 17%。会用和不会用的孩子，差距反而拉大。

"AI 基建过剩会像光纤一样闲置多年再被接盘。"光纤铺下去二十年不贬值，GPU 的每美元性能每 1.7 年翻一倍，旧卡价值每年被侵蚀三成五到四成。这次过剩等不了七年，两到四年内就会变成折旧和减值。

五、对普通人，冲击是少招新人

最硬的数据来自美国薪资处理商 ADP，由斯坦福数字经济实验室分析。截至 2026 年 6 月，22 到 25 岁年轻人在 AI 高暴露职业的就业，比"如果跟上低暴露同龄人"的水平低 19%，这个缺口一年前是 15%。有经验的工人没有类似缺口，在岗者的基本工资几乎没动。公司主要是少招新人，没怎么裁老人。

招聘广告指向同一个方向。2026 年 5 月，美国资深岗位广告同比增加 14.7%，入门岗位减少 7.5%。研究者还发现，工作内容越能靠教科书和书面流程教会的职业，年轻人就业增长越慢。被 AI 挤掉的，恰好是学校能教的那部分本事。

中国更难分辨。2026 年 8 月，16 到 24 岁（不含在校生）失业率 18.9%，30 到 59 岁 3.9%，2026 届毕业生 1270 万人，历史最高，AI 那一份没法从官方数据里分离出来。中国工业机器人装机占全球 59%，2025 年装了 35.4 万台，自动化最快的是流水线。我判断中国制造业工人总量 2036 年比 2025 年少 15% 以上的概率约七成，老龄化和自动化各占多少现在拆不开。

与其挑"安全行业"，不如看自己坐在什么位置。扛得住的岗位通常占一样：必须人到场，比如护理、安装、维修；责任要落到一个具体的人身上，比如执业医护、审计签字、工程签字；或者靠说不清的经验做判断，比如资深工程师和管理者。最稳的是签字担责，法规改得比技术慢。最悬的反而是靠经验吃饭，有一篇理论模型的论文推演过，入门任务被自动化后，就算入门岗位数量不变，新手也会被调离最好的带教者。

软件工程里，AI 合写代码的严重问题约为人写的 1.7 倍，瓶颈从写转到了审查、测试和担责。在岗的中年白领，存量岗位和工资目前安全，风险在于跳槽机会变少。最该做的，是趁会用 AI 还有溢价的这几年，把技能换成签字权、验收权和对客户负责的位置。推理单价每年降一个数量级，会用很快就是默认能力。

收入也会越来越难预期。平面设计师在桌面出版普及后没有消失，但中位工资三十年停滞，前 10% 拿到六位数年薪。别等市场把价格压下来，先用 AI 把自己的产出成本压到市场价以下。收入越不稳，越该多存钱、少借钱；分享 AI 的好处，普通人更现实的途径是持有股权。

给下一代，值得留一项持牌或到场的技能。中国"十五五"规划把每千人执业医师从 3.2 提到 3.7，注册护士从 3.9 提到 5.1。

六、对投资者，基建狂热里建设者很少赚到钱

1996 到 2001 年，光纤建设投入约 1 万亿美元，2002 年只点亮了约 2.7%。环球电讯峰值市值 380 亿美元，2002 年 1 月破产时负债 124 亿美元；Level 3 在 2002 到 2006 年低价收购破产资产。需求真正到来是 2007 年以后的智能手机、流媒体和云，离建设高峰约 7 年。1846 年英国议会一年批准了 263 家新铁路公司，约三分之一没有建成，大公司低价收走了失败的线路。

东西最后都用上了，只是晚了五到十年。亏钱的是第一批业主和他们的债主，赚钱的是低价接盘的人和拿便宜基础设施改造自家生意的公司。设备商也没躲开，思科 1999 年收入增长 55%，订单一崩就是大规模存货减值。常有人问英伟达像不像当年的思科。像在收入跟着客户的资本开支走，客户一收缩订单先掉；不同在于英伟达有实打实的利润，截至 2026 年 7 月的季度净利润 597 亿美元，毛利率 75%，思科在 2000 年顶点时没有与估值相称的利润。

2026 年的利润几乎全在芯片和代工，台积电营业利润率 60.3%。美国四大云 2026 年资本开支指引合计约 7200 亿到 7450 亿美元，同比增长约八成，已经等于经营现金流的全部；甲骨文 2026 财年自由现金流为负 237 亿美元。OpenAI 今年 7 月的年化收入是 400 亿美元，一季度每挣 1 美元要亏 1.22 美元。应用层一边是 Cursor 三年做到年化收入 20 亿美元，一边是 Chegg 二季度收入同比降 51%、Stack Overflow 提问量一年降 78%。

哪一段能一直卖高价，看有没有人能替代它。光刻机只有一家供应商；台积电同时卡住先进制程和先进封装，2 纳米订单排到 2028 年；美国新建大型并网平均要等 7 到 10 年。燃气轮机和高带宽内存的好日子有期限，燃机产能 2030 年后往 100 吉瓦以上扩，高带宽内存新产能集中在 2027 到 2029 年释放。GPU 出租和通用推理算力最容易被商品化，承担资产贬值，却拿不到定价权。

时间上最该盯的是 2027 到 2029 年。截至 2026 年一季度的 12 个月，四大云资本开支约为折旧的 3 倍，行业分析机构 Silicon Analysts 测算，这批资产按 6 年折旧每年新增折旧 650 到 750 亿美元，按 4 年则是 950 到 1100 亿美元，会机械性地压缩利润率。亚马逊 2025 年把部分服务器折旧年限从 6 年调回 5 年，算是行业里第一个松口的。

中国大致在重演同一出戏，我估计晚一年多。模型层很难成为独立的利润池，在一个海外开发者平台上中国模型已占约 61% 的词元消耗，同等能力的价格差在 10 到 30 倍，开源模型能靠云收钱，模型本身却难卖出高价。算力被政策锁定为国产，英伟达 H200 获准对华出口后实际出货约为零，寒武纪 2026 年上半年净利润 23.11 亿元。平台则在熬资本开支：阿里巴巴 6 月季度 AI 云与算力服务收入 484.4 亿元，增长 45%，资本开支 676.8 亿元，调整后息税摊销前利润下降 30%；腾讯二季度资本开支 528 亿元，增长 176%，自由现金流从去年同期的正 430 亿元变成负 138 亿元。

七、机会在哪里，要等什么

智能越来越便宜，钱会流向变得更稀缺的东西，比如电力和并网指标、先进制程产能、握有用户和交易的分发渠道、执照、需要人到场的服务和客户信任。

最确定、也已经被部分定价的，是不可替代的制造瓶颈和电力链。它们的需求不依赖哪一家 AI 公司胜出，我把电力与电网设备看作未来十年起伏最小的 AI 受益链。要防的是监管让数据中心自担电网成本。

要熬的，是正处于资本开支压利润阶段、又握有分发的平台。电气化的教训是，赢家不是买了电的工厂，而是因为有了电而重新设计生产线的工厂。放到互联网平台上，就是把推荐、广告、客服、配送整条链路按 AI 重做的那几家，它们和只买了 GPU 的平台在利润表上拉开差距，大概要到 2028 到 2030 年。

中国头部平台仍是国内 AI 应用价值的主要捕获者，我给八成左右，这是拿它们和独立模型公司比出来的。开源把模型层的利润压得很薄，用户、交易数据和支付都在平台手里，美国模型公司又进不来，阿里 AI 相关产品收入连续 12 个季度三位数增长。这个判断只回答价值落在谁手里，并不保证平台这几年赚得更多。腾讯的自由现金流已经转负，阿里的利润在下滑，能否兑现要看熬过 2026 到 2028 年后，AI 带来的收入能不能追上折旧。

还没到时候的，是折价接盘。如果 2027 到 2030 年出现资本开支消化期或算力租赁商重组，历史上的回报正是在这个阶段被第二任所有者拿走的。GPU 贬值快，值得接的是土地、电力接入和建筑外壳。

纯模型公司在开源环境下没有定价权，人形机器人估值和出货脱节，GPU 出租扛着贬值，这几样我都不算机会。互联网泡沫里只有 48% 的公司活到了 2004 年，这是挑个股的基准率。我估计十个自己挑 AI 概念股的家庭里，到 2036 年有七个以上跑不过老老实实拿宽基指数的。

对个人，值钱的是 AI 复制不了的客户关系、渠道、口碑和执照。中国从 2025 年 9 月 1 日起强制标识 AI 生成内容，真人、可验证会变成一种溢价。

接下来几年，我会盯这几个信号。

• 美国四大云合计资本开支第一次出现同比下降，以及下降幅度落在一成半还是三成以上。
• 算力租赁商或数据中心表外实体的第一起债务重组，私募信贷违约率是否继续抬升。
• 更多云厂商下调服务器折旧年限。
• 腾讯自由现金流何时转正，阿里云的资本开支超支多少。
• 高带宽内存 2027 年后的价格，燃气轮机 2030 年后的交付槽位是否松动。
• 斯坦福那组年轻人就业缺口的下一次更新，是继续扩大还是收窄。

十年后最确定的，是今天最贵的那档智能会接近免费；最没谱的，是它哪一年取代谁。把职业和钱押在前一件事上，再问自己一句，智能不稀缺了，什么会变稀缺？

附注，几处没有采用的数字。中国国产 AI 芯片份额，各机构口径（出货、金额、自给率）互相打架，从 41% 到近 90% 都有，文中一个都没用。Anthropic 的年化收入、OpenAI 全年会计亏损的几种口径相差四倍以上，所以文中只用了一季度每 1 美元收入亏多少这一个口径。Klarna 招回人工客服一事只核到报道标题。萝卜快跑的最新单量、人形机器人全行业出货和 A 股算力链的业绩都没拿到，相关判断只是推理。

主要资料来源

• 预测研究所，近期 AI 预测准确性复盘：https://forecastingresearch.org/research/near-term-xpt-accuracy
• 2778 名研究者调查（arXiv 2401.02843）：https://arxiv.org/html/2401.02843v3
• Epoch AI，思考的价格：https://epoch.ai/publications/the-plunging-price-of-thought
• AI 2027 追踪站，METR 时间跨度：https://ai2027-tracker.com/predictions/metr-doubling/
• 斯坦福 AI 指数 2026 要点：https://hai.stanford.edu/news/inside-the-ai-index-12-takeaways-from-the-2026-report
• 国际能源署，能源与 AI：https://www.iea.org/reports/energy-and-ai/executive-summary
• 布鲁金斯学会，AI 能源需求（谷歌能耗数据）：https://www.brookings.edu/articles/global-energy-demands-within-the-ai-regulatory-landscape/
• Utility Dive，GE Vernova 燃机积压：https://www.utilitydive.com/news/ge-vernova-gas-turbine-backlog-climbs-to-116-gw/826039/
• 维基百科，Klarna：https://en.wikipedia.org/wiki/Klarna
• 彭博，Klarna 客服转回真人（仅标题）：https://www.bloomberg.com/news/articles/2025-05-08/klarna-turns-from-ai-to-real-person-customer-service
• 华盛顿大学奥林商学院，AI 对自由职业收入的影响：https://olin.washu.edu/about/news-and-media/news/2023/08/study-ai-tools-cause-a-decline-in-freelance-work-and-incomeat-least-in-the-short-run.php
• 斯坦福数字经济实验室，年轻人就业（2026 年 8 月）：https://digitaleconomy.stanford.edu/app/uploads/2026/08/Canaries_August2026.pdf
• Indeed 招聘实验室，劳动力市场向资深倾斜：https://hiringlab.indeed.com/2026/07/23/the-labor-market-is-tilting-toward-seniority/
• 自动化与代际知识传递（理论模型，arXiv 2507.16078）：https://arxiv.org/pdf/2507.16078
• Challenger 裁员报告：https://www.challengergray.com/blog/challenger-report-layoffs-fall-hiring-picks-up-ai-leads-for-fifth-straight-month/
• 国际机器人联合会，全球工厂机器人：https://ifr.org/ifr-press-releases/news/five-million-robots-now-operate-in-factories-globally
• 英伟达 2027 财年二季度 8-K：https://www.sec.gov/Archives/edgar/data/0001045810/000104581026000073/q2fy27pr.htm
• Fabricated Knowledge，历史上的基建泡沫：https://www.fabricatedknowledge.com/p/lessons-from-history-the-rise-and
• Silicon Analysts，四大云折旧墙：https://siliconanalysts.com/analysis/hyperscaler-ai-capex-depreciation-wall-2026
• 阿里巴巴 2026 年 6 月季度 6-K：https://www.sec.gov/Archives/edgar/data/0001577552/000110465926099220/tm2623667d1_ex99-1.htm
• Long Yield，中国 AI 资本开支：https://longyield.substack.com/p/chinas-ai-capex-boom-is-becoming
• The Timeless Investor，光纤泡沫复盘：https://thetimelessinvestor.substack.com/p/they-buried-a-trillion-dollars-underground