我原本打算针对下面的每一点写一篇长而精致的文章，配上大量精美的图表、数据以及详细分析。但后来发现这实在太费劲了。于是，这里就直接放出一些人类思维的“杂乱涂鸦”和零散想法。请随意阅读！
OpenAI 和 Anthropic 现在各自占美国GDP的0.1%。到2030年，AI收入会占GDP的多少？
美国GDP大约是30万亿美元。传闻中，OpenAI 和 Anthropic 当前的收入运行率大约在300亿美元左右，也就是各自约占GDP的0.1%。如果再加上云服务和其他相关业务，AI在短短几年内就从几乎为零增长到了美国GDP的约0.25%到0.5%。如果Anthropic和OpenAI在今年年底达到1000亿美元收入（许多人认为这是可能的），那么到2026年底，AI将大约占GDP的1%。这个增长速度非常惊人。
那么到2030年呢？2035年呢？美国经济结构会如何影响AI发展放缓？又有多少生产力提升会像2000年代互联网或1980、1990年代IT那样，在GDP中“消失”而未被测量？
（顺便说一句——如果AI的影响被错误测量，那么可能会导致错误的监管政策出台——AI可能只因负面（例如裁员）被指责，而忽视其正面影响（新职业、教育、医疗的进步等）。也许真正的ASI/图灵测试，是能否准确衡量现实世界的GDP和生产力增长？）
AI研究社区刚刚经历了一次“分布式IPO”
当一家公司上市时，早期员工往往会突然变得非常富有。这可能会改变行为——有人开始买房、追求地位或伴侣、沉迷社交或分心于各种“人生支线任务”。当然不是每个人都会这样，但确实有一部分人会受到影响。
Meta大规模高薪挖人改变了AI人才市场，使得主要实验室不得不提高薪酬以留住研究人员。可以说，整个AI研究社区经历了一次跨公司的“IPO”。在各大实验室中，大约有50到几百名顶级研究人员因为Meta的竞价而获得了巨额财富。
就像传统IPO一样，这些人中的一部分开始在生活方式和关注点上发生变化，有人分心甚至“躺平”，也有人继续专注使命。总体而言，AI社区仍然高度使命驱动，专注于构建AGI或推动科学发展。
无论如何，在硅谷悄然发生了一件有趣的事情：不是某一家公司上市，而是一小群人“整体上市”。顶级AI研究人员几乎同时实现了“财务自由”。（或许最接近的类比是早期的加密货币持有者。）
算力上限＝对短期模型能力的“人为渐近线”？这是否强化了寡头市场？
过去几年，模型能力取得了惊人的进展，同时也催生了大量应用场景和收入增长。
但与此同时，各大实验室正越来越受到算力限制。从训练规模到未来推理需求来看，算力扩张在未来两年内部分受限于Hynix、Samsung、Micron等厂商的内存供应。
这意味着所有主要实验室都处在算力受限的环境中。这种限制可能会在短期内人为地形成AI能力的“天花板”。虽然效率会提升，但在2028年前，可能没有哪一家能明显领先，从而强化LLM市场的寡头结构。
同时，实验室可能在“应用 vs 模型”之间来回调整资源。芯片的折旧周期也会改变，由于新供应不足，硬件使用寿命会被延长。
反过来说，如果某个实验室在算法上取得突破，并且没有泄露（比如在旧金山的节日聚会上被传播），那么它可能迅速实现领先，尤其是在AI自我改进循环（AI构建AI）形成的情况下。如果算力持续受限，真正的“爆发式飞跃”可能要等到2028年，甚至更久。
算力（或Token）成为新的货币
在硅谷，算力（或token）已经成为新的价值单位。它影响着：
a. 工程师能完成什么
b. 企业的成本和收入
c. 商业模式
一些公司本质上是“伪装成工具的推理服务提供商”。Neocloud是最明显的例子，而像Cursor这样的产品也通过提供廉价算力来吸引用户。
甚至Allbirds（鞋企）都通过融资来建设GPU农场——它会成为AI界的MicroStrategy吗？
隐性裁员与发展中国家
目前很多所谓“因AI裁员”的案例，其实只是企业在疫情期间过度招聘后的回调。“我们用AI提高效率”听起来比“我们招人过多现在要缩减”更好听。
但AI确实正在影响一些领域，比如客服。企业通常先削减外包团队，而这些岗位主要集中在印度、菲律宾等国家。
这意味着一些发展中国家的经济升级路径可能被打断。如果外包服务岗位减少，这些国家需要寻找新的就业方向。这甚至可能影响全球人口迁移模式。
员工数量将趋于平稳甚至下降
许多后期公司CEO表示，他们不会大规模裁员，而是停止扩张。即使收入增长30%、50%甚至100%，员工人数也可能保持不变甚至略微下降。
现有员工会变得更高效，公司可能更倾向于用更少但更优秀的人才。这可能会推高顶尖人才的薪资。
招聘仍会发生在销售和部分工程岗位，但其他领域可能减少。
一些公司已经开始思考：token预算与薪资之间的最佳比例是什么？
初创公司仍然会像过去一样扩张，但每个人的效率更高。“扁平公司”更可能出现在成熟企业中。
“Slop时代”可能是AI与人类的黄金时代
我们可能正处在AI与人类的黄金时代。过去AI难以获取、能力有限，而未来AI可能在多数任务上超越人类。
现在的AI可以生成大量“有用的粗糙内容（slop）”，人类仍需进行整理和优化。这种协作带来了效率提升，也让工作变得有趣。
但如果AI最终接管更多工作，这种“黄金时代”可能会结束或改变。
AI将优先吞噬“闭环任务”
AI首先会自动化那些可以形成闭环学习系统的工作。因此，编程和AI研究会先加速再被替代。
闭环越紧密，AI学习越快。可以用一个二维矩阵来分析：闭环程度 vs 经济价值。
编程的特殊性在于：需求远大于供给（10-100倍）。未来的AI工程师将更多管理多个智能体，而不是写代码。
手工艺工程师 vs 工具型工程师
偏“手工艺”的工程师可能在AI时代感到不适，而系统思维和产品思维的人会更适应。
“工具环境（Harness）”的重要性
AI产品的粘性越来越来自工具环境（UX、工作流等），而不仅是模型本身。品牌也比想象中重要。
产品往往一开始不粘，但一旦粘住就非常牢固。
“卖的是工作，不是软件”
AI本质上是在销售“劳动单位”。例如，Zendesk卖客服席位，而Decagon和Sierra卖的是客服工作的结果。
AI将极大扩展科技市场规模。
大多数AI公司应在12-18个月内退出
互联网泡沫时期（1995-2001），约2000家公司上市，最终存活的只有少数。同样，在AI时代，很多公司最终会失败。
成功的AI创业者应认真考虑在未来12-18个月内退出，这是一个价值最大化的窗口。
当然，也有少数公司（如OpenAI、Anthropic）不应退出。
反AI监管与冲突将增加
目前AI对就业的实际影响还不大，但由于一些悲观言论，反AI情绪正在上升。
例如缅因州禁止新建数据中心（部分原因是能源和就业问题）。还有针对Sam Altman的攻击事件。
预计这种情况会加剧。AI领导者应更多强调积极影响，并减少过度悲观的叙事。