文/单挑社
现在这条AI赛道，最赚钱的是卖铲子的英伟达，几大云巨头烧钱赚吆喝，根本就不赚钱。
英伟达最新一季财报，单季营收570亿美元，其中数据中心业务就占了512亿，同比大涨66%，毛利率更是夸张到73%左右，这跟印钞机有什么区别？
而另一边，亚马逊、谷歌、Meta、微软这四家，2026年计划资本开支要做到大约6500亿美元，大头都用来建AI数据中心、买GPU、上电力和散热了。亚马逊自己刚喊出一个数字，今年要花2000亿美元继续砸Ai基建，结果股价当天跌了8%左右，成为当日道指里表现最差的一只。也就是说，现在这场AI大战的利润，大头在英伟达账上，成本和风险大头在几家云巨头账上。
美国这轮杀跌里，标普500软件和服务指数在一周之内跌了接5%，从1月底到现在，被抹掉了大概1万亿美元的市值，这些传统软件企业，即怕AI抢传统软件饭碗，又怕AI投入烧出一个无底洞。所以你现在看到的是上游芯片公司赚得盆满钵满，中游云厂疯狂加杠杆搞基建，下游软件公司被AI吓到股价集体打折，整个盈利结构确实很奇怪。
问题是，这种结构撑得住吗？我觉得撑不久，关键不在情绪，而在技术本身的天花板越来越清晰。
过去这几年，大家对大模型有一个默认的想象。只要不停堆参数、堆算力、堆数据，它就会一直变强。
但现在越来越多的研究在提醒我们。人类可以拿来训练的高质量文本，其实是有限的。比如Epoch AI和一些学术论文的测算，大概在2026到2032年之间，主流大模型就会把公开的人类高质量文本吃到差不多见底。再往后，要么用更多付费数据、隐私数据，要么就开始大量用AI自己生成的合成数据。但合成数据训练合成数据，会带来所谓模型坍塌的风险，这一点，Nature等期刊和不少研究已经开始预警。
现在已经看到大模型性能天花板临近了，AI上半场的角逐已经结束了。
到2026年，新的从零开始的大规模预训练模型很可能会明显变少。不是完全没人做，而是不会再像2023–2025年那样，每隔几个月就有一波在底层结构上大幅跃迁的升级。原因很简单，大家能拿到的数据越来越同质，用的算法框架也大同小异，预训练这一步能挖出来的新矿，不会再那么多。
一旦行业集体感受到性能见顶，生态的重心就会自然从预训练挪到后训练和产品化上来。后训练说白了就是在一个已经比较强的通用脑子上，教它怎么在现实世界里做任务，而不是再去刷考试分数。这块现在已经出现了很多为了跑分而跑分的畸形现象，模型在一套题上拿满分，换一个真实场景，表现就明显打折。这种考试型选手，接下来肯定会被市场慢慢淘汰掉。
大模型的本质要能用在真实场景，而不是当个做题家。
从企业视角看，更重要的一点是基础模型性能如果不再每半年就翻一大截，反而是一个好消息。现在很多团队不敢真心做产品，是因为担心，自己好不容易花一年打磨出来一个方案，下一代大模型性能一飞跃，很多原来的缺陷自动消失，那些没做过打磨的人，一夜之间和你站到了同一条起跑线上。这样搞两轮，谁还愿意踏实做好产品？如果大家在2026年普遍感觉大模型性能还在涨，但不像过去那样疯涨，那反而会形成一个可以安心打磨产品的窗口期。
这就是我觉得AI下半场真正有意思的地方。
战场从抢算力慢慢转向卷产品。
上半场谁最风光？英伟达，因为它坐在整个 AI 算力堆叠的正中央，别人大赚不赚它都赚。但如果预训练降速，训练用的顶级GPU需求增速一定会放缓，未来更多算力消耗会出现在推理和在线服务上，而推理这一侧，本身就比训练更开放，更多品牌、更多架构有机会参与竞争，单一厂商维持70%毛利率的难度会越来越大。
同一时间，云巨头和大量应用公司会把精力从“抢卡”“建机房”，转到怎么用现有模型做出更好用的产品上。办公软件会更主动地在Word、Excel、幻灯片里塞满AI。客服、销售、金融、医疗这些垂直行业，会迎来一真正能落地的AI产品，而且有账可算。我用这一整套AI系统，一年能省多少人工、一年能多赚多少收入。这种基于ROI的竞争，会比单纯的哪家模型跑分高，更残酷，也更健康。
2026年将会是用户得实惠最多的一年。因为当底层性能提升慢下来，它们就必须拿出更有诚意的产品和服务来竞争用户。要么更便宜，要么更好用，要么真正帮你省下本来要花的时间和钱。对普通人来说，真正能感受到的AI变化，很大概率不是又多了一个看不见的参数量，而是在自己每天用的工具里，突然多出来几个好用到离不开的功能。
如果巨头们的大模型性能见顶，产品化势必是几家的必争之地。
后面真正能从AI里持续拿到价值的，是少数高水平玩家，他们有一个共同特点，就是愿意花时间重构业务流程，把AI深度嵌到日常操作里。对巨头来说，谁能先在办公、编程、营销、客服、供应链、金融、医疗这些大行业里，做出离了我这套AI系统就明显亏钱的标杆案例，谁就能在下半场收割最大的企业级市场。
你觉得未来哪家会最终胜出呢？
作品声明：仅在头条发布，观点不代表平台立场
热门跟贴