上周末，我跟一个在硅谷做VC的老同学打了通电话。
他说：“你们国内还在卷模型参数？这边风向早变了。”
他给我看了高盛刚出的那份调研报告——这帮银行家跑去硅谷，敲开了几家顶级VC的门，又钻进斯坦福和伯克利的实验室，跟一堆AI公司聊了两天。这种事他们已经连续干了三年。
报告里的结论，我读完当晚就把手头写到一半的文章全删了。
因为那个判断，跟我之前想的完全不一样。
第一个真相：你以为AI在抢你的饭碗？它其实在抢软件的饭碗
过去二十年，企业买软件的逻辑很简单：记账。
ERP记财务，CRM记客户，HR系统记考勤。软件就是个电子账本，活还是人干的。
但高盛这次在硅谷看到了一个拐点——AI正在把软件从“账本”改写成“手脚”。
什么意思？
我给你举几个例子，都是他们实地看到的：
有一家做金融数据的公司，他们的AI上线之后，能自动更新财务模型。原来分析师要干两天的活，现在几分钟完事。更夸张的是，这家公司的Agent工作流，数据调用量在短短时间内翻了上百倍。
还有做法律服务的，能自动起草合同、研究案例、走流程。我有个在律所当合伙人的朋友跟我说，他们去年试了一个类似的工具，直接把初级律师的活儿砍掉了70%。但他跟我说这话的时候，脸上一点笑容都没有。
你品，你细品。
当一个员工可以同时管几十个AI“打工仔”，原来的软件收费模式就崩了。以前是按人头收钱，一个人一个账号，一年交几千块。以后呢？按任务收，按数据量收，按结果收。
说白了，企业软件的价值锚点，正在从“卖工具”变成“卖产出”。
这事儿有意思了。这意味着很多靠卖SaaS席位活着的公司，接下来两年会非常难受。
第二个真相：90%的AI项目死在“谁敢背锅”，不是“技术不行”
很多人以为，AI落地难是因为模型不够聪明。
高盛从斯坦福的研究人员那儿得到的反馈，正好相反——大多数企业卡住的，不是AI做不做得到，而是做错了算谁的。
这其实特别符合直觉。
你想想，如果你是你们公司的财务总监，现在有个AI说要帮你自动处理发票。你敢让它直接操作吗？万一它把一笔百万级别的账搞错了，谁担责？是你，不是那个AI。
所以你会发现，最先被AI吃掉的工作，都有三个共同特点：
- 决策边界清楚 —— 比如发票金额对不对，一目了然
- 结果能验证 —— 比如代码有没有bug，跑一遍就知道
- 错了能撤销 —— 比如对账单出了问题，还能重新来过
我调研了几个国内的案例，发现一模一样。
上海有一家做电商服务的公司，用AI处理订单催发。原来每天要花3个小时人工核对，现在10分钟搞定。还有一个做对账单的流程，从3小时压到了15分钟。
但你注意，这些都是“错了能重来”的活。
在金融交易、医疗诊断、自动驾驶这些“错一次就完了”的领域，AI的大规模落地还需要一套全新的机制。
高盛在报告里提出了一个很有意思的预测：接下来会冒出一个全新的产业——专门给AI做认证、上保险、搞事故追溯。就像当年汽车普及了，车险也跟着起来了。
这可能是继算力、模型、应用之后，AI时代的第四层基础设施。
现在国内这块几乎是一片空白。谁能先把这事儿干成，谁就拿到了AI规模化落地的门票。
第三个真相：真正值钱的不是模型，而是“你干活时留下的那堆数据”
这句话不是我说的，是高盛从那些AI公司创始人嘴里挖出来的。
道理其实很简单。
如果基础模型越来越便宜、越来越普及——你看现在开源模型满天飞，性能也越来越接近顶尖水平——那AI公司的护城河到底在哪？
答案是：你长期嵌入客户业务流程，在工作过程中不断产生、理解和整理的那些数据。
打个比方。
你做财务软件，光有记账功能没用。真正值钱的是，你在这个客户的公司里跑了五年，知道他们每一笔异常交易背后的业务逻辑，知道他们的审批流程哪里容易卡壳，知道他们的财务主管最在意什么风险。
这些东西，不是换个模型就能复制的。
高盛的结论很直白：最简单的AI套壳产品最脆弱；能同时掌握行业知识、数据、客户关系和工作流的公司，才真正不可撼动。
我自己的理解是，这给中国AI公司提了个醒。
与其在模型参数上卷到天昏地暗，不如想想自己手里有没有那种“别人拿不走的东西”。金融机构的历史风控数据、制造企业的产线传感数据、医疗机构的临床路径——这些才是真正的金矿。
模型可以买，算力可以租，但这些数据，是你的独家资产。
附赠一个彩蛋：AI的下一个战场，不在屏幕里
高盛的报告里还有一个容易被忽略的信号。
他们说，过去18个月，研究人员关注的重点正在从大语言模型转向一种叫“世界模型”的东西。
这个词听起来玄乎，其实核心就一个问题：AI能不能理解物理世界的规律？
举个例子。你开车遇到一个皮球滚到马路上，你会下意识减速，因为你猜到后面可能有个小孩冲出来。现在的AI能做到吗？很难。因为它没有“物理直觉”。
但世界模型就是要解决这个问题。
它的数据不再主要来自互联网上的文章和评论，而是来自物理系统、具体行业和实际运营场景——工厂的传感器、自动驾驶的路测数据、机器人的操作日志。
这意味着什么？
算力需求可能会迎来第二轮爆发。
高盛预计，未来5年算力需求还会增长大约24倍。这个数字我没法核实，但据好几个圈内人士都说，供需紧张会维持很长时间。
更重要的是，这件事对中国来说可能是个机会。
大语言模型这条赛道，规则基本是美国定的。但世界模型的技术路线还没有收敛。中国在自动驾驶、机器人、智能制造的应用场景复杂度上，反而是全球领先的。
能不能在这条新曲线上拿到话语权，就看接下来这一年了。
最后留一个问题给你：
如果你的工作流被AI摸透了，你觉得自己还值多少钱？
这不是贩卖焦虑。这是我打完那通电话之后，认真想了很久的事。
热门跟贴