Random thoughts while gazing at the misty AI Frontier
TL;DR · AI 摘要
AI收入占美国GDP的比例正在快速增长，预计到2026年底将达到约1%，但其对经济基础的影响和生产力收益的衡量仍存在挑战。
核心要点
- AI收入占美国GDP比例从0.1%增长至0.25%-0.5%
- OpenAI和Anthropic预计到2026年底达到1%的GDP占比
- AI研究社区经历类似IPO的现象，导致人才流动
结构提纲
按章节快速跳转。
分析AI收入占美国GDP的比例及其增长趋势。
从0.1%增长至0.25%-0.5%，预计到2026年底达到1%。
探讨AI对经济基础的影响及生产力收益的衡量问题。
AI研究社区经历类似IPO的现象，导致人才流动。
Meta竞价导致AI研究人员薪酬普遍提高。
- ·人才流动
部分研究人员因财富增加而改变行为。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- AI收入对GDP的影响
金句 / Highlights
值得收藏与分享的关键句。
OpenAI和Anthropic都是目前在营收方面达到约$30B的公司，相当于美国GDP的0.1%。
Meta竞价导致AI研究人员薪酬普遍提高，这使得AI研究社区经历了一次类似IPO的现象。
发布日期: 2026-04-20T16:21:23+00:00
Markdown 内容:
我原本打算为下面的每个主题写一篇长篇且有条理的文章，并附上许多精美的图表和详细的分析。后来意识到这工作量太大了。相反，这里有一些人类的想法和随机的思考。享受吧！
- OAI 和 Anthropic 目前各占美国GDP的0.1%。到2030年，AI收入占GDP的百分比是多少？
美国GDP大约为30万亿美元。OpenAI和Antropic都被传闻目前的营收运行率约为300亿美元，即各自占总体GDP的0.1%。加上云服务和其他服务，AI从几乎零增长到占美国GDP的0.25%-0.5%仅用了几年时间。如果像许多人认为的那样，到今年年底，Antropic和OpenAI的营收能达到1000亿美元，那么到2026年底，AI的营收运行率将达到约1%的GDP。这速度非常快。
到2030年或2035年，AI会占GDP的多少百分比？美国经济基础如何影响AI的影响速度？生产力提升有多少会从GDP中消失？就像2000年代互联网或1980年代和1990年代IT对生产力的影响一样？
（顺便说一句——如果AI的影响被误测了，可能会导致错误的监管政策出台作为反应——因为AI只被指责为负面的（如失业），而没有被认可为正面的（如新类型的工作、教育、医疗等）。也许真正的ASI/Turing测试是能够准确测量美国实际GDP和生产力提升的能力？:)
- AI研究社区刚刚经历了一次分布式IPO
当一家公司上市时，很多早期员工可能会发现自己突然变得富有。这可能会改变他们的行为——人们可能会被买房、追逐地位或配偶、聚会或做社会支线任务所分散注意力。这并不适用于所有人，但有一部分人会经历这种情况。
Meta公司积极招聘人才改变了AI研究人才市场，因为主要实验室不得不匹配或大幅提高研究人员的薪酬。可以说，AI研究社区刚刚经历了跨公司的IPO，涉及大型实验室和大科技公司的交叉领域。在所有AI实验室中，可能有50到几百人获得了巨额资金，这是由于Meta公司竞标最受尊敬的研究人员并推高了每个人的薪水。
就像传统的IPO一样，该社区的一部分成员正在改变一些关注点和生活方式，有的退出或被分散注意力，而其他人则继续前进。总的来说，AI社区在构建AGI或专注于AI用于科学方面非常目标一致。
无论如何，在硅谷发生了一个有趣的新现象，即不是一家公司上市，而是特定的一群人实际上实现了上市。顶尖的AI研究人员一下子成为了后经济时代的人。（也许最接近的先前类比是早期的加密货币持有者？）
- 计算能力上限=短期模型能力的人工渐近线？这是否会进一步巩固当前的寡头市场？
在过去几年里，我们看到了模型能力的惊人进步。这反映在主要实验室和基于这些实验室的应用公司的用例和收入的蓬勃发展上。
与此同时，随着训练规模和未来推理需求的增加，实验室越来越受到计算能力的限制。至少在未来两年内，内存受限于Hynix、三星、美光等公司的产能，因此计算建设似乎至少部分受限于此，因为这些公司正在进行制造周期的扩展。
这意味着，不是单一实验室提前购买足够的计算资源，或者能够使用它想要的所有计算资源，而是所有大型实验室都处于一种日益严重的计算受限的世界中。这种限制可能会造成AI模型进展的人工短期渐近线。尽管人们无疑会从现有计算资源中获得更高的效率，但这种人为的计算限制可能意味着没有任何一个实验室能够在2028年之前显著领先，从而进一步巩固LLM市场的寡头垄断。我们还可能看到实验室在分配计算资源和人力资源给应用与模型之间“拉伸”。同样，芯片和系统的折旧周期将与预期不同，硅的寿命将延长，因为缺乏足够的新供应。
与此相反的是，如果算法或其他突破仅限于单一实验室（而不是在SF假期聚会上泄露给研究人员），则可能会使单个公司迅速占据主导地位，特别是在编程兴起并且AI通过某种形式的自我改进循环来构建未来的AI时，这将推动起飞。如果我们最终进入一个硬性计算受限的环境，突破性起飞可能会等到2028年。当然，也有可能在2028年之后的多年内由于需求过剩而持续计算受限。令人兴奋的是，看看会发生什么。
- 计算（代币）成为新的货币
计算（或可以表述为代币）已成为硅谷经济价值的新单位。代币预算影响着诸如：
a. 作为一名工程师你能完成什么
b. 作为公司的支出和潜在收入
c. 你的商业模式
有些公司实际上是伪装成工具的推理提供商。Neoclouds是最明显的例子，但类似Cursor的产品也提供廉价推理作为其产品核心部分，并有效地补贴计算，这已经成为一种聪明的用户获取和使用模式。谁不喜欢额外的代币呢？
- 隐性裁员与发展中国家
迄今为止，大多数所谓的“因 AI 裁员”的声明可能只是那些在疫情期间低利率环境下过度招聘的公司正在缩减规模。说“看我们多擅长 AI，我们需要更少的人”听起来比“我们过度招聘了，现在正在几年后补救”要好得多。
话虽如此，AI 正在多个领域产生实际影响，例如客户服务。因 AI 缩减团队规模的公司实际上会首先削减外包公司。因此，员工人数并没有直接反映在他们的资产负债表上，而是作为服务支付。这意味着像印度和菲律宾这样的国家可能会最早受到就业和 AI 的冲击，因为这些国家有许多外包服务组织。
这也意味着一些发展中国家可能会失去通过服务升级经济和工作的机会阶梯。如果 AI 首先取代了许多外包服务工作，这些经济体中的就业需要转向其他地方。一个有趣的问题是这是否会改变人类的迁移模式？
- 许多公司的员工人数将会趋于平稳，然后减少
多位后期阶段的 CEO 告诉我，他们不会因为 AI 而进行大规模裁员，而是停止增长。所以如果公司的收入增长 30%、50% 或 100%，员工人数可能会持平或略有下降，因为他们允许自然减员来缩小员工规模。现有员工将变得更加高效，公司可能会开始用更少但更好的人来替换员工。这可能会在中期推高那些能极大利用 AI 的顶尖人才的薪资。预计销售和某些工程岗位将继续招聘，尤其是在成长型公司中，但在其他领域可能不会那么多。
一些公司已经开始询问在组织内部，代币预算与薪资之间的正确比例是多少？不清楚这个指标的正确时间范围是什么。
短期来看，真正的初创公司（例如 5 人的团队）应该继续像过去那样随着产品/市场匹配度的提高而增加员工数量，但每个人需要承担更多的责任。因此，“扁平化”的公司现象很可能是未来 2-4 年内成长型公司后期阶段或上市公司的特征。当然，低增长公司应该缩减规模。
这可能会对人力资源/软件公司产生影响。参见：
- Slop 时代可能是人类与 AI 黄金时代的开端
我们很可能正处于 AI 与人类黄金时代的开端。在过去的几年之前，AI 是不可及的，不具备很强的通用性，只能完成特定的任务。在未来，AI 可能在大多数任务上变得超人，并接管一些人们认为有趣的工作。如今，AI 大量地生成有用的“Slop”，这意味着人类仍然需要去整理这些“Slop”，但“Slop”提供了真实的时间和工作杠杆，这意味着现在工作很有趣。如果 AI 最终取代了人类或者做了更多有趣的工作，这个黄金时刻可能会消退或改变。Slop 时代是人类与 AI 的黄金时代吗？
（当然，有人可能会争论，在 AI Slop 时代之前，我们已经处于人类 Slop 时代——换句话说，互联网从数十亿网页增长到数万亿网页，但没有产生数十亿新的洞见。Slop 时代会在 AGI 出现时结束，还是当 AGI 清理了所有先前的人类 Slop 时结束？）
- AI 将首先吃掉封闭循环
AI 将首先自动化那些更容易形成闭环学习系统的任务。这就是为什么代码和 AI 研究可能会加速并很快被取代——你可以拥有可测试的闭环系统，让机器可以快速学习和迭代。闭环越紧密，AI 学习的速度就越快。你可以制作一个 2x2 的表格，按任务的闭环程度与它们的经济价值来划分，看看 AI 可能对劳动力造成最快影响的地方。快速形成闭环 + 高经济价值 = 最快的 AI 影响（因此是软件工程）。
代码是一个有趣的现象，目前对优秀软件开发人员的需求可能是供应的 10 到 100 倍（这也是为什么编码工具在市场上表现如此出色的原因）。未来的 AI 工程师将管理并协调大量的代理来构建东西（系统和产品思维），而不是自己编写大量代码（自动完成功能的时代）。
一个有趣的问题是接下来哪些工作或任务会变得更加闭环？AI 在哪些领域最可嵌入和可教？
相关地，在各个领域中，数据收集和标注将继续增长。
- 工匠工程师与实用工程师及AI
工匠工程师越来越少地满足于“我的代码就是我的手艺”和“我喜欢创造定制的东西”，而系统思维者和产品思维者工程师则更加快乐。许多人兼具这两种特质。
- 工具
如果你观察AI编码工具的使用情况，短期内工具（以及更广泛的产品界面，例如用户体验、工作流程等）似乎越来越具有粘性。这不仅仅是你使用的模型，还包括你围绕它构建的环境、提示等因素，这些都会影响你的选择。品牌的重要性比许多人想象的要大。最终，要么一种编码模型远远领先，要么它们保持并驾齐驱。对于编码或企业应用的防御性而言，工具/工作流程长期来看有多重要？
产品往往不会突然变得非常粘性。
未来形式的工具在某些情况下很重要，而在其他情况下则不然。什么是销售AI工具？什么是AI架构师工具？这为一些初创公司提供了蓬勃发展的空间。
- 出售工作，而不是软件。劳动单位作为产品
AI 关注的是在线上出售劳动单位（最终通过机器人技术在原子世界中），而不是取代软件。虽然Zendesk在向客户支持代表出售席位，但Decagon和Sierra出售的是客户支持代理的工作输出和劳动力。
AI大幅扩大了技术市场总规模（TAM）。
- 大多数AI公司应在接下来的12-18个月内考虑退出
在1995-2001年的互联网时代，大约有2000家公司上市。其中只有十几家存活下来。同样，在AI时代，大多数公司，包括那些目前收入正在增长的公司，将看到市场、竞争和采用率发生变化。
成功运营的AI公司的创始人应该认真考虑在未来12-18个月内退出，这可能是价值最大化的时刻。少数公司绝对不应该退出（例如OpenAI、Anthropic），但许多公司如果能趁一切顺利时退出，那将是明智的选择。
当然，这一切都与对各种AI服务的巨大需求增长相平衡。尽管潮流在上升，许多公司看起来似乎不可阻挡且持久——但长远来看是否如此仍有待观察。
- 反AI监管和暴力都将增加
到目前为止，AI在例如就业替代方面几乎没有实际影响。然而，一些AI评论员和一些领导人的言论相当激烈，甚至有些末日论调，导致反AI叙事在政治上（缅因州刚刚禁止新建数据中心，尽管这也与能源、就业和邻避主义有关）和暴力活动分子中（参见最近对Sam Altman的袭击）。预计这种情况将大幅增加。希望更多领导者继续强调即将来临的乐观方面（参见视频），并在公共言论和政治游说中发挥作用。总的来说，AI领域将受益于其领导人继续积极地控制悲观情绪。
- 其他
还有其他需要考虑的随机想法吗？在X上联系我。
感谢Aravind Srinivas（Perplexity）、Scott Wu（Cognition）、Adam d’Angelo（Quora/Poe）以及其他人的评论。
市场：
炉边谈话与播客
创业生活
联合创始人
融资