人工智能的大规模建设正押注于企业最终愿意为智能支付的费用。此前关于AI泡沫的研究指出，关键观察指标在于企业客户的实际生产力利用率。若基础设施供应在产生实际货币化之前就已跟上，泡沫破裂风险将升至危险水平。当时的供应限制和健康的资本融资意愿可能为软着陆创造条件，而2029年被定为风险最高的年份。
这引出一个核心问题：主流企业内部必须发生何种变化，才能使AI投资实现经济自给自足？迈克尔·伯里（Michael Burry）对Anthropic PBC的分析突显了该公司承诺的规模和相互关联性。Apollo研究则质疑财务利益是否已广泛显现。个人电脑和互联网时代的历史提醒我们，生产力提升并非立竿见影，强大的技术与初期看似糟糕的投资回报可以共存，后者需要时间才能显现。
实现软着陆的途径在于企业运营模式的变化，具体涉及工作内容、人员需求、扩张方式以及客户最终愿意支付的价值。
AI如何重构经济学
近期纳斯达克指数大幅下跌，大型超大规模云服务商财报反响不佳成为诱因之一。谷歌广告业务失望、AWS资本支出高企及负现金流是主要罪魁祸首，但这些巨头仍在大力推动云计算业务。
AI正在多个领域改变经济学。尽管生产力提升的早期迹象尚未完全反映在数据中，但公司已开始自动化工作流程，特别是在编程和客户服务领域。随着个体任务被自动化，AI对生产力的影响变得不均衡。工作由数百甚至数千个任务组成，目前仅部分任务被自动化，并未必然改变组织内工作的连接方式，这解释了生产力数据中的一些不一致性。
AI建设的资金迷局
与个人电脑时代科技具有通缩特性不同，当前科技呈现通胀性。历史上硬盘驱动器价格遵循摩尔定律大幅下滑，而如今客户却希望锁定当前上涨的价格。
Anthropic发布的S-1文件显示积极数据：2026年上半年收入预计增长14倍，达到160亿美元。更引人注目的是其资产负债表，拥有1320亿美元的流动资产（现金及等价物）。据报道，美国只有Alphabet和伯克希尔·哈撒韦两家非银行机构拥有的现金比Anthropic多。该公司筹集了约1400亿美元，这意味着它烧掉了100亿美元，才达到了320亿美元的收入运行率。
迈克尔·伯里汇总的数据显示，Anthropic周围的多年期计算承诺总额达5370亿美元，包括照付不议协议、最低采购协议等。这并非当前债务，而是承诺事项。这种互联的行业建立在旧架构之上，全球正在同时重建技术栈。
终端用户需求强劲。一位客户表示无法获得足够的计算能力，愿意接受OEM能提供的一切容量。其他客户开始关注令牌消耗，针对特定负载优化模型，以避免不必要的成本。客户之间并不存在巨大的二分法，大家都愿意花钱，这归结为他们拥有的资源数量。今天，没有任何软件公司不在为AI进行投资，否则可能是在写自己的死亡判决书。
从个人生产力到业务成果
Apollo首席经济学家Torsten Slok指出，Mag Seven（市值最大的七家科技公司）经通胀调整的人均收入从2023年的约60万美元增加到今天的约80万美元，而标普500指数中其余493家公司则趋于平坦。这表明AI利益尚未广泛显现。
生产力J曲线可能解释这一现象。在采用阶段，曲线变为负值，随着学习和重新设计而下降，随后随着整合开始转正并出现陡峭上升。PC引入后的13或14年里，生产力增益才开始增长。如今，每一块GPU一上线就处于100%满载状态，这与dot-com时代光纤过剩形成鲜明对比。
许多员工已在日常工作中承担巨大的生产力提升，但组织若未看到工作方式发生制度性变化，会感到沮丧。这与PC时代之前用高效工具以低效方式完成工作的情形相同。重置需要很长时间，人们会变得沮丧，但技术的到来速度前所未有。
安全与问责的新焦点
市场恐慌源于巨额花费和超大规模云服务商的负现金流，而收益尚未显现。Sam Altman建议企业客户专注于修补安全漏洞。安全将被彻底重新思考，技术不再是难点，反而越来越容易。
聪明的公司正在思考如何构建下一代软件，让人类留在回路中承担决策责任。软件分为执行层、判断层和问责层。执行层是计算工作，判断层是自动化洞察生成，问责层是公司关注的焦点：谁对合规数据负责？做得最好的公司是那些软件从客户那里发展数据的公司，嵌入在工作流程最困难的部分，提供问责制。
企业买家的现实障碍
Qualitate的实地研究显示，一家医疗保健客户从突发训练转向永久推理，实现了初步变现。但加拿大一家托管服务提供商因未验证面向客户的AI产品需求，不愿扩展。几家客户希望将AI带到本地，以实现主权和财务控制，但需要80%的GPU利用率才能盈亏平衡，大多数企业今天无法达到这一点。一家德国企业虽认可CoreWeave的技术优势，但为避免运营开销增加，选择保留Azure。
这些问题可以通过混合变体解决。例如，从云提供商处获得开放权重或开源模型，共享利用率。更高效的AI软件也将出现，一些最先进的AI软件公司不再考虑人类界面，而是为代理管理软件构建软件，这将降低令牌成本并提高利用率。
重塑软件公司与定价
传统SaaS公司转型为AI公司必须从上到下获得支持。角色开始融合，产品经理与产品工程合并。AI公司的市场渠道比以往任何时候都丰富。
定价方面，最大的变化是与AI相关的基于使用的定价。对于非SaaS公司，挑战在于如何离散地货币化AI。AI通常嵌入核心产品中，通过交叉销售、追加销售和价格上涨来实现。必须从基于席位转向基于使用。结果导向的定价往往缺乏粘性，难以获得经常性收入。
软着陆的证据
我们需要关注四个因素：客户是否获得可衡量的成果？是否存在产品与市场契合度？软件和模型供应商能否获得可持续利润率？基础设施的使用是否产生足够的现金流？
在未来12到18个月内，应关注留存率、净留存率和总留存率，以及赢单/输单分析。公司独特货币化AI的能力也很重要。此外，“下一步最佳行动”是关键，例如在ITSM领域，工单的处理情况、发票争议等后续互动滋养双向客户价值。AI使我们能够预测接下来会发生什么以及该做什么。
持久的AI经济之路在于主流企业的运营成果。好消息是，AI负载正在扩大，新的运营模式正在涌现。剩下的问题是，这些增益多快能成为可重复的客户支出模式和行业范围内的可持续现金流？这会在市场发生重大融资或其他失衡之前发生吗？