本文來自微信公眾號： 不懂經 ，作者：不懂經也叔的Rust，頭圖來自：AI生成

2026年4月，美聯(lián)儲一位經濟學家發(fā)表了一篇論文。這篇論文有兩件事很有意思。

第一件在論文的摘要中：論文本身是用AI自動生成的。作者寫了一份說明書，然后讓Claude像辛普森一家里的Ralph Wiggum那樣，在一個無限循環(huán)里反復迭代，直到生成一篇可以投頂級金融學期刊的文章。作者本人的工作，只是按下回車鍵和支付Claude的訂閱費。

第二個件在論文的核心結論里：作者發(fā)現(xiàn)，AI股票之所以估值這么高，不只是因為大家相信AI公司未來會很賺錢，還因為人們在用買AI股票的方式，給自己將被AI替代這件事買保險。

把這兩件事放在一起，會得到一個有點讓人滴笑皆非的畫面：一位經濟學家用AI寫了一篇論文，論文的內容是關于人們如何用AI股票對沖AI替代自己的風險。而他正在做的事情，本身就是這種替代過程的一個微小切片。

這兩年我們被反復告知一句話：會用AI的人會淘汰不會用AI的人。這句話聽起來像真理。但它把一個更深的問題遮住了。

你用AI提高出來的效率，最后變成了誰的資產?

你用AI給公司寫了十份方案，公司多賺了一筆錢。你用AI給平臺生產了一百篇內容，平臺拿走了流量。你用AI給客戶做了自動化交付，客戶拿走了系統(tǒng)。你提示詞越寫越熟，工作流越搭越復雜，智能體越調越聽話，結果某一天打開后臺，你發(fā)現(xiàn)自己的報價反而被壓低了。

因為當同一種能力被AI普遍放大，市場不會長期為“我也會用“支付額外溢價。

工具會普及，權益不會自動分配。

這是這一代知識工作者共同進入的一個怪圈，也是AI時代最容易被忽略的陷阱。

一、工具差距是一道很容易被壓平的坎

打開任何一個內容平臺，關于AI的討論都密集地停在同一個層級：提示詞怎么寫、智能體怎么搭、工作流怎么自動化、模型怎么微調。仿佛只要把這幾樣東西練熟，就能在AI浪潮里占得一個安身的位置。

不能說這種判斷完全錯，但它只說到了第一層。

工具差距確實會先擴大，然后被迅速壓平。這件事的邏輯鏈條其實很簡單。

第一，AI工具本身在朝“傻瓜化“的方向進化。兩年前你需要寫一段精心設計的提示詞才能讓模型給出像樣的輸出，今天大模型已經能把模糊的意圖自己補全。再過兩年，提示詞工程很可能像九十年代的“上網沖浪“一樣，變成一個時代性的過渡詞匯。

第二，工具能力會被平臺封裝。普通用戶不需要懂數據庫、不需要懂API、不需要懂模型微調，就像今天的人用手機時不需要懂芯片架構。技術下沉的方向，從來都是把復雜性吃進黑盒。

第三，有效的用法會被以驚人的速度復制。某種AI工作流在小圈子里被驗證有用，三個月后會變成幾十門付費課程，六個月后變成公司內部SOP，一年后變成行業(yè)標準。任何一個用AI的“獨門絕技“，窗口期都不會超過一個產品周期。

所以單純“會用AI“這件事，很難長期構成護城河。

我前面的文章里提過一個判斷：AI不是平權，它是資本和勞動力的最后一戰(zhàn)。當時講的是宏觀結構，這里要把它推到個人層面。會用AI只是一種新勞動能力，而勞動能力本身在AI時代會被重新定價。

如果每個人都能用AI寫文案，文案的市場價就會下降。如果每個人都能用AI畫圖，設計的報價就會被腰斬。如果每個人都能用AI寫出能跑的代碼，初級開發(fā)能力就會迅速商品化。

這是一個被很多職場博主刻意回避的部分。他們告訴你，趕快學AI，不學就會被淘汰。但他們沒告訴你，你“學了AI“之后進入的，是一個比之前更擁擠、更便宜、更不容議價的勞動力市場。

經濟學家Daron Acemoglu(2024年諾貝爾經濟學獎得主)和Pascual Restrepo用了一個經典模型描述這件事。他們在一篇被廣泛引用的論文里指出，自動化技術天然具有“替代效應“，會把國民收入的分配從勞動一側持續(xù)轉移到資本一側。

普通人如果只在舊崗位上用AI提效，最終一定會面對一個溫水煮青蛙式的事實：你越熟練，你這個工種越快被壓價。

唯一能跳出這個陷阱的，是去創(chuàng)造和占據AI暫時無法直接執(zhí)行的“新任務“。但這個“新任務“是什么，他們沒有給出答案。這是每個人要自己解的題。

普通人面對AI，真正要問的不是“我怎么用它提效“，真正要問的是，你用它提效之后，沉淀出來的東西到底屬于誰。

二、對沖奇點：AI股票為什么像末日保險

開頭提到的那篇美聯(lián)儲論文，標題是《Hedging the Singularity》(對沖奇點)。它給我們提供了一個看待AI資本市場頗為反直覺的視角。

論文先拋出一個問題：為什么這兩年AI股票的估值會被推到這么高?

主流解釋是“投資者相信AI公司未來很賺錢“。但作者Andrew Chen給出的解釋要更深一層。他說，投資者瘋狂買入AI股票，有相當一部分動機其實是對沖：為自己未來被AI替代的可能性買保險。

那么問題來了：對沖什么樣的奇點?

論文里給“奇點”下了一個很具體的定義，我把它直譯過來：一次突如其來的、劇烈的AI生產力躍遷，它會替代典型投資者的勞動收入和消費。

這個定義里有三個動作要拆開看。

第一個動作：躍遷。這里指的是階梯式的能力突破，不是日積月累的漸進改良。某天早上，某種過去需要十個高級工程師做的任務，被一個新模型一鍵完成。

第二個動作：替代。新增的生產力不會平均分配給社會，它直接對接到擁有AI資本的人那一側。

第三個動作：你的勞動收入下降，你的消費能力下降。換句話說，你不會因為AI變強而變富，你會因為AI變強而變窮。

這就是論文里所說的“負面奇點”。它不是科幻里那種機器人毀滅世界的畫面，它是一個更冷的、更經濟學的畫面：整個社會的蛋糕變大了，但你分到的那一份變小了。

理解了這個定義，你就能理解為什么AI股票變成了“末日保險”。

設想你是一個普通的中產職業(yè)人士，你的主要資產其實沒那么多在房子或基金上，真正的大頭是你未來幾十年的勞動收入。這是一個隱形的、但重量級的“人力資本”。一旦AI躍遷到能替代你的程度，你的人力資本會貶值，但與此同時，AI公司和擁有AI資本的股東會受益。

那么邏輯上，你最理性的避險動作是什么?是把一部分錢投到AI公司股票上。如果AI沒那么強，你的工作還在，損失的只是這部分倉位的收益。如果AI真的強到壓垮你這個行業(yè)，股票會漲，你的損失被部分對沖掉。

這就是“用AI資本對沖AI替代風險”的邏輯。

理解了這一層之后，你再去看身邊那些一邊喊“AI要毀滅工作”一邊瘋狂買英偉達和谷歌的人，你就懂了。這不是矛盾，這是一筆同時押注兩端的保險交易。

論文里有一組數字很值得拿出來看。在作者給定的參數下，假設奇點每年發(fā)生的概率只有1%（這是一個非常保守的假設，意思是平均要等100年才會出現(xiàn)一次躍遷），AI股票的估值會被推到非AI股票的兩倍左右。把概率降到0.5%，AI股票仍然比非AI股票貴40%。

也就是說，即便理性投資者們認為奇點是個小概率事件，光是為這個小概率事件買保險這一個動作，就足以解釋當下整個AI板塊的估值溢價。

這就把今天市場上那種“AI估值是不是泡沫”的爭論徹底改變了性質。它可能不是泡沫，它是一份巨大的、由全球中產共同支付保費的集體保險單。

但這篇論文真正鋒利的地方不在這里。它真正鋒利的地方，是它拋出了一個吊詭的命題。

論文里有一個數學證明叫“Proposition 3”：在市場不完全的條件下(待會兒解釋這個詞)，一個足夠風險厭惡的家庭，即使從社會總福利角度看AI發(fā)展是好事(正面奇點的概率大于負面奇點)，它依然會理性地選擇否決AI發(fā)展。

這句話第一眼看上去有點反直覺。

意思是說，普通人對AI發(fā)展的反對(不論這種反對表現(xiàn)為政治壓力、監(jiān)管呼吁、還是道德焦慮)，并不是因為他們愚蠢、保守、不理解技術進步。它是一種在沒有對沖工具的前提下，完全合乎經濟學理性的選擇。當你無法用市場手段保護自己免受AI替代，你最優(yōu)的策略就是從源頭上阻止它發(fā)生。

這件事比“AI會毀滅工作“這個口號要鋒利得多。它告訴我們：今天圍繞AI的所有政治沖突，本質上是一場關于誰能買到對沖工具的沖突。

那么“市場不完全”是什么意思?

理論上，普通人可以通過買股票來對沖所有未來AI資本的權益?，F(xiàn)實上，你能買到的AI資本只是冰山一角。論文里直接點了名：大量的AI資本被鎖在創(chuàng)始人股權、早期投資人股權、員工期權、未上市的私募股份里。甚至，被鎖在那些還沒成立的未來AI公司的預期股權里。

公開市場是AI資本里最薄、最貴、被層層篩選過的那一層。

這就導致一個吊詭的結果：全世界的對沖需求都被迫擠壓到這一小撮可交易的標的上，把它們的估值推到失真的高度。然后這些被推高的股票，反過來還要承擔起“代表AI紅利”的敘事功能。

你以為你買的是AI的未來，其實你買的是被全球中產共同推高的、用于對沖的、外圍的金融符號。

論文還埋了一個更黑色幽默的悖論。作者證明了一個叫“滅絕衰減”(Proposition 2)的結論：如果奇點伴隨的人類滅絕概率越高，AI股票的對沖溢價反而越低。

邏輯很簡單：如果AI真的強到能毀滅人類，你買的股票也跟著歸零，這份保險就沒用了。所以末日越近，末日保險越便宜。

這是一個讓人忍不住笑出聲然后又笑不出來的結論。它意味著市場對AI風險的定價里，有一種隱藏的邏輯前提：大家在賭AI強到足以替代你，但又沒強到毀滅你。這個區(qū)間外的所有可能性，市場都沒在認真定價。

我前面寫過一篇文章，討論的是分配機制的轉移：AI時代的收入越來越按“你擁有什么”來分配，越來越少按“你做了什么”來分配。Hedging the Singularity這個視角剛好接上了那一篇。既然分配規(guī)則在轉向資本側，那么沒有資本可對沖的人，就是在用一個正在貶值的資產（勞動）去抵抗一場資本主導的洪水。

這是一個不對稱的戰(zhàn)爭，普通人贏的概率極低。

三、最肥的那段AI紅利，普通人看不見也碰不到

論文說“普通人可以買AI股票對沖AI替代風險”。但今天的現(xiàn)實更殘酷：最值錢的那批AI股票，普通人根本買不到。

OpenAI、Anthropic、xAI、Perplexity、Mistral這一批站在AI革命最核心位置的公司，絕大多數還沒有上市。它們在私募階段就已經完成了人類商業(yè)史上最快的估值躍遷。

來看幾個數字。OpenA在2025年的員工股權出售中估值已經達到約5000億美元。Anthropic在2026年的最新一輪融資后估值接近萬億美元。路透社報道稱，SpaceX、OpenAI、Anthropic這一批潛在IPO候選，合計可能給美國公開市場帶來約3萬億美元的市值增量。

但請注意這句話的含義：這3萬億是堆在公開市場門口的，不是堆在公開市場里面的。意思是，這些價值已經被創(chuàng)造出來了，只是還沒向公眾開放。

摩根士丹利的一份行業(yè)報告里有一組數字：在年收入超過1億美元的美國公司中，大約80%仍然處于私有狀態(tài)。換句話說，你在公開市場上能買到的“成長型企業(yè)“，已經只是塔尖的一小部分。

這個變化的背后，是過去十年資本結構的徹底重組。AI公司之所以越來越晚上市，有幾個互相強化的原因。

第一，私募市場的錢多到溢出來。主權基金、家族辦公室、超級LP、頂級風投，所有人都在搶AI資產。當一家頭部AI公司可以在不上市的情況下隨時拿到一百億美元融資，它沒有任何理由急著接受公開市場的季度審視。

第二，AI公司的資本開支模式不適合公開市場。訓練一個前沿模型、搭建推理基礎設施、采購芯片、綁定云服務，任何一項都是數十億美元級別的支出。Anthropic最近和亞馬遜達成的合作里，承諾未來十年向AWS(亞馬遜云服務)支付超過1000億美元用于訓練和運行Claude。這種燒錢節(jié)奏，公開市場的財報壓力根本扛不住。

第三，科技巨頭愿意用戰(zhàn)略投資替代傳統(tǒng)融資。微軟之于OpenAI、亞馬遜之于Anthropic、谷歌之于Anthropic和它自己的DeepMind，這些都不只是單純的財務投資，更是用資本提前鎖定云服務的客戶、模型推理的接口、企業(yè)客戶的入口。AI公司在還沒上市的時候，就已經被巨頭編織進了未來十年的產業(yè)版圖。

所以普通人面對的局面是：你能買到的“AI概念股”，幾乎全部是外圍資產，芯片、云、數據中心、電力公司、應用服務商。它們當然也漲，但你拿到的是AI紅利經過兩三層篩選之后的殘量。

美國硅谷頂級風投a16z有一份很出名的產業(yè)鏈分析報告，叫《Who Owns the Generative AI Platform?》。結論是：在生成式AI的產業(yè)鏈上，價值捕獲極不均衡?；A設施層（芯片、云）和閉源模型層吃掉了幾乎全部利潤，而應用層，也就是絕大多數普通人正在用AI干的事情，護城河極淺，競爭極烈，利潤極薄。

這是一個典型的“使用者悖論”：你越深入使用AI，你越靠近產業(yè)鏈中價值最低的那一段。

四、AI時代會分流三層人

把上面所有的結構組合在一起，這一輪AI革命中會自然形成三類人。

第一類，AI資本擁有者。

他們直接持有模型公司股權、芯片公司股權、云基礎設施股權、關鍵數據資產、電力和算力的物理設施權益。他們要做的事情很簡單，什么都不做就行。AI越強，他們越受益。這是一種系統(tǒng)性、被動的、復利式的紅利。

第二類，AI杠桿使用者。

他們沒有底層AI資本，但他們用AI去放大自己的品牌、產品、渠道、客戶關系和組織能力。他們用AI把自己變成一個一人公司、一個小型工作室、一個品牌主體。他們賺的是AI帶來的杠桿紅利。這種杠桿傳統(tǒng)社會要么需要繼承，要么需要融資，要么需要十年管理經驗才能拿到，而AI第一次把它無門檻地交到普通人手上。

第三類，AI價格承受者。

他們也用AI，而且用得很熟。他們用AI幫公司加班，用AI幫老板省成本，用AI幫客戶更便宜地交付，用AI在平臺上更高效地生產內容然后被算法分配流量。他們的效率確實在提高，但他們的議價權在以更快的速度下降。

這三類人之間有一個不太被討論但相當殘酷的事實：AI不放大能力，AI放大所有權結構。

如果你擁有資產，AI放大你的資產。

如果你只出售時間，AI壓低你的時間價格。

如果你已經有一個被信任的品牌，AI放大你的分發(fā)。

如果你沒有品牌，AI把你扔進一個更擁擠的勞動力池。

希臘前財政部長Yanis Varoufakis在他的《技術封建主義》(Technofeudalism)里給了這個狀態(tài)一個很尖銳的命名。他說，今天的科技平臺不再是傳統(tǒng)的資本家，而是“數字領主”；普通人在平臺上用AI創(chuàng)作、用AI接單、用AI提效，本質上是數字佃農在領主的土地上勞作，產生的所有數據、所有注意力、所有交易關系最終都歸領主所有。

這個比喻指出了一個非常本質的東西：平臺經濟疊加AI之后，出現(xiàn)了一種過去幾百年間被遺忘的舊關系，你越努力，你越鞏固對方對你的所有權結構。

這就是“使用者悖論”的第二層含義。第一層是產業(yè)鏈位置上的悖論：你用得越多，你越靠近價值鏈最薄的環(huán)節(jié)。第二層是產權結構上的悖論：你產出得越多，你越在為別人沉淀資產。

我前面寫過一篇文章，講社會在加速K型分化，有三種人正在被AI放大。今天再看那個判斷，可以更直接一點：K型分化的關鍵不在使用AI的頻率，而在沉淀AI紅利的方向。

頻率人人可以提高，方向是一個一旦走錯就很難掉頭的選擇。

五、普通人能做的，是把效率換成權益

講到這里，這篇文章如果只是停在分析層面，就和那些高談闊論的宏觀博主沒什么兩樣。我想把它再推一步：既然普通人買不到OpenAI的早期股權，那他能做什么?

答案不是認命。還有另一條路徑：把AI提效產生的價值，沉淀進自己能持有的資產里。

我把它叫做“權益沉淀”。

在AI時代，普通人能持有的資產大致有六種，以下每一種都是可以用AI杠桿放大、且不易被平臺和模型輕易拿走的。

品牌資產。AI可以批量生產內容，但不能批量生產信任。當所有人都能用AI寫出80分的文章時，讀者的注意力會反向收縮到少數他們認可的人身上。個人品牌的價值不在于流量，而在于讀者是否相信你的判斷、品味、立場和連續(xù)性。

渠道資產。公眾號、知識星球、社群、播客、視頻號、郵件列表，這些是你直接連接讀者的管道。平臺的算法會變，但你和讀者之間一旦建立直接關系，就脫離了平臺的中介。AI時代的最大悖論之一是：技術讓分發(fā)越來越自動化，但繞開分發(fā)變得越來越值錢。

產品資產。課程、模板、咨詢方法論、訓練營、付費報告、垂直工具，把你的認知和經驗封裝成可復用、可定價、可迭代的物品。AI可以幫你生產，但你必須把生產成果變成產權。這件事的關鍵動作是把“我在幫某某做”改成“我在賣一個東西”。

社群資產。AI讓信息變便宜，讓高質量人群的聚集變更貴。社群不是聊天群，是一種由共同認知和共同利益構成的網絡。它的價值不在群里發(fā)的內容，而在群里有誰、誰能找到誰、誰愿意為誰背書。

數據資產。垂直領域的數據、案例庫、客戶問題庫、選題庫、提示詞庫，這些東西短期看不出價值，長期是你訓練個人智能體、生產專業(yè)服務的燃料。當通用大模型變得越來越廉價時，你和大模型之間的差距全部來自你獨有的數據。

工作流資產。一套屬于你自己的、用AI自動化跑起來的研究、寫作、銷售、交付、復盤流程。如果它服務于你自己的品牌和產品，它就是資產。如果它只服務于某個雇主或客戶，它更接近勞動效率，一旦你離開，它就停止為你產生價值。

這六種資產有一個共同特點：它們都需要時間去積累，但都能被AI大幅加速。

硅谷投資人納瓦爾在他廣為流傳的財富思想里有一個核心概念，叫“無許可的杠桿“(permissionless leverage)。他說傳統(tǒng)財富的杠桿要么靠資本(融資)，要么靠人(雇人)，要么靠繼承。

前兩種都需要別人的批準，投資人允許你拿錢，員工允許你雇傭。但代碼和媒體不需要任何人的批準。你寫一行代碼，可以為你工作到永遠;你做一檔播客，睡覺的時候依然在被聽到。

AI讓這種“無許可杠桿“第一次平民化。一個人可以用AI建立過去需要十個人的內容生產能力、過去需要五十個人的客服系統(tǒng)、過去需要一整支團隊的研究分析能力。

但請注意這里的關鍵：杠桿只放大你已經持有的東西。如果你持有的是別人的資產，杠桿放大的是別人的所有權；如果你持有的是自己的品牌、渠道、產品、數據、工作流，杠桿放大的才是你自己。

這就是為什么我前面那篇關于龍蝦的文章里反復強調一件事：跑贏AI進化的不是龍蝦(那種死命增加防御的策略)，而是你必須成為一個被市場低成本就能記住、信任、選擇的人。AI抹平的是生產能力，放大的是被選擇的資格。

六、會用AI和擁有AI帶來的權益，是兩個完全不同的位置

把這件事放到最簡單的層面看：會用AI和擁有AI帶來的權益，是兩個完全不同的位置。

會用AI是一張入場券。這張入場券一年比一年便宜，五年后會接近免費。真正的分水嶺在你怎么使用這張入場券：你站在AI生產力的哪一側，使用者、被替代者，還是權益擁有者。

如果只是用AI提高勞動效率，你會變得更能干，但也會進入一個更便宜、更擁擠、更不容議價的市場。如果你用AI建立產品、品牌、渠道、社群、數據和自動化系統(tǒng)，你才有機會把AI帶來的效率，真正換成自己的權益。

《Hedging the Singularity對沖奇點》這篇論文給我們最大的提醒是：AI風險不是只發(fā)生在就業(yè)市場，它同時發(fā)生在資產市場。誰擁有AI資本，誰就在對沖AI替代；誰只出售勞動，誰就暴露在AI降價之下。

更現(xiàn)實的是，OpenAI、Anthropic這樣的核心AI資本，在上市之前已經被全球頂級資本提前分配完畢。普通人很難買到最肥的那一段。既然如此，普通人就更不能只滿足于做AI的使用者。

你買不到OpenAI的原始股，但你可以問自己一個更可行的問題：我能不能用AI，建立一個屬于自己的小型權益系統(tǒng)?

未來十年，真正危險的人不是不會用AI的人。

真正危險的是那些每天都在用最先進的AI、卻沒有任何東西沉淀在自己名下的人，他們在用全世界最強的工具，做著一份注定貶值的工作。