一、程序员消耗了最多的 Token

今年的 AI 行情源于 Token 的大爆发，量价齐升，以至于到 6 月初，Anthropic 的 ARR（年化收入）到了 470 亿美元，去年同期还只有 140 亿。

但 Token 大爆发的主要下游应用还是编程，从本系列之前对三次技术革命复盘的经验看，单一行业的爆发式增长，对于这样一个革命性的技术的支持，只是阶段性的。

更何况，AI 编程目前的 Token 消耗量，本身就有很多泡沫，其实是企业预算失控：

许多科技巨头在 2025 年到 2026 年初，为了在激烈的 AI 竞赛中保持研发速度，曾向工程团队下达了 " 不计成本使用最先进模型 " 的指令。很多企业在部署时并没有配置严格的用量上限或成本监控。结果就是出现了很多极端案例：有的团队在短短几个月内就耗尽了全年的 AI 预算，甚至因为未配置用量限制而收到了数额惊人的账单。

这种管理失控在早年的云计算发展早期也出现过，技术团队拥有了极大的采购权，但由于缺乏财务约束，对价格不敏感，许多开发环境、测试集群在运行完后忘记关闭，成为了 " 僵尸资产 "，还有很多账单到了财务部，却没人能说清到底是哪个具体功能模块产生的费用。

这种无节制的消耗往往是一时的，目前科技巨头的 AI 使用重心已经从 " 盲目追求模型能力 " 转向了 " 成本审计 " 和 " 财务红线设置 "，许多企业正在测试针对 Token 使用的精细化运营制度。

更大的泡沫是大模型在结算机制上，美国三大模型公司的投资方都是云计算厂商，以 Token 代金券形式 " 投资 "，大模型又将其用于采购投资方的云计算服务。虽然这也是源于真实的 token 需求，但代金券缺乏价格信号，往往会对消费形成过度激励。

麻烦的是，编程只是中间生产过程，仍然需要大量终端需求去消化，它们在哪里呢？

总结一下，当前的 Token 泡沫，首先是 AI 编程生产率提升过快，同时价格信号机制暂时失灵，导致 " 编程供给 " 阶段过剩，一个团队现在一周可以完成过去一个月的编程量，想要消化这些供给，要么终端需求突然爆发，要么成本快速下降（大规模裁员）。

AI 的发展不能光靠一两个行业推动，可以推测，AI 编程应用的渗透率虽然仍然会上升，但很难像上半年那样狂飙了。

不过，这并不等于看衰 AI 趋势，技术革命中途必然产生多次泡沫，泡沫不是技术革命的副产品，而是技术革命的融资方式。

我在本系列的上一篇《很多人想简单了，未来可能经历多次 AI 泡沫》将其分为两类：

第一类是技术本身的成熟度不够，没有找到合适的需求和商业模式，属于产业层面的泡沫。

这一阶段往往是大规模基建期，产业链以债权融资为主，这种泡沫的破灭会导致大量企业破产，引发债务危机，这也是 19~20 世纪容易发生经济危机的原因之一。

第二类泡沫是资本的预期超过了商业应用的增长程度，这一阶段下游应用已大量爆发，投资者过度线性外推，给予过高的估值，一旦遇到加息、去杠杆等外部事件，就会戳破泡沫。

这一类属于资本市场的泡沫，并不会影响产业的发展。

目前仍然处于第一阶段的泡沫期，它的重点不在于资本市场的估值，而在产业层面，更具体的说，AI 编程是否已经达到了渗透率的高点。

根据调查，超过 85% 的职业开发者在日常工作中高频使用 Cursor、Claude Code、GitHub Copilot 等工具，如果真是这么高的渗透率，又看不到下一个更重量级的需求，那泡沫破灭就近在眼前了。

不过，这个结论下的可能有点仓促。

二、代码正在变成中间语言

大部分 Token 确实是互联网大厂的专业开发人员消耗的，但也有一部分是非专业人员消耗，他们完全不懂编程，而后者才是最重要的需求。

如果把 Cursor、Claude Code、Codex 理解成 " 写代码的软件 "，那确实会觉得市场空间有限，因为全球程序员就那么多；但如果把它们理解成 " 以代码为通用执行层的 Agent 系统 "，很多现象就解释得通了。

大量的 Claude Code 或 Cursor 的调用，在后台分析中会被归类为 " 代码生成 "，但实际上后台执行的任务可能只是 " 写一个自动化脚本来汇总我的发票 " 或者 " 抓取某网页的数据存入 Excel"，或者 " 把我的资料总结成个人知识库并不断更新 "，或者 " 每天发送我的自选股的相关消息研报和会议纪要 "，或者 " 研究我的公众号并每天自动抓取推动 5 个选题建议 "，等等，这些都是与传统编程毫不相关的需求。

过去的编程行业是这样的，创业团队或大企业有一个产品的想法，找程序员开发软件，最后再执行任务；但现在更可能的情况是，某个人有一个需要重复执行的个人任务，他把这个想法告诉 Agent，后台自动生成代码，再直接执行任务。

代码正在从商业世界里可交付的 " 最终产品 "，变成一种执行任务的 " 中间语言 "。

为什么忽然间，一切皆可编程了？因为在 AI 眼中，现实世界的大部分复杂任务，本质上都是一个 " 状态机 "，整理一个 Excel 表格、调用一个搜索接口、操作一个网页，本质上和写一段逻辑函数没有区别，中间仍然是 " 代码代码代码代码 "，只是被隐藏了。

而且代码是最容易验证正确性的复杂任务，能运行 = 对，报错 = 错，反馈极其明确。

生成式 AI 真正的革命性进步在于可以自动化处理非结构化数据，比如人类自然语言，这在过去是需要编写专门的数据管道代码才能完成的。

举一个股票分析的例子，Agent 出现之前，如果研究员想要分析 " 近十年，黄金和美债在不同通胀环境下的表现 "，大概率打开金融终端，导出各种数据，按维度分类，计算收益率、相关性等，最后写成报告。

其中大部分工作都是在处理数据，只是关键的非结构性数据的处理，过去是一个难点，而生成式 AI 解决了这个问题，就把原本隐性的程序结构彻底显性化了。

所以，AI Agent 并不是把编程行业 AI 化，也不是软件开发行业的增长，而是 " 侵蚀 " 各个行业，以前需要一个软件工程团队才能做的自动化系统，现在个人通过 AI 代理在几分钟内就能搭建。

这种能力的普及，意味着" 编程 " 已经变成一种像文字处理或数学运算一样的基础通用能力。

这就是像我小时候，打字是一项技能和职业，打字社是一个行业，学校会把五笔输入法当成劳技课程；但后来，智能拼音让打字成了简单的通用功能，连技能都谈不上；现在，AI 语音干脆让 " 打字 " 彻底消失了。

以前的工作需要通过程序员，调用软件生产力；现在，非程序员直接通过 Agent 调用软件生产力，让所有 " 知识工作者 × Agent" 等于过去一个完整团队的工作能力。

过去，只有 " 标准化大规模需求 " 才值得软件化；现在，" 个性化细分需求 " 也有软件化的价值。

不要小看这一点改变，它将创造一个前所未有的蓝海市场。

三、99% 的需求，第一次有了经济性

写代码曾经是一项非常贵的活动，不是服务器贵，而是人贵，需求沟通成本、程序员开发成本、测试成本、维护成本，等等。

所以传统软件世界形成了一条规律，用户越多，越值得开发。

为什么大型软件都是 ERP、CRM、Office，为什么微信、淘宝、抖音会成为国民级平台？

不是它们做得好，以上应用抓的都是现代社会最通用的需求，才能极大摊薄产品开发维护成本，还能有极高的毛利去开发更多细分功能。

这也带来一个问题，过去的大量不够通用的编程需求，被压抑了，你想要一个完全按你的投资习惯设计的行情软件，这个东西对你而言，当然比万得更好，你愿意付出的价格也一定可以高于万得，但对不起，这个需求实现不了，专门为你一个人开发，成本太高太高了。

当编程成本大大下降，" 个性化细分需求 " 也可以被软件化后，大量新需求将被释放。

这在经济学上叫 " 供给曲线向右移动 "：10 元价值的需求，开发成本 5000 元，不会发生交易；10 元价值的需求，开发成本 5 元，发生交易，市场规模暴涨。

这其实就是 AI 的 " 长尾革命 "。

互联网时代的长尾是淘宝卖冷门商品，虽然爆款赚钱，但冷门商品才是你上 " 万能的淘宝 " 而不是其他电商平台的原因。

Agent 时代的长尾就是个性软件需求，想象一下，你有一个共同拥有某个小众爱好的 100 个人的群，你只需要极低的开发成本，就可以提供某些可持续收费的个性化功能，而这个收费又很可能很高，因为越个性化的需求，价格接受度越高。

除了收费，那些纯粹满足个人需要的软件开发，提高了个人的工作效率或降低成本，同样有商业价值。

传统软件赚的是规模经济的钱，Agent 赚的是个性化的钱。

变化还不止于此。

以前的软件按用户人头收费，所有的功能打包在一起，虽然你只用 5% 的核心功能，也要收全部的费用。而重度用户可以把所有功能用到爆，本质上是用大部分的轻度用户去养重度用户，也导致了很多偶尔使用的用户因为 " 性价比低 " 而放弃购买。

而 Agent 的核心单位是 " 任务 "，这是一种完全不同的商业模式，Excel 有几亿用户，但 Excel 每天处理几百亿个任务，而任务本身可以按 token 进行收费，这就改造了传统软件生态。

这些软件正在进行 MCP 改造，把核心功能封装为一套标准的指令集，这些软件就不只是一套给人使用的 UI 界面，而是 Agent 可以随时调用的能力模块，用户通过自然语言向 Agent 下达个性化的需求，由 Agent 去拆解成流程，完成后续的跨系统动作。

Agent 不再是一个软件，而是一种新的软件分发方式。未来你最值钱的能力，也不是会使用软件，而是会定义任务，会判断结果。

由于任务数远大于用户数，而且更贴近用户的个性化真实需求，同样能激活过去被压制的大量需求。

过去，人要学习适应软件；未来，软件要 " 学习、适应 " 每个人。

所以，今天虽然软件股全部被杀估值杀逻辑，但未来必然有一部分积极拥抱 AI 的公司，市值比现在更大，也有把头埋进沙子里假装世界没有变化的企业，被彻底抛弃。

简单总结这两部分，AI 目前并不只是让程序员效率提高了 10 倍，而是让原本 99% 因为不经济而没有被软件化的需求，第一次具备了被软件化的可能，创造出的结果，要么可收费，要么在各行各业提升工作效率或降低成本。

其结果就是，出现一个比今天整个软件行业规模还要大 10 倍、100 倍的 AI Agent 行业。

不过，正因为 Agent 改变的是我们的生活方式，而这又是最难的，远比互联网早期的培养上网习惯更难，所以才导致了使用者的分裂：少数人已经是没有 token 就不能活的状态，而大部分人只是偶尔用一下 AI 聊天。

这种分裂，既是当下资本市场冰水两重天的原因之一，也隐藏着 AI 即将迎来泡沫第一次破灭的原因。

四、第一次泡沫破灭正在接近

AI 编程成为了 AI 第一个杀手级应用场景的真正原因，不在用户数，而在这些核心用户的使用深度。

AI 编程非常烧 Token，一个 Claude Code 的编程会话，往往需要读取整个项目库的索引，进行多轮的代码修改、重构、编译反馈。一个 Cursor 用户一天可能消耗几十万到几百万 token；而普通 ChatGPT 用户一天也就几千到几万 token。

相比之下，那些 " 用编程思维解决生活问题 " 的非专业用户，还是早期尝试 AI Agent 的阶段，目前主要使用的场景是 " 单次任务 "，比如写一篇文案、做个规划、整理一份表格，导致 Token 消耗量通常远小于开发者。

虽然他们才代表 AI Agent 的未来，但目前的增速其实并不高，年初使用 " 小龙虾 " 的人，大部分都放弃了。

在纯粹的 "Token 消耗量 " 统计中，纯职业开发者的工程交付目前仍占据 60% - 70% 的份额，而渗透率已经提升到 85%。加上大厂财务部门已经开始约束预算，这会带来两个问题：

第一个问题是正在发生的：如果 AI 的使用是未来企业战略的关键，那么控制预算的第一步是消减非 AI 的 IT 预算，第二步是控制在非 AI 业务上的投资，第三步是裁掉 AI 可以替代的人员。

第一步已经发生，导致了科技行业内部，传统软件和互联网的被 " 杀逻辑 "；

第二步正在发生，导致了非 AI 传统行业被 " 杀估值 "；

如果真的出现了第三步，宏观需求被冲击，那就是大部分行业的 " 杀业绩 "。

第三步也快了，为什么美债利率居高不下，不是油价的问题，油价已经低于战争前了，而是 AI 大量使用债券融资，推升了信用债利率，而融资成本的提升，必然会利空大部分非 AI 的行业的投资与需求。

这也是技术革命早期一定会经历的 " 挤占效应 "，技术革命对生产率的提升和新应用还没有规模化出现，但其巨额投资已经挤占了其他领域的正常投资。

第二个问题，非 AI 的预算压缩到极致后，企业还是要回头优化 AI 预期，就是开头说的类似 " 云计算 " 早期的场景，因为这是价格接受度最高的场景，对 token 价格的打击会先于流量打击，这对 ARR 增长的叙事，非常致命。

这将造成未来第一次 AI 泡沫的破灭，既是产业泡沫的破灭，也是资本泡沫的破灭，既有大量初创 AI 企业的破产和合并，科技巨头的资本开支推迟和取消，也有大模型估值的极度缩水，我预期会在未来一两年内出现。

而跌幅最重的，还是那些算力链的公司，它们的估值高度取决于科技巨头的资本开支，又处于激烈的市场竞争和技术迭代中，商业模式毫无抵抗力。

当然，每一次技术革命，都会先高估短期变化，再低估长期影响。对于真正相信 AI 改变世界的投资者来说，泡沫破灭又是好事：

一是资本泡沫破灭，可以让我们用合理的价格买到真正有长期投资价值的公司；

二是产业泡沫的破灭，可以让我们观察到产业链真正有竞争壁垒和护城河的细分行业。