人工智能的未来令人惊叹。a16z合伙人Martin Casado指出，历史上曾发生过两次因边际成本大幅下降而引发的平台转移与行业革命：芯片将计算边际成本降至零，互联网将分发边际成本降至零。当前，大模型正将“创造”的边际成本降至零，一场深刻的AI革命即将开启，这正是风险投资界为之兴奋的核心原因。
传统AI的商业化困境：技术卓越但经济性不足
人工智能发展已有70余年历史，在医学诊断、国际象棋、图像检测及机器人等领域均取得显著成就，且在字迹识别等特定任务上表现优于人类。然而，尽管技术能力出色，传统AI并未像移动互联网那样引发大规模平台级变革。核心原因在于其缺乏与之匹配的经济效益。
利基市场局限与硬件依赖
首先，许多传统AI解决方案仅适用于利基市场，缺乏广泛的市场吸引力。其次，在机器人等对准确率要求极高的用例中，实现绝对准确极其困难且需巨额投入，往往需要昂贵的硬件加持。
与人脑竞争的单位经济劣势
更为关键的是，传统AI的竞争对象往往是人脑。以自动驾驶为例，自2003年DARPA挑战赛以来，行业已投入约750亿美元。尽管技术不断进步，但由于人脑高效且成本低廉，Robotaxi的单位经济性目前仍难以匹敌Uber和Lyft等人类驾驶服务。因此，过去几十年AI虽能被构建和商业化，但初创公司极难围绕其建立可持续业务，该领域长期被大公司主导。
大模型时代：创造性任务的边际成本趋零
大模型及SOTA模型的出现，使AI进入了创造力、自然语言推理及助手服务等过往未能有效解决的领域。在这些场景中，对绝对准确率的要求降低，且任务多以软件形式交付，使得AI展现出前所未有的经济优势。
成本与效率的四到五个数量级跃升
在图像生成、法律文件分析等被视为高度人性化的任务中，AI不仅表现优异，成本更是远低于人类。例如，AI生成个性化角色的推理成本仅需约0.01美分且耗时一秒，相比雇佣平面设计师（时薪约100美元），成本和速度提升了四个数量级；同理，利用LLM处理复杂法律文档，相比聘请律师（单次约500美元），同样实现了四到五个数量级的降本增效。
历史规律验证：边际成本下降催生新巨头
风险投资机构之所以对当前浪潮充满期待，是因为见证了由经济性错位而非单纯新技术催生的增长奇迹。历史表明，当某一要素的边际成本大幅降至零时，必将引发平台转移并重塑行业格局。
计算与分发成本的归零效应
微芯片的诞生将计算边际成本降至趋近于零，推动了IBM、惠普等公司的崛起；互联网则将信息分发的边际成本降至零，每比特传输价格急剧下降，孕育了亚马逊、谷歌和Salesforce等巨头。如今，大模型正将“创造”的边际成本降至零，覆盖图像生成、语言理解及文档推理等广泛领域。
需求弹性驱动总量增长
从经济学角度看，若需求具有弹性（如计算和分发需求看似无限），边际成本的下降不会导致工作机会消失，反而会因可及性大幅提升而刺激总吞吐量和总使用量激增。正如互联网扩大了美国经济规模一样，AI也将通过扩大应用边界来实现增长，而非单纯的替代。
展望：通往经济可行的通用人工智能之路
我们正处于新一轮标志性公司诞生的前夜。这不仅是技术的迭代，更是经济结构的根本性转变。正如当年无法精准预测谷歌或雅虎的诞生，但我们确信会有巨头涌现一样，当前社会秩序正在重构，AI的应用与货币化已成定局。
创造力与生产率将迎来深刻变革。更重要的是，我们首次看到了通往真正通用人工智能（AGI）的可行路径。未来的AGI将在经济上具备可行性，摆脱高昂成本的限制，切实解决人类的实际需求。