Benedict Evans 在 2020 年 5 月和 2026 年 8 月发布的研报中探讨了生成式 AI 对全球科技行业和商业模式的影响。
平台转移与技术变革
每 10-15 年，技术平台会发生转移，重塑科技格局（PC、主机、Web、智能手机、生成式 AI）。平台转移期间，所有技术创新、投资和公司创建都会转向新平台，导致新进入者和新的价值捕获方式。科技行业内部会出现新的关键玩家，而外部则需适应新工具、新收入来源或生存威胁。
资本部署变化
生成式 AI 带来了资本支出激增。2026 年，亚马逊、微软、谷歌和 Meta 的资本支出计划总额达 7000 亿美元，远超全球电信业（约 3000 亿美元）和石油天然气业（约 1 万亿美元）。半导体需求激增，全球半导体销售额预计在 2026 年达到 1.25 万亿美元，半导体公司资本支出也大幅增长。数据中心建设支出已超过办公建筑，反映出对 AI 基础设施的巨大需求。
供需失衡与定价模型
AI 应用（如 ChatGPT）的使用量快速增长，但基础设施供应跟不上。OpenAI 和 Anthropic 的收入增长迅速，但商业模式尚未成熟。历史案例（如移动网络）显示，当需求远超供应时，价格模型会从平价套餐转向基于使用量的定价。生成式 AI 模型缺乏网络效应，更像是商品，长期定价能力有限。
部署挑战与使用模式
OpenAI 的全球周活跃用户已超过 9 亿，但付费用户仅占 5%。消费者使用生成式 AI 的频率较低，大部分用户仅偶尔使用。企业应用也处于早期阶段，主要自动化明显、易于衡量的用例（如分析、生产力、营销、客服）。AI 正改变软件开发模式，使编码更快更便宜，但真正的创新在于如何构建 AI 软件。
自动化与行业影响
AI 可以自动化任何可描述为逻辑步骤的任务，并解锁新工作类型。历史案例（如自动电梯、超市库存管理）显示，自动化不仅降低成本，还创造新价值。AI 可能颠覆依赖“无聊”工作的行业，迫使企业重新思考竞争优势。AI 的应用将推动推荐系统、客户服务和个性化体验的变革。
未来展望与不确定性
生成式 AI 带来巨大机遇，但也存在不确定性。历史表明，每次平台转移都伴随着大量失败和模糊不清的局面。AI 的长期影响取决于如何利用其能力，以及哪些行业将被颠覆。企业应保持开放心态，探索 AI 的应用潜力，并假设极端不确定性。
关键数据
- 2026 年大型科技公司的资本支出计划：7000 亿美元
- 全球半导体销售额预测（2026 年）：1.25 万亿美元
- OpenAI 周活跃用户（2022-2026）：增长迅速，付费用户占比低
- 企业 AI 应用采用率（2023-2025）：主要集中于分析、生产力、营销等用例
- 全球电信业资本支出（2026 年）：约 3000 亿美元
- 石油天然气业资本支出（2026 年）：约 1 万亿美元
