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