前几天，DeepSeek工程师的一篇文章《我不得不把才华埋葬在昨天》，引发了不少人对AI时代的想象。

　　他设想未来会走向两极：一端是生产力极大释放、物质充分丰裕；另一端则是少数人掌握顶尖AI，多数人只能使用性能孱弱的模型，阶层壁垒日渐固化，难以跨越。

　　对于后一种悲观图景，他的核心判断是：“你得先有最强的AI，才能跨越阶层，形成了一种死循环。”

　　但为什么拥有顶尖AI，才是普通人改善处境的前提？今日的技术差距，又凭什么会演变为明日无法逾越的阶层鸿沟？

　　现有数据恐怕并不支持这一推论。

　　Epoch AI在9月22日发布的研究显示：自2023年以来，达到同等测试表现所需的最低AI使用成本，平均每季度下降约47%。

　　按这一速度计算，原先花100元购买的能力，一年后只要约8元。

　　短短一年，成本降至原先的十三分之一。

　　这意味着曾经昂贵的AI能力，正落入越来越多普通人的预算区间。这绝非少数人永久垄断的特权；技术向下渗透、普惠大众的速度，还在持续加快。　　

（同等测试表现的成本变化。图源：https://epoch.ai/publications/the-plunging-price-of-thought）

从棉布到AI，技术普惠正在加速

　　回看工业革命，整个过程和逻辑非常清晰。

　　我们熟知蒸汽机、纺纱机与轰鸣的工厂，但对普通家庭而言，工业革命最直观的改变，是布匹大幅降价——同等收入，可以买到更多商品。

　　价格史料记载：1784至1832年，棉纱价格从每磅约11先令跌至1先令；剔除原棉成本后，加工环节的价格从约9先令降至0.4先令。

　　技术进步的红利，借由降价流入千家万户。普通人不必成为纺织厂股东，就能买到廉价布料、添置衣物，把结余的收入投向别处。

　　汽车行业走过一模一样的路径。福特档案显示，T型车售价从1908年的825美元，最低落到1925年的260美元。

　　流水线与生产组织革新，把汽车推向更广泛的消费群体。

　　技术从稀缺昂贵走向大众普及，依靠一连串落地行动：投入资本、优化工艺、扩产降损、挖掘用户。

　　每一步都有人承担成本，也有人为误判买单。

　　利润激励企业推进创新，竞争则迫使企业把一部分红利让渡给消费者。

　　企业天然希望卖出高价，但用户预算有限，竞争者也不会放弃市场。若一家厂商只服务高付费人群，就会有对手探索低成本方案，承接它舍弃的客户。

　　所谓技术普惠，正是在一轮轮这样的竞争中落地。

　　到了AI时代，这个过程有了更快的传播条件。

　　按照Epoch AI研究的同比口径，AI成本下降速度约为DNA 测序的4倍、算力的6倍、锂电池的18倍，更是1892—1973年美国居民电价降幅的54倍。　　

（同等测试表现的AI使用成本，下降速度明显快于图中其他技术。图源：https://epoch.ai/publications/the-plunging-price-of-thought）

　　电力普及要铺设电网，汽车普及需要工厂与路网配套。

　　而AI服务可以依托已有的手机、电脑与互联网直达终端。上游仍要重金投入芯片、机房与电力，但下游用户无需自建整套基础设施。

　　模型迭代完成后，能力可通过软件更新、在线服务快速交付，大幅压缩技术突破到终端使用的周期。

　　美国一项代表性调查显示，截至2024年8 月，18–64 岁人群中已有 39% 使用过生成式AI。对比技术进入大众市场后的扩散节奏，生成式AI的普及速度，快于个人电脑与互联网。

　　这里还有一个极易被忽略的事实：研发成本高昂，和终端使用廉价，可以并行不悖。

　　县城青年不必买下数据中心，才能调用大模型；小店老板也不需要自建发电厂，才能开灯营业。

　　市场把巨额的一次性基建投入，拆解成普通人可以按需购买的轻量化服务。

　　举个例子：一家三人规模的外贸公司打算开拓新市场。

　　放在过去，翻译产品资料、撰写推广文案、回复海外客户，都意味着新增人力成本。订单尚未落地，工资开支先行，老板往往只能放弃尝试。

　　现在借助AI生成初稿，再由业务人员复核，试错成本会被大幅压缩。

　　同样一笔开支，对大企业只是预算表上一行数字，对小微企业却决定一项生意能不能启动。成本下降的价值，就藏在这些从前无力尝试、如今可以落地的机会里。

技术领先，并不等于永久垄断

　　讨论AI 是否会走向垄断，不能只看各家手握多少芯片，更要看用户拥有怎样的选择权、后来者还有哪些入局路径。

　　技术领先可以带来超额利润，却无法自动换取永久的市场支配权。

　　恰恰是高额利润，向后来者发出信号：这里存在市场需求，这里尚有竞争空间。

　　新入局者不必完整复刻头部厂商的全部能力。它可以专攻低价模型、聚焦细分场景、优化使用体验，先争取一部分客户。

　　客户愿意为什么付钱，最终取决于问题是否得到解决。

　　模型榜单登顶，从来不是每一笔商业交易的硬性门槛。

　　现实中的竞争态势已有佐证。OECD统计的语言模型开发主体，从2024年初的9家增长至2026年4月的47家；跻身 “性能 — 价格前沿” 的竞争者，由2家扩充到8家，头部位置频繁轮换。

　　DeepSeek本身就是挑战者的样本：它开源R1模型权重，允许商用、修改与二次开发，让其他团队能够站在已有成果之上继续迭代产品。

　　一家企业的技术突破，就此成为更多创业者的起点。技术能力可以集中生产，再经由市场开放给海量使用者。

　　若要把这场竞争定性为永久垄断，就必须回答几个问题：新玩家为何无法入场？替代技术为何不能涌现？用户凭什么不能更换服务商？

　　只罗列头部企业的资本与硬件投入，远远不足以论证垄断必然发生。

最强AI，不是普通人的谋生资格证

　　回到那位DeepSeek工程师提出的 “死循环”，还有一层更根本的辨析：即便少数人能够持续购置更强的AI，也推不出其他人的生活改善之路就此断绝。

　　小企业能不能拿到订单，取决于是否读懂客户需求、管控成本、按时履约、稳定交付服务。市场需求分散在无数细分场景，一份模型排行榜，无法替代全部经营决策。

　　普通人只要用好足够适配的工具、解决身边客户的真实需求，就有机会获得收入。

　　并不是说，只能在技术军备竞赛里击败全世界，才能开启谋生与创业。

　　AI还能把原本需要长期沉淀才能习得的经验，更快交付给新手。

　　一项覆盖5172名客服人员的研究表明：AI辅助让整体人均生产率提升约15%；经验薄弱、原有技能不足的员工，增幅可达 30%。

　　借助AI，入职两个月的新人，绩效可以接近没有 AI辅助、从业半年以上的老员工。

　　这组数据直观呈现了后进者依托工具追赶的路径。足以说明 “技术越进步，弱者机会越少”，并非普适定律。

　　至于AI替代部分岗位，也不能直接跳跃到阶层永久封闭的结论。

　　当一类服务成本下降，原本无力消费的需求会被激活；企业省下的资源，可以投入其他业务；许多过去不划算的生意，现在具备可行性。

　　谈论就业，必须纳入这些动态变化，不能用当下的岗位清单，划定未来所有工作的边界。

　　关键在于，社会是否允许个体试错、调整，重新组合手中资源。新机会藏在无数真实交易之中，没有任何技术专家可以预先穷尽。

　　有人先行致富，有人收入更高，不等于其他人的上升通道彻底锁死。想要证明阶层固化，就需要证明上升通道会被持续封死。

　　自由市场的内核，恰恰在于维持通道开放：保护产权，让投入获得回报；降低准入，允许后来者发起挑战；保障选择权，用户可以随时离开不满意的供应商。

　　倘若以保护普通人之名，限制模型开源、抬高创业门槛、阻拦新企业入场，反而会为现有巨头清除对手。

　　一名开发者想用开源模型开发产品，一旦准入壁垒抬升，连试错的机会都会消失。

　　在保护的名义之下，被挡在门外的，恰恰是最有可能推动新一轮降价、带来普惠红利的创新者。

　　巨头原本需要持续创新才能守住的位置，会获得人为庇护。

　　越是担忧巨头势力过大，越要给挑战者留出入场空间。

　　对普通人而言，技术进步最实在的价值，是学习技能的成本更低、创业试错的本金更少；很多过去只能依托大企业完成的事，个人和小团队也能动手尝试。

　　县城青年接到第一笔外贸订单，小店做出属于自己的推广，新手可以承接从前无力完成的工作。

　　改变生活的机会，就蕴藏在这些细碎的现实变化里。

　　AI本身能力持续变强，但获取AI能力的门槛正在下降。

　　只要自由市场的竞争持续压低使用门槛，普通人就始终拥有入场的机会。