＂智能通缩时代”的创新~硅谷知名研究型投资机构Contrary最新的启示
当AI从"能说话"变成"能干活"，我们的商业世界正在发生什么？放假期间读了来自硅谷知名的研究型投资机构Contrary的一份研究报告，他们每年发布的《科技趋势报告》被很多VC和创业者视为风向标。这份2026年的报告，标题很直接——"计算智能正在吃掉世界"。但比这个标题更震撼的，是里面的一组组数据。这份报告有350多页之长，通览后，我先从三个层面来提炼几个要点跟各位分享：技术现实、格局重构、商业落地，最后我们一起思考：作为想成为“超级个体”的各位，无论是创业者还是投资人，我们应该如何行动？
一、技术现实——性能爆炸与成本崩塌
先看第一张图。这是过去10年AI在各个领域的表现曲线。2015年，AI在图像识别上超越了人类；2020年，语言理解达标；到2024-2025年，连数学竞赛、博士级科学问题这些人类最顶尖的智力活动，AI也跨过了那条虚线。这意味着什么？意味着"智能"作为一种商品，正在经历历史上最快的通货紧缩。报告里有组数据让我印象深刻：从2022年到2025年初，完成同样任务所需的算力成本，下降了99%。GPT-3.5时代，处理100万字要十几美金；现在，5美分就够了。各位，这是什么概念？这相当于1990年代国际长途电话到微信语音的变迁。当成本下降到这种程度，普及不再是技术问题，而是商业设计问题。但这里有个反直觉的点。虽然单次调用成本在降，但全球训练AI用的总算力却在疯狂增长——每6个月翻一倍，比摩尔定律快得多。这就是Jevons悖论：当煤炭变得更高效利用，总消耗反而增加。AI正在吞噬全球的数据中心电力，这也是为什么报告中专门用一章节讨论能源和数据中心土地问题。
二、格局重构——开源的逆袭与更多的"DeepSeek时刻"
接下来讲格局。各位应该都关注今年早些时候DeepSeek引发的震动。报告用一张图清晰地展示了"开源 vs 闭源"的实力对比变化。2024年初，最好的开源模型比闭源落后整整一代；到2025年初，DeepSeek R1在数学测试上做到了93分，OpenAI的o3-mini是95分——差距缩小到可以忽略不计。更震撼的是地缘数据。在GitHub上最活跃的20个AI账号中，6个来自中国。全球模型下载量，中国模型在2025年超过了美国模型。我称之为"民主化时刻"。以前做AI应用，你得每年给OpenAI交几百万美金API费用；现在，你可以下载一个700亿参数的模型，花几万块买显卡就能跑，效果还差不多。这对商业模式的冲击是巨大的。过去三年，AI领域净新增收入（Net New ARR）的分布发生了翻转：2023年，传统SaaS占55%，AI实验室和基础设施占45%；到2025年，这个比例变成了33% vs 67%。钱正在从传统软件流向AI基础设施和原生AI应用。但注意，这并不意味着闭源模型会消失。报告揭示了一个"分层"现象：在需要绝对顶尖性能的场景（比如前沿科研），闭源仍有优势；但在80%的商业应用场景，开源已经"足够好"。
三、商业落地——从"买了AI"到"用了AI"
现在进入最关键的第三部分：为什么AI的落地比想象中慢，又比看起来快？报告呈现了一个巨大的数据鸿沟。根据企业支付数据（Ramp统计），44.8%的美国企业已经为AI服务付费；但根据美国人口普查局的官方调查，只有9.2%的企业真正在生产流程中使用了AI。这35个百分点的差距，就是当前AI产业最大的机会窗口——"最后一公里"的落地难题。问题出在哪？报告显示，信息技术、金融、专业服务采用率最高（20-25%），而建筑、餐饮、物流最低（<5%）。这不是技术问题，是组织改造问题。很多企业买了ChatGPT企业版，但员工不知道用来干什么；或者用来写邮件，但没有改造工作流程。第一，垂直化。通用大模型是基础设施，但真正的价值在垂直应用。比如生物医药领域，AI正在推动从"小分子化学药"向"大分子生物药"的范式转移。GLP-1类药物（就是那些减肥神药）的成功，背后是AI对蛋白质结构的深度理解。第二，世界模型（World Models）。这是Meta前首席科学家Yann LeCun一直在鼓吹的下一代架构。简单说，现在的AI是"文字接龙"，世界模型是"物理模拟"。当人类文本数据在2027-2028年耗尽（报告预测），合成数据将成为关键，而世界模型能生成符合物理规律的高质量训练数据。这对自动驾驶、机器人、药物发现意义重大。第三，能源与算力的地缘经济学。AI训练正在耗尽全球高端GPU产能，同时也在耗尽局部电网。报告里提到，数据中心的土地和电力正在成为新的稀缺资源。未来算力可能像石油一样，成为一种需要地缘政治保障的战略物资。
四、给未来实验室小伙伴们的行动建议
未来实验室的小伙伴们大多不是AI 专业技术的研究员，而是AI商业机会的识别者和组织者。基于这份报告，我有三条具体建议：第一，关注"成本断裂点"。当技术成本下降99%，通常意味着商业模式的重构。想一想：如果客服的人力成本从每月5000元降到50元，如果代码生成成本降到现在的1%，哪些行业会被重塑？不要去追最新的模型，要去算"当AI成本低于人力成本时"的那个临界点，那才是真正的爆发点。第二，寻找"高摩擦场景"。AI落地最难的不是技术，是改变人的工作习惯。那些流程标准化程度高、但当前还是依赖大量人工重复劳动的领域（比如合同审查、报关、医疗影像初筛），就是金矿。记住，9.2%到44.8%之间的那35个百分点，就是你的市场机会。第三，警惕"基准测试陷阱"。报告最后警示，很多AI模型的性能提升存在水分——要么是在训练时"偷看"了考题，要么是统计误差范围内的波动。作为决策者，不要看发布会上的PPT，要看实际业务场景中的ROI（投资回报率）。让技术团队做POC（概念验证）时，一定要用你们自己的数据，而不是标准测试集！
结语
"每个标志性公司的背后，都是非凡的创新者；而这些人，都押注在了塑造世界的基础趋势上。" 而创新者不只一面，而是有10种面孔...AI已经不是"未来趋势"，它是"当下现实"。但这个现实还在快速演化——开源与闭源的博弈、中美技术的竞合、能源与算力的约束，都在创造新的变量。对于创业者和各位超级个体，好消息是：门槛在降低，你们不需要像OpenAI那样烧几十亿美金也能做出有竞争力的产品；坏消息是：壁垒也在转移，从"有没有技术"变成了"懂不懂场景"。对于投资人，这份报告提示我们：别只盯着基础模型，那里已经是巨头的战场。看看应用层，看看能源层，看看那些用AI改造传统行业的"搬运工"。这是对"智能通货紧缩时代"商业机会的清醒认知。未来实验室旨在建立国内先进开放式创新生态平台，由行业领先的商业成果转化单位领头，集北大汇丰商学院优质师资和校友资源，打造集产、学、研、融、投、创一体的多方创新产业融合平台，促进国际化人才培养，创新项目孵化，补全大企业产业链，建设科创飞地，实现多曲线价值创造。
未来实验室活动包括AI主题公开课、闭门沙龙、读书会、数字解读营、商业模式创新工坊、私董会等AI创新生态全周期系列活动。
【会员招募】未来实验室长期开放超级个体加速营报名，欢迎扫描下方二维码填写会员信息征集表，或联系小助手了解详情（微信号：FutureLab_Assist）
欢迎关注未来实验室公众号，及时获取更多活动信息~
