AI泡沫首波榜单：程序员危机与自救指南

先说一个核心判断：今年的AI行情，看似token量价齐升，热闹非凡，但仔细拆解一下，问题也不少。单看Anthropic的ARR（年化收入），6月初已经冲到470亿美元，而去年同期不过140亿，翻了三倍还多。但Token大爆发的头号推手，还是编程——这背后，泡沫的底色已经隐&隐浮现了。

泡沫不是技术革命的副产品，而是技术革命的融资方式。这句话放在今天，格外贴切。

回顾历史，每一次技术革命中途，都会遭遇几次泡沫。第一次，是技术本身不够成熟，商业模式还没跑通，属于产业层面的泡沫。第二次，是资本过度乐观，把估值推上了天，遇上加息、去杠杆等外部事件，泡沫才被戳破。现在，我们正处在第一阶段的泡沫期：AI编程的渗透率，似乎已经摸到了天花板。

一、程序员消耗了最多的Token

今年的Token爆发，最大下游应用还是编程。但奇怪的是，这个爆发式增长，本质上可能是企业预算失控的结果。许多科技巨头在2025年到2026年初，为保持研发速度，向工程团队下达了“不计成本使用最先进模型”的命令。结果呢？有的团队短短几个月就用完了全年的AI预算，甚至因为没设置用量限制，收到了一笔天价账单。

这种场景，在云计算早期也出现过。技术团队手握大量采购权，但缺乏财务约束，对价格不敏感，导致大量开发环境、测试集群成了“僵尸资产”。账单到了财务部，没人能说清是哪笔费用。

不过，这种无节制的消耗注定是暂时的。现在，科技巨头的重心已经从“盲目追求模型能力”转向了“成本审计”和“财务红线设置”。很多企业正在测试针对Token使用的精细化运营制度。

更大的泡沫，藏在结算机制里。美国三大模型公司的投资方都是云计算厂商，以Token代金券形式“投资”，大模型公司又拿这些代金券去采购投资方的云计算服务。这固然源于真实的token需求，但代金券缺乏价格信号，往往会对消费形成过度激励。

更麻烦的是，编程本身只是一个中间环节，它需要大量终端需求来消化。如果终端需求上不来，这些“编程供给”就会过剩。一个团队现在一周可以完成过去一个月的编程量，消化这些产能，要么终端需求突然爆发，要么大幅裁员。

所以，AI编程应用的渗透率还会继续上升，但像上半年那样的狂飙，很难再出现了。不过，这不等于看衰AI。技术革命中途，泡沫是必经之路。

我把它分成两类：第一类是技术成熟度不够，找不到合适需求，属于产业泡沫。第二类是资本预期跑过了商业应用，属于资本泡沫。现在，我们还在第一类泡沫期。它不体现在资本市场估值，而在于产业层面——AI编程是否已经达到了渗透率的高点。

调查显示，超过85%的职业开发者日常高频使用Cursor、Claude Code、GitHub Copilot等工具。如果真实渗透率真这么高，又看不见下一个重量级需求，那泡沫破灭，确实近在眼前了。

二、代码正在变成中间语言

大部分Token确实是专业开发者消耗的，但还有一部分，来自完全不懂编程的非专业人员。后者，才是真正重要的需求。

如果把Cursor、Claude Code、Codex理解为“写代码的软件”，那市场空间确实有限——全球程序员就那么多。但如果你把它理解成“以代码为通用执行层的Agent系统”，很多现象就豁然开朗了。

大量Claude Code或Cursor的调用，在后台分析中会被归类为“代码生成”，但实际任务可能是“写一个自动化脚本汇总我的发片”、“抓取某网页数据存入Excel”、“把资料总结成个人知识库”、“每天发送自选股的相关消息”，或者“研究我的公众号，每天自动抓取并推送5个选题建议”。这些，都跟传统编程没多大关系。

过去，编程的模式是：创业团队或大企业有好想法→找程序员开发软件→执行任务。现在呢？某个人有个需要重复执行的个人任务→告诉Agent→后台自动生成代码→直接执行。代码，正从商业世界里可交付的“最终产品”，变成一种执行任务的“中间语言”。

为什么忽然间，一切皆可编程？因为在AI眼中，现实世界的大部分复杂任务，本质上都是一个“状态机”。整理Excel表格、调用搜索接口、操作网页，本质上和写一段逻辑函数没有区别。代码只是被隐藏了而已。而且，代码是最容易验证正确性的复杂任务——能运行=对，报错=错，反馈极其明确。

生成式AI真正的革命性进步，在于能自动化处理非结构化数据，比如人类自然语言。这在过去，需要编写专门的数据管道代码才能完成。

举一个股票分析的例子：Agent出现前，研究员想分析“近十年黄金和美债在不同通胀环境下的表现”，大概率要打开金融终端，导出各种数据，按维度分类，计算相关性，最后写报告。大部分工作都花在数据处理上。而生成式AI解决了非结构性数据处理这个难点，就把原本隐性的程序结构彻底显性化了。

所以，AI Agent不是把编程行业AI化，也不是软件开发行业的增长，而是“侵蚀”各个行业。以前需要一个软件工程团队才能做的自动化系统，现在个人通过AI袋里几分钟就能搭起来。编程，已经变成一种像文字处理或数学运算一样的基础通用能力。

这就好比，我小时候，打字是一项技能和职业，打字社是一个行业，学校还把五笔输入法当劳技课程。后来，智能拼音让打字成了通用功能，连技能都算不上。现在，AI语音干脆让“打字”消失了。以前，需要通过程序员去调用软件生产力。现在，非程序员直接通过Agent调用软件生产力，让所有“知识工作者 × Agent”等于过去一个完整团队的工作能力。

过去，只有“标准化大规模需求”才值得软件化。现在，“个性化细分需求”也有软件化的价值了。这一点改变，将创造一个前所未有的蓝海市场。

三、99%的需求，第一次有了经济性

写代码曾经非常贵。不是服务器贵，而是人贵：需求沟通成本、开发成本、测试成本、维护成本……光这些就能劝退很多项目。所以传统软件世界形成了一条规律：用户越多，越值得开发。

为什么大型软件都是ERP、CRM、Office？为什么微信、淘宝、抖音成了国民级平台？不是它们做得有多好，而是这些应用抓的都是现代社会最通用的需求，能极大摊平开发维护成本，还有很高的毛利去开发更多细分功能。但这同时也意味着，大量不够通用的编程需求，被压抑了。你想要一个完全按你投资习惯设计的行情软件，对你来说当然比万得好，你愿意付的价格也绝对高于万得。但不好意思，这需求实现不了——专门为你一个人开发，成本太高了。

当编程成本大大下降，“个性化细分需求”也能软件化后，大量新需求就被释放了。经济学上，这叫“供给曲线向右移动”：10元价值的需求，开发成本5000元，交易不会发生；10元价值的需求，开发成本5元，交易就发生了，市场规模暴涨。

这，就是AI的“长尾革命”。互联网时代的长尾是淘宝卖冷门商品——爆款虽然赚钱，但冷门商品才是你上“万能的淘宝”而不是其他平台的原因。Agent时代的长尾，是个人软件需求。想象一下，你有个100人的小众爱好群，只要极低的开发成本，就能提供某些个性化功能来收费。而且越个性化的需求，价格接受度越高。

除了收费，那些纯粹满足个人需要的软件开发，提高个人效率或降低成本，同样有商业价值。传统软件赚的是规模经济的钱，Agent赚的，是个性化的钱。

变化还不止于此。以前软件按人头收费，所有功能打包在一起，你只用了5%的核心功能，也要付全部的钱。重度用户能把所有功能用到爆，本质上是用轻度用户养重度用户。很多偶尔使用的用户因为“性价比低”，干脆放弃了。

Agent的核心单位是“任务”，这是一种完全不同的商业模式。Excel有几亿用户，但每天处理几百亿个任务。任务可以按token收费，这就改造了传统软件生态。这些软件正在进行MCP改造，把核心功能封装成一套标准的指令集。软件不再是单纯的UI界面，而是Agent可以随时调用的能力模块。用户通过自然语言向Agent下达个性化需求，Agent拆解成流程，完成后续的跨系统动作。

Agent不再是一个软件，而是一种新的软件分发方式。未来你最值钱的能力，不是会使用软件，而是会定义任务、会判断结果。Agent会重写软件入口吗？

由于任务数远大于用户数，而且更贴近用户的个性化真实需求，大量被压抑的需求将被激活。过去，人要学习适应软件。未来，软件要“学习、适应”每个人。今天，软件股全被杀估值、杀逻辑，但未来，一定有一部分积极拥抱AI的公司，市值比现在更大。而那些把头埋进沙子里的，会被彻底抛弃。

简单总结：AI目前不只是让程序员效率提高10倍，而是让原本99%因为不经济而没有被软件化的需求，第一次具备了被软件化的可能。结果要么可收费，要么提升工作效率或降低成本。最终，将出现一个比今天整个软件行业规模还要大10倍、100倍的AI Agent行业。

不过，正因Agent改变的是我们的生活方式——这是最难的一步，远比互联网早期培养上网习惯更难——所以才导致了使用者的分裂。少数人已经离不开token，大部分人只是偶尔用一下AI聊天。这种分裂，既是当下资本市场冰火两重天的原因，也隐藏着AI即将迎来第一次泡沫破灭的伏笔。

四、第一次泡沫破灭正在接近

AI编程成为第一个杀手级应用场景的真正原因，不在用户数，而在使用深度。AI编程非常烧Token：一个Claude Code编程会话，往往需要读取整个项目库的索引，进行多轮代码修改、重构、编译反馈。一个Cursor用户一天可能消耗几十万到几百万token；普通ChatGPT用户一天也就几千到几万token。

相比之下，那些“用编程思维解决生活问题”的非专业用户，还处在早期尝试阶段。他们主要使用“单次任务”场景，比如写文案、做规划、整理表格，token消耗量通常远小于开发者。虽然他们才代表AI Agent的未来，但目前的增速并不高——年初使用“小龙虾”的人，大部分都放弃了。

在纯粹的Token消耗量统计中，纯职业开发者的工程交付目前仍占60%-70%，渗透率已经提升到85%。加上大厂财务部门开始约束预算，这会带来两个问题。

第一个问题是正在发生的：如果AI使用是未来企业战略的关键，那么控制预算的第一步是削减非AI的IT预算，第二步是控制在非AI业务上的投资，第三步是裁掉AI能替代的人员。第一步已经发生，导致科技行业内部传统软件和互联网被“杀逻辑”。第二步正在发生，导致非AI传统行业被“杀估值”。如果出现第三步，宏观需求被冲击，那就是大部分行业的“杀业绩”。

第三步也快了。为什么美债利率居高不下？不是油价的问题——油价已经低于战争前了。而是AI大量使用债券融资，推升了信用债利率。融资成本提升，必然利空大部分非AI行业的投资与需求。这也是技术革命早期一定会经历的“挤占效应”：生产率提升和新应用还没规模化出现，但巨额投资已经挤占了其他领域的正常投资。

第二个问题：非AI预算压缩到极致后，企业还是会回头优化AI预期。开头提到的“云计算”早期场景，因为AI是价格接受度最高的场景，对token价格的打击会先于流量打击。这对ARR增长的叙事，非常致命。

这将造成未来第一次AI泡沫的破灭——既是产业泡沫破灭，也是资本泡沫破灭。大量初创AI企业破产、合并，科技巨头资本开支推迟、取消，大模型估值极度缩水。我预期，这会在未来一两年内出现。而跌幅最重的，还是那些算力链的公司。它们的估值高度依赖科技巨头的资本开支，又处于激烈的市场竞争和技术迭代中，商业模式毫无抵抗力。

当然，每一次技术革命，都会先高估短期变化，再低估长期影响。对于真正相信AI改变世界的投资者来说，泡沫破灭反而是好事：一是资本泡沫破灭，让我们能用合理的价格买到真正有长期投资价值的公司；二是产业泡沫破灭，能让我们观察到产业链里真正有竞争壁垒和护城河的细分行业。