撰文：不懂经也叔的 Rust
在这个奇点临近的时代，对普通人最恶毒的诅咒就是：你每天都在用最先进的 AI 工具，却依然是个数字时代的无产者。
2026 年 4 月，美联储一位经济学家发表了一篇论文。这篇论文有两件事很有意思。
第一件在论文的摘要中：论文本身是用 AI 自动生成的。作者写了一份说明书，然后让 Claude 像辛普森一家里的 Ralph Wiggum 那样，在一个无限循环里反复迭代，直到生成一篇可以投顶级金融学期刊的文章。作者本人的工作，只是按下回车键和支付 Claude 的订阅费。
第二个件在论文的核心结论里：作者发现，AI 股票之所以估值这么高，不只是因为大家相信 AI 公司未来会很赚钱，还因为人们在用买 AI 股票的方式，给自己将被 AI 替代这件事买保险。
把这两件事放在一起，会得到一个有点让人滴笑皆非的画面：一位经济学家用 AI 写了一篇论文，论文的内容是关于人们如何用 AI 股票对冲 AI 替代自己的风险。而他正在做的事情，本身就是这种替代过程的一个微小切片。
这两年我们被反复告知一句话：会用 AI 的人会淘汰不会用 AI 的人。这句话听起来像真理。但它把一个更深的问题遮住了。
你用 AI 提高出来的效率，最后变成了谁的资产?
你用 AI 给公司写了十份方案，公司多赚了一笔钱。你用 AI 给平台生产了一百篇内容，平台拿走了流量。你用 AI 给客户做了自动化交付，客户拿走了系统。你提示词越写越熟，工作流越搭越复杂，智能体越调越听话，结果某一天打开后台，你发现自己的报价反而被压低了。
因为当同一种能力被 AI 普遍放大，市场不会长期为“我也会用“支付额外溢价。
工具会普及，权益不会自动分配。
这是这一代知识工作者共同进入的一个怪圈，也是 AI 时代最容易被忽略的陷阱。
现在看清了：AI 不是平权，它是资本和劳动力的最后一战。越有钱跑得越快
当代财富的六层阶梯，为什么 64%的人会困到第四层？
一、工具差距是一道很容易被压平的坎
打开任何一个内容平台，关于 AI 的讨论都密集地停在同一个层级：提示词怎么写、智能体怎么搭、工作流怎么自动化、模型怎么微调。仿佛只要把这几样东西练熟，就能在 AI 浪潮里占得一个安身的位置。
不能说这种判断完全错，但它只说到了第一层。
工具差距确实会先扩大，然后被迅速压平。这件事的逻辑链条其实很简单。
第一，AI 工具本身在朝“傻瓜化“的方向进化。两年前你需要写一段精心设计的提示词才能让模型给出像样的输出，今天大模型已经能把模糊的意图自己补全。再过两年，提示词工程很可能像九十年代的“上网冲浪“一样，变成一个时代性的过渡词汇。
第二，工具能力会被平台封装。普通用户不需要懂数据库、不需要懂 API、不需要懂模型微调，就像今天的人用手机时不需要懂芯片架构。技术下沉的方向，从来都是把复杂性吃进黑盒。
第三，有效的用法会被以惊人的速度复制。某种 AI 工作流在小圈子里被验证有用，三个月后会变成几十门付费课程，六个月后变成公司内部 SOP，一年后变成行业标准。任何一个用 AI 的“独门绝技“，窗口期都不会超过一个产品周期。
所以单纯“会用 AI“这件事，很难长期构成护城河。
我前面的文章里提过一个判断：AI 不是平权，它是资本和劳动力的最后一战。当时讲的是宏观结构，这里要把它推到个人层面。会用 AI 只是一种新劳动能力，而劳动能力本身在 AI 时代会被重新定价。
如果每个人都能用 AI 写文案，文案的市场价就会下降。如果每个人都能用 AI 画图，设计的报价就会被腰斩。如果每个人都能用 AI 写出能跑的代码，初级开发能力就会迅速商品化。
这是一个被很多职场博主刻意回避的部分。他们告诉你，赶快学 AI，不学就会被淘汰。但他们没告诉你，你“学了 AI“之后进入的，是一个比之前更拥挤、更便宜、更不容议价的劳动力市场。
经济学家 Daron Acemoglu(2024 年诺贝尔经济学奖得主)和 Pascual Restrepo 用了一个经典模型描述这件事。他们在一篇被广泛引用的论文里指出，自动化技术天然具有“替代效应“，会把国民收入的分配从劳动一侧持续转移到资本一侧。
普通人如果只在旧岗位上用 AI 提效，最终一定会面对一个温水煮青蛙式的事实：你越熟练，你这个工种越快被压价。
唯一能跳出这个陷阱的，是去创造和占据 AI 暂时无法直接执行的“新任务“。但这个“新任务“是什么，他们没有给出答案。这是每个人要自己解的题。
普通人面对 AI，真正要问的不是“我怎么用它提效“，真正要问的是，你用它提效之后，沉淀出来的东西到底属于谁。
大事正在发生，但绝大多数人还没有意识到
尖峰报告：稳定币到底是一场怎样的财富大转移？
二、对冲奇点：AI 股票为什么像末日保险
开头提到的那篇美联储论文，标题是《Hedging the Singularity》(对冲奇点)。它给我们提供了一个看待 AI 资本市场颇为反直觉的视角。
论文先抛出一个问题：为什么这两年 AI 股票的估值会被推到这么高?
主流解释是“投资者相信 AI 公司未来很赚钱“。但作者 Andrew Chen 给出的解释要更深一层。他说，投资者疯狂买入 AI 股票，有相当一部分动机其实是对冲：为自己未来被 AI 替代的可能性买保险。
那么问题来了：对冲什么样的奇点?
论文里给“奇点”下了一个很具体的定义，我把它直译过来：一次突如其来的、剧烈的 AI 生产力跃迁，它会替代典型投资者的劳动收入和消费。
这个定义里有三个动作要拆开看。
第一个动作：跃迁。这里指的是阶梯式的能力突破，不是日积月累的渐进改良。某天早上，某种过去需要十个高级工程师做的任务，被一个新模型一键完成。
第二个动作：替代。新增的生产力不会平均分配给社会，它直接对接到拥有 AI 资本的人那一侧。
第三个动作：你的劳动收入下降，你的消费能力下降。换句话说，你不会因为 AI 变强而变富，你会因为 AI 变强而变穷。
这就是论文里所说的“负面奇点”。它不是科幻里那种机器人毁灭世界的画面，它是一个更冷的、更经济学的画面：整个社会的蛋糕变大了，但你分到的那一份变小了。
理解了这个定义，你就能理解为什么 AI 股票变成了“末日保险”。
设想你是一个普通的中产职业人士，你的主要资产其实没那么多在房子或基金上，真正的大头是你未来几十年的劳动收入。这是一个隐形的、但重量级的“人力资本”。一旦 AI 跃迁到能替代你的程度，你的人力资本会贬值，但与此同时，AI 公司和拥有 AI 资本的股东会受益。
那么逻辑上，你最理性的避险动作是什么?是把一部分钱投到 AI 公司股票上。如果 AI 没那么强，你的工作还在，损失的只是这部分仓位的收益。如果 AI 真的强到压垮你这个行业，股票会涨，你的损失被部分对冲掉。
这就是“用 AI 资本对冲 AI 替代风险”的逻辑。
理解了这一层之后，你再去看身边那些一边喊“AI 要毁灭工作”一边疯狂买英伟达和谷歌的人，你就懂了。这不是矛盾，这是一笔同时押注两端的保险交易。
论文里有一组数字很值得拿出来看。在作者给定的参数下，假设奇点每年发生的概率只有 1%（这是一个非常保守的假设，意思是平均要等 100 年才会出现一次跃迁），AI 股票的估值会被推到非 AI 股票的两倍左右。把概率降到 0.5%，AI 股票仍然比非 AI 股票贵 40%。
也就是说，即便理性投资者们认为奇点是个小概率事件，光是为这个小概率事件买保险这一个动作，就足以解释当下整个 AI 板块的估值溢价。
这就把今天市场上那种“AI 估值是不是泡沫”的争论彻底改变了性质。它可能不是泡沫，它是一份巨大的、由全球中产共同支付保费的集体保险单。
但这篇论文真正锋利的地方不在这里。它真正锋利的地方，是它抛出了一个吊诡的命题。
论文里有一个数学证明叫“Proposition 3”：在市场不完全的条件下(待会儿解释这个词)，一个足够风险厌恶的家庭，即使从社会总福利角度看 AI 发展是好事(正面奇点的概率大于负面奇点)，它依然会理性地选择否决 AI 发展。
这句话第一眼看上去有点反直觉。
意思是说，普通人对 AI 发展的反对(不论这种反对表现为政治压力、监管呼吁、还是道德焦虑)，并不是因为他们愚蠢、保守、不理解技术进步。它是一种在没有对冲工具的前提下，完全合乎经济学理性的选择。当你无法用市场手段保护自己免受 AI 替代，你最优的策略就是从源头上阻止它发生。
这件事比“AI 会毁灭工作“这个口号要锋利得多。它告诉我们：今天围绕 AI 的所有政治冲突，本质上是一场关于谁能买到对冲工具的冲突。
那么“市场不完全”是什么意思?
理论上，普通人可以通过买股票来对冲所有未来 AI 资本的权益。现实上，你能买到的 AI 资本只是冰山一角。论文里直接点了名：大量的 AI 资本被锁在创始人股权、早期投资人股权、员工期权、未上市的私募股份里。甚至，被锁在那些还没成立的未来 AI 公司的预期股权里。
公开市场是 AI 资本里最薄、最贵、被层层筛选过的那一层。
这就导致一个吊诡的结果：全世界的对冲需求都被迫挤压到这一小撮可交易的标的上，把它们的估值推到失真的高度。然后这些被推高的股票，反过来还要承担起“代表 AI 红利”的叙事功能。
你以为你买的是 AI 的未来，其实你买的是被全球中产共同推高的、用于对冲的、外围的金融符号。
论文还埋了一个更黑色幽默的悖论。作者证明了一个叫“灭绝衰减”(Proposition 2)的结论：如果奇点伴随的人类灭绝概率越高，AI 股票的对冲溢价反而越低。
逻辑很简单：如果 AI 真的强到能毁灭人类，你买的股票也跟着归零，这份保险就没用了。所以末日越近，末日保险越便宜。
这是一个让人忍不住笑出声然后又笑不出来的结论。它意味着市场对 AI 风险的定价里，有一种隐藏的逻辑前提：大家在赌 AI 强到足以替代你，但又没强到毁灭你。这个区间外的所有可能性，市场都没在认真定价。
我前面写过一篇文章，讨论的是分配机制的转移：AI 时代的收入越来越按“你拥有什么”来分配，越来越少按“你做了什么”来分配。Hedging the Singularity 这个视角刚好接上了那一篇。既然分配规则在转向资本侧，那么没有资本可对冲的人，就是在用一个正在贬值的资产（劳动）去抵抗一场资本主导的洪水。
这是一个不对称的战争，普通人赢的概率极低。
忘掉阶层固化，一场更关键的大分流正在发生
K 型社会分化在加速，三种人正在被 AI 放大
三、最肥的那段 AI 红利，普通人看不见也碰不到
论文说“普通人可以买 AI 股票对冲 AI 替代风险”。但今天的现实更残酷：最值钱的那批 AI 股票，普通人根本买不到。
OpenAI、Anthropic、xAI、Perplexity、Mistral 这一批站在 AI 革命最核心位置的公司，绝大多数还没有上市。它们在私募阶段就已经完成了人类商业史上最快的估值跃迁。
来看几个数字。OpenA 在 2025 年的员工股权出售中估值已经达到约 5000 亿美元。Anthropic 在 2026 年的最新一轮融资后估值接近万亿美元。路透社报道称，SpaceX、OpenAI、Anthropic 这一批潜在 IPO 候选，合计可能给美国公开市场带来约 3 万亿美元的市值增量。
但请注意这句话的含义：这 3 万亿是堆在公开市场门口的，不是堆在公开市场里面的。意思是，这些价值已经被创造出来了，只是还没向公众开放。
摩根士丹利的一份行业报告里有一组数字：在年收入超过 1 亿美元的美国公司中，大约 80% 仍然处于私有状态。换句话说，你在公开市场上能买到的“成长型企业“，已经只是塔尖的一小部分。
这个变化的背后，是过去十年资本结构的彻底重组。AI 公司之所以越来越晚上市，有几个互相强化的原因。
第一，私募市场的钱多到溢出来。主权基金、家族办公室、超级 LP、顶级风投，所有人都在抢 AI 资产。当一家头部 AI 公司可以在不上市的情况下随时拿到一百亿美元融资，它没有任何理由急着接受公开市场的季度审视。
第二，AI 公司的资本开支模式不适合公开市场。训练一个前沿模型、搭建推理基础设施、采购芯片、绑定云服务，任何一项都是数十亿美元级别的支出。Anthropic 最近和亚马逊达成的合作里，承诺未来十年向 AWS(亚马逊云服务)支付超过 1000 亿美元用于训练和运行 Claude。这种烧钱节奏，公开市场的财报压力根本扛不住。
第三，科技巨头愿意用战略投资替代传统融资。微软之于 OpenAI、亚马逊之于 Anthropic、谷歌之于 Anthropic 和它自己的 DeepMind，这些都不只是单纯的财务投资，更是用资本提前锁定云服务的客户、模型推理的接口、企业客户的入口。AI 公司在还没上市的时候，就已经被巨头编织进了未来十年的产业版图。
所以普通人面对的局面是：你能买到的“AI 概念股”，几乎全部是外围资产，芯片、云、数据中心、电力公司、应用服务商。它们当然也涨，但你拿到的是 AI 红利经过两三层筛选之后的残量。
美国硅谷顶级风投 a16z 有一份很出名的产业链分析报告，叫《Who Owns the Generative AI Platform?》。结论是：在生成式 AI 的产业链上，价值捕获极不均衡。基础设施层（芯片、云）和闭源模型层吃掉了几乎全部利润，而应用层，也就是绝大多数普通人正在用 AI 干的事情，护城河极浅，竞争极烈，利润极薄。
这是一个典型的“使用者悖论”：你越深入使用 AI，你越靠近产业链中价值最低的那一段。
稳定工作体面退休的时代，正不可逆转地走向彻底的终结！
65 岁退休逐渐沦为幻觉，35 岁和 85 岁正成为新常态
四、AI 时代会分流三层人
把上面所有的结构组合在一起，这一轮 AI 革命中会自然形成三类人。
第一类，AI 资本拥有者。
他们直接持有模型公司股权、芯片公司股权、云基础设施股权、关键数据资产、电力和算力的物理设施权益。他们要做的事情很简单，什么都不做就行。AI 越强，他们越受益。这是一种系统性、被动的、复利式的红利。
第二类，AI 杠杆使用者。
他们没有底层 AI 资本，但他们用 AI 去放大自己的品牌、产品、渠道、客户关系和组织能力。他们用 AI 把自己变成一个一人公司、一个小型工作室、一个品牌主体。他们赚的是 AI 带来的杠杆红利。这种杠杆传统社会要么需要继承，要么需要融资，要么需要十年管理经验才能拿到，而 AI 第一次把它无门槛地交到普通人手上。
第三类，AI 价格承受者。
他们也用 AI，而且用得很熟。他们用 AI 帮公司加班，用 AI 帮老板省成本，用 AI 帮客户更便宜地交付，用 AI 在平台上更高效地生产内容然后被算法分配流量。他们的效率确实在提高，但他们的议价权在以更快的速度下降。
这三类人之间有一个不太被讨论但相当残酷的事实：AI 不放大能力，AI 放大所有权结构。
如果你拥有资产，AI 放大你的资产。
如果你只出售时间，AI 压低你的时间价格。
如果你已经有一个被信任的品牌，AI 放大你的分发。
如果你没有品牌，AI 把你扔进一个更拥挤的劳动力池。
希腊前财政部长 Yanis Varoufakis 在他的《技术封建主义》(Technofeudalism)里给了这个状态一个很尖锐的命名。他说，今天的科技平台不再是传统的资本家，而是“数字领主”；普通人在平台上用 AI 创作、用 AI 接单、用 AI 提效，本质上是数字佃农在领主的土地上劳作，产生的所有数据、所有注意力、所有交易关系最终都归领主所有。
这个比喻指出了一个非常本质的东西：平台经济叠加 AI 之后，出现了一种过去几百年间被遗忘的旧关系，你越努力，你越巩固对方对你的所有权结构。
这就是“使用者悖论”的第二层含义。第一层是产业链位置上的悖论：你用得越多，你越靠近价值链最薄的环节。第二层是产权结构上的悖论：你产出得越多，你越在为别人沉淀资产。
我前面写过一篇文章，讲社会在加速 K 型分化，有三种人正在被 AI 放大。今天再看那个判断，可以更直接一点：K 型分化的关键不在使用 AI 的频率，而在沉淀 AI 红利的方向。
频率人人可以提高，方向是一个一旦走错就很难掉头的选择。
中层的坍塌：两千年管理史，终结于一个 AI 循环
是马还是煤，决定 5 年后你的工作是否还存在
五、普通人能做的，是把效率换成权益
讲到这里，这篇文章如果只是停在分析层面，就和那些高谈阔论的宏观博主没什么两样。我想把它再推一步：既然普通人买不到 OpenAI 的早期股权，那他能做什么?
答案不是认命。还有另一条路径：把 AI 提效产生的价值，沉淀进自己能持有的资产里。
我把它叫做“权益沉淀”。
在 AI 时代，普通人能持有的资产大致有六种，以下每一种都是可以用 AI 杠杆放大、且不易被平台和模型轻易拿走的。
品牌资产。AI 可以批量生产内容，但不能批量生产信任。当所有人都能用 AI 写出 80 分的文章时，读者的注意力会反向收缩到少数他们认可的人身上。个人品牌的价值不在于流量，而在于读者是否相信你的判断、品味、立场和连续性。
渠道资产。公众号、知识星球、社群、播客、视频号、邮件列表，这些是你直接连接读者的管道。平台的算法会变，但你和读者之间一旦建立直接关系，就脱离了平台的中介。AI 时代的最大悖论之一是：技术让分发越来越自动化，但绕开分发变得越来越值钱。
产品资产。课程、模板、咨询方法论、训练营、付费报告、垂直工具，把你的认知和经验封装成可复用、可定价、可迭代的物品。AI 可以帮你生产，但你必须把生产成果变成产权。这件事的关键动作是把“我在帮某某做”改成“我在卖一个东西”。
数据资产。垂直领域的数据、案例库、客户问题库、选题库、提示词库，这些东西短期看不出价值，长期是你训练个人智能体、生产专业服务的燃料。当通用大模型变得越来越廉价时，你和大模型之间的差距全部来自你独有的数据。
工作流资产。一套属于你自己的、用 AI 自动化跑起来的研究、写作、销售、交付、复盘流程。如果它服务于你自己的品牌和产品，它就是资产。如果它只服务于某个雇主或客户，它更接近劳动效率，一旦你离开，它就停止为你产生价值。
这六种资产有一个共同特点：它们都需要时间去积累，但都能被 AI 大幅加速。
硅谷投资人纳瓦尔在他广为流传的财富思想里有一个核心概念，叫“无许可的杠杆“(permissionless leverage)。他说传统财富的杠杆要么靠资本(融资)，要么靠人(雇人)，要么靠继承。
前两种都需要别人的批准，投资人允许你拿钱，员工允许你雇佣。但代码和媒体不需要任何人的批准。你写一行代码，可以为你工作到永远;你做一档播客，睡觉的时候依然在被听到。
AI 让这种“无许可杠杆“第一次平民化。一个人可以用 AI 建立过去需要十个人的内容生产能力、过去需要五十个人的客服系统、过去需要一整支团队的研究分析能力。
但请注意这里的关键：杠杆只放大你已经持有的东西。如果你持有的是别人的资产，杠杆放大的是别人的所有权；如果你持有的是自己的品牌、渠道、产品、数据、工作流，杠杆放大的才是你自己。
这就是为什么我前面那篇关于龙虾的文章里反复强调一件事：跑赢 AI 进化的不是龙虾(那种死命增加防御的策略)，而是你必须成为一个被市场低成本就能记住、信任、选择的人。AI 抹平的是生产能力，放大的是被选择的资格。
你已经不再是地球上最聪明的存在了
为什么聪明人正在纷纷逃离社交媒体？
把这件事放到最简单的层面看：会用 AI 和拥有 AI 带来的权益，是两个完全不同的位置。
会用 AI 是一张入场券。这张入场券一年比一年便宜，五年后会接近免费。真正的分水岭在你怎么使用这张入场券：你站在 AI 生产力的哪一侧，使用者、被替代者，还是权益拥有者。
如果只是用 AI 提高劳动效率，你会变得更能干，但也会进入一个更便宜、更拥挤、更不容议价的市场。如果你用 AI 建立产品、品牌、渠道、社群、数据和自动化系统，你才有机会把 AI 带来的效率，真正换成自己的权益。
《Hedging the Singularity 对冲奇点》这篇论文给我们最大的提醒是：AI 风险不是只发生在就业市场，它同时发生在资产市场。谁拥有 AI 资本，谁就在对冲 AI 替代；谁只出售劳动，谁就暴露在 AI 降价之下。
更现实的是，OpenAI、Anthropic 这样的核心 AI 资本，在上市之前已经被全球顶级资本提前分配完毕。普通人很难买到最肥的那一段。既然如此，普通人就更不能只满足于做 AI 的使用者。
你买不到 OpenAI 的原始股，但你可以问自己一个更可行的问题：
我能不能用 AI，建立一个属于自己的小型权益系统?
未来十年，真正危险的人不是不会用 AI 的人。
真正危险的是那些每天都在用最先进的 AI、却没有任何东西沉淀在自己名下的人，他们在用全世界最强的工具，做着一份注定贬值的工作。【懂】
