2026AI狂飙、资本抽水与我们的“恩格斯暂停”
2026 年过半，AI 讨论的重心已经从聊天工具挪到了任务执行。庄明浩在与进击波财经的对谈中感到，过去半年模型能力跨过了许多白领工作所需的门槛。编程 Agent、通用 Agent 和多智能体协作不再只是极客圈的演示，开始进入人力、财务和小店经营等更日常的场景。能力提升带来的不只是新产品，也是一整套更难回答的问题：算力为什么越投越多，应用是否真的产生收益，人的职业又该怎样安放。
Agent 把一次对话变成一段运行
纯聊天阶段的 token 消耗，主要随着模型规模、对话轮次和训练过程增加。Agent 的工作方式不同。它需要先拆解任务，再给多个智能体分工；复杂任务里，多个智能体可以并发执行。庄明浩举了同时运行 100 个智能体的情形，用来说明消耗为什么会突然跨过原有的量级。更先进的模型还能连续工作十几甚至几十小时，而一次普通问答往往只持续几十秒。
这层变化会一路传到硬件。芯片、存储、数据中心和生产线不再只是模型公司的成本项，也成了市场直接追逐的供给约束。庄明浩提到 Seagate、美光、英特尔、AMD、Dell 和惠普等老牌 IT 公司在这一轮中重新被看见。对熟悉上一代 PC 和服务器产业的人来说，这种转折尤其难消化：过去的定价、增长和毛利判断，未必还能覆盖新的需求结构。
过去的主要单位
一轮对话、一次模型调用，以及训练阶段的计算需求。
Agent 的新单位
任务拆分、并发协作、工具调用和长时间执行叠加在一起。
市场随后追问的单位
企业使用 AI 后节省了什么、增加了什么，以及收益能否持续。
资本的追问从模型公司走到企业现场
此前，投资人首先关心模型公司有没有收入、何时接近盈利。庄明浩认为，这个问题没有消失，只是被往前推了一层：当模型每天消耗更多 token、完成更多任务，应用公司和企业软件要回答任务的结果是什么。它们是否提高了 ROI，是否改善了更广义的产出，成了新的估值条件。
他把这种变化称为 token 经济学。这个说法指向的并非某一种收费表，而是一个传导链条：底层投入需要资本，模型把投入变成能力，产品把能力嵌入工作流，最后由企业的实际收益接住。任何一环的解释变弱，市场都会继续寻找下一环的问题。
庄明浩没有把价格、融资和股价归结为一个原因。他把宏观流动性、行业供给、公司里程碑、不同市场的估值方式并列，认为投资者只能决定自己更相信哪些因素、给它们多大的权重。
他的担心集中在流动性。节目中提到 XAI、OpenAI、Anthropic 的大额融资，也提到 Google、英伟达和 Meta 的发债。具体金额均是嘉宾在对谈中的估算，但这些动作共同构成了一种压力感：大公司正在以融资和债务持续补给 AI 投入。股权承担波动，债务则有更明确的偿付约束；一旦信用或流动性收紧，市场的回撤可能比单纯的情绪波动更难处理。
这也解释了他对个人投资与专业管理资金的不同态度。个人可以不追逐快速拉升的资产，站在旁边观察；基金经理却要面对配置和回撤，不能因为不喜欢波动就离开市场。市场曾经预期回调，回调也确实出现过，但新的因素又可能迅速改变权重。这段讨论描述的是高波动时代的判断方式，不构成供散户照搬的交易建议。
收费、订阅与中国市场的产品试验
美国的模型公司更容易沿着企业订阅和 To B 预算收费，中国的消费者和企业用户长期更习惯免费服务、广告和其他间接变现。庄明浩并不认为这意味着国内无法收费。他观察到，最新模型的 token bundle 已出现供不应求，专业用户开始形成购买算力和模型能力的习惯。收入体量仍有限的模型公司不必覆盖整个市场，只要随着需求扩大获得一部分收入，也可能完成下一步增长。
难题在于，能力、场景和付费意愿并不自动对齐。节目以豆包为例讨论可能的收费路径：更多轮次、更强模型、更高使用配额，或是生成 PPT、图片和 Deep Research 等专业能力。娱乐型会员有巨大的用户基础，办公软件和协作工具的付费人群却小得多。模型越强，免费供给的成本越重；用户又只愿为自己确实需要的部分付钱。产品设计必须在这两端之间找到具体的服务对象。
自主循环不是一个按钮
庄明浩把自主进化看作模型研发的一条主线。目标是让模型自己提出阶段性任务、分配任务、调用工具、执行工作、检查结果，再把检查结果送回下一次分配。它更像连续运转的工作环境，不同于单次提示词的技巧。
节目里用汽车解释了 Harness 和 Loop。强模型像高性能发动机，但发动机本身不能把人送到目的地。Harness 是车上的方向盘、刹车、轮子、传动结构和座舱，让能力变成可操作的系统；Loop 则是道路、补给、规则和协同机制，让系统能够持续运行。训练、后训练、身份设定、工具、流程和多智能体分工，都是这套环境的一部分。
这一解释也让所谓自主进化落回工程问题。模型能否在特定场景运行，取决于它在何种环境里获得任务、怎样接受约束、由什么信号判断成功。庄明浩预计，美国市场到年底会更看重这类场景化里程碑，而非只比较聊天能力。
世界模型包含三种不同的目标
世界模型是另一条热词密集的路线。视频模型、AI 3D、自动驾驶、汽车和机器人公司都在使用这个词，但它们并不一定在做同一件事。庄明浩引用李飞飞的划分，把当下的工作分为渲染器、计划器和模拟器三层。
渲染器
生成眼睛能看到的画面，并让画面可以延展。视频、游戏和视觉创作更接近这一层。
计划器
遵循桌子倾倒、水杯坠落等物理规则，用于指导机器人和自动驾驶系统做动作。
模拟器
进一步处理材质、破碎、液体和复杂世界知识，目标是构造更完整的可推演环境。
这三层的用户、产品形态和技术难度都不一样。把它们统称为世界模型有助于讲述宏大愿景，却会掩盖实际差异。对产品判断而言，先问一家公司要生成画面、预测物理后果，还是模拟更完整的环境，比先问它是否属于世界模型更有效。
屏幕已经饱和，新入口只能慢慢试
主持人对所谓无界面硬件保持怀疑。他曾一度在脖子上挂着多个接收器，觉得自己像在充当数据采集装置。庄明浩没有把这种不适当成否定新硬件的理由，而是把它放进移动互联网的存量格局里理解：视觉屏幕上的高频需求已经被微信、短视频和各种成熟应用占满，新产品很难直接从正面夺走用户时间。
播客近两年的增长提供了一个侧面的例子。它以听觉为主，不占用视觉屏幕，因此能在既有主战场之外找到位置。录音笔、小摄像头和其他伴随式设备也在寻找类似入口。它们并非已经验证的答案，只是今天能做出来的试验。只有大量尝试出现，某些方案才有机会积累到足以形成共识的规模；同样也可能多年后回看，发现它们没有留下新的主流形态。
技术进步与个人回报之间的空档
讨论最后回到了更贴身的处境。庄明浩认为，普通白领所需的许多 PPT 已经不必完全手工制作。图像和文本工具可以覆盖大多数日常要求，手动调整字体和版式不再天然等于更高效率。影视行业、内容行业和专业服务行业的从业者会更早感到这种变化，因为原本由经验和工具门槛保护的工作，正在被快速压缩。
他借用了恩格斯暂停这个经济史概念。蒸汽机进入纺织业后，国家 GDP 增长，纺织工人的工资却在很长一段时间里几乎没有上涨。这个类比提醒人们：生产率提高与个人收入、职业稳定和社会分工的改善并不会在同一时刻发生。对正在填志愿、做同声传译或经营内容职业的人来说，过渡期就是眼下的生活安排。
手工创作因而有了另一层含义。种菜在机械化之后可以成为爱好；同样地，手写文章、做 PPT、写代码也可能越来越像一种带有审美和表达动机的手艺。它不能自动解决收入问题，却仍能承载人与人之间的认可、关注和情绪反应。全景相机自动剪辑那不勒斯骑车视频的故事把这种差异说得很直观：对依赖剪辑技术谋生的人，它可能是威胁；对只想保存回忆的普通用户，它让原本做不到的表达变得可及。
庄明浩也把这层变化放回自己的工作。模型可以很快梳理正反观点，甚至生成一男一女对谈的播客；分析师和投资人的专业叙事因而容易趋同。金融、法律和医疗都可能受到同样的压力。可是在节目推荐、内容分享和人与人的反应中，他仍看见情绪、幽默与个性的重要性。专业没有完全消失，只是不能再单独承担一个人的全部区分度。