供给无限而需求有限的AI悖论开始显现
一、新闻概述
1. 标题
供给无限而需求有限的AI悖论开始显现
2. 发布时间
2026年1月18日
3. 来源
@hazenlee（X/Twitter），转发自公众号：贝叶斯之美
二、核心内容
1. 事件摘要
A. 主要内容
本文从经济学角度深入分析了AI时代的一个核心悖论：AI让认知劳务和软件功能的供给变得近乎无限、边际成本逼近0，但现实世界里的需求是有限的（受时间、预算、注意力、场景约束）。在这种"供给无穷、需求有顶"的结构下，经济与市场会发生什么？
B. 核心亮点
- 供给侧发生超大规模正向冲击：边际成本趋近0，供给曲线几乎水平并大幅右移
- 需求侧存在硬约束：时间、预算、注意力、场景天花板
- 价格向边际成本靠拢，但数量不会无穷大
- TAM（总可寻址市场）可能塌陷而非扩张
2. 关键信息
A. 核心问题
AI让"认知劳务/软件功能"的供给近乎无限、边际成本逼近0，但现实世界里的需求是有限的（时间、预算、注意力、场景有限）。在这种"供给无穷、需求有顶"的结构下，经济与市场会发生什么？
B. 三个关键问题
- 这在经济学上到底意味着什么
- 对行业结构/价格/收益分配有什么冲击
- 对宏观、劳动市场和投资有什么后果
三、详细报道
1. 主要内容
A. 经济学框架分析
严格说，经济学不会说"真正的无限"，而是：
供给侧：边际成本极低、供给曲线几乎水平并大幅右移（S₀ → S₁→…）
需求侧：如果AI把供给打到了"几乎免费、想用多少有多少"，但"愿意并且有能力消费"的Q_max其实并不大
B. 价格与数量动态
- 价格P会被竞争压到接近边际成本（很多AI能力将趋近免费/极低价）
- 数量Q会上升，但不会无穷大——卡在时间、预算、注意力、场景天花板上
悖论的本质：技术从供给角度看是"无限"，从需求角度看仍然很"有限"和"分层"
C. 软件行业供需模型
以"写代码"为例：
- 需求：企业/个人对"软件功能"的需求，形成一条向下倾斜的需求曲线D
- 供给：能写代码的人，形成一条向上倾斜的供给曲线S₀
- 均衡价格P₀ = 开发日费/人天单价，均衡数量Q₀ = 年度项目总量
- 市场规模（TAM）≈ P₀ × Q₀
AI介入后发生超大规模正向供给冲击：
- 边际成本（写一段代码）→ 接近0
- 有效供给曲线从S₀向右大幅移动到S₁（几乎水平的"近乎零成本供给"）
在供需框架下：
- 价格：P从P₀断崖式下移到一个极低的P₁（甚至趋近于0）
- 数量：Q从Q₀上升到Q₁（做的项目更多、尝试的软件更多）
- 市场规模（TAM = P × Q）取决于需求弹性
graph LR
subgraph 供给变化
S0[传统供给曲线 S0<br/>斜率较陡<br/>人力成本高] -->|AI冲击| S1[新供给曲线 S1<br/>近乎水平<br/>边际成本≈0]
end
subgraph 均衡点移动
E0[原均衡点 E0<br/>价格P0 / 数量Q0] -->|供给激增| E1[新均衡点 E1<br/>价格P1→0 / 数量Q1↑]
end
subgraph 市场规模
TAM0[原市场规模<br/>TAM0 = P0 × Q0] -->|价格暴跌| TAM1[新市场规模<br/>TAM1 = P1 × Q1<br/>可能大幅缩水]
end
S0 --> E0
S1 --> E1
E0 --> TAM0
E1 --> TAM1
style S0 fill:#e3f2fd,stroke:#2196f3
style S1 fill:#ffebee,stroke:#f44336
style E0 fill:#bbdefb,stroke:#2196f3
style E1 fill:#ffcdd2,stroke:#f44336
2. 行业层面的影响
A. 价格塌陷 + 租值转移 + 新瓶颈上浮
为什么很多行业/环节的TAM会塌陷，而不是同步变大？
关键在于：你到底在卖什么？
1. 如果你卖的是"稀缺的人力时间"，供给变无限 ⇒ TAM直接砸穿
大量传统业务本质是卖"稀缺劳动力"而不是卖"功能结果"：
- 离岸/近岸IT外包（写CRUD、报表、简单业务系统）
- 低端Web/App外包、模板化站点搭建
- 很多"把别人API/SDK拼一下"的轻量SaaS/小工具
- 文案/设计/客服等标准化、可模板化的内容生产
在这些市场里：
- 顾客愿意支付的价格 ≈ 人力成本 + 一点毛利
- 价值锚点是"人/小时"、"项目工时"
AI把编码效率拉到10×–100×、甚至直接替代之后：
- 对客户来说，"完成这个任务"的边际成本快速接近0
- 需求虽然会上升（多做一些事情、多试一些想法），但不可能涨到覆盖价格暴跌的损失
- 在竞争充分的前提下，服务商价格不断向AI的边际成本收敛
结论：在"卖人力"的生意里，AI就像在一个行业突然加入了无限多、永不疲倦且免费的人力。结果不是"人人更赚钱"，而是原本靠稀缺时间吃饭的那一层，TAM被通缩吃光。
2. 需求不是无限的，而是由现实业务场景和注意力约束
即使编码成本趋近于0，也不意味着：
- 每家公司会把所有流程都自动化100遍
- 每个消费者每天需要100个新App/新网站
真实世界里，需求被很多硬约束锁死：
- 注意力约束：用户能使用、理解、维护的产品数量有限
- 组织约束：企业能真正落地的项目有限（预算、管理能力、变更成本）
- 互操作与标准：太多定制反而增加维护成本，组织会倾向标准化
"可以做的代码"从1×到100×，但"实际想做且能落地的项目"，可能只是从1×到2×/3×。在这种情况下，大幅降价 + 需求有限 ⇒ 收入（TAM）自然压缩。
3. 很多中间层，本质是"翻译/接口"，一旦两头直接连上会被整个抽掉
传统软件/服务价值链中，有大量中间层：
- 把业务需求翻成技术需求的"翻译层"公司/岗位
- 把A系统接口对接到B系统的"胶水层"供应商
- 帮你用人力跑Excel、做报表、做简单审核的外包团队
大模型的本领之一，就是直接跨越几层抽象：
- 从自然语言直接生成SQL/代码/接口调用
- 直接跨多个系统orchestrate出一个工作流
- 直接读源码、文档、自我修复/重构
一旦上下游可以"直连"，整个中间层的存在理由就消失：中间层本来是靠"复杂度 + 语言/接口不兼容"来吃饭的。当AI把复杂度大幅压缩，这些层级就会出现结构性TAM崩塌。
B. 三种结构性变化
1. 价格塌陷：可编码、可模板化的一切都在"向0定价"
对于任何：
- 输出是纯数字（代码、文案、图片、客服对话…）
- 质量门槛可以被模型快速接近甚至超过平均人类
- 客户又高度价格敏感、且对"谁提供"不敏感
结局基本是：
- 功能供给从"人力稀缺"变成"模型随叫随到"
- 竞争对手要么用同类模型，要么用开源＋云——技术很难形成长期垄断
- 定价方式仍然锚在"人力替代价值"或"席位订阅"，在价格战与免费工具夹击下，逼近边际成本
结果就是前面说的："AI把编码从稀缺变成无限供给，很多环节的TAM不是放大，而是直接通缩塌陷。"
典型受害者：低端外包、模板化SaaS、小工具公司、标准化内容生产、简单BPO…
2. 租值转移：节省的大头不在AI厂商，而在下游和终端
供给极度宽松 + 需求有限 + 竞争存在 ⇒ 经典结论：绝大多数效率红利，会以降价 + 更多服务的方式传给客户和终端用户；AI/软件供应商，通常只能capture这块红利里的一截（10–30%级别），剩余变成：
- 客户端的利润率提升
- 终端消费者的价格/体验改善
- 或者被进一步竞争掉
"供给无限"不代表"AI厂商赚无限"，反而意味着：只要行业结构偏竞争、产品差异化有限，利润会被向下压到非常薄。
3. 新瓶颈上浮：稀缺位置换了，不是稀缺性消失了
当"编码/基础内容"变得不稀缺后，真正稀缺、能定价的东西会换位：
- 硬稀缺：算力、电力、内存、网络、终端设备
- 数据稀缺：高质量、带标签、专有的数据资产
- 工作流与决策权：谁控制"把模型嵌进业务"的那一层
- 信任与品牌：高风险场景里的责任归属
这些新瓶颈，就是你在投资里要找的"仍然有定价权、仍然稀缺"的东西。
3. 宏观与劳动市场影响
A. 宏观层面：高生产率 + 通缩压力
"供给无限、需求有限"的结构，从宏观看有两个方向的力量：
- 强生产率提升 → 理论上偏通缩、偏利好长期增长
- 价格向零靠拢 → 名义收入压力 + 货币政策协调难
最后呈现出来的，可能是大家也感知到的："真实效率和产能在变强，但名义收入增长和通胀数据并不惊艳，一部分行业甚至长期处在价格战和盈利压力之下。"
B. 劳动市场：K型分化
认知劳动市场大概率会出现一个"K型分化"：
被AI直接替代比率高、技能高度标准化的岗位：
- 单价被大幅压低（因为供给侧多了一大批模型 + 会用AI的人）
- 岗位数量也可能下降（不再需要那么多纯执行型人力）
能够设计系统、分配决策权、定义KPI；以及统筹AI+人+流程的高级岗位；再加上一些极高创造性/关系密集型岗位（顶级BD、策略、创意）
- 收入反而提升，变成新"上层"
这会放大既有的不平等，也会给政策带来压力：生产率属于全社会，但短期收益高度集中。
4. 价值锚定的重要性
A. 若价格锚点是"成本+人时"，通缩红利大多留给客户
很多B2B/B2G服务，传统报价逻辑是：
- 人天数 × 日费 + 一些毛利
- 订阅价 ≈ "覆盖内部人力 +系统成本"的一定倍数
当AI把成本砍掉90%时，如果你还沿用这样的定价逻辑：
- 客户马上会要求降价
- 市场中总会有人用更低价抢客户，直到利润率几乎被打光
这时，绝大多数通缩红利留在客户侧，而不是厂商侧。所以你从"行业收入总盘子"的角度看，就是TAM塌陷。
B. 若价格锚点是"结果/价值"（Outcome-based定价），通缩反而扩张"利润空间"
另一种模式是：不用成本，而用结果来定价，例如：
- 以"节省的人工成本"抽成（share-of-savings）
- 以"新增收入/利润"的多少来提成
- 按某个明确的KPI（转化率、风险降幅、回款率等）收益分享
在这种模式下：
- AI降低成本，让你实现结果的边际成本更低
- 但结果的"价值锚"不变（或变动较小）
- 如果你有足够的议价能力和产品力，可以通过合同结构/品牌/数据壁垒：保证自己在这块"节省"或"新增价值"里拿到一个稳定比例θ
那么，功能通缩反而扩大小部分头部玩家的利润空间。
graph TB
subgraph 两种定价模式
A[成本导向定价] --> A1[锚点：人力成本]
A1 --> A2[通缩红利 → 客户侧]
A2 --> A3[TAM塌陷]
B[结果导向定价] --> B1[锚点：业务价值]
B1 --> B2[通缩红利 → 供应商侧]
B2 --> B3[利润空间扩张]
end
style A fill:#fff3e0,stroke:#ff9800
style B fill:#e8f5e9,stroke:#4caf50
style A3 fill:#ffebee,stroke:#f44336
style B3 fill:#c8e6c9,stroke:#4caf50
5. 高风险行业与扩张机会
A. 哪些行业最容易变成"无限供给 → TAM快速塌陷"？
可以简单按下面几个维度筛：
- 输出是纯虚拟、可无限复制的（代码、文字、图片、视频…）
- 价值锚点是人力时间，而不是业务结果
- 没有强数据/网络/监管/品牌壁垒
- 高度标准化，客户对"谁提供"不敏感
符合这些特征的，都是高风险"塌TAM区"：
- 标准化IT外包、低端开发外包
- 通用型工具SaaS（没有数据资产/生态、只是薄薄一层UI+逻辑）
- 基础内容生产（一般文案、营销素材、小图标、小视频）
- 大量BPO（客服、简单风控审核、资料整理、录入等）
在这些地方，AI带来的不是"10×的行业增长"，而更像是"90%的价格下跌 + 2–3倍的需求增长 ⇒ 收入反而掉到1/3–1/5"。
B. 反例：哪些地方会因为AI而TAM扩张？
为了不悲观到"什么都塌"，我们也要看清另一面：对真正的"瓶颈变量"来说，AI是放大器，不是压缩器。
几类典型：
1. 硬件与物理约束（Compute/Memory/电力/传感器/机器人）
- AI把编码成本打爆，但也同时把对算力、存储、网络的需求拉高
- 这些是真实稀缺的物理要素，供给不会瞬间无限
2. 高监管/高责任场景（金融、医疗、司法、关键基础设施）
- 即便AI能写出方案/决策，最终签字、负责任的还是机构和人
- 合规、审计、风险控制、数据治理，成为新的瓶颈，这一层服务的议价力上升
- 真正懂行业 + 懂AI的平台和集成商，可以用"监管/责任"作为护城河
3. 深度嵌入工作流、按结果分成的平台
- 这里面的key是：你是替代"劳务成本"，还是改写"利润函数"
AI把认知劳务的供给推到近乎无限，但人类的场景、预算、注意力是有限的；在这种结构里，大部分功能会"向0定价"，真正能持续拿到价值的，只剩下少数新的稀缺：算力、数据、工作流入口和决策权。
四、两种AI发展路径
1. 压缩旧世界 vs 打开新世界
前面已经看得很清楚：
路线A：现有工作流里"替人干活"
- 写代码、写文案、做报表、流程自动化……
- 本质：把"原来10个人干的活"压到"3个人 + 一堆模型"
- 经济学结果：大量行业通缩，TAM被挤压，收益在全社会摊薄
路线B：没有AI根本做不到/做不起的新场景
- AI制药 + 延长健康寿命
- 深空探索、行星改造、太空工业
- 新材料、新能源、复杂系统科学……
- 本质：扩展人类可控制的空间/时间/能量/信息边界
"现有场景不足"，其实就是在说：路线A在经济学上早晚走到"供给无限、需求有限"的天花板；真正的"星辰大海"，只能通过路线B打开新的S曲线。
可以粗暴地记一句：A线：AI = 强大的省钱工具；B线：AI = 新文明基础设施。
投资和哲学上关注点都应该逐步从A、移向B。
2. AI制药与寿命延长
如果只是：用AI优化一点临床试验流程、帮医生写病历、做一点风控，那还是路线A：在医疗体系里降本增效。
真正B线的方向：
AI + 生物学 = 科学发现机器
- 结构预测、蛋白设计、小分子生成、药物–靶点网络推演
- 多模态数据（基因组、表观、蛋白质组、代谢组、影像）的整合与因果推断
从"治疗疾病"走向"工程化延长健康寿命"
- 用长期数据+模型模拟你未来几十年器官/疾病轨迹
- 像管理资产负债表一样管理自己的健康
- 针对衰老机制（细胞衰老、端粒、蛋白质稳态等）的系统干预
- 个体级的"寿命数字孪生"
这一块的哲学意味在于：以前"生命长度"是天定的，你只能在一个大致固定的60–90年窗口里找意义；如果AI+生物技术把健康寿命的期望值和方差都改写，那人类对"人生规划、责任、风险、子女、社会契约"的所有思维都会重构。
这就是那种"要开拓真正的新场景"的典型——不是把医院变便宜，而是把"活多久、怎么活"这件事变成可工程化的决策变量。
3. 外太空探索
同理，太空探索里也有A/B两层：
A线：用AI做轨道优化、航天器诊断、地面调度
- 提升现有航天效率
B线：没有AI，某些深空任务根本无法运行
- 行星级别的自主机器人群（矿业、建造、勘探）
- 在几十分钟通讯延迟下，自主决策、自治演化的系统
- 太空工业：在轨制造、空间太阳能电站、行星改造前期准备
这里AI的角色不再是"给工程师提建议"，而是：在人类意识到达不了、反应不过来的尺度上，成为"文明运作的代理人"。
哲学上这是一个很强的命题：
- 人类第一次把"延伸自己能力"的事，做到了行星以外
- 这会逼迫我们重新回答：什么叫"人类"？
- 我们可否接受由一套自主系统，在遥远空间代表人类行事并做不可逆决策？
- 责任与伦理该如何延伸到几光年之外？
这种场景的"星辰大海"不是比喻，而是物理意义上的星辰大海。
4. 从"稀缺技能"转向"稀缺边界"
现在大家的困惑几乎是："写作、编码这些稀缺性被AI打烂，很多事好像没意义了。"
哲学上的一个自然升级是：
- 别再把自己绑定在"旧技能的稀缺性"上——那部分被技术吃掉是历史规律，不是你的失败
- 把注意力从"我比别人写得好"转向"我在哪些边界问题上更清醒"
意义感要从"边界问题"里找，而不是从"短期市场价"里找，比如：
- 人类历史时间轴：寿命、代际、记忆如何延展？
- 空间边界：我们愿不愿意把生命和系统投射到太空？
- 伦理边界：AI在这两个维度上扮演多大的角色才是可接受的？
不把自己当成"内容/模型的使用者"，而当成"给AI时代的新场景设计坐标系的人"。也就是：帮整个人类社会回答：这些新技术到底应该用来延展哪些边界，而不是仅仅压缩旧世界。
五、影响分析
1. 行业影响
A. 技术行业
- 外包行业面临结构性TAM崩塌
- 简单SaaS产品价格压力巨大
- 需要向"结果导向"定价模式转型
B. 内容产业
- 标准化内容生产者面临收入缩水
- 高质量、原创性内容相对保值
- 个人品牌和信任变得更重要
2. 用户影响
A. 企业用户
- IT成本大幅下降
- 可以尝试更多项目
- 但需要更强的内部AI能力
B. 个人用户
- 获得大量免费/低价工具
- 信息质量面临"AI slop"挑战
- 需要提升辨别能力
3. 技术趋势
A. 供给端
- AI能力持续快速提升
- 开源模型缩小技术差距
- 边际成本持续下降
B. 需求端
- 时间和注意力仍是硬约束
- 质量要求不断提升
- 个性化需求增加
六、各方反应
1. 业内观点
- 投资者开始关注AI的ROI问题
- 创业公司面临商业模式重构压力
- 大型企业加速AI落地
2. 哲学思考
- 技术进步不等于价值创造
- 需要重新思考"意义"的定义
- 从技能稀缺性转向边界创新