指数级选择——AI 时代的战略逻辑
AI API 成本 5 年降了 600 倍。如果你的战略只是’用 AI 让现有流程快 20%’,你的竞争优势窗口只有 6-12 个月。
一、引子
2020 年,GPT-3 的推理成本是每百万 token 约 60 美元。
2025 年,GPT-4.1 Nano 的推理成本降到了每百万 token 约 0.10 美元。
5 年,降了 600 倍。
同期,全球企业 AI 支出从 17 亿美元增长到 370 亿美元——3 年涨了 21 倍。
这两个数字放在一起,构成了 AI 时代最深层的战略矛盾:**AI 在变得极其便宜,企业在 AI 上花得越来越多,但大多数企业的 AI 策略仍然是"用 AI 让现有流程快 20%"
这不叫战略。这叫等死。
二、什么是指数级选择
指数级选择不是"高风险高回报",不是"All in AI"的口号,更不是赌运气。
它说的是一件更根本的事:在 AI 时代,线性改进不再有溢价了。
用一个简单的公式来区分:
线性改进: Output × (1+η)——你在现有流程上优化,提效 20%。
指数级选择: f_new(Input) ≠ f_old(Input)——你不是在优化流程,你重建了流程。
两者的核心区别在于 12 个月后发生了什么:
- 你花 100 万做了一个 AI 辅助客服系统,人工效率提升了 30%。12 个月后,AI Agent 免费做到了 100% 自动化。你那 30% 的优势消失了——不是因为你的方案不好,是因为 AI 把"客服提效"这件事本身免费了。
- 你花 100 万用 AI 重建了整个客户服务流程——从工单分配到异常处理到知识库维护,全部在一个新架构上跑。12 个月后,竞争对手用同样的 AI 工具,需要花 12-24 个月才能追上你的数据飞轮和流程积累。
前者是线性改进,后者是指数级选择。
一个简单的判断标准:去掉 AI,这个方案还能运行吗?
- 还能运行 → 你只是在现有流程上加了一层 AI 加速 → 线性改进
- 不能运行 → 你把流程本身重建在了 AI 的能力上 → 指数级选择
三、案例:谁被颠覆了,谁验证了
被颠覆的——“花 100 挣 200"的代价
传统 SaaS:Forbes 在 2024-2025 年用了一个词——“SaaSpocalypse”。传统订阅制 SaaS 的模式是:招一个销售团队,卖标准化软件,按 seat 收费。AI 原生公司直接用 AI Agent 替代了整个交付链路,边际成本趋零。传统 SaaS 的"提效 20%“在 AI 的"成本降 90%“面前毫无还手之力。
BPO 客服:全球客服外包是一个数千亿美元的市场。传统模式是招人、培训、排班。a16z 和 McKinsey 的分析都指向同一个方向:AI Agent 可以在 70-80% 的常规客服场景中完全替代人工。不是"客服人员用 AI 提效”,是"不需要客服人员了”。
数据标注:Meta 在 2025-2026 年裁减了数千名内容审核员。不是因为 Meta 变坏了,是因为 AI 自动审核的质量已经超过了人工。
翻译:加州蒙特雷的 MIIS(明德大学蒙特雷国际研究学院)——全球最负盛名的翻译学院之一——停办了它的翻译学位项目。不是因为没人学翻译了,是因为机器翻译的质量已经让"专业翻译"这个岗位的市场需求消失了。
验证成功的——“花 100 挣 10000"的路径
福特流水线:1913 年,福特高地公园工厂上线移动流水线。这不是"用电力让现有工人跑快 20%",而是"用电力重建了工厂的物理布局和组织逻辑”。结果是:底盘组装从 12.5 小时降到 1.5 小时,T 型车价格从 780 美元降到 360 美元。这是一个教科书级的指数级选择。
DeepSeek:当全球 AI 公司都在烧数十亿美元训练更大模型时,DeepSeek 用约 500 万美元训练出了性能逼近 GPT-4 的模型——成本是竞品的 1/20。它不是"用更少的钱做同样的事”,是用架构创新(MLA 等)重建了训练流程的效率逻辑。
AI-Native 公司:截至 2025-2026 年,已有超过 10 个 AI-Native 产品达到了 10 亿美元年化收入的规模。这些产品的共同特征:从第一天起就把 AI 作为核心能力嵌入产品架构,而不是在现有产品上"加一个 AI 功能"。
四、三问判断法
每次做一个 AI 相关的投入决策时,问自己三个问题:
问题 1:去掉 AI,这个方案还能运行吗?
- 能 → 你只是在现有流程上加了 AI 加速 → 线性改进
- 不能 → 你把流程本身重建在了 AI 上 → 指数级选择
问题 2:竞品 12 个月后能用同样的 AI 复制吗?
- 能 → 你的护城河是零
- 不能 → 你的护城河来自数据、流程、组织能力——不是 AI 本身
问题 3:如果给竞品同样的 AI 工具,追上你需要多久?
- 3 个月 → 你在做所有人都能做的事
- 12 个月 → 你有一些积累,但不够深
- 24 个月+ → 你的指数级选择建立了真正的壁垒
三个问题对应三种策略:
| 三问结果 | 策略 | 风险 |
|---|---|---|
| 三个"能" | 这不是一个好方向——你的投入没有护城河 | 高 |
| 混合 | 可以投,但需要加速建立数据/流程壁垒 | 中 |
| 三个"不能" | 值得 All in——你找到了真正的指数级方向 | 低(方向对了) |
📚 延伸阅读
-
AI 福特生产线
蒸汽→电力的跃迁用了40年,不是因为电不好用,而是因为工厂主一直在问'怎么用电驱动我的工厂',而不是问'如果工厂生来就是用电的,它会长什么样'。AI 时代同理。
-
从大模型不稳定说起
你用AI做同一件事,两次结果不一样。你的第一反应是'模型不行'——但这个判断本身,才是真正的问题所在。
-
数据穿透——组织变革的物理基础
'数据穿透'这个词被用滥了——大多数人口中的数据穿透只是报表自动化。真正的数据穿透有四个层次,大多数企业连第一层都没跑通。