恒生科技持续阴跌，AI牛市却如火如荼。这背后不仅是市场情绪，更是一场底层商业逻辑的颠覆。本文拆解互联网时代的“圈人”壁垒——社交、支付、电商、内容——如何被AI逐一瓦解，并揭示一个残酷现实：围墙倒塌后，成为高手的门槛反而更高了。

中午没事，顺手打开账户看了一眼，恒生科技又绿了。一边是 AI 大牛市热火朝天，英伟达一家拿走了整个行业三分之一以上的利润；另一边，曾经的「核心资产」中概互联网跌得让人怀疑人生。强者恒强好理解，但「弱者恒科」这个梗为什么能一路成立？

这轮阴跌的答案，恐怕不在盘面上，而藏在一个更底层的问题里：互联网这门生意的壁垒到底是什么，AI 动的又是哪一块。顺着这个问题拆下去，恒科的下跌几乎是必然的——上个时代的互联网，本质上是一门「圈人」的生意，而 AI 正在把圈人的围墙拆掉。更微妙的是，围墙一倒，人人平等的好日子并没有来，成为高手的门槛反而比过去更高了

今天我们就来聊聊这堵围墙——它当年是怎么一砖一瓦砌起来的，如今又是怎么被 AI 拆掉的。这还得从上个时代的互联网开始说起

一、上个时代的互联网：低垂的果子摘完了

我们平时说的互联网，大体上是 web 2.0：电商、内容、社交、游戏、本地生活。这里面其实要切成上下半场，分界点差不多就是 iPhone 4

上半场是 PC 时代，流量入口是搜索引擎，电商是电商，社交是社交，对应的就是 BAT 三巨头。这个阶段的公司有个共同特点：收入和利润之间的比例关系相对稳定，生意做得比较清省。三方电商在竞争不激烈的年代，利润率一度能做到四十个点，规模效应一转化，赚钱是真轻松。顺便说一句，那个年代港股最牛的公司其实是中国移动——卖铲子的运营商。后来大家的通话时长和短信都被 OTT（over the top）掉了，绕过运营商，运营商只剩下卖流量

下半场是智能手机加提速降费之后的移动互联网。2015 年前后「互联网+」加一切，资本市场给这批公司换了一套估值体系：从 PE 换成 PS，用市值比销售额。逻辑是烧钱换市场——打车、外卖、共享单车，各种补贴满天飞，先圈 MAU，「羊毛出在猪身上狗来买单」，用户圈进来了自然有挣钱的办法。直到监管和经济环境同时转向，这套模式才跑不下去

下半场还发明了一个很 fancy 的词，叫 LBS（location based service），基于地理位置提供服务。听起来性感，回头看它真正的含义是：低垂的果子已经摘完了。游戏、电商、社交的变现和你人在哪里关系不大，最后一公里的交付成本是低的；可一旦 LBS，就意味着要在强时效下跟最后一公里死磕。所以下半场的公司，美团也好、滴滴也好、买菜和同城配送也好，钱都挣得极其辛苦——UE（unit economy，单位经济性）特别难跑平，需要巨量前期投入去堆一个看起来很高的壁垒。而这种壁垒有个致命弱点：没人来打的时候它是最高的，一旦来了个不计成本的疯子，它就等于没有壁垒，因为疯子不需要挣钱

为了弥补 UE 模型差，下半场的公司都在讲「高频打低频」：外卖一天三顿、打车天天发生，DAU 高，就可以拿这些日活流量去做低频生意，卖茅台、卖手机、接广告。但整个商业模型的劣化肉眼可见：电商单件包裹的客单价从两百块一路滑到二十块，还得三十分钟送到。更极端的是社区团购和共享单车——前端巨量 capex，巨量 BD 投入，共享单车连在大学校园里都很难跑平，而大学校园已经是这类模型能找到的最好场景了

二、把壁垒一个个拆开：社交、支付、电商、内容

社交平台最强的壁垒不在功能，在关系链的迁移成本。具体拆下来是两条真壁垒：关系链是否被独占，身份体系是否稳定。陌生人社交一直做不大，就是因为大家倾向于把相亲软件上认识的人拉回微信——微信的身份体系稳定，你知道对面是个活人。反过来看，行业里做过不少半匿名、阅后即焚、主打无压力社交的新即时通讯产品，出发点都是「微信被工作侵占了、朋友圈死了」，最后全都没做起来。而且就算真做出一个替代品，只要它关系链独占、身份稳定，工作照样会侵占它——中国人的生活里工作实在太多了，任何一个能二十四小时叫到你、且身份可确认的工具，最终都会长满工作群

至于交易链是否闭环、外部服务能否嵌入，这两条影响的是商业价值，谈不上壁垒本身。这里还要顺手拆一个流行论调：「如果手机上只能留一个 APP，那一定是微信。」这个假设本身就不成立，手机上不可能只有一个 APP；真要比壁垒，运营商一断网谁都别上网，壁垒比谁都高，但没人给运营商高估值。有壁垒不等于有商业价值，有商业价值的壁垒才是真壁垒

支付这块有个容易被忽略的国情：中国的支付费率上限被监管卡死在千分之六，transaction 环节根本不挣钱，价值在于资金沉淀。这也解释了一个经常被诟病的现象——为什么中国的互联网巨头都在放贷，而美国的互联网巨头不放贷、甚至在 cash back 里亏钱。美国传统支付有两三个点的成本，银行被养得舒舒服服；苹果去发卡，给两三个点的 cash back 拉新，然后发现根本赚不回来，因为苹果用户太优质了——优质用户不分期、不欠贷款，金融体系眼里的「优质客户」恰恰是那些会分期会借钱的人。选了一群精英用户，商业模式却按下沉逻辑设计，注定亏。而在中国，支付费率被卡死，巨头们只能去监管允许风险爆破的环节——小贷——用大数据和征信能力在风险里挣钱

电商的壁垒常被总结为供给、支付、物流和信任，这套说法放在国外、放在某个历史阶段都成立，放在当下的中国不成立。看一组对比：美国线上电商前三是 Amazon、Walmart、CVS，第二第三都是从线下打回来的；中国的前几名——阿里、拼多多、京东、抖音电商——清一色线上玩家。差别出在物流上。美国地价相对人力便宜，仓配体系（仓对仓的大调度）有效率，最后一公里又贵又难，所以亚马逊的物流是真壁垒，沃尔玛靠全国仓配体系才能打回来。中国正好反过来：人力便宜，点对点收发有效率；城镇化率百分之六十七，大家住在容积率等于五的鸽子笼里，最后一公里成本极低；再加上菜鸟这样的平台把数据整合到一起，物流在中国变成了公共基础设施——今天你想卖货，微信小程序也能卖，私域也能卖，全国大多数地方 D+2 都很廉价。支付同样是基建：在一个没有信用卡文化的国家，第三方担保交易直接跳过了信用卡时代，把支付信用体系建起来又开放给了所有人。再加上中国离供给太近，走到江浙沪、珠三角，找个厂房开个直播间就能开卖。基建公有化、供给触手可及，结论就是：中国电商没有绝对壁垒，消费品是需求强逻辑，流量在哪里，需求就在哪里——拼多多和抖音电商的崛起都是这个逻辑的注脚

内容平台流行的分析框架是「算法、创作者、分发效率三者耦合，供需一旦不稳用户就迁移」。这个框架漏了最重要的东西：内容平台的迁移成本远比大家想象的高。需求是分层的——看中长视频要把手机横过来、发弹幕、看评论；刷短视频是竖屏、划走、点赞。同一个创作者的内容换个平台可能完全没人看。更关键的是 UGC 那一层：弹幕、评论区形成的特定氛围本质上是社区建设，一旦是内容，就意味着一个 community，每个留下痕迹的人都是社区的一员，这个东西搬不走。财经区出过头部创作者出走其他平台又回归的案例，回来发现生态位已经被新人顶上——利基市场容不下那么多人

三、AI 红利，上市的互联网巨头一个都没接住

把美股和中概的传统互联网巨头拉出来问一句：谁接到了 AI 红利？答案是都没接到，离得最近的是谷歌。谷歌是 transformer 的提出者，有 Gemini，还用 TPU 在推理算力上引领了一条不完全依赖英伟达通用算力的路线。单看能力，它在引领行业

但谷歌的麻烦在人。当年马斯克用极贵的代价把 Ilya 从谷歌挖去 OpenAI——这位才是真正坚持「大力出奇迹」的时代开创者，当时多数人已经放弃了这条路线；这件事也成了马斯克和 Larry Page 决裂的最后一根稻草。后来 Hinton 离开谷歌，只为做个自由人讲自己的观点；谢尔盖·布林倒是回谷歌重新写代码了，可最近一个月，多语言推理的核心大牛去了 Anthropic，DeepMind 做量化方向的顶尖 PI 去了 OpenAI，被称作硅谷的大分裂——有强烈信仰的人都在选边站，一边是进步派桥头堡 Anthropic，一边是极度技术效率导向的 OpenAI，骑墙的谷歌位置越来越微妙

这三家里，Anthropic 是第一个摸到门路的：它想明白的关键一步是把 coding 拿回来增强 AI 本身的能力，而没有停留在「让 AI 服务于 coding」。这背后要求的是迭代速度。OpenAI 则是纯自下而上的迭代模式，这套模式过去在创新圈备受推崇，但在迭代速度快到失控的 AI 时代，如果你不能把跑得最快那群人的模式推广到整家公司，公司就会跛脚走路——有的地方极强，有的地方稀烂

国内谁最强？肯定是字节。字节用人的原则是留余量：先招最好的人，哪怕暂时没想好放哪个岗位；组织也还没老化到因人设事、人浮于事的官僚阶段。但字节没上市，所以市场上才有那句黑色幽默：看多字节，等于两倍做空恒科。更何况恒科成分股里还有小米、舜宇光学这类上个时代的零部件王者——你能在里面看到很多时代的眼泪，但时代的未来不在里面

四、弱者恒科的底层原因：圈人模式被拆了

上个时代互联网真正的底层逻辑，值得单独拎出来讲。多边网络模型、关系链、供给物流，这些都是表层；最深的一层是：互联网公司用一个高 ROI 的叙事，把世界上最聪明的一群人圈进来，让最聪明的脑子在平台上耕出果实，再把果实变成商业价值。传统企业最常见的感叹就是招不来厉害的人——给不起互联网级别的薪酬和激励，手里但凡有一个在大厂「见怪不怪」级别的人才，都当宝贝。人才density 的差距，就是估值的差距

AI 把这堵围墙拆了。最聪明的那群人现在完全可以自己干，或者几个人联合起来干，不再需要依附一个大平台来放大自己。圈人的架构一破，互联网的估值逻辑就破了。有位做了多年港股策略的研究者，过去一直把恒科列为少数适合长期定投的指数，从去年年底深度接触 AI 之后态度彻底逆转，开始劝身边所有人卖掉恒科——理由正是这一条：所有按旧模式定价的互联网企业，都在被利空

顺着这个逻辑往下推还有一个判断：这个时代真正的超级大公司，可能到现在都还没出现。已经上市的 AI 应用公司，恰恰因为「已经出现」而值得警惕——一家公司大到 stay player 的程度，内部像帝国一样什么都有，破坏式创新很难从里面长出来。甚至字节如果现在上市，它也已经太成熟了

五、to B 会被重塑：可被定义，就可被解决

中国的 SaaS 在伟大的互联网时代都没做成，美国的 SaaS 却做得非常好，这是老问题了。原因在 to B 生意背后那一堆要求：稳定性、可控性、集成能力、权限管理、合规，整体 ROI 要算得过来，方案要能接进客户现有的 ERP、CRM、OA 和内部数据库，流程要清晰，还得经得起客户不同部门负责人从各个方向的审查——任何领导问一嘴，你都得答得上来。人力时代解决这些问题，成本高到掉头发

AI 时代不一样了，一句话概括：一个问题只要可被定义，就可以被解决。只要能明确知道客户的痛点是什么，就能定义出需求，基于需求搭一套方法论和框架，框架落成 skills，剩下的执行交给 AI。客户不满意？一周迭代出下一个版本，还不怎么花钱。过去 SaaS 死在「每个问题的解决都拖得很长」，现在这个约束被拿掉了

真正决定 to B 落地节奏的，反而是组织行为学。一方面它推动采购：领导拍板经常带着草台班子属性，领导自己都不知道要什么，但「它是 AI」这一条就够了——和当年的智能化改造、大数据一个道理，不上车就是落后。另一方面，机构都是跟风怪：这类生意入门很难、扩散极易，一旦有一家做成并把单家模型跑好，全行业都会跟进，因为决策逻辑是「新东西我不敢碰，碰了要担责；但别家有了我没有，那也是我的责任」。所以限制 AI 应用的是组织行为学，推动 AI 应用的也是组织行为学

那谁能把 to B 做成？大概率是各个垂类里有技术感觉的一线专业人士。客户的痛点往往连客户自己都讲不明白，没干过这一行的人永远在外围打圈拳——就像市面上的金融分析类 AI 产品，大家的评价是「能替代一部分实习生的工作」，因为实习生的工作是显性的，而真正值钱的隐性工作，外行根本不知道该怎么干。最值得期待的路径，是从垂类里长出通用能力的产品，就像 coding 反哺了整个 AI 一样。这个东西未必被豆包或者阿里包圆，更可能属于真正理解体系如何运作的人

六、AI 有智商，没有体验：人反而更值钱了

市面上有一类论调，说 AI 已经替你掌握了知识，所以知识不重要、人会被替代。这是彻头彻尾的谬论。AI 会把人从代数的位置放到指数的位置上——它放大人，而且对人的知识深度和庞杂度要求更高了

先讲逻辑。工业时代的范式是：一个东西只要能被工程化——拆解成流水线上的简单动作——它就可以被解决，这催生了整个工科体系。AI 时代的范式升级成了：一个东西只要能被定义，就可以被解决。于是「提出一个好问题」从一句鸡汤变成了真正的硬能力，往深了走，这是可以演化出一门学科的

举个具体的例子。你让最头部的模型写一篇研究报告，它浅浅探讨一层就结束了；你直接命令它「刨根问底」，它只会回答「我已经刨根问底了」。但如果你把「刨根问底」清晰地定义出来——找出报告里的主要矛盾，用辩证法的正反合把矛盾双方标记清楚，在新发现的方向上继续提问、继续做对立统一分析——你就得到了一个自动发现突破口、持续深挖的 loop。顶层逻辑用的是辩证法这样的古老智慧，落地成的是一套可以自我迭代的研究流程。差别只在一件事：你有没有能力把「刨根问底」定义清楚

再讲为什么这件事非人不可。到目前为止，AI 是一个有智商、没有体验的工具。它的语义理解可以非常深刻精准，但把痛点描述清楚这个动作，本质上是人对自己体验的解构——哪里疼、为什么疼、什么样算不疼，这些只有真正经历过的人知道。你把工作整个交给 AI，它会给你一种「表演工作」的感觉：聪明是真聪明，但它在表演完成这份工作，而没有真的帮你完成。这也是为什么迭代最快、最喊着「替代人」的那些 AI 公司，自己都在疯狂招人、抢大牛——迭代最快的公司，恰恰是人驱动的

这里必须补一个硬币的另一面：AI 对学习和人才培养的冲击是实打实的。有一项样本量在四五千人以上的针对中学生的研究：引入 AI 之后，做作业的时间大幅缩短，但几个月后标准化考试成绩暴跌百分之二十。原因很朴素——结论来得太快，人没有在中间试过错、没有处理过细节，临场要调用的时候，即使看过答案也记不住。专业行业的学徒制同样在被瓦解：过去的学徒从 dirty work 里一点点攒 know how，跟着 mentor 把第一个框架的所有细节背到倒背如流，之后跨行业学第二个、第三个框架就像在宇宙之间搭虫洞。现在需要干 dirty work 的人越来越少，入行的人变少，学徒期被极限压缩，对悟性和自驱力的要求指数级上升。AI 没有降低成为高手的门槛，它抬高了

七、铲子还能卖多久

最后说说算力。过去三年 AI 最受益的全是卖铲子的硬件公司，而「AI 应用元年」已经连喊三年没圆上，明年就是第四年；端侧硬件大多还停留在每月一千台出货量的级别，实在太小

那铲子还能继续卖吗？坦率说，这件事很难算。因为当下算力需求的大头，并非头部玩家的生产力用量——真正用 AI 干活的用户，用量翻十倍一百倍，也抵不过多出一万倍、十万倍的人在里面天天试一些有的没的，烧着 token 做一些看似有用、实则没有任何经济效益的事，过阵子觉得不行就走了。算力周期的天花板，取决于这群尝鲜用户能烧多久，而这恰恰是最没法预测的变量。顺便一句，别把算力比作当年的煤炭，煤炭一挖就有，算力可比煤炭金贵多了、也折腾多了

写在最后

把整条线收拢一下：上个时代的互联网，比的是谁能用高 ROI 的故事圈住最聪明的人，壁垒是关系链、是基建、是社区氛围；AI 时代，聪明人不再需要围墙，比的变成了谁能把问题定义清楚——可被定义，就可被解决，而定义问题的原料，是只有人才有的体验。恒科的阴跌，说到底是市场在给旧模式出清定价；而下一批超级公司，很可能现在还没出现在任何一张股票列表上。围墙倒了，门槛并没有跟着倒——它只是从组织的围墙，换成了悟性和体验的门槛，而且比过去更高。与其纠结要不要抄底老登，你更该做的是把自己行业里那些说不清道不明的痛点，一个一个解构成可以被定义的问题——那才是这个时代新的稀缺资产