AI撞墙时刻，三国杀与代码的黄昏

来源: 于 2026-02-03 20:14:14 [博客] [旧帖] [给我悄悄话] 本文已被阅读：次

上个周末，俱乐部的小伙伴讨论了目前AI当下发展状况和未来的投资机会。参会人员汇聚了几个主要AI大厂的工程师。讨论了AI几个大厂的风格，AI的撞墙时刻，和大模型的崩溃。我把主要观点汇总一下。为了方便阅读，我把讨论过程中的关键专业术语都做了展开说明。

在撞墙时刻发生之前，聚会的讨论指向了三个趋势：软件工程师（码农）的职业消亡已进入倒计时；AI的竞争瓶颈已从GPU全面转移至内存（HBM）与电力；Google可能靠真实人类数据成为AI的王者。

第一个观点：软件工程的终局——从“人写代码”到“机器黑箱”

聚会中最令人震撼的讨论集中在程序员职业的存亡问题上。与外界认为“AI辅助编程”不同，业内人士认为这实际上是“AI替代编程”的前奏。

核心观点：可验证性（Verifiability）是程序员的死穴

聚会指出，大模型预训练（Pre-training）最卷的领域是数据清洗。而在所有数据中，编程代码是唯一具有天然“可验证性”的数据。

什么叫做可验证数据呢？一段代码写得好不好，跑一下（Run）或者跑个单元测试（Unit Test）就能验证。这种“输入-输出”的确定性，使得AI在学习编程时拥有最完美的反馈机制。所以凡是能被轻易验证结果的任务，AI都将迅速超越人类。Google内部现状是“没人手写代码”，绝大多数代码由AI生成（如Gemini工具链），人类只负责最后的Review（审查）。而文学创作或者其他文字的内容很多是不可验证的，就是没有反馈机制去验证AI的产出质量，这类的工作反而可能是安全的。目前在大厂涌现出很多10倍/100倍工程师，就是他们的工作效率和产出是普通工程师10倍甚至100倍的超级个体。过去这可能是一个夸张的形容，但在AI时代，这正在成为现实。聚会提到“一个小组里的小哥5小时的工作量导致某大厂的某个部门招聘冻结（Hire Freeze）”，意味着AI工具让一个人拥有了一个团队的战斗力。这直接导致了初级工程师（Entry Level）需求的崩塌。

第二个观点：恐怖的未来：机器语言的回归

聚会提出了一个极具颠覆性的观点：未来的代码将不再需要被人读懂。

目前的编程语言（Java, C++, Python）是高级语言，本质上是为了让人类看懂而设计的逻辑抽象。

如果代码是由AI生成，并由AI审查（Review），最终直接编译运行，那么“可读性”将变得毫无意义。未来的代码可能是一堆人类无法理解的、极致优化的逻辑符号，只有机器能懂。

这意味着“人类程序员”作为翻译官（将人类需求翻译成机器语言）的角色将被彻底移除。系统设计（System Design）和架构（Architecture）可能还需要人，但具体的Implementation（实现）将不再需要人类。

第三观点，AI三国杀

关于谁将赢得AI战争，工程师们给出了不同于大众媒体的排名，也解释了各个大厂不同的风格。

1. Google (Gemini)：真正的王者。Google拥有数据优势，高毛利。

Google拥有全球最全的私有数据（YouTube, Search, Code）。聚会透露，Google Code Desk的效果极好，且DAU（日活跃用户）增长最快。Google的DAU增长最快，说明其C端产品（如Gemini助手）正在通过Android和Workspace生态迅速渗透，这是OpenAI和Anthropic难以比拟的渠道优势。随着高质量的人类数据（互联网数据）被训练殆尽，大模型开始“自己做实验”产生数据进行自我训练。Synthetic Data (合成数据)。这些数据是由AI模型生成的人工数据，而非从真实世界采集的数据。下一个大模型的瓶颈是Model Collapse (模型崩溃)。 当AI模型过度依赖合成数据（即用AI生成的数据训练AI）时，模型会放大错误和偏见，导致输出质量退化，就像近亲繁殖导致基因退化一样。这是目前大模型面临的最大隐忧之一，也是为什么Google这种拥有源源不断真实人类数据（YouTube/Search）的公司更具优势的原因。Google的AI毛利很高，这意味着它不需要像初创公司那样烧钱换市场，其商业模式更健康。

2. xAI (Grok)：最值得投资的“狂徒”。目前和SpaceX合并之前的估值是2500亿美元。属于算力暴力美学派。

xAI被认为拥有世界上最大的单体算力集群。马斯克极其敢于下注（High Risk, High Reward）。但是xAI的数据有短板。xAI的数据优势主要集中在特斯拉的自动驾驶数据上，聚会认为这对通用大模型似乎“没什么用”。但鉴于其算力规模，它被视为最适合风险投资的标的。xAI的工程师做事极其大胆，不顾及风险。未来通过SpaceX解决算力瓶颈之后，可能大有可为。

3. Anthropic (Claude)：小富即安的“守成者”。 被业内评价为“太谨小慎微”。其模型参数规模（Scale）不再激进增长，给人一种“小富即安”的感觉。

VC投资它需要支付高昂的溢价，但它计划2028年才盈利。如果C端用户没有粘性，只卖API，很容易被Google和xAI挤压致死。不过目前B端用户粘性比较高，可能是主要的护城河。

第四个观点，AI撞墙时间点Scaling Law是AI领域的一条经验法则，指模型的性能与计算量（Compute）、数据集大小（Data Size）和参数量（Parameters）呈幂律关系。简单说，投喂越多算力和数据，模型越聪明。聚会提到“Scaling Law将在2028-2030年撞墙”。这意味着，单纯靠堆算力和数据，边际效益将递减。现在投入10倍资源可能只能换来2-3倍的提升，而非过去的10倍提升。这预示着AI技术爆发期可能在2028年左右进入平台期。

第五个观点，硬件的硬约束——从GPU到HBM的瓶颈转移

本次聚会最“实操”的投资结论，印证了俱乐部此前关于Sandisk和美光（MU）的看多逻辑。

大家回顾了历史上AI的瓶颈转移。 2022-2023年瓶颈是GPU（算力芯片），

大家都在抢英伟达的卡。2025-2026年，瓶颈已转移至内存（Memory），特别是HBM内存。未来（2027+）的瓶颈将是电力（Power）。HBM (High Bandwidth Memory / 高带宽内存)是一种基于3D堆叠工艺的高性能内存，通常直接封装在GPU旁边。这是AI时代的“黄金”。传统DDR内存带宽不够，喂不饱GPU的计算能力。美光的技术（堆叠式）被认为优于三星，虽然产能较小，但技术领先。美光（Micron）2025年的产能已经把2026年的都订光了。AI大模型推理需要巨大的显存带宽，没有HBM，GPU就是废铁。随之而来的就是挤出效应：为了生产高利润的HBM，厂商挤压了普通RAM的产能，导致普通内存条价格翻了三倍。

扩产周期，半导体建厂扩产需要2-3年。这意味着在2028年之前，内存短缺是结构性的，无法通过短期增加供给解决。

第六个观点，K型经济。

处在高科技中心的中介代理在聚会中反应当下的K型经济 (K-shaped Economy)， 就是富人更富，穷人更穷。楼市体现下行端，200-300万的刚需房（Entry Level）市场萎缩。因为大厂初级职位招聘冻结（Hire Freeze），新人进不来，蓝领社区价格停滞。但是上行端，400-500万的豪宅需求旺盛。因为资深工程师和早期员工手里的股票（NVDA, Meta, Google）大涨，财富集中效应明显。

AI Agent的影响。聚会提到，AI Agent未来可能取代房产中介的找房、筛选功能，且佣金更低。卖家更喜欢这种高效的匹配方式。

这个趋势可能会从码农集中的科技中心，蔓延到其他各类城市。

总结与投资启示

这些讨论帮我们展现了一幅2026年的AI时代投资态势：

1. 规避软件外包与低端SaaS随着代码生成能力的指数级提升，没有任何护城河的软件公司和纯靠堆人力的外包模式将最先消亡。Cursor的增长放缓是一个警示。

2. 做多硬件基础设施（特别是内存）美光（MU）和海力士是AI时代的“卖水人”。韩国三星在各个赛道上都处在技术第二位的供货者角色。在2028年AI Scaling Law撞墙之前，对HBM和高容量存储的需求是刚性的、结构性短缺的。这是确定性最高的赛道。

3. 警惕AI泡沫的结构性破裂，虽然硬件在繁荣，但应用层（App Layer）可能面临“谁也赚不到钱”的窘境。除了Google和xAI等巨头，大多数中间层模型公司可能面临被挤压的风险。即使OpenAI也是只能28年才能赚到钱。这可能会直接导致AI泡沫的随时崩溃。


下一篇，我们来讨论一下AI泡沫的问题。




更多我的博客文章>>>