五一快到了，先祝大家节日快乐。也真心希望，这几天我们可以好好休息一下。
对我们这些打工人来说，真正奢侈的可能已经不是假期，而是确定感。我们休息的这几天，模型不会停，公司不会停，行业不会停。老板还在算成本，投资人还在看效率，竞争对手还在用 AI 压缩人力。
假期只是暂停了你的工作，没有暂停这场竞赛。
在过去的4月下半旬，三个顶级模型接连发布。4月16日，Claude Opus 4.7上线。7天后，GPT-5.5发布。过了24小时，DeepSeek V4横空出世。
reddit上有个帖子，标题是：”gpt-5.5 dropped today and the ai race just got genuinely unhinged”。
“unhinged，失控了”。这场AI军备竞赛早就不只是几家 AI 实验室之间的较量，更像是一场没有退出机制的囚徒困境。每一个玩家都知道继续跑下去代价巨大，但没有人敢停下来。并且这种恐惧，正在沿着产业链向下渗透：从AI实验室，到硬件，到大厂，到中小公司，最后落到每一个还凭着某种专业技谋生的普通人。
一、囚徒困境：没人敢先停发布就是开火：AI 公司不再只是更新产品，而是在制造压力先说一组数据：OpenAI在过去8个月内，发布了5个主要模型。GPT-5.1、GPT-5.2，到 GPT-5.3-Codex、GPT-5.4，再到 GPT-5.5。每一次发布都伴随着全网评测、媒体刷屏、用户重新选边站队。
这个节奏，在2022年是不可想象的。那时候，一个大模型发布，市场能消化半年。GPT-4发布后，所有人花了几个月时间摸清它的能力边界，构建产品、探索用例。那段时间里，”理解这个模型”本身就是有价值的工作。
现在三大实验室的旗舰模型更新周期，已经压缩到”每几周”一次。2025 年，一个模型上线后，至少还能独占几周的讨论窗口。但到了 2026 年第二季度，这个窗口被压缩了：几个模型几乎前后脚发布，刚上线就会被放在同一张表里横向比较。
囚徒困境的核心是：明明合作对大家都好，但因为谁也不能保证对方会合作，所以每个人都会先选择保护自己，最后一起走向更差的结果。
AI的军备竞赛就是这个结构；假设Anthropic、OpenAI、Google三家同时停下来，不发布新模型，专注降本和商业化；理论上烧钱压力大幅降低，整个行业节奏会健康很多。研发团队能充分打磨当前代的产品，客户能稳定地使用建设工作流，生态能真正成熟。
但实际是只要有一家先慢下来，问题就来了。它可能只是想压缩成本，把产品做稳，把商业化跑通。但在今天的 AI 牌桌上，市场未必会这么解读。媒体会问它是不是技术动能不足，投资人会担心估值故事失速，客户会重新评估降低风险，人才也会开始观察谁更像下一代入口。
Meta的旗舰模型原定2026年3月发布，但因为内测表现落后于御三家现役模型，被推迟到5月甚至更晚。更关键的是，Meta内部还讨论过，是否临时授权使用Google Gemini，来撑住Instagram、WhatsApp、Facebook里的AI功能。
一家公司一年计划投入1150亿到1350亿美元做AI基础设施，却仍然可能需要借竞争对手的模型过渡。足够体现：AI军备竞赛已经卷到什么程度。
这就是囚徒困境最残酷的地方：加大投入不一定保证领先，但减少投入必然落后。
二、窗口缩短：领先时间越来越短没有全能模型，只有短暂领先的单项能力4月下旬，当三家顶级实验室的旗舰模型同时摆在台面上。
现在的模型竞争，已经很难用“谁第一”来概括：Claude 更像工程师，强在代码和复杂编程；GPT-5.5 更像执行者，强在自主操作和端到端工作流；Gemini 更像研究员，强在多模态、科学推理和抽象问题；DeepSeek 则把成本的桌子给掀翻了。
所谓领先，正在变成一件分任务、分场景、分成本结构的事。AI赛道没有冠军，只有不同战场上的局部优势。
更要命的是，即使在某个维度短暂领先，这个窗口也越来越短。
SemiAnalysis 的分析师说了一个细节：OpenAI 在 GPT-5.4 发布时，几乎没有放出和 Anthropic 的正面对比数据。他们判断：一旦摆出来，GPT-5.4 很可能会被 Opus 4.6 打得很难看。
GPT-5.5 发布后，在 Terminal-Bench 2.0 这个自主终端任务 benchmark 上，GPT-5.5 拿到 82.7%，反超 Opus 4.7 的 69.4%。从“不方便拿出来比”，到“在关键维度反超”，中间只隔了一个月。
这才是这场 AI 竞赛最可怕的地方。它正在破坏一个过去很常见的判断：技术领先，可以慢慢转化成商业护城河。
今年HumanX会后流传最广的一句话，几乎概括了整个行业的情绪：去年，OpenAI是公认的赢家。今年，Anthropic被认为领先一大截。明年？没有人敢下注。
Meta 还没追上这一轮，下一轮已经开跑Avocado 延期还有一个细节：Meta 内部已经在推进下一代模型，代号 Watermelon。也就是说，这一代模型还没发布，下一代已经上路了。
这已经不是正常的产品迭代，而是追赶压力倒逼出的研发结构。过去的节奏是：发布一代，收集反馈，稳定运行，再启动下一代。现在变成了：当前代还没发，下一代已经在跑；下一代还没发，下下代已经立项。研发流水线从串行变成了并行。
代价也很清楚：每一代留给打磨的时间越来越少，bug 和体验问题来不及修，用户看到的是功能不断增加，但稳定性不断被透支。
如果说 AI 军备竞赛有一个确定的受益者，很多人第一反应会是英伟达。
它确实是受益者：英伟达市值已经突破5 万亿美元，毛利率维持在75% 左右，2025—2026 年 AI 芯片订单能见度被市场解读为超过5000 亿美元。这已经不像一家普通科技公司，更像是垄断了军备供应链的军火商。
黄仁勋说：不要押注谁会赢，而是让所有可能赢的人都离不开你。OpenAI、Anthropic、Meta、Google、xAI，都需要更多 GPU、更大集群、更高算力。只要模型战争继续，英伟达就继续卖铲子；只要实验室继续烧钱，英伟达就继续收钱。
所以表面上，英伟达是这场 AI 军备竞赛的最大受益者。更准确地说，它是这场竞赛的底层供给方。它没有被困在囚徒困境里，它在维持那个让所有人都继续奔跑的囚笼。
黄仁勋真正警惕的，不是GPU卖不出去，而是“必须用Nvidia”这件事开始松动。主要是这三个方向。
第一是软件层。DeepSeek V4开始适配华为昇腾等非Nvidia硬件，说明前沿模型不再天然绑定CUDA生态。CUDA仍然强，但它第一次被更系统地放到“可替代”的讨论里。
第二是客户层。Anthropic已经不是单押Nvidia：一边拿AWS Trainium容量，一边签Google和Broadcom的TPU合作。OpenAI也在推进与Broadcom的定制芯片合作。最大的几个AI买家，正在主动把算力来源拆成多条线。
第三是市场层。Broadcom 2025财年AI收入达到200亿美元，同比增长65%。它吃到的，正是大客户寻找“非Nvidia方案”的需求。
所以，Nvidia现在的投资动作，不能只看成财务投资。投Anthropic，是把下一代模型公司继续绑在Nvidia生态里；投Synopsys，是向芯片设计工具链更深处延伸；继续争取中国市场，是在政策夹缝里保住规模。
四、开源模型正在拆闭源模型的地基价格锚点下移，闭源模型必须证明价值DeepSeek V4的发布，给整个行业的价格给掀翻了；VentureBeat算过一笔账：一个用GPT-5.5大约要花35美元的任务，用DeepSeek V4只要5.22美元。虽然它在SWE-Bench Pro上还有差距，55.4%低于Opus 4.7的64.3%。
对大量生产场景来说，问题从来不是“我要不要最强模型”，而是“这个模型够不够用，以及能不能高频调用”。
V4-Flash更进一步，cache hit输入价格低到每百万token 0.028美元。对于长期挂在代码库、知识库、业务系统里的agent来说，这个价格意味着一件事：AI不再只是被偶尔调用的高级能力，而开始接近一种可以常驻运行的基础设施。
这里有一个更现实的问题：开源 AI 还没跑通清晰的商业模式。Meta 的 AI价值，更多藏在广告、用户时长和生态粘性里，很难像 Anthropic、OpenAI 那样，单独拆出一条明确的收入曲线。
企业市场也没有真正倒向开源。Menlo Ventures 2025 年调研显示，开源 LLM 在企业生产环境中的占比只有11%，低于上一年的19%。真到生产环境，企业更看重支持、合规、稳定性和责任归属。
开源的威胁不在赚钱，而在压低闭源定价权：开源模型本身未必已经跑通商业模式，但只要能力足够接近，就会削弱闭源模型的高溢价空间。
闭源必须从模型领先，转向产品和生态锁定：如果开源追赶窗口缩短到 6 到 12 个月，闭源就不能只靠能力领先收费，而要把能力沉淀成稳定产品、企业服务和更难替换的生态。
五、恐惧沿着产业链一路下沉竞赛的压力不会只停留在AI实验室和芯片公司。它会沿着产业链向下传导。传导路径有三个层级，每一层的恐惧结构都不一样。
大厂争入口：谁掌握用户起点，谁就掌握下一代分发对大厂来说，真正的恐惧不是模型不够强，而是AI 入口被别人拿走。
Google 靠 Search，Microsoft 靠 Office 和 Azure，Apple 靠 iPhone，Meta 靠 Instagram、WhatsApp 和 Facebook。这些入口，是用户每天打开数字世界的起点，也是广告、订阅和数据的根基。
AI 正在改变这个起点，用户直接问 ChatGPT，Google Search 的流量会被分走；开发者用 Claude Code，GitHub Copilot 的黏性会被削弱；企业直接找 Anthropic 采购，微软 Azure 的中间位置也会变尴尬。
大厂最怕的，是用户打开手机后的第一个动作，不再是搜索、社交、办公软件，而是某个 AI 原生应用；入口一旦被绕过，广告、订阅、数据和生态都会松动。
中小公司被夹击：能力被集成，场景被收编中小公司面对的是另一种恐惧：你的核心竞争力，可能正在被模型厂商原生集成。
过去很多 AI SaaS 的机会，是把 GPT、Claude 包进一个具体场景里，比如写报告、审合同、做数据分析、查代码。
但现在模型厂商自己也在补这些能力。研究报告、表格处理、代码审查、浏览器操作，这些原本可以撑起一个垂直产品的功能，正在被大模型原生集成。
“AI 套壳”的窗口期正在变短，这个模式能成立，是因为模型过去不够懂场景，所以创业公司还能靠体验优化和场景适配赚钱。但随着模型能力扩展，只做一层包装的产品会越来越危险。模型一升级，原本的卖点就可能变成基础能力。
真正的出路在行业纵深，中小公司不能只卖“AI 能力”。能留下来的，是行业数据、复杂流程、客户关系、交付经验，以及别人复制起来不划算的场景深度。
普通人被挤压：入门岗位变少，成长路径变窄个体焦虑：入门岗位正在变少
AI 对就业的影响，最先体现在新人身上。过去，软件开发、客服、分析、法务、产品助理这类岗位，会把大量基础工作交给新人：整理资料、写初稿、做报表、查问题、跑流程。
现在，这些工作越来越多被 AI 接走了。企业还在招人，但更愿意招能够直接驾驭 AI 的成熟员工。新人进入行业的台阶，正在变高。
更深的焦虑：积累可能随时贬值
Fortune 把这种焦虑叫作FOBO：Fear of Becoming Obsolete，也就是害怕自己变得过时。这个词说的是一种很现实的感受：我今天学的东西，还能值多久？
你刚学会一个工具，下一个模型可能已经原生支持了。你刚掌握一个工作流，新的 Agent 可能已经自动完成了。你刚建立起某项技能，下一次产品更新可能就把它变成默认功能。
于是很多人会卡在一种状态里：不学会掉队，学了又不知道能用多久。
结构性问题：人才培养通道正在变窄
初级岗位不只是公司的执行层，也是人才训练场。法务新人靠看合同，慢慢学会判断风险。产品新人靠写需求、参加评审，慢慢理解用户和业务。财务新人靠做报表，慢慢看懂数字背后的经营逻辑。
这些基础工作看起来琐碎，却是高级判断力的来源。如果 AI 接走大量初级任务，企业短期效率会提高，但年轻人也会失去从基础工作里积累经验的机会。
今天没有新人可培养，十年后哪里来的高级人才？这才是 AI 对就业最深的影响：它在加速传统人才培养路径的塌陷。
六、当所有人都在跑，真正重要的是找到自己的位置这场竞赛短期内停不下来。每个参与者都看到了问题，但在没有外部约束的情况下，谁都不敢先慢下来。AI 竞赛最难解的地方就在这里：单个玩家看得见风险，却没有能力单方面改变游戏规则。
全球范围内已经有 AI 监管讨论，但共识还没有真正形成。即便框架出现，落地也需要时间。在那之前，这场竞赛大概率还会继续加速。
有一件事值得想清楚：速度决定短期位置，深度决定长期价值。大厂赌的是分发入口和用户习惯；中小公司要守住的，是具体场景里的行业纵深；个人真正能沉淀的，是判断力、品味，以及人与人之间的信任。
竞赛不会停下来，我们不一定要赢下这场竞赛。真正要做的，是找到那个跑步机替代不了的位置。
本文由 @AI进化论 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
万宝配资提示：文章来自网络，不代表本站观点。
