PC花了15年做到的事，3年就完成了
价格在崩溃，支出为何却暴增？金融界、科学家、企业家都在说同一件事。
开篇
订阅者朋友，让我们从一张2002年美国报业股票走势图开始说起。
报业公司的业绩预期直到2007年都还完好无损。但股价从2002年就开始崩溃了。在业绩真正崩溃的5年前，市场就先行抛售了。而结果证明，这个判断是对的。
[图表1：Newspaper Stocks Sold-Off 5 Years Before Earnings Collapsed]
如今，同样的故事正在软件股票市场上演。逻辑是这样的：“业绩目前还不错，但AI最终会摧毁SaaS。就像当年的报业股票一样，应该提前卖出。”实际上，软件企业未来12个月自由现金流对应的估值倍数1已经跌到了2014年以来的最低水平。
但这真的是同一个故事吗？先说结论：这次数据指向的方向不是崩溃，而是恰恰相反。智能的价格正以比PC快五倍的速度下跌，而价格跌得越快，人们反而在更多的地方、更大量地使用AI。今天我们就来追踪这个悖论的结构。
市场为何提前抛售
我们先来看看软件股抛售的真实面貌。人们常用“软件业大屠杀”来形容它，但打开数据一看，这并不是无差别的抛售。这种常被称为“SaaS末日”（SaaSpocalypse）的现象，在经济类YouTuber和金融博主之间频频被提及，却很少被真正分析过。大家只是把下跌的股价硬套进这个说法里，制造了不少噪音。我们来看下面这张图。
[图表2：Software’s Selective Sell-Off，$IGV 分位数收益率]
把美国软件ETF——IGV2的成分股按收益率分位数划分后可以看到，直到年初，头部和尾部的表现还大致相近。但从2026年1月开始出现分化，如今最高四分位与最低四分位之间的差距已经拉大到约50%的百分点差距。而最高四分位的收益率甚至是正的。
有趣的是，这种差距与营收增长率几乎没有相关性。增长率很高的大型个股也可能扎堆出现在最低分位中。市场关注的并不是当下的增长，而是“这家公司的护城河，在AI时代能否继续维持”。网络安全、可观测性和垂直型SaaS被归入能存活的一类，而横向平台和通用工具则被归入风险较高的一类。
也就是说，市场传递的信息并不是“软件已经完了”，而更接近于**“仅仅是软件这一事实，已经不再构成护城河”**。而支撑这一判断的关键变量，正是下一节的主角——智能的价格。
营收暴涨85%的公司却说“订阅制已死” · 第148期 · OZ Talking在软件替人把工作干完的时代，价格表正在改变智能的价格：比PC快五倍的暴跌
[图表3：The Price of Intelligence Is Falling Quickly]
高盛将1980年代PC普及周期与2022年以后的AI周期的价格下跌速度叠加绘制。PC价格指数跌到某一特定水平用了超过15年，而LLM价格指数达到同等幅度的下跌却只花了约3年。如果换算成同时考虑性能的“每单位价格对应的智能”指数，下跌速度还要更陡峭。处理100万个token3——大约相当于750张A4纸的文本量——的成本，在3年间缩水到了原来的几十分之一。
这里出现了两种截然不同的解读。悲观论认为：“前沿模型的开发成本越来越高，但客户已经没有必要非用最新模型不可。如果转向更便宜的旧模型或开放权重模型4，前沿模型的开发就将难以为继。”
乐观论则不同。它认为，价格越是下跌，可用的场景就越多，最终总需求会压过价格下跌的幅度。这正是19世纪经济学家杰文斯从煤炭身上发现的那种模式——杰文斯悖论5。
如果您觉得似曾相识，那就对了。此前在第2期我们已经讨论过这个悖论。当时讲的是个人书桌上的故事：AI让每一项具体工作都变快了，但工作总量却随之增加，下班时间并没有提前，这正是加州大学伯克利分校研究团队所称的“工作强化”现象。今天，我们要把同样的悖论放到整个市场的镜头下重新审视——确认在个人的提示词（prompt）中发生的事，是否也在国家级的支出数据中同样重演。
到底哪一种解读是对的，可以用数据来验证。
越便宜，用得越多
[图表4：美国家庭AI付费订阅渗透率与月均支出]
从PNC银行的支付数据来看，截至2026年4月，进行AI付费订阅的美国家庭占比为2.2%。这个绝对数字目前还不大，但却是一条在整整3年里从未出现过回落的上升曲线。更引人注目的是订阅家庭的月均支出：自今年初以来增长了约25%，达到了31美元。单位价格在暴跌，但每户的支出却反而在扩大。
企业端的数据也指向同一方向。YipitData分析了模型中介平台OpenRouter的使用数据，发现开放型低价模型的token占比较年初增长了三倍，达到约60%。但同一时期，前沿模型的token使用量也同步增长，人均token消耗的增速远远快于人均支出的增速。这不是便宜模型吃掉了昂贵模型的份额，而是整个盘子在扩大，把总支出往上推。
这里有一个值得参考的历史数字。PC商用化数十年后的1997年，美国35~54岁成年人中的PC拥有率也不过45%左右。而现在以家庭计算已达90%，若把智能手机算进去则接近97%。技术的大众普及会沿着效用和价格这两个变量，慢慢地、但一直走到底。2.2%这个渗透率，看起来更像是起点，而不是天花板。
不过这里有一点必须诚实说明。制作图表3那个质量调整价格指数的研究团队，在同一篇论文中给出的结论其实更为谨慎。Demirer研究团队测算了短期价格弹性6，结果仅仅略高于1，因此他们写道：“杰文斯悖论发挥作用的空间有限”。简单来说，就算价格砍半，使用量也只会增加一倍多一点，总支出几乎原地不动。
那么，总支出的增长究竟从何而来？我认为这才是这场争论真正的焦点。既有用户用得更多（集约边际）和新用户不断涌入（扩张边际），是两回事。研究团队测算的是前者，而2.2%的家庭渗透率展示的是后者。到目前为止的支出增长，很可能更多依赖于新用户的涌入，而不是杰文斯效应本身。
Oswarld视角
我认为这四张图表其实讲的是同一个故事。市场对软件股的选择性抛售，与家庭AI支出的增加，是同一件事的两面。随着智能的价格崩塌，价值正在从“能不能做出软件”转移到“在变得低廉的智能之上，你能独占性地做到什么”。
从我制定GTM策略的经验来看，在新技术单价急剧下跌的阶段，企业最常犯的错误就是把价格下跌解读为市场萎缩。实际上，每当价格下跌，此前不划算的用途就会重新打开，需求的表面积本身也随之扩大。我在协助SaaS产品打入市场的过程中，看到的模式也是一样：价格门槛降低之后进来的那批客户，最终贡献了大部分的营收。
不过，报业股图表给出的教训依然成立。**市场提前5年抛售，有时候确实是对的。区别在这里：报业的需求流向了替代品而消失了，但软件的需求现在正在扩张。被摧毁的不是需求本身，而是“谁能拿走这份需求”的排名。**因此，我把这个局面解读为再分配，而不是产业的终结。
结语
把今天的内容浓缩成三句话：智能的价格正以比PC周期快五倍的速度下跌。而价格下跌并没有扼杀需求，反而同时推高了家庭支出和token消耗。市场对软件股的抛售，其实是在这个新棋局中，甄别谁能守住护城河的过程。
所以，现在应该抛出的问题不是“AI是否会杀死软件”，而是“在变得低廉的智能之上，我的产品和组织将占据怎样的独占性位置”。这在彼得·蒂尔的《从0到1》里成立，放到今天依然适用。最近我在Y Combinator的一期项目里看到一个叫same.new的服务，着实吃了一惊。这项服务只要输入一个URL，就能原样复制该网站的设计和大致功能。这个点子多少抛弃了版权和一点点伦理，而它竟然被一向高喊企业家精神（entrepreneurship）的Y Combinator选中，这让我觉得，这或许正是一次新范式的转变。
same.new**订阅者朋友，您现在支付的AI订阅费用，和一年前相比是增加了还是减少了？您在什么地方花得更多了，又停掉了哪些服务？欢迎在评论区告诉我们。**我会把它反映到下一期的素材中。
💬 AI支出的变化，欢迎在评论区告诉我们 · 📨 如果这篇分析对您有用，请分享给同事
（仅限网页版） 📬 如果您想每周收到这样的分析，请点击订阅 我每周都在制作一份交叉分析技术、经济与人文的通讯。
参考资料与延伸阅读
核心来源
- Moses Sternstein，“Charts of the Week: Software’s Selective Sell-Off”，a16z New Media（Random Walk），2026年7月17日。……今天这期通讯的骨架就来自这篇原文，四张图表全部出自这里。
- Goldman Sachs Global Investment Research，“Costs of New Technology for End-Use Consumers”，2026年7月10日。……这是直接比较PC与LLM价格下跌周期的核心依据。由于是付费研究报告，没有公开链接，可以在上面那篇原文文章中看到相关图表。
- PNC Research，内部数据，2026年7月13日。……这是美国家庭AI付费订阅渗透率（2.2%）与月均支出（31美元）数据的出处。由于是银行内部支付数据，原始资料并未公开。
- YipitData对OpenRoutertoken使用量的分析，2026年。……这份数据同时展示了开放权重模型份额的扩大与总消耗量的增长。请留意，OpenRouter的样本可能偏向低价模型用户，阅读时请纳入考量。
反方论据（请务必一并阅读）
- Mert Demirer、Andrey Fradkin、Nadav Tadelis、Sida Peng，“The Emerging Market for Intelligence: Pricing, Supply, and Demand for LLMs”，NBER Working Paper 34608，2025年12月。……正是制作图表3那个质量调整价格指数的同一支研究团队。不过，这篇论文的第五项发现是：短期价格弹性仅仅略高于1，因此“杰文斯悖论发挥作用的空间有限”。这一结论正面撞上了今天的论述，建议与正文第三章一并阅读。PDF全文也已公开。
背景知识
- William Stanley Jevons，The Coal Question，1865年。……这正是“效率提升不会减少消费，反而会增加消费”这一悖论的原始出处。可在Econlib免费阅读全文。
- U.S. Bureau of Labor Statistics，“Computer Ownership Up Sharply in the 1990s”。……这是1997年35~54岁成年人PC拥有率45%这一数字的出处。
- Digitunity，“The United States Computer Ownership Gap Persists”。……这是当前美国家庭电脑拥有率约90%这一数据的出处。
值得一起阅读的往期
- 第2期：AI无法减少工作量的结构性原因，160年前的煤炭与2025年提示词的共通点 ……这是从个人工作与职业倦怠的角度，解读今天所讲的杰文斯悖论的一期。与市场数据搭配阅读，画面才算完整。
注释
-
估值倍数（Multiple）：表示企业价值相当于利润或现金流的多少倍这一倍数。倍数变低意味着，即使赚到同样多的钱，市场给出的估值也比以前更低了。 ↩
-
IGV：汇集美国软件企业的代表性ETF（iShares Expanded Tech-Software Sector ETF），起到软件行业体温计的作用。 ↩
-
Token（词元）：AI模型处理文本的最小单位。大致相当于韩文的1~2个字符，或英文单词的一部分，AI的使用费通常按token数量计算。 ↩
-
开放权重模型（Open-weight Model）：将模型的训练成果（权重）公开，任何人都可以下载使用的AI模型。运行成本可以远低于商用API。 ↩
-
杰文斯悖论：按理说，资源使用效率提高后消费应该减少，但实际上价格下降会让使用场景增多，总消费反而增加。这一现象最早是在19世纪英国的煤炭消费中被观察到的。 ↩
-
价格弹性（Price Elasticity）：表示价格每下降1%，需求量会增加多少百分比的数值。只有这个数值充分大于1，总支出才会增加。如果数值接近1，使用量增加的幅度就正好抵消价格下降的幅度，最终花的钱几乎不变。 ↩