AI要爆发，得先活成电费那样

你现在用的AI，可能只是在做“蒸汽机抽水”的事——把写文案、做报表这些旧工作换了个工具，没真正碰到底层的生产逻辑。就像18世纪的蒸汽机刚问世时，只用来抽矿井积水，没人能想到它后来会推着火车跑遍全球。

这不是AI的问题，是技术革命的必经之路。每一次从实验室技术到全民应用的爆发，都卡在“基础设施普及”和“成本暴跌”这两道坎上。蒸汽机等了几十年，才从小型化的内燃机变成家家户户能用的动力；互联网熬到光纤铺进小区、智能手机人手一台，才催生了外卖、短视频这些千亿级的新需求。AI也一样，现在它还停留在“昂贵玩具”的阶段：调用一次大模型的成本，够你刷一天短视频。

真正的转折点，是AI推理成本降到和电费一个量级。推理是AI干活的核心——你让它写文案、算数据、识别图像，本质都是用训练好的模型做实时计算。现在一次复杂推理的成本，可能抵得上一个普通员工半小时的工资，但Gartner预测，到2030年，万亿参数模型的推理成本会比2025年降90%。这不是靠芯片突然变便宜，是靠模型压缩、量化这些技术：把32位的高精度参数压成8位，用小模型“模仿”大模型的输出，让GPU的利用率从30%飙到90%。

基础设施的变化更隐蔽。过去AI训练全靠偏远地区的超大型数据中心，就像早年的发电站都建在煤矿边上；但未来的AI会是分布式的——城市边缘的小型计算中心、你的手机、甚至家里的智能音箱，都能做轻量推理。就像电网把电送到每一个插座，AI的计算资源会铺到每一个终端，你发语音转文字、照片搜同款，背后的计算可能就来自楼下的基站机房。

这一切的终点，是AI变成“无感的背景”。你不会再特意打开某个AIAPP，就像你不会特意去“用”电——写邮件时它自动补全句子，开会时它实时整理纪要，工厂里它提前预判设备故障，甚至你买咖啡时，它已经根据你的口味和天气做好了推荐。

但现在我们还在“铺电线”的阶段。Meta把五个数据中心改造成12.9万颗GPU的超级集群，IBM和NVIDIA在推GPU原生的数据分析，Tesla在中国建本地训练中心——巨头们抢的不是AI模型，是能让AI像电流一样流遍世界的“电网”。

而最大的挑战，从来不是技术本身，是我们能不能接受“智力劳动”像水电一样廉价。当写一份策划案的成本和打印它的纸钱差不多时，很多旧职业会消失，但更多现在想象不到的新需求，会像当年的外卖平台一样，突然冒出来。

流水不争先，争的是滔滔不绝。AI的爆发，从来不是某个模型的胜利，是它终于活成了空气和水那样，没人会特意提起，但没人能离开。