AI 造富，但与你无关？
如果你以为转行 AI 就能财富自由，那这篇文章或许能帮你浇一盆冷水。Menlo Ventures 合伙人 Deedy Das 最近一句话让我印象很深：旧金山技术人才的财富分化已经达到“有史以来最严重”。具体来说，大约 1 万人——包括 OpenAI、Anthropic、Nvidia 的创始人和早期员工——财富已经超过 2000 万美元，达到“退休级”水平。而剩下的无数 AI 工程师、产品经理、研究员，不过是在温饱线附近卷着。
这不是危言耸听，而是这一轮技术浪潮的结构性事实。
为什么分化如此严重？
对比过去几轮技术浪潮：移动互联网时代，几乎每个 APP 开发者都能分到一杯羹——做个小游戏、搞个工具类 App，靠广告或内购就能活得不错。Web 2.0 时代，懂点 HTML/CSS 的人也能接到外包项目。但 AI 这轮不同。
核心原因是：AI 的天价成本把大部分机会关在了铁门里。
训练一个大模型需要数亿美元。只有少数几家巨头（OpenAI、Anthropic、Google、Meta）和他们的核心基础设施提供者（Nvidia）能玩得起。财富集中在极少数拥有稀缺资源的人手里：
- 顶级 AI 研究人才（能设计全新架构的人）
- 芯片和系统工程师（能让训练跑起来的人）
- 早期资本提供者（2000 万美元财富大部分来自股权增值）
对于普通开发者来说，无论是做应用层的 Prompt 调优，还是做中层的模型微调，本质都是“可替代的”。公司随时可以用更便宜的人或自动化工具替换你。
但别急着绝望。历史上每一轮技术浪潮都会经历这个阶段：
- 1990 年代：硬件公司（Intel、Cisco）赚走大部分钱
- 2000 年代：平台公司（微软、Oracle）吃下蛋糕
- 2010 年代：应用公司（Facebook、Uber）让普通工程师过上体面日子
- 2020 年代：AI 基础设施层（算力、模型）再次集中财富
关键问题是：你现在处于这个产业链的哪个位置？
开发者的三个选择（以及对应杠杆）
1. 基础设施层（高杠杆，但门槛极高）
- 代表：Nvidia 的 CUDA 团队、AI 芯片创业公司的核心架构师、大型集群的分布式系统专家
- 收益：股权可能带来巨额回报，因为基础设施的赢家通吃效应极强
- 风险：一旦技术路线转向（比如量子计算或光子芯片），之前的积累可能贬值
- 建议：如果你有系统底子，可以尝试进入这个方向，但要做好“十年磨一剑”的准备。
2. 模型层（中等杠杆，但竞争白热化）
- 代表：大模型公司的研究人员、算法工程师
- 收益：收入高（年薪 50 万美元以上），但股权回报在顶会论文扎堆的今天越来越稀释
- 风险：模型本身正在商品化，开源模型（Llama、Mistral）让闭源公司的护城河变窄
- 建议：如果你有顶会论文或顶级实验室经历，可以冲；否则不建议硬挤，因为供给远大于需求。
3. 应用层（低杠杆，但机会最广）
- 代表：用 GPT-4 API 做 SaaS 产品、用 LLM 改进现有流程的开发者
- 收益：收入中等，但自由度高，可以自己做产品
- 风险：API 成本下降极快，但竞争也极快，多数产品活不过一年
- 建议：不要只做“套壳”产品——把 AI 和垂直行业的真实痛点结合（比如医疗记录、法律文档审查），才有定价权。
我的个人判断
Deedy Das 的数据是对的，但我认为这个“最严重分化”不会持续超过 3 年。原因：AI 基础设施的成本正在指数级下降。
- 2023 年训练 GPT-3 级别的模型需要 460 万美元，2024 年同样规模的模型只需 50 万美元（Meta 的 Llama 3 证明的）
- 推理成本每年下降 4-5 倍（Groq、Groq、vLLM 等推理加速技术推动）
- 开源模型的性能每年追上闭源模型 6 个月
一旦基础设施不再是稀缺资源，应用层的创新就会爆发，届时财富会重新分散到更多开发者手中。看看移动互联网的历史：2010 年只有 Instagram 的 13 个员工发财，但 2015 年随便一个独立开发者都能靠工具 App 年入百万。
你现在该做什么？
我不是劝你别去 AI 公司。而是建议你：
- 选赛道时问自己三个问题：这个岗位有没有不可替代的技术壁垒？未来 3 年这个壁垒会不会被工具取代？公司是否给你股权且股权有兑现可能？
- 别盯着“AI 工程师”的 title，而是盯着自己的差异化能力：比如你是前端开发者，但能快速用 AI 搭建交互式数据看板，这就是高价值。
- 投资自己比投资股权更安全：AI 变化太快，唯一不贬值的是快速学习能力。每周看 2 篇最新的技术论文（比如 Arxiv 上的 System 2 相关），或者复现一个开源项目的核心逻辑。
财富分化不是宿命。它只是一张市场给出的地图，告诉你哪里是金矿，哪里是地表。你需要做的，是选一个坑位，挖下去。
