上個周末，俱樂部的小夥伴討論了目前AI當下發展狀況和未來的投資機會。參會人員匯聚了幾個主要AI大廠的工程師。討論了AI幾個大廠的風格，AI的撞牆時刻，和大模型的崩潰。我把主要觀點匯總一下。為了方便閱讀，我把討論過程中的關鍵專業術語都做了展開說明。
在撞牆時刻發生之前，聚會的討論指向了三個趨勢：軟件工程師（碼農）的職業消亡已進入倒計時；AI的競爭瓶頸已從GPU全麵轉移至內存（HBM）與電力；Google可能靠真實人類數據成為AI的王者。
第一個觀點：軟件工程的終局——從“人寫代碼”到“機器黑箱”
聚會中最令人震撼的討論集中在程序員職業的存亡問題上。與外界認為“AI輔助編程”不同，業內人士認為這實際上是“AI替代編程”的前奏。
核心觀點：可驗證性（Verifiability）是程序員的死穴
聚會指出，大模型預訓練（Pre-training）最卷的領域是數據清洗。而在所有數據中，編程代碼是唯一具有天然“可驗證性”的數據。
什麽叫做可驗證數據呢？一段代碼寫得好不好，跑一下（Run）或者跑個單元測試（Unit Test）就能驗證。這種“輸入-輸出”的確定性，使得AI在學習編程時擁有最完美的反饋機製。所以凡是能被輕易驗證結果的任務，AI都將迅速超越人類。Google內部現狀是“沒人手寫代碼”，絕大多數代碼由AI生成（如Gemini工具鏈），人類隻負責最後的Review（審查）。而文學創作或者其他文字的內容很多是不可驗證的，就是沒有反饋機製去驗證AI的產出質量，這類的工作反而可能是安全的。目前在大廠湧現出很多10倍/100倍工程師，就是他們的工作效率和產出是普通工程師10倍甚至100倍的超級個體。過去這可能是一個誇張的形容，但在AI時代，這正在成為現實。聚會提到“一個小組裏的小哥5小時的工作量導致某大廠的某個部門招聘凍結（Hire Freeze）”，意味著AI工具讓一個人擁有了一個團隊的戰鬥力。這直接導致了初級工程師（Entry Level）需求的崩塌。
第二個觀點：恐怖的未來：機器語言的回歸
聚會提出了一個極具顛覆性的觀點：未來的代碼將不再需要被人讀懂。
目前的編程語言（Java, C++, Python）是高級語言，本質上是為了讓人類看懂而設計的邏輯抽象。
如果代碼是由AI生成，並由AI審查（Review），最終直接編譯運行，那麽“可讀性”將變得毫無意義。未來的代碼可能是一堆人類無法理解的、極致優化的邏輯符號，隻有機器能懂。
這意味著“人類程序員”作為翻譯官（將人類需求翻譯成機器語言）的角色將被徹底移除。係統設計（System Design）和架構（Architecture）可能還需要人，但具體的Implementation（實現）將不再需要人類。
第三觀點，AI三國殺
關於誰將贏得AI戰爭，工程師們給出了不同於大眾媒體的排名，也解釋了各個大廠不同的風格。
1. Google (Gemini)：真正的王者。Google擁有數據優勢，高毛利。
Google擁有全球最全的私有數據（YouTube, Search, Code）。聚會透露，Google Code Desk的效果極好，且DAU（日活躍用戶）增長最快。Google的DAU增長最快，說明其C端產品（如Gemini助手）正在通過Android和Workspace生態迅速滲透，這是OpenAI和Anthropic難以比擬的渠道優勢。隨著高質量的人類數據（互聯網數據）被訓練殆盡，大模型開始“自己做實驗”產生數據進行自我訓練。Synthetic Data (合成數據)。這些數據是由AI模型生成的人工數據，而非從真實世界采集的數據。下一個大模型的瓶頸是Model Collapse (模型崩潰)。 當AI模型過度依賴合成數據（即用AI生成的數據訓練AI）時，模型會放大錯誤和偏見，導致輸出質量退化，就像近親繁殖導致基因退化一樣。這是目前大模型麵臨的最大隱憂之一，也是為什麽Google這種擁有源源不斷真實人類數據（YouTube/Search）的公司更具優勢的原因。Google的AI毛利很高，這意味著它不需要像初創公司那樣燒錢換市場，其商業模式更健康。
2. xAI (Grok)：最值得投資的“狂徒”。目前和SpaceX合並之前的估值是2500億美元。屬於算力暴力美學派。
xAI被認為擁有世界上最大的單體算力集群。馬斯克極其敢於下注（High Risk, High Reward）。但是xAI的數據有短板。xAI的數據優勢主要集中在特斯拉的自動駕駛數據上，聚會認為這對通用大模型似乎“沒什麽用”。但鑒於其算力規模，它被視為最適合風險投資的標的。xAI的工程師做事極其大膽，不顧及風險。未來通過SpaceX解決算力瓶頸之後，可能大有可為。
3. Anthropic (Claude)：小富即安的“守成者”。 被業內評價為“太謹小慎微”。其模型參數規模（Scale）不再激進增長，給人一種“小富即安”的感覺。
VC投資它需要支付高昂的溢價，但它計劃2028年才盈利。如果C端用戶沒有粘性，隻賣API，很容易被Google和xAI擠壓致死。不過目前B端用戶粘性比較高，可能是主要的護城河。
第四個觀點，AI撞牆時間點Scaling Law是AI領域的一條經驗法則，指模型的性能與計算量（Compute）、數據集大小（Data Size）和參數量（Parameters）呈冪律關係。簡單說，投喂越多算力和數據，模型越聰明。聚會提到“Scaling Law將在2028-2030年撞牆”。這意味著，單純靠堆算力和數據，邊際效益將遞減。現在投入10倍資源可能隻能換來2-3倍的提升，而非過去的10倍提升。這預示著AI技術爆發期可能在2028年左右進入平台期。
第五個觀點，硬件的硬約束——從GPU到HBM的瓶頸轉移
本次聚會最“實操”的投資結論，印證了俱樂部此前關於Sandisk和美光（MU）的看多邏輯。
大家回顧了曆史上AI的瓶頸轉移。 2022-2023年瓶頸是GPU（算力芯片），
大家都在搶英偉達的卡。2025-2026年，瓶頸已轉移至內存（Memory），特別是HBM內存。未來（2027+）的瓶頸將是電力（Power）。HBM (High Bandwidth Memory / 高帶寬內存)是一種基於3D堆疊工藝的高性能內存，通常直接封裝在GPU旁邊。這是AI時代的“黃金”。傳統DDR內存帶寬不夠，喂不飽GPU的計算能力。美光的技術（堆疊式）被認為優於三星，雖然產能較小，但技術領先。美光（Micron）2025年的產能已經把2026年的都訂光了。AI大模型推理需要巨大的顯存帶寬，沒有HBM，GPU就是廢鐵。隨之而來的就是擠出效應：為了生產高利潤的HBM，廠商擠壓了普通RAM的產能，導致普通內存條價格翻了三倍。
擴產周期，半導體建廠擴產需要2-3年。這意味著在2028年之前，內存短缺是結構性的，無法通過短期增加供給解決。
第六個觀點，K型經濟。
處在高科技中心的中介代理在聚會中反應當下的K型經濟 (K-shaped Economy)， 就是富人更富，窮人更窮。樓市體現下行端，200-300萬的剛需房（Entry Level）市場萎縮。因為大廠初級職位招聘凍結（Hire Freeze），新人進不來，藍領社區價格停滯。但是上行端，400-500萬的豪宅需求旺盛。因為資深工程師和早期員工手裏的股票（NVDA, Meta, Google）大漲，財富集中效應明顯。
AI Agent的影響。聚會提到，AI Agent未來可能取代房產中介的找房、篩選功能，且傭金更低。賣家更喜歡這種高效的匹配方式。
這個趨勢可能會從碼農集中的科技中心，蔓延到其他各類城市。
總結與投資啟示
這些討論幫我們展現了一幅2026年的AI時代投資態勢：
1. 規避軟件外包與低端SaaS隨著代碼生成能力的指數級提升，沒有任何護城河的軟件公司和純靠堆人力的外包模式將最先消亡。Cursor的增長放緩是一個警示。
2. 做多硬件基礎設施（特別是內存）美光（MU）和海力士是AI時代的“賣水人”。韓國三星在各個賽道上都處在技術第二位的供貨者角色。在2028年AI Scaling Law撞牆之前，對HBM和高容量存儲的需求是剛性的、結構性短缺的。這是確定性最高的賽道。
3. 警惕AI泡沫的結構性破裂，雖然硬件在繁榮，但應用層（App Layer）可能麵臨“誰也賺不到錢”的窘境。除了Google和xAI等巨頭，大多數中間層模型公司可能麵臨被擠壓的風險。即使OpenAI也是隻能28年才能賺到錢。這可能會直接導致AI泡沫的隨時崩潰。
下一篇，我們來討論一下AI泡沫的問題。
更多我的博客文章>>>
