【文/观察者网专栏作者 顾嘉时】

近期，K型分化全球AI与半导体板块持续成为市场焦点。红利会不会成尽管股价与指数波动频繁，新因但英伟达、K型分化台积电、红利会不会成博通、新因美光等AI产业链核心巨头的K型分化市值依然节节攀升。AI浪潮带来的红利会不会成巨额红利，引发了市场对于“泡沫论”的新因激烈争论：这轮由算力、芯片、K型分化存储及数据中心投资驱动的红利会不会成行情，究竟是新因否缺乏基本面支撑？

市场的犹豫恰恰折射出AI行情并非空中楼阁，拥有真实的K型分化产业基础。然而，红利会不会成讨论不应止步于“是新因否存在泡沫”，更应深入追问：当AI红利首先集中在少数产业链节点时，是否会加剧企业、行业及劳动者之间的分化，进而成为“K型经济”的新变量？

AI的能力天花板，取决于使用者本身

AI是放大器，而非增高器。

总体而言，AI擅长放大用户已有的知识储备、经验积累和工作流程。面对问题定位模糊、信息缺失或流程混乱的复杂任务，即便AI工具再强大，也难以替代使用者做出关键的专业判断。因此，AI产出的上限，在很大程度上受制于使用者自身的能力边界。

某头部AI大模型提供商基于约40万条交互会话的研究显示：被模型判定为“专家”级的会话，平均触发约12次动作，生成约3200词；而“新手”级会话仅触发约5次动作，生成约600词。这一数据表明，在复杂编程代理任务中，用户经验与AI调用深度、任务复杂度及完成质量呈显著正相关。

以搭建实际项目为例，要让AI产出真正有价值的成果，需满足以下三个核心条件：

1. 清晰界定需求：若需求不明，AI只能盲目猜测。猜对靠运气，猜偏是常态。
2. 提供充足上下文：AI掌握的是通用知识，缺乏对具体情境的理解。若无详细背景资料与真实业务数据，AI产出的成果往往看似无误，实则无用。
3. 严格检查产出：AI生成的内容虽看似专业，但其准确性与合规性仍需专家仔细核对，而这一过程高度依赖专家经验。

在上述环节中，AI仅起辅助作用，最终判断与责任仍由人承担。

从技术架构看，当前大模型多采用MoE（混合专家）架构。这如同一所拥有众多专科的大医院：模型内部包含大量分工不同的“专家”，每次回答仅激活最对口的“科室”，而非全院出动，以此控制成本并提升效率。

混合专家模型架构图 CSDN

能否准确激活最对症的“科室”，取决于使用者提问的质量。这类似于医院分诊台：描述越精准，分流越对症，治疗效果越好；描述含糊，则可能导致误诊，疗效不佳。因此，若无法向AI提出高质量问题，便难以获得高质量答案。

若将AI视为无所不能的万能工具，不仅高估了其能力边界，更可能导致对AI在真实商业场景中经济回报的盲目乐观。

提效不等于增收

前文指出，AI产出受限于使用者。但即便假设使用者能力极强、AI确实提升了效率，效率的提升也不必然转化为效益。

以电商网店为例，引入AI客服承担售前咨询与售后服务已成常态。经过合理训练的AI客服确实能胜任工作，效率显著提升。然而，AI客服的引入并不必然带来新客户或销售增长。虽然效率提升有助于改善转化率、复购率和服务体验，但未必能带来与之匹配的新增收入。相反，AI客服可能减少新增招聘、压缩外包需求，或使同等规模的团队承担更多工作量。若节省下来的人力未能成功转岗，裁员便难以避免。

当各行各业纷纷引入AI提效，人力资源释放的范围也在扩大。更关键的问题在于：被裁减的人员去向何方？

过去，裁员未必导致失业，因为经济中存在一个隐形的就业蓄水池——门槛较低、人力密集的中低端服务业。然而，AI替代的岗位往往正集中于此。

• Forrester预测：到2030年，美国当前客服岗位中约49%可能因AI应用而消失或被重构。
• 希思罗机场案例：其部署的AI助手Hallie显示，约90%的在线聊天问题无需人工介入即可解决。

翻译、内容审核、数据录入等规则化、可重复的岗位，是AI最先实现替代或大幅压缩人力投入的领域。

知名未来学者伯纳德·马尔（Bernard Marr）（左）采访希思罗机场工作人员，了解AI助手Hallie情况。视频截图

若被裁人员未能找到合适工作，收入大幅下降，将进一步抑制消费。单个行业的裁员通过消费链条传导至其他行业，形成循环：AI提效可能通过增加失业、削弱收入预期、减少消费等渠道，对总需求形成压力。这是必须提前防范的风险。

AI的利润流向何处？

据业内测算，2026年全球AI净利润池规模约为6370亿美元。这一数字证实了AI利润的真实性，但其分布高度不均衡，集中在产业链的特定环节。

理解这种集中，需先厘清AI产业链的三层结构：

1. 上游：提供算力芯片、先进存储和晶圆制造能力的企业。
2. 中游：提供基础模型、云服务和行业应用解决方案的企业。
3. 下游：将AI嵌入自身产品、业务流程和客户服务中的应用企业（既是需求方，也是效率提升的使用者）。

上游环节占据了更大的利润份额。英伟达等算力芯片巨头、SK海力士与三星等存储巨头，以及台积电等晶圆制造企业，处于当前AI投资周期的受益前沿。它们提供AI发展不可或缺的基础设施，能较早将算力需求、模型训练和数据中心扩张转化为收入与利润。

相比之下，中游企业虽在快速成长，但商业模式、竞争格局和盈利能力仍在分化；下游应用企业则更多承担采购算力、接入工具、改造流程和组织调整的成本。对它们而言，AI投入能否转化为收入增长和利润改善，取决于产品竞争力、市场需求和行业格局，绝非“投入即有回报”。

因此，AI带来的并非均匀扩散的普惠收益，而是高度结构化的收益分配。下游应用企业及普通劳动者能否分享技术进步的红利，AI利润如何从少数节点向更广泛的企业、就业和消费外溢，是下一阶段亟待研究的核心问题。

从AI视角审视K型分化

这种“上游收益先兑现、下游回报待观察”的错位，虽不否定AI行情的基本面支撑，却意味着技术红利在产业链上的传导并不均匀。这为理解当前市场与实体经济间的结构性分化提供了独特视角。

这种分化体现在两个层面：

1. 企业经营基本面分化：AI产业链上游及部分硬件出口龙头率先承接订单并实现利润改善；更多应用端企业仍在承担高昂的算力成本。
2. 资本市场定价分化：市场对AI相关资产给予更高估值溢价和融资便利，而传统行业估值修复缓慢。两层分化相互交织、强化。

向下传导的链条：
在竞争充分、需求增长有限的行业中，AI提效未必转化为新增收入。企业可能通过减少招聘、压缩外包或调整岗位来释放人力。若受影响劳动者无法及时转岗，收入预期走弱将抑制消费，进而通过需求收缩波及更多行业。

向上延伸的链条：
由两股力量支撑：
* 基本面支撑：AI上游企业确实盈利，利润真实存在，基本面改善吸引资金涌入。
* 预期支撑：市场对AI能力边界、应用端变现速度及长期回报的判断可能存在过度乐观。真实利润与高预期并存，共同抬升了AI板块估值中枢。

关键在于，向下与向上的线条并非孤立。实体经济走弱导致资金逃离传统板块，被AI板块虹吸；而资本市场对AI资产的偏好，提升了相关企业的融资能力与估值弹性，进一步强化资源向少数高景气赛道集中的趋势。

当然，K型分化成因复杂，本文仅探讨其中一角。分化已然形成，更核心的问题在于：AI创造的红利，能否惠及更广泛的群体？

如何让AI红利惠及更多人？

为缓解AI带来的K型分化，政策目标不应仅局限于培育AI龙头，更需打通从产业利润到就业、居民收入和消费的传导链条。

1. 做强硬件出口与产业链配套
中国企业在光模块、服务器、网络设备及部分制造配套环节已具备较强竞争力。下一步不仅要争取更多出口订单，更要推动龙头企业与本土供应链、产业工人建立更紧密连接，使订单增长带动更多中小企业、就业岗位及本地消费。

2026年6月4日，内蒙古中科超算科技有限公司工作人员巡检算力设备。新华社

2. 让居民以长期、分散方式参与资本增值
AI板块的高估值与高收益不应仅局限于少数机构和投资者。政策重点并非鼓励个人追逐热点，而是完善长期资金入市和指数化投资等制度安排，降低普通居民公平、分散、长期分享产业成长收益的门槛。

3. 将就业与技能培育置于核心地位
AI虽可能压缩规则明确、流程清晰、重复性强的岗位，但也会催生数据治理、模型运维、AI产品设计、流程重构、安全合规等新职业。问题在于，新岗位对知识结构、数字技能和行业经验要求更高，与被替代岗位存在错配。政策需提前介入，结合AI通识教育、职业技能培训、企业内部转岗及公共就业服务，帮助劳动者从被动承受冲击转向进入新岗位体系。

只有当技术红利从产业链少数节点，逐步传导至更多企业、劳动者和家庭，AI才能真正成为推动经济增长的普惠力量。

本文系观察者网独家稿件，文章内容纯属作者个人观点，不代表平台观点，未经授权，不得转载，否则将追究法律责任。关注观察者网微信guanchacn，每日阅读趣味文章。