当整个AI行业沉浸在“投资不足的风险比过度投资更大”的自我说服中时，a16z合伙人Benedict Evans在最新一期播客中泼了一盆冷水。他将今天的大模型市场比作2008年的移动数据危机——运营商砸下数千亿美元扩容网络，最终却眼睁睁看着所有酷炫应用都由别人开发，自己只赚到了微薄的“管道费”。Evans警告，基础模型公司很可能重蹈芯片商、ISP和移动运营商的覆辙，建造了惊人的基础设施，却没能捕获最多的利润。Evans的核心判断基于一组刺眼的数据：Anthropic的年化营收在过去12个月里翻了五倍多，达到470亿美元；四大科技巨头今年的AI资本开支指引合计超过7000亿美元，接近全球电信行业总投入的两倍。然而，模型效率每年提升100到200倍，这意味着每单位Token的成本正在急剧下降。他尖锐指出，今天20美元/月的ChatGPT订阅与背后上万美元Token成本之间的裂缝，和当年5000亿美元天价数据账单出自同一种幻觉——定价与成本严重脱节，而所有人都假装没看见。在具体应用层面，Evans认为目前只有编程真正找到了产品市场契合度。Agentic Coding已从“有点用”跃迁为“改变一切”，客户需求旺盛到供应紧缺，导致容量、价格和资本支出定价的矛盾愈发突出。但除此之外，大多数场景仍停留在“每周打开一次ChatGPT随便试试”的边缘。他预测，随着全球近万亿美元资本涌入赛道，今天这种“按ROI定价”的奢侈不会持续太久，Token终将像移动数据一样，走向商品化价格战。这并非悲观，而是历史规律的必然——从PC到云计算，每一轮技术周期的基础设施提供者都未能捕获最多利润。Evans坦承自己无法预测终局，但他给出了一个清醒的坐标：历史只能解释，不能预测。移动互联网、云计算、PC时代的类比都有用，但没有一个能告诉你OpenAI会不会成为下一个Windows，还是下一个Netscape。真正的问题正在离开技术圈——AI对律所、投行、咨询公司和好莱坞意味着什么？这些答案不在旧金山，而在那些知道“初级员工到底在做什么”的行业内部人手里。对于AI从业者而言，与其在模型军备竞赛中盲目跟风，不如将目光投向那些尚未被定义的应用场景，那里可能藏着真正的价值洼地。