从“抢文科生”到“手机跑31B”：AI产业正在进入一场系统级吞噬战

过去一周的五个热点，看似分散：大厂抢人、SpaceX冲击史上最大IPO、AI独角兽百花齐放、Gemma 4以31B参数“越级挑战”、以及叽伴探索“共同经历”的AI社交。若把它们放在同一坐标系里，会看到一个更清晰的趋势：AI产业竞争正从“模型能力竞赛”升级为“系统级吞噬战”。

先看“文科生更吃香”。这并非文科替代理工，而是AI公司的人才函数发生了变化。模型研发阶段，核心是算法、分布式系统与芯片协同；进入产品化与规模化阶段，决定胜负的是“场景抽象、交互设计、组织沟通、叙事能力”。换言之，企业不再只需要“把模型做出来”的人，还需要“把模型变成可被信任、可被使用、可被付费”的人。文科背景在用户研究、内容安全、品牌叙事、政企沟通、教育医疗等高语义场景中天然占优。真正稀缺的是“跨学科复合型人才”——既懂技术边界，也懂人性与制度约束。

再看SpaceX估值1.75万亿美元与IPO预期。很多人把它当航天新闻，但它对AI的启示是：未来最值钱的AI公司，未必是“会训练模型”的公司，而是“掌握稀缺基础设施并形成闭环现金流”的公司。SpaceX通过发射能力、星链网络、政府与商业客户形成多层护城河，这与AI基础设施赛道极其相似：算力中心、专用芯片、数据网络、行业分发渠道。一旦基础设施成为瓶颈，估值逻辑会从“软件倍数”转向“准公共设施溢价”。这也是为什么资本正在重新定价AI：从讲故事，转向看吞吐、利用率与长期合同。

“AI独角兽将吞噬传统经济”这一判断，成立但要加条件。不会是“AI公司整体替代传统公司”，而是“AI原生工作流吞噬传统利润池”。第一批被吞噬的，不是最重资产行业，而是高信息密度、可标准化决策、且人力成本占比较高的环节：客服、营销投放、法务初审、财税处理、供应链计划、医药文献检索等。传统企业的风险不在于不上大模型，而在于仍按旧流程部署新工具，结果只是“数字化外衣+人工内核”。谁先把组织流程改造成AI-first，谁就能把行业毛利率曲线重新定义。

Gemma 4“深夜突降”的信号更关键：小模型正在以工程效率击穿“大模型神话”。31B能在部分任务上挑战参数规模远高于自己的系统，本质靠的是训练配方、数据质量、后训练对齐与推理优化，而非单纯堆参数。更重要的是“手机跑全血”意味着AI能力开始脱离云端垄断，进入端侧普惠阶段。端侧AI会带来三重变化：隐私与实时性交付更好、推理成本显著下降、应用创新门槛降低。未来两年，真正爆发的可能不是“又一个超级基础模型”，而是“十亿级终端上的场景化智能体网络”。

叽伴提出以“共同经历”重定义AI社交，也值得认真看待。过去AI社交多停留在“陪聊”，本质是单轮对话和情绪反馈，留存脆弱。共同经历的核心是把AI从“回答者”变为“关系共同体中的参与者”：一起追剧、共创内容、同步旅行、协同学习。社交产品的护城河从“对话质量”转向“关系资产沉淀”。一旦AI能记住并参与长期共同历史，它将改写社交平台的价值分配：平台不再只售卖流量，而是经营“连续关系”。这会直接冲击传统社交与内容平台的广告逻辑。

把五个热点放在一起，可以得到一个判断：AI产业的下一阶段，不是谁模型榜单第一，而是谁能同时占据五个关键节点——人才编排权、基础设施控制权、工作流改造权、终端入口权、关系网络定义权。具备其中两项能力的公司会成为细分龙头；具备四项以上的公司，才有机会成为新时代的平台巨头。

对从业者而言，策略也应随之调整：工程师要补产品和行业知识，产品经理要补模型与数据素养，企业管理者要从“买工具”转向“重构流程”，投资者要从“参数崇拜”转向“系统回报率”。AI不再是一个技术赛道，而是一场全面的产业重组。真正的分水岭，不在技术发布会，而在组织能否把技术转化为持续现金流与用户关系资产。