▲本文圖片均來自網絡，如有侵權請聯系刪除

巨頭們正在蒸餾行業

本文 首發于影子備忘錄

文 陌影笙

一場靜默的降維打擊，正在重塑商業版圖。

2026年的AI產業正經歷一場深刻的范式轉移。硅谷的大模型巨頭們砸下數百億美金訓練的“超級大腦”，正被一個名為“蒸餾”（Distillation）的技術悄悄“壓縮打包”，以幾十分之一的成本流向全球各地的開發者、企業和終端設備。

這場技術變革的沖擊力，遠遠超出了技術圈的討論范疇。筆者觀察到，它正在從根本上重構商業世界的底層邏輯——不只是改變工具，而是在“蒸餾”行業本身。

代碼從“人寫流程”到“人導AI”

所謂模型蒸餾，簡而言之，就是用一個大模型的輸出結果作為訓練素材，訓練出一個體量更小、成本更低、但核心能力高度逼近的“迷你版”模型。這就像一位頂級大廚做了一道滿漢全席，AI卻能用這道菜的湯汁和數據反推出大部分秘方，然后用更低成本復刻出來。

有觀察者指出，蒸餾技術正在改變模型使用方式，企業可以基于大模型能力，訓練體積更小、成本更低、針對性更強的專用模型，從而實現真正可控的AI應用。

這一技術趨勢在2025年引發高度關注，當時中國AI新創DeepSeek憑借蒸餾技術開發的推理模型R1震撼業界。隨后的事態發展證明，這絕非孤例。

據DIGITIMES報道，2023年初OpenAI GPT-4的API定價約為每百萬token 30美元；而到了2026年初，GPT-4o mini已降至0.15美元、Anthropic Claude 3.5 Haiku低至0.25美元、Google Gemini 2.0 Flash更是壓至0.10美元，降幅從90%到99%不等，且仍在持續下修。

2026年2月以來，OpenAI、Anthropic和谷歌相繼指控中國企業實施“工業級”的蒸餾攻擊。

據Anthropic披露，DeepSeek、Moonshot AI（Kimi）和MiniMax三家公司通過約2.4萬個欺詐賬戶，生成了超過1600萬次針對Claude的交互調用用于蒸餾訓練，意圖復制其核心推理能力。

這是一場典型的商業軍備競賽悖論：硅谷巨頭投入數千億美金訓練的算力壁壘，正被對手用幾百分之一的開銷以“偷師”的方式瓦解。

馬斯克對此直指核心：這些硅谷巨頭本身就是建立在對全網版權數據的大規模“掠奪”之上，如今卻試圖通過定義所謂的“蒸餾攻擊”來獨占技術高地。

理解這一變革，必須引入一個核心概念，Token經濟學。Token調用量指數級爆發，Token已成為AI時代核心生產要素與價值載體。中國日均Token調用量從2024年初1000億增至2025年底100萬億、2026年初140萬億，兩年增長超千倍。

當前Token跨場景價值差達十萬倍，藥物研發類Token均價達1000美元/百萬，閑聊類僅0.01美元/百萬。

正是這種巨大的價值差異，加上技術迭代帶來的成本斷崖式下降，為蒸餾技術的爆發創造了土壤。

中泰證券研究報告指出，技術迭代使單Token成本大幅下降，觸發杰文斯悖論，單位成本下降反而帶來總消耗量與整體支出的持續攀升。

具體到企業端，Meta財報提供了一組極具說服力的數據：2025年以來，Meta工程師的人均產出提升了30%，其中最重度使用AI編碼工具的人，產出增幅可高達80%。

采用AI優先方法的組織報告了170%的吞吐量、僅用80%的人力，資源消耗減少8到33倍。當每一個token的成本降至極致，不僅是聊天窗口在變聰明，整個商業運行的成本結構都在不可逆地重構。

在方案協同層面，SAP Build等平臺提供了完整的低代碼、專業代碼加生成式AI工具的綜合套件，內置AI能力通過生成代碼、輔助邏輯、簡化日常任務來加速開發。

從需求說明驅動（Spec）轉向可復用能力驅動（Skills）的開發方法論，正在降低開發門檻，開發者無需深入理解底層實現，只需組合Skills即可快速構建應用。

在代碼生成層面，人工智能正在從根本上改變軟件的構建、測試、部署和維護方式。軟件開發正從逐行編碼轉向以提示、測試、監督和驗證AI生成代碼為中心的AI輔助工作流，將開發時間從幾周壓縮到幾小時。

一項研究顯示，使用AI輔助的開發者工作效率提高了約55%，Gartner預計到2028年，75%的企業軟件工程師將使用AI代碼助手，遠高于2023年初不足10%的水平。

筆者注意到，當AI負責了從代碼生成到需求理解的大部分“執行層”工作時，傳統依賴信息不對稱和交付速度的競爭壁壘正快速瓦解。這就是所謂“蒸餾”最深刻的商業意義。

它不是在替代某個具體的職業，而是在蒸發價值鏈條中那些可被標準化、自動化的環節。

誰正在被“蒸餾”？護城河又在哪兒？

根據美國勞工統計局的報告，已有18個職業類別被標注為“高度暴露于AI風險”，合計約占1000萬個美國工作崗位。客服代表在一年內減少了130,180人，下降4.8%。當剔除醫療秘書和助理后，其他17個AI暴露類別連續第二年下降1.6%。

具體到職業層面，這份名單包括：律師助理及法律助理、平面設計師、技術文檔撰寫人、筆譯員和口譯員、保險銷售代理、客服代表等多種職能。

在咨詢行業，AI的沖擊同樣顯著。有分析指出，所有以“整理”和“匯報”為核心的工作，都面臨被AI取代的高風險——因為咨詢業真正不可取代的部分從來不是數據本身，而是把數據轉化成行動的那一段路。

電商行業則是另一塊正在劇烈重構的戰場。2026年的618大促中，各大平臺已將AI貫穿消費、運營、物流、服務等核心主線，AI智能體正在從“幫用戶找商品”走向“接管交易流程”。微軟與谷歌先后與電商平臺合作推動“智能體電商”時代的到來。

在人力資源領域，AI的應用同樣迅猛，43%的組織在2025年已將AI用于HR和招聘任務，較前一年的26%大幅提升。AI招聘工具可將招聘時間縮短70%，頂級人才的搶購戰變成了算法速度的較量。

這些職業和行業的共同特征是：其價值高度依賴信息處理效率和信息不對稱。而蒸餾后的AI模型，恰好以極低成本提供了這些能力的替代方案。

然而，并非所有行業都面臨被“蒸餾”的命運。有一類護城河，任憑AI模型再聰明也無法跨越。

第一道護城河：情感與信任。

心理咨詢是一個典型案例。盡管AI具備成為“廉價心理咨詢師”的潛力，它能7×24小時在線、不知疲倦，在學習海量案例后的表現甚至優于一些新人咨詢師。

但真正的心理咨詢工作遠不止于“傾聽和給出建議”。研究指出，AI無法承擔道德選擇和倫理責任，缺乏空間性和情感性體驗。

“讓一個無法作道德選擇也不能承擔倫理責任的AI來做心理治療，顯然是不負責任的”。AI聊天機器人只能支持，不能替代深刻的人類共振關系。

第二道護城河：差異化的認知判斷。

在投資管理領域，因諾資產明確將AI定位為“工具性的角色”，其價值在于提升研究效率與生產力解放，而非替代人類認知。

真正的超額收益壁壘來自對資本市場差異化的深層認知。頂點控股同樣強調“增強而非替代”，不是讓AI系統自主做出投資決策，而是為人類決策者打造工具。

第三道護城河：戰略洞察與高維轉化。

咨詢行業的“偽咨詢”時代，那些只會拼PPT、搬運數據的，正在被終結。而能夠駕馭AI協同、輸出高維洞察、提供深度落地賦能的顧問，反而迎來了價值倍增的新周期。

有一個數據很能說明問題：一個研究團隊用AI嘗試自動化240個真實崗位任務，結果令人震驚——AI的成功替代率僅為不到3%，最好的模型也只有2.5%。

Scale AI和AI安全中心創建了“遠程勞動指數”來測評AI自動化實際工作任務的表現，結論是：當前最先進的AI系統，在絕大多數項目中無法達到人類委托工作可接受的質量水平。

這說明一個關鍵事實：AI蒸餾掉的永遠是“任務”（tasks），而不是“工作”（jobs）。當需要面對模糊需求、處理意外情形、做出價值判斷時，AI的短板暴露無遺。

中小企業如何構建自己的護城河？

以上分析給所有中小企業提出了一個根本性的商業拷問：當巨頭們以近乎免費的成本提供標準化的智能服務時，你的差異化競爭空間在哪里？

筆者認為，答案不在于試圖和巨頭拼規模、拼模型能力，恰恰相反，中小企業最大的機會在于成為“蒸餾”技術的使用者和受益者，而非被蒸餾的對象。

策略一：做“蒸餾”的吸收者而非抵抗者。

納德拉在2026年初的判斷被外界視為對當前AI熱潮的一次“冷思考”，蒸餾技術正在改變模型使用方式，企業可以基于大模型能力訓練體積更小、成本更低、針對性更強的專用模型，從而實現真正可控的AI應用。

這意味著中小企業可以告別自研大模型的昂貴路線，轉向基于蒸餾技術的“領域專用模型”，如同南洋理工大學研究中提倡的方向：與其用一個無所不知但成本高昂的“通才”模型去解決所有問題，不如訓練多個小而精的“專才”模型，分別高效處理特定任務。

策略二：從“功能集成”轉向“智能體”。

當前AI應用已經超越了單一的聊天交互。AI agent正在全面滲透工作流程，一個agent往往需要與多個工具連續互動、發出數十次甚至上百次API調用才能完成任務。

token成本的每一次下降，都在直接擴大agent可運行的任務邊界。中小企業可以構建自身的agent化工作流，將AI從一個偶爾調用的工具變成持續運轉的“數字員工”。

策略三：聚焦“人機協同”的價值增量。

當前研究指出，工程師將不會被AI替代，但“不會使用AI的工程師將被會用的工程師替代”。

咨詢公司的未來在于那些能夠熟練駕馭AI工具，同時具備深厚行業洞察和卓越溝通能力的“人機協同專家”。中小企業可以將人才戰略從“人力資源”升級為“智能體資源”，讓每個員工同時成為一個AI工作流的管理者。

策略四：擁抱護城河重構，擁抱復雜度消亡。

一位觀察者的判斷極為精準：AI正在壓縮開發周期，“難做”帶來的溢價正在消失，靠復雜度建立的護城河開始崩塌。活下來的不是功能最全的公司，而是適應和迭代最快的。

中小企業不再需要在復雜度上與巨頭競爭，反而可以利用AI消除大量運營復雜度，將精力集中到獨特的產品、服務和客戶體驗上。

策略五：利用AI工具構建差異化敘事。

中小品牌在AI時代的競爭思路也在發生轉變：在2026年，網絡中的品牌可見度不再依賴單一渠道，而是需要構建一個生態系統。

那些能夠將AI營銷策略、故事敘述與搜索融合使用的品牌，正在競爭中脫穎而出。

結語

當我們談論AI蒸餾，表面上是在討論一種技術手段。但本質上，它正在蒸發的是工業時代建立起來的一整套價值分配邏輯。

那些依賴信息不對稱、層級轉述、標準化流程和白領勞動時間的行業，正在經歷前所未有的解構。

這并非一個“技術取代人”的簡單敘事。在這場蒸餾浪潮中，真正有價值的護城河，情感深度、認知差異、戰略判斷、信任關系，從未像現在這樣凸顯其不可替代性。

對于每一個個體、每一家企業而言，問題不在于“是否會被AI替代”，而在于“在AI蒸餾掉你所在的舊價值地層之后，你是否已經找到了新的高地”。

對于中小企業和創業者而言，這或許是最好的時代，也最危險的時代。

Token價格的每一次下降，都在降低創新的門檻，也都在升高競爭的溫度。最終的勝負手，不在于誰能造出最大的模型，而在于誰能用最低的成本、最快地將AI蒸餾出的智能注入自己的業務肌理。

并在巨頭構架的標準化智能之外，創造出屬于自己、不可蒸餾的價值。