2026年4月20日，投资人Elad Gil在他的Substack上发布了一篇题为”在迷雾中凝视AI前沿的随机想法”的文章。这篇文章没有精心设计的图表，没有整洁的幻灯片，没有精心润色的措辞——它更像是一个深度思考者在白板上写下的散乱笔记。

但这篇文章的密度，远超任何一份精心制作的行业报告。

Elad Gil不是普通的投资人。他的早期赌注包括Airbnb、Stripe、Coinbase、Gusto、Instacart——几乎就是硅谷上一个时代的独角兽名单。当这个人说”AI增速史无前例”，他是在用自己三十年的校准感做背书，而不是在追逐热点。

Forbes在6天后的4月26日将这篇文章整理报道，把它送到了更广泛的读者面前。但真正值得深读的，是原文里那些反直觉的判断。

一组令人眩晕的数字

Elad Gil的分析从一组很基础的数字开始，但当你真的把它们并排放在一起，冲击力就出来了。

美国GDP约为30万亿美元（美国经济分析局2025年数据）。

OpenAI和Anthropic各自的年化收入，目前约为300亿美元。 这个数字来自Elad Gil的直接引用：他在原文中写道”OpenAI and Anthropic are both rumored to be currently in the ball park of $30B of revenue run rate”。日报中的相关报道也印证了这一范围——Google在2026年4月24日以3800亿美元估值向Anthropic追加投资最高400亿美元（来源：CNBC，4月24日），而Amazon此前以该估值向Anthropic投入了最高250亿美元。如果估值在3800亿量级，300亿年化收入是与之匹配的数字。

这意味着：这两家公司，各自已经占到美国GDP的0.1%。

把云基础设施和其他AI相关服务算进去，整个AI产业已经从几年前的接近零，增长到美国GDP的0.25%-0.5%。

如果OpenAI和Anthropic在今年年底各自达到1000亿美元收入——这是很多人认为可能发生的——那么到2026年底，AI产业的运营收入将达到美国GDP的约1%。

这个增速，没有先例。

为了让你理解这有多快：互联网在1995年的收入几乎为零，到2000年互联网泡沫顶峰时期，历经了整整5年的高速增长，才在GDP构成中留下可见印迹。AI从近乎零到1%的GDP占比，将在不到5年内完成——而且没有经历90年代那样的市场泡沫和随后的崩塌（至少目前还没有）。

Elad Gil在文章里直接写道：“这快得令人疯狂（This is insanely fast）。”

这不是一句空洞的感叹。这是一个有丰富历史参照系的投资人，在用自己的校准感告诉你：他见过很多”增长很快”的行业，但从来没有见过这么快的。

背后的具体数字支撑：

  • OpenAI 2025年底年化收入约为100亿美元，一年内增长到300亿——增速200%
  • Anthropic同样快速：2025年底约为60亿美元，到2026年Q1增长到约130亿，年化超过300亿
  • Google Cloud AI相关收入、AWS Bedrock、Microsoft Azure AI——加在一起，AI基础设施层的收入可能已经超过1000亿美元

但更重要的问题是：接下来会发生什么？

当AI研究社区集体”上市”

在谈到创始人的退出窗口之前，Elad Gil先处理了一个很多人忽视的内部结构变化：AI研究社区正在经历一次”分布式IPO”。

他的逻辑是这样的：当一家公司IPO，很多早期员工突然变得富有。这有时会改变他们的行为——买房、追求社会地位、分心于各种”人生旁支任务”。并非所有人都会如此，但有一部分人会。

Meta在AI研究人才上的激进招募——通过支付远超市场的薪酬吸引顶尖研究员——触发了整个AI实验室的薪资竞赛。结果是：跨越所有主要AI实验室，大约50到几百名顶级研究员一夜之间变成了”后经济体”（post-economic）——他们获得了足以让他们永久财务自由的报酬。

这就相当于，整个AI研究社区里最顶尖的那一批人，集体经历了一次IPO。而这在历史上几乎没有先例——最相近的类比可能是早期加密货币的长期持有者群体。

Elad Gil的担忧是：就像公司IPO后会有一批核心员工开始分心，AI研究社区里也已经有一部分顶级人才开始转移焦点，检查邮件的频率下降，开始做”社会性侧项目”，或者悄悄计划下一步。

对AI实验室来说，这是一个微妙的内部风险，尽管大多数研究员的使命驱动力仍然很强。这个判断也解释了为什么我们看到一些知名AI研究员开始创办自己的公司，或者转向学术研究和政策工作——当你的生活所需已经不再依赖工资，你的关注点自然会发生变化。

创始人，你们的窗口正在关闭

文章里最反直觉、也最具操作性的部分，是Elad Gil对AI创始人的直接建议：考虑在接下来的12-18个月内退出。

他的原话：”大多数公司——包括那些今天正在快速增长的公司——都会看到市场、竞争格局和用户采用在某一时刻转向它们。”

他用互联网泡沫作类比：1995年到2001年间，美国有大约2000家公司上市。但绝大多数没有活到今天，只有少数幸存者成为了持续创造价值的公司。今天随便打开任何一份1999年的互联网公司上市名单，里面90%以上的名字你都没有听过——它们不是失败了，而是在最辉煌的时刻存在过，然后消失了。

当前的AI时代，正处于那条曲线的上升段。那些在上升段卖出的创始人，会比那些等到顶峰、或者等到自己清晰看到下滑趋势的创始人，获得更好的结果。

但这里有一个很大的认知陷阱：当市场还在高速增长时，退出的决定看起来总是错的。

如果你在2026年初退出，而AI在2026年底继续高速增长，你会显得像是一个没有信心的人。你的联合创始人会质疑你。你的投资人会质疑你。媒体会写”创始人为什么在AI浪潮最高点之前套现”这样的标题，用来暗示你是在逃跑。

如果你一直等到信号明确，等到竞争开始冲击你的增长，等到市场开始质疑AI的估值——那时候你想退出，可能没有买家愿意以你期望的价格接手了。

Elad Gil的建议是：别等到你能看清楚的时候。等到你能看清楚的时候，往往已经太迟了。

那么，退出窗口收窄的具体信号是什么？他没有给出一张精确的清单，但从论证结构里可以提炼出几个警示信号：

  • 基础模型API成本下降超过70%，使得应用层的边际成本优势消失
  • 大厂（OpenAI、Anthropic、Google）开始推出直接竞争的垂直应用，而不仅提供API
  • 融资市场开始对”没有AI护城河”的应用公司打折估值
  • 用户留存数据开始出现平台级下滑（用户从多个AI工具迁移到少数平台）

这些信号，不是凭空产生的——它们是过去12个月AI市场演变的延续。而当这些信号汇聚，买家市场的价格发现能力会急速下降。

这个判断背后的结构性依据，是他对算力供应链的分析——一个让他认为接下来两年有特殊窗口的理由。

内存供应链：一个被忽视的算力天花板

Elad Gil的文章里有一个被大多数媒体报道都漏掉的关键论点：内存供应链正在成为AI发展的人工上限。

他的分析：

AI模型的训练和推理都依赖大量内存——不仅是存储数据的常规内存，更是高带宽内存（HBM）这种专为GPU和AI加速器设计的高性能内存。目前，全球HBM的主要供应商只有3家：SK Hynix、三星（Samsung）和美光（Micron）。

这3家公司的产能扩张，受限于复杂的制造周期和大规模资本支出计划——建一条新的内存生产线，从决策到投产需要2-3年时间，而且投资金额动辄数百亿美元。美光（Micron）已经宣布2000亿美元的HBM投资计划，但产能释放最早也要到2027-2028年。

Elad Gil的判断是：至少在未来2年内，所有主要AI实验室都将在算力受限的环境中运营。 这意味着没有任何一家实验室能够买到”远超对手”的算力，也就意味着在这两年内，没有任何一家实验室能够通过规模优势大幅拉开与对手的差距。

这个约束，反而强化了一个意外结论：AI行业的寡头垄断格局，将在未来一段时间内维持稳定——不是因为技术壁垒不可逾越，而是因为供应链约束使得”买断算力优势”变得不可能。

至少到2028年，AI行业的竞争格局将类似于一场速度被人工限速的赛车：所有选手都想跑得更快，但赛道的限速装置确保没有人能把其他人甩得太远。

这对不同角色意味着什么？

对大型AI实验室来说：这两年是”竞争压力相对可控”的窗口期，可以把重点放在商业化和应用层扩张，而不必担心某个对手突然用无限算力推出颠覆性产品。

对投资者来说：未来2年，押注单一AI实验室”赢家通吃”是一个高风险赌注。 分散投注多个主要实验室，或者聚焦算力基础设施（HBM供应商、电力、冷却系统），可能是更理性的策略。

对创业公司来说：这2年是应用层建立护城河的关键窗口。当基础模型层的竞争格局被供应链锁定，应用层的竞争更多依赖数据飞轮、行业专属知识和客户关系——这些正是创业公司可以积累的资产。

AI裁员的真相：被误读的数字

Elad Gil在文章里对劳动力市场的分析也很值得关注——尽管它与主流媒体的叙事几乎完全相反。

大多数关于”AI导致裁员”的报道，将Meta裁员8000人（10%）、Microsoft的自愿买断计划（约8750人）、Oracle全球裁员约3万人，归因于AI取代人力。2026年到目前为止，已有超过9.2万名科技工人被裁，47.9%与AI直接相关。这些数字是真实的。

但Elad Gil的判断是：大多数被贴上”AI裁员”标签的裁员，本质上是对疫情期间过度招聘的延迟修正。

2020-2022年，在低利率、高增长预期的环境下，科技公司大规模扩编。Meta的员工数量从2019年的35000人暴增到2022年底的87000人。Microsoft、Google、Amazon也经历了类似的扩编。然后利率上升，增长放缓，估值压缩，投资者开始要求效率而不是规模。这场修正本来就要发生——AI只是提供了一个更好听的叙事，让裁员决策显得更有前瞻性，而不是被迫应对。

真正的AI驱动劳动力置换，正在悄悄发生在外包和初级岗位领域，而不是在科技公司的总部。印度的IT外包产业、客服中心、初级数据处理岗位——这些地方的岗位数量正在下降，但这个数字不会出现在美国科技公司的裁员公告里，也不会出现在Layoffs.fyi的统计数据中。

Elad Gil的观点是：如果我们错误地衡量了AI的真实影响，我们也会获得错误的政策反应——把所有坏处（表面上的工作岗位损失）归因于AI，而忽视了那些好处（新型工作机会、医疗、教育的效率提升）。

他甚至开了个有点讽刺意味的玩笑：“真正的AGI/图灵测试，或许是AI能够准确测量自己对真实世界GDP和生产力增长的影响。”

这个玩笑背后有一个严肃的问题：如果AI的核心价值体现在质量提升（一个AI写的代码比人工写的快5倍，但价格相同），那么现有的GDP统计方法——主要基于交易价值，而不是质量价值——将严重低估AI对经济的真实贡献。

AI研究的”生产力悖论”：历史会重演吗？

Elad Gil在文章里引用了一个被经济学家讨论了几十年的概念：生产力悖论（Productivity Paradox）。

在1980年代，IT革命席卷美国企业。计算机和信息技术的投资规模空前巨大。但奇怪的是，整个1980年代的GDP生产力数据几乎没有明显改善——这就是诺贝尔经济学奖得主罗伯特·索洛著名的吐槽：”你能在任何地方看到计算机时代的到来，除了生产力统计数据里。”

直到1990年代后期，IT投资的生产力红利才开始大规模体现在GDP数据里——整整晚了10-15年。

互联网革命也有类似的轨迹：2000年互联网泡沫破裂时，很多人认为互联网的经济价值被严重高估。但互联网真正改变经济的那一波，是在2005-2015年之间悄然发生的——Amazon的电商革命、Facebook的广告革命、Google搜索对商业信息获取方式的颠覆。

Elad Gil的问题是：AI是否会走一条相似的路？

如果AI的真实经济影响被低估（因为传统GDP测量方法无法捕捉数字服务的质量提升），那么我们现在看到的AI GDP占比增长，可能只是冰山一角。

但这也带来了政策风险：如果监管机构只看到AI”造成的坏处”（可测量的工作岗位位移），而看不到AI创造的好处（难以测量的质量提升和新型价值），那么过度严格的AI监管可能会在AI革命最关键的阶段踩下刹车。

这不是一个新担忧——但Elad Gil把它嵌入了”AI已经是GDP的0.25%-0.5%”这个具体数字里，使它从抽象的政策讨论变成了一个非常具体的风险。

反直觉的分析：寡头垄断窗口里的机会

读Elad Gil的文章，有一个令人不适的结论在字里行间若隐若现：未来几年的AI行业格局，可能是一个被内存供应链人为维持的寡头垄断。

这是坏消息吗？

对想要挑战现有格局的新创业公司来说，可能是——如果你的目标是在基础模型层打赢现有实验室。但对于应用层创业公司，这个约束反而创造了一个意外的窗口。

当基础模型层的竞争被锁定在”没有人能拉开决定性差距”的2年稳定期，应用层的竞争格局还没有定型。垂直行业的数据飞轮、行业专属知识、客户关系网络——这些都是创业公司在这个窗口期可以积累的、大型实验室难以通过算力优势直接复制的资产。

Elad Gil建议那些已经在应用层建立起用户基础和收入的创始人”考虑退出”，但他并没有说”不要在应用层创业”。恰恰相反——他的分析暗示，如果你能在这个窗口期内，在应用层建立起足够深的数据护城河，你可能比基础模型公司获得更持久的价值。

对立视角：有人不同意Elad Gil吗？

在硅谷，向创始人喊”快跑”的声音，通常会激起反驳。对Elad Gil的退出论，也有几个值得认真对待的反驳方向。

反驳一：这次的护城河更真实。互联网泡沫时期，很多公司的”网络效应”是虚构的——流量不等于收入，点击不等于价值。但今天的AI应用层公司，很多已经建立了真实的数据飞轮：Harvey AI（法律AI）积累了数百万份法律文件和判决结果，Cursor积累了数千万工程师的代码习惯，GitHub Copilot的每个用户都在贡献让模型更了解他们代码风格的反馈数据。这些护城河，不会在”市场转向”的时候突然消失。

反驳二：2028年的算力解放可能不是危机，而是机会。Elad Gil认为2028年内存产能释放会打破格局——但对应用层公司来说，这未必是威胁。当算力更便宜，推理成本更低，AI功能的边际成本降低，应用层的市场会扩大，而不是收缩。那些在2026-2028年建立了用户基础的公司，反而可以用更低的成本服务更多用户。

反驳三：退出的时间是一个选择，不是一个必须。Elad Gil说”12-18个月内退出”，但这是一个概率性的框架，不是一个必然的命运。如果你的公司在这个周期里持续以30%-50%的年增速增长，你大可以选择不在2027年卖出，而是等到2029年，届时市场可能已经恢复了对AI公司的定价能力。

这些反驳并不意味着Elad Gil是错的——它们意味着他的建议是高度依赖具体公司情况的，而不是一个适用于所有人的普遍规律。

Elad Gil的分析是美国视角的，但他的内存供应链论点有一个令人不安的延伸含义：如果HBM供应链是AI发展的瓶颈，那么谁能突破这个瓶颈，谁就能打破算力平衡。

2026年4月24日，DeepSeek V4发布。同一天，华为宣布其Ascend处理器”全面支持”DeepSeek V4。Nvidia CEO黄仁勋称这是”美国的糟糕结果”。

这里有一个在Elad Gil框架里没有被直接处理的问题：如果中国的AI实验室和硬件厂商能够发展出一套平行的、不依赖美国制裁的算力供应链，那么Elad Gil关于”算力供应链约束带来2年窗口期”的论断，在中国AI发展的维度上是否还成立？

DeepSeek用MIT开源协议发布V4系列，DeepSeek V4-Pro定价仅为OpenAI的约十分之一（每百万输出token约3.48美元 vs OpenAI的30美元）。如果华为Ascend芯片真的能够支撑DeepSeek V4的大规模训练和推理，那么这个供应链故事会有一个非常不同的结局——不是”所有人都受内存瓶颈约束两年”，而是”美国实验室受约束，中国实验室找到了绕路”。

这是Elad Gil文章里留下的一个重要空白，也是未来几个月最值得关注的变量之一。

2028年之后：那面雾墙后面是什么？

Elad Gil在文章里有一段很有意思的结尾逻辑，虽然他没有明确说出来，但它潜伏在整个论证结构里。

他说，内存供应链约束将持续至少2年，直到新一轮制造产能上线。这意味着：2028年或之后，当这个约束解除，AI行业的格局可能会发生剧烈的非线性变化。

那时候，谁能获得更多算力，谁就可能真正拉开差距。那时候，现在的”寡头垄断稳定期”可能会被打破，出现新的赢家和输家。

那时候，AI占GDP的比例，可能不是1%，而是5%，或者10%。

但那也是一个完全不同的游戏——我们现在能看到的信号，太少了，雾太浓了。

Elad Gil标题里用了”凝视迷雾中的AI前沿（gazing at the misty AI frontier）”这个意象——他不是在假装看清楚了未来，他是在如实记录一个局内人在2026年4月所能看到的边界。

而在那个边界之内，他的几个判断是很确定的：

  • AI增速已经史无前例——从0到GDP的0.5%，用了不到5年
  • 算力供应链将约束短期内的格局突破——至少2年内，没有人能拉开决定性差距
  • 创始人的退出窗口正在收窄——不要等到你能看清楚，那时候已经太迟了
  • 真正的劳动力位移发生在看不见的地方——表面上的”AI裁员”多是疫情过度招聘的修正

雾墙之后的事，他也不知道。但他认为：在你能看清楚之前，该做的决定已经错过了。

这是一个有三十年校准感的投资人，在AI浪潮正处于上升段的时候，做出的最老实的判断。

你选择相信他，还是认为这次不一样？

参考资料

  1. Elad Gil, “Random thoughts while gazing at the misty AI Frontier” (2026-04-20): https://blog.eladgil.com/p/random-thoughts-while-gazing-at-the

  2. Josipa Majic, “Elad Gil Says AI Will Hit 1% Of U.S. GDP By 2026 And Founders Should Exit Now” - Forbes (2026-04-26): https://www.forbes.com/sites/josipamajic/2026/04/26/elad-gil-says-ai-will-hit-1-of-us-gdp-by-2026-and-founders-should-exit-now/

  3. U.S. Bureau of Economic Analysis, GDP Q4 2024 Advance Estimate: https://www.bea.gov/news/2025/gross-domestic-product-fourth-quarter-and-year-2024-advance-estimate

  4. CNBC, “20K job cuts at Meta, Microsoft raise concern of AI labor crisis” (2026-04-24): https://www.cnbc.com/2026/04/24/20k-job-cuts-at-meta-microsoft-raise-concern-of-ai-labor-crisis-.html

  5. Economic Times India, “Tech layoffs top 73,000 in 2026 as AI drives cuts at Meta, Oracle, others” (2026-04-22): https://economictimes.indiatimes.com/tech/startups/tech-layoffs-top-73000-in-2026-as-ai-drives-cuts-at-meta-oracle-others/articleshow/130390265.cms

  6. WSJ, “Micron Is Spending $200 Billion to Break the AI Memory Bottleneck”: https://www.wsj.com/tech/micron-is-spending-200-billion-to-break-the-ai-memory-bottleneck-a4cc74a1

  7. Fortune, “DeepSeek V4 发布细节：华为Ascend全面支持，定价仅为OpenAI十分之一” (2026-04-24): https://fortune.com/2026/04/24/deepseek-v4-ai-model-price-performance-china-open-source/