2026年7月12日，George Hotz在他的个人博客上发了一篇不到800个英文单词的短文，标题是《I love LLMs, I hate hype》（我爱大语言模型，我恨炒作）。不到24小时，这篇文章在Hacker News上获得了超过280个推荐和160多条讨论。
George Hotz是谁？简单说，他是那种让硅谷既崇拜又头疼的人。17岁成为第一个解锁iPhone的人，后来破解了PS3，再后来创办了自动驾驶公司comma.ai。在技术圈，他的代号”Geohot”是一个符号——意味着桀骜不驯的才华和对权威的天然质疑。
但这一次，他不是在破解什么设备。他是在拆解一个估值体系。
一个非常简洁的估值悖论
Hotz在文章中有一句话，被HN用户称为”极其精准地解释了一切的总结”：
我对前沿实验室估值的核心质疑在于：他们捕获不到这些价值。AI 创造巨大价值是一回事，创造价值的公司能赚到钱是另一回事。
这句话拆开来看，就是两个问题。第一，AI会不会创造巨大价值？Hotz的答案很明确：会。他在文章开头就说，自己整个职业生涯都在做AI，“我爱这种进步”。第二，创造了价值的前沿AI公司，能不能把这些价值变成自己的收入和利润？这才是他真正质疑的地方。
笔者想用一个不那么技术化的类比来解释这个区分。电的发明创造了无法估量的价值——没有电，现代文明无从谈起。但发电厂本身并不是世界上最赚钱的生意。航空业每年为全球经济贡献数万亿美元的价值，但航空公司的股票长期来看并不是好投资——一位HN用户在讨论中写道：“达美航空被戏称为一家开航空公司的银行，因为他们的收入中有很大一部分来自信用卡手续费。”
创造了价值和捕获了价值，是两件完全不同的事。
LLM正在变成”水龙头里的水”
为什么前沿AI实验室可能捕获不到价值？核心原因有三个。
第一个原因：模型性能的差距在缩小。 就在Hotz发文的同一周，他在自己的Linux机器上跑了一个叫GLM-5.2的本地模型，用来安装和配置tmux。他的评价是”像魔法一样好用”。而GLM-5.2是一个开源模型——不是OpenAI或Anthropic的付费产品。一位HN用户写道：“我们不能忽视’够用就好’的力量。GLM-5.2可能不如最强的闭源模型，但对大多数人、大多数需求来说已经足够好了。”
这不是个例。阿里旗下的Qwen开源模型在2026年1月已经突破了10亿次下载。开放权重模型在编程任务上已经能与闭源前沿模型竞争——但成本只是后者的零头。
第二个原因：切换成本趋近于零。 在软件行业，换一个供应商通常意味着数据迁移、重新培训、业务中断。但换一个LLM呢？你只需要改一个API地址，或者打开另一个网页。一位HN用户描述了当下的市场现实：“Anthropic特别想把用户推去用Fable的按量计费。但OpenAI发布了5.6 Sol，性能上足够接近Fable，而且——注意——包含在每月20美元的订阅档里。如果Anthropic真在几天后取消Fable的订阅使用权，我预测用户会大规模回流到OpenAI。“正如Hotz在更早的一篇博客《AI has no moat》中写过的：AI没有护城河。
第三个原因：价格战已经开打了。 这是正在发生的事实。2026年初，Anthropic把Claude的价格砍了67%。曾经每百万token收费60美元的模型，如今只要1到2美元。DeepSeek的入场更是把这个趋势推向了极致。《华尔街日报》今年6月报道，即将上市的OpenAI正在考虑大幅降低token定价来捍卫自己的企业市场——而即将上市的Anthropic也在准备做同样的事。
Epoch AI的研究团队追踪了过去三年间LLM推理价格的下降趋势。他们的结论是：在博士级科学问答（GPQA Diamond）这类任务上，达到GPT-4同等性能的成本每年下降约40倍。不同任务上的下降速度从9倍到900倍不等。这个趋势背后有硬件效率提升、模型小型化和优化的共同推动——但不管原因是什么，结果都一样：LLM的输出正在变得越来越便宜，便宜到像自来水。
Anthropic和OpenAI：两条岔路
面对商品化的浪潮，两家前沿实验室正在走向不同的方向。而这个分歧，恰好折射出Hotz观点的核心张力。
Anthropic选择了按量计费。他们的逻辑是：最强大的模型（比如Fable）成本高昂，无法用固定的订阅费来覆盖——所以用户应该为他们实际消耗的token付费。这听起来很合理，但问题是：在订阅制下，用户每个月花20到200美元就能用上最好的模型，切换到按量计费后，同样的使用量可能变成1000到10000美元。
一位自称在企业里管理AI预算的HN用户算了笔账：“我肯定不会花1000美元一个月用最好的模型，更别说10000美元了。我的公司也许愿意付1000美元一个月，但绝对不可能付10000美元。“他继续写道：“前沿实验室需要每个人都回答’我乐意花100倍于现在的价格’——而这不可能，因为大家都知道怎么做这些模型了。”
OpenAI的选择不同。他们把GPT-5.6 Sol——一款性能足够接近Fable的模型——放进了每月20美元的订阅档。这是一种截然不同的策略：不追求单用户的高收入，而是追求用户量和市场占有率的规模效应。
这两种策略谁对谁错，现在下结论为时尚早。但Hotz的判断是清晰的：Anthropic推按量计费是”自掘坟墓”——因为在订阅制下，前沿模型的价值已经被锚定在了一个相对低的价格点上。一旦用户习惯了20美元一个月的”最好用AI”，让他们回头接受按用量飙升的账单，在心理上和经济上都不现实。
末日叙事与估值的故事
Hotz的这篇文章，其实是他两周前另一篇博客的延续。那篇的标题更尖锐：《The doom justifies the valuation》（末日叙事撑起了估值）。
他在那篇文章里写道，他最近在伯克利待了两周，发现AI圈弥漫着一种奇怪的氛围：是一种思想病毒，不是技术。他引用了另一个作者”schizoposting”的一段话：“唯一可能的结论是，这种叙事被设计来制造恐慌。事实上，它被优化来制造恐慌：没有任何对实际产品的描述能比’AI末日论’在媒体和公众中引发更多的心理漩涡。它提供了一个持续多年的新闻周期和无限再生的争议话题——而这一切的主要作用是，将AI产业估值的参照系从现实转移到假设性的未来价值上。”
换句话说，如果你只是诚实地写技术博客——“嘿，我们的模型在某个基准测试上提升了3个百分点”——没有人会因此给你几千亿美元的估值。但如果你说”这项技术可能改变人类文明的走向、我们必须抢在它’失控’之前掌控它”——那么高价就有了故事。
这正是Hotz所说的”估值悖论”的另一面：前沿实验室不仅可能捕获不到AI创造的价值，他们的估值本身还建立在一种比技术更宏大的叙事之上。而当一个叙事需要不断升级来维持估值的时候，叙事本身的可持续性就变成了问题。
接下来会发生什么？
笔者不想给出”答案”——这不仅超出我的判断能力，也违背了本文作为一篇探索性评论的定位。但可以梳理几股正在同时作用的力。
向上的力：AI确实在创造真实的价值。GitHub Copilot让程序员的生产力提升了一个可感知的量级；企业客服的AI替代正在省下真实的成本；科研领域——从蛋白质折叠到数学证明——AI的贡献不容忽视。这些都不是泡沫。
向下的力：商品化的速度超过了商业模式进化的速度。模型的能力差距在缩小、切换成本几乎为零、价格战让每一方都在流血。一位HN用户的评论很生动：“就像英伟达或英特尔声称他们有最好的游戏性能，但为了实现这一点，他们每帧消耗的电量比任何竞争对手都多——没有人需要这个。”
横向的力：价值的流向正在发生转移。正如有分析指出，“利润池正在从前沿模型提供商向下游转移——算力、云服务、应用编排层。“换句话，做模型的公司不一定是最赚钱的公司。最赚钱的可能是卖”铲子”的（英伟达），或者是把模型嵌入到已有工作流里、让用户离不开的工具。
Hotz本人对AI的态度其实远比他批评者的姿态要乐观。他在文章结尾写道：“AI是计算机革命的延续。我太爱计算机了。“他不是在唱衰AI，他是在质疑一个特定的估值逻辑：当一项技术变得像水电一样普遍和便宜的时候，提供这项技术的企业——无论它多么前沿——能不能同时创造出匹配其估值的利润。
这个问题的答案，可能不仅关乎几家公司的股价。它关乎我们如何理解”价值”这件事——是创造它的人获得它，还是使用它的人获得它。
参考链接：
- Geohot: I love LLMs, I hate hype
- HN 讨论 (item?id=48883343)
- Epoch AI: LLM Inference Price Trends