过去六十年，科技一次次给人类带来新的惊喜。每一代技术都像是一道前菜：精致、美味、甚至足以改变人的食欲，让人期待下一道菜的到来。但它们终 究只是开胃，而非真正的正餐。 今天，当AI走到我们眼前时，我越来越坚信：AI不是前菜，而是真正的正餐。它不再只是某个新工具的出现，而是我们使用工具、理解世界、生产价值 方式的根本性重写。 如果说半导体是第一把锋利的菜刀，个人电脑是人类第一次拥有了属于自己的餐桌，互联网则把全球所有餐桌连在一起，移动互联网更是把餐厅搬进了每 个人的口袋——那么AI就是那场真正的正宴。前面的几十年，我们只是不断准备食材、布置餐桌，而今天，正餐终于要上桌了。 前六十年的前菜 很多人喜欢把科技史讲得抽象，但我更愿意用故事来描绘。 • 1960年代，半导体：摩尔定律第一次被实践出来，晶体管像一个个微小的火苗，把算力的火点亮。硅谷由此诞生，像是一间厨房第一次配备了真正的炉 灶。 • 1980年代，个人电脑：人们第一次把计算能力带进家里。微软的软件生态，就像给人们提供了刀叉和餐具。第一次，普通人有了自己的餐桌。 • 1990年代，互联网：连接了全世界的信息高速公路。Google、Amazon崛起，餐桌之间连 ...

美国计算机专业就业困境 - 计算机科学与计算机工程专业毕业生失业率分别高达6.1%和7.5%，显著高于生物学(3%)和艺术史(3%)等传统冷门专业[7][8] - 普渡大学计算机专业毕业生Manasi Mishra投递数百份简历后仅获连锁餐厅Chipotle面试机会[16]，俄勒冈州立大学毕业生Zach Taylor申请5762个岗位仅获13次面试且0录用[21] - 硅谷科技公司持续裁员与AI编程工具普及导致初级软件工程师需求锐减，加剧就业竞争[15][21] 专业就业数据对比 - 计算机工程专业中期职业生涯薪资中位数达$122,000，早期薪资$80,000，但未充分就业率仅17%[9] - 失业率最低专业包括护理(1.4%)、机械工程(1.5%)和会计(1.9%)，其中护理未充分就业率仅9.7%[12] - 艺术类学科如美术失业率达7%，未充分就业率超53%，但早期薪资仅$42,500[9] AI技术对就业市场影响 - 企业采用AI系统自动筛选简历，毕业生使用AI工具投递申请，形成"AI末日循环"求职困境[25] - AI编程助手普及直接减少初级工程师岗位需求，迫使毕业生转向技术销售支持等跨界岗位[21][37] - 克拉克大学数据科学毕业生拒绝使用AI修改简历后3分钟内收到拒信，反映算法决策主导招聘流程[25] 中国科技企业招聘趋势 - 字节跳动2026校招释放超5000岗位，研发类需求增23%，产品岗Offer数量同比翻倍[29] - 腾讯宣布三年新增28000校招岗位，60%面向技术人才，全面聚焦AI领域[30] - 百度2026校招职位数量增35%，AI相关岗位占比超90%，新增90个多模态方向职位[30] 中美计算机就业市场差异 - 杭州电子科技大学2024届毕业生38.82%进入信息技术服务业，258人入职华为[31] - 中国科技企业校招显著倾向AI相关技能，要求深度学习、机器学习等算法研发背景[27][30] - 北美求职平台显示单个校招Offer话题浏览量超120万次，反映激烈竞争态势[36]

计算机也要变成「天坑」专业了吗？ 纽约时报最近最近一篇报道，调查了计算机专业毕业生的就业情况，里面提到残酷的就业困境，美国计算机应届毕业生根本找不到工作，甚至去麦当劳打 工也没有人要。 纽约时报文章，Chipotle 是一家美式墨西哥速食连锁店。 22-27 岁的大学毕业生中，计算机科学和计算机工程专业毕业生面临着最高的失业率之一，分别为 6.1%和 7.5%。 而生物学和艺术史毕业生失业率竟然才 3%，计算机是它们的两倍以上。 Labor Market Outcomes of College Graduates by Major 专业毕业生的劳动力市场结果 | MAJOR | | UNEMPLOYMENT | UNDEREMPLOYMENT | MEDIAN WAGE | MEDIAN WAGE | SHARE WITH GRADUATE | | --- | --- | --- | --- | --- | --- | --- | | 专业 | | RATE | RATE | EARLY CAREER | MID-CAREER | DEGREE | | ▲ ਚ | | 失业率 A | 未充分就业率 A | 宫 ...

计算机专业就业市场现状 - 美国计算机科学与计算机工程专业毕业生失业率分别达6.1%和7.5% 在22-27岁年龄段中属于最高失业率群体之一 [4] - 计算机专业失业率显著高于生物学和艺术史等专业 后者失业率仅为3% [5] - 计算机工程专业未充分就业率为17% 计算机科学为16.5% 虽低于艺术类专业的50%以上 但仍高于工程类专业的平均水平 [6] 薪资水平与职业发展 - 计算机科学专业早期职业生涯中位数工资为$80,000 中期职业生涯中位数工资达$115,000 [6] - 计算机工程专业早期薪资为$80,000 中期薪资为$122,000 在工程类专业中处于较高水平 [6] - 计算机专业拥有研究生学位的比例相对较低 计算机科学为32.8% 计算机工程为40% [6] 就业困境案例 - 普渡大学计算机专业毕业生Manasi Mishra投递数百份简历后 仅获得连锁餐厅Chipotle的面试机会 [13] - 俄勒冈州立大学毕业生Zach Taylor申请5762个科技岗位 仅获得13次面试且零offer 甚至被麦当劳以缺乏经验为由拒绝 [23][24] - 超过150名来自斯坦福 康奈尔等名校的计算机专业毕业生面临类似困境 申请数百至数千职位均未成功 [17][18] AI技术对就业市场的影响 - AI编程工具普及导致企业减少对初级软件工程师的需求 挤压计算机毕业生就业空间 [24] - 毕业生使用AI工具润色简历和自动投递 企业采用AI系统自动筛选和拒绝候选人 形成"AI末日循环" [24][25] - 克拉克大学数据科学毕业生尝试不用AI修改简历 仍在三分钟内收到拒信 [26] 中国科技企业招聘趋势 - 字节跳动2026校招放出超5000岗位 研发类需求增加23% 产品岗offer较去年翻倍 [33] - 腾讯全力投入AI领域 宣布三年新增28000个校招岗位 其中60%面向技术人才 [34][35] - 百度2026校招职位数量增加35% 提供4000+岗位 AI相关职位占比超90% 新增90个多模态等前沿方向职位 [37] - 阿里巴巴技术类岗位占比超90% AI相关岗位超50% 未来三年将倾斜更多资源培养算法和AI人才 [36] 中美市场差异与竞争态势 - 中国计算机专业就业形势相对乐观 华为2024年从杭州电子科技大学招收258名毕业生 [40] - 但大厂扩招伴随毕业生基数增加 牛客网秋招首个offer话题浏览量超120万次 竞争依然激烈 [43][44] - 单纯依靠计算机专业学历已难获得理想工作 需要具备AI相关专业技能如深度学习 机器学习等 [29][30][45]

行业财务表现 - AI编程公司收入飞速增长但利润率深度为负 呈现矛盾财务数据 [2] - Cursor母公司Anysphere在6月达到5亿美元年经常性收入 创SaaS史上最快达到1亿美元ARR纪录 [2] - Replit年收入从去年8月200万美元暴涨至上月1.44亿美元 [2] - 瑞典初创公司Lovable在8个月内从100万美元增长至1亿美元年收入 [2] - AI编程公司毛利率普遍在20%至40%之间 但未包括为免费用户支付的AI调用成本 [4] - Replit在4月份毛利率为负数 [4] - 所有代码生成产品利润率处于近似平衡或亏损状态 情况相当糟糕 [4] 成本结构问题 - 大语言模型调用费用占据成本大头 是压垮利润的主要元凶 [5] - AI编程助手必须始终采用最新最先进且最昂贵的大语言模型 [5] - 用户越多导致模型调用量越大 运营成本反而越高 与传统软件单位成本递减模式截然不同 [5] - 领域内所有初创公司可变成本相差无几 可能在10%至15%之间 [5] - 最新AI模型成本不降反升 因处理复杂多步骤任务需要更多时间和计算资源 [6] 商业模式挑战 - 行业面临"毛利率显著为负"困境 用户越多反而亏损越严重 [1] - 对外部模型供应商存在严重依赖 同时面临激烈市场竞争 [1] - 模型提供商OpenAI、Anthropic直接进入AI编程市场 形成既是供应商又是竞争对手的局面 [1][9] 战略选择 - 自研模型可消除对供应商依赖 但成本过于巨大 如Windsurf最终放弃该计划 [8] - 出售成为选择选项 Windsurf以24亿美元价格将核心团队加入谷歌 剩余业务出售给Cognition [8] - 向用户转嫁成本 Anysphere调整定价结构 在20美元月费基础上对使用最新Claude模型加收额外费用 [8] 行业前景 - 推理成本处于有史以来最高水平 GPT-5定价虽低于Claude Opus 4.1 但显著降低成本时间仍不明朗 [9] - 用户忠诚度可能不高 若竞争对手开发出更优秀工具 用户可能迅速转移 [9] - 收入数亿美元的AI编程巨头都难以盈利 引发对行业可持续性质疑 [9]

金融"五篇大文章"与证券行业数字化转型 - 中央金融工作会议首次提出金融"五篇大文章"，数字金融成为证券行业转型升级的核心力量 [2] - 证券行业数字化转型稳步推进，AI等新兴技术加速金融服务智能化、便捷化、高效化 [2] - 国金证券作为行业先行者，通过科技赋能投行、机构与财富管理等核心业务，推动数字金融创新 [2] 国金证券数字化转型的具体举措 智能投研与业务协同 - 公司积极探索智能投研和大模型交互式辅助应用，满足客户个性化需求 [3] - AI编程助手提升员工效率约30%，AI办公助手日均使用超2000人次 [3] - 投行业务平台引入智能审核、智能撰写和流水核查工具，2023年辅助完成6000+文件审核和20000+流水数据比对 [4] 机构业务与财富管理 - 利用大数据、智能搜索等工具提升分析师研究效率，大模型自动生成产业链图谱 [5] - 2023年累计服务线上机构客户超5万人，数字化报告生产达1700余篇，覆盖近20个行业 [5] - 财富管理数字化转型聚焦便捷服务、智能交易等五大目标，提升客户体验 [5] 数字化底座与AI创新 - 公司科技投入占营收比重长期保持较高水平，科技团队规模位居行业前列 [6] - 2025年推出业内首个AI投顾服务，提供"普惠化专业服务"，核心功能如"AI选股""AI持仓优化"已上线 [6] - 2024年成立人工智能实验室，践行"构建AI友好型组织"理念，深化AI在金融场景的应用 [7] AI友好型组织与未来规划 - 公司围绕大模型适配性展开研究，在产业链图谱智能挖掘等领域取得进展 [8] - 未来将结合大模型与其他AI算法，探索异常交易监控、反洗钱等风险管控领域 [8] - 通过数据治理和安全提升，确保AI赋能下工作效率和决策精准度 [9]

计算机科学毕业生就业困境 - 计算机科学专业应届毕业生Mishra在长达一年的求职尝试后未获录用，最终转向技术销售职位 [2][4] - 2025年美国IT就业市场持续疲软，5月和6月新增岗位分别下调至1.9万和1.4万个，7月进一步缩减1.03万个岗位 [7] - 2025年上半年IT岗位总缩减量达2.65万个，远超2024年同期的6200个 [7] 行业数据与趋势 - 2025年6月IT行业失业率达5.5%，高于全国平均的4.2% [10] - 22至27岁计算机科学与工程专业毕业生失业率分别为6.1%和7.5%，显著高于生物学和艺术史专业的3% [10] - 美国计算机相关领域本科生人数从2014年的不足8.5万增长至2024年的17万，翻倍有余 [4] AI对就业市场的影响 - AI编程工具普及导致初级软件工程师需求萎缩，入门级岗位最易被自动化取代 [12] - 科技企业使用AI工具自动筛选简历，求职者需应对算法淘汰机制 [13] - 部分毕业生因缺乏AI编程工具培训而竞争力不足，企业更重视相关热门技能 [13] 求职者体验与挑战 - 求职者Zach Taylor申请5762个技术职位，仅获13次面试且未获全职录用 [11] - AI面试流程引发负面体验，部分求职者因冷漠的交互方式拒绝继续参与 [15][16] - 求职者担忧AI面试泄露个人信息，或被标记为"不合格"影响未来机会 [17][18] 企业招聘策略变化 - 人力资源团队利用AI筛选候选人、安排面试并自动发送通知，以应对海量申请 [19] - AI面试官帮助招聘经理节省初轮时间，但加剧求职者竞争压力 [20]

核心观点 - 企业长期健康发展的两大增长引擎是市场份额（Market Share）与钱包份额（Wallet Share），前者决定新客户获取速度，后者决定单客户收益持续性 [1] - AI时代定价策略从传统"用户数量"转向"实际使用"和"创造的具体业务价值"，定价成为贯穿产品设计到运营的战略决策 [1][2] - 混合定价模式（订阅+使用量计费）成为AI行业主流趋势，需根据业务场景灵活设计七种策略组合 [4][7][8] - 成功AI企业需动态平衡市场份额与钱包份额，避免单引擎策略导致的增长陷阱 [10][11] - 基于价值归因与产品自主性的2×2定价模型框架（四象限）指导企业选择匹配的定价路径 [15][17][18] 混合定价模式分析 - **典型案例**：协作工具Clay采用订阅套餐+积分模式，年付仅10%折扣且积分可滚存2倍，平衡收入与用户黏性 [5] - **行业应用**：Monday.com每月赠500AI积分，Salesforce新增弹性积分，Atlassian尝试订阅融合使用量元素 [5] - **流行原因**：平滑过渡现有体系、自然扩张追加销售路径、保障利润率、成本可预期 [7] - **七种策略**： 1 纯使用付费（PAYG）适合早期灵活场景但难获企业预算 [8] 2 设上限使用付费缓解买方对天价账单担忧 [8] 3 用量套餐预购易导致资源浪费 [8] 4 平台费+使用费适合商品化指标或复杂价值产品 [8] 5 平台费含用量+超额费刺激整体用量提升 [8] 6 自适应统一费率按预估档位收费续约调整 [12] 7 平台费+成功分成按客户实际收益抽成 [12] 双引擎增长战略 - **市场份额**：侧重获客规模与市场渗透，早期可优先投入但需预留变现空间 [10][11] - **钱包份额**：聚焦单客户价值提升与商业化能力，中后期需强化避免收入瓶颈 [10][11] - **三大误区**： 1 颠覆者过度追求份额导致核心价值免费送出或忽视留存 [14] 2 赚钱者过度变现引发复杂定价损害信任或高价阻碍拓客 [14] 3 社区建设者过度服务核心用户群忽视新市场开拓 [14] 2×2定价模型框架 - **低归因/低自主性**：传统席位订阅（如早期Slack） [17] - **高归因/低自主性**：混合定价（如Canva高级功能按次收费） [17] - **低归因/高自主性**：纯使用量计费（如API调用次数） [17] - **高归因/高自主性**：按结果收费（黄金象限，如Intercom Fin AI按解决量收费） [18] 定价核心法则 - **20/80现象**：20%关键功能驱动80%付费意愿，应优先变现核心价值而非免费提供 [19] - **价格麻痹**：创始人常高估涨价负面影响，需敢于根据价值提价支撑可持续发展 [19] - **流失预防**：吸引真正需要产品的客户比事后挽留更有效，需定位高黏性客群 [19] AI定价组织变革 - **财务转型**：从记账部门升级为战略数据中枢，实时跟踪用量趋势并预测收入影响 [22] - **CEO主导**：需设定明确变革期限避免部门推诿，定价改革成败依赖高层推动力 [22] - **底层逻辑**： 1 软件即员工，价值锚点从用户数转向使用效果 [25] 2 每次AI调用产生实际成本需动态优化定价模型 [25] 3 赢家通吃格局下先发者通过使用量定价锁定市场 [25]

收购交易失败 - OpenAI与Windsurf价值30亿美元的收购谈判因微软知识产权担忧而破裂 [1] - 微软与OpenAI的现有协议规定微软可独家托管OpenAI模型并获取其知识产权 有效期至2030年 成为交易核心障碍 [2] - OpenAI曾尝试将Windsurf从微软协议中豁免但未成功 并试图重新谈判协议 [2] 谷歌替代方案 - 谷歌获得Windsurf技术非独家许可 雇佣其CEO Varun Mohan及部分员工 但不持有股份 [1] - 约250名Windsurf员工大部分将留任 商务负责人Jeff Wang接任CEO [5] - 谷歌采用"人才+技术许可"模式 类似此前27亿美元雇佣Character AI创始人 [3] 行业竞争格局 - AI编程工具市场成为科技巨头争夺焦点 相关产品可显著提升软件开发效率 [1] - Cursor公司年经常性收入突破5亿美元 拒绝收购 估值达99亿美元 [4][5] - 非传统收购协议帮助大科技公司快速获取AI人才 避免合并审查程序 [5] 交易影响 - 交易失败凸显大科技公司在AI编程工具领域的激烈竞争和复杂合作关系 [1] - Anthropic限制Windsurf访问其模型 称向OpenAI出售会"很奇怪" [2] - Meta曾与Windsurf谈判 上月向Scale AI投资143亿美元并雇佣其高管 [3]

技术变革与程序员角色演变 - 历史证明技术变革不会取代程序员技能，而是将其提升到更高维度，如数控机床赋能木匠制作更优质家具 [1][11] - 每次技术炒作周期（无代码、云计算、AI编程）都遵循相似模式：初期宣称取代程序员，最终催生更高薪的新岗位 [3][5][10] - 无代码工具实际催生了无代码专家和后台集成工程师岗位，其薪资超过传统程序员 [5] 行业转型具体案例 - 云计算未消灭运维岗位，而是推动系统管理员转型为DevOps，薪资翻倍且技能边界大幅扩展 [6][7] - 离岸开发浪潮因沟通障碍和质量问题受挫，最终演化出成本更高的分布式团队协作模式 [8][9] - AI编程助手当前实际效果是：资深工程师需耗费大量时间纠错AI生成代码，且纯AI系统架构混乱 [10] AI时代的核心竞争力 - 编程核心价值在于系统架构设计能力，而非代码编写，这是AI最不可能取代的领域 [4][14] - AI加速代码生产实质是加速制造"技术负债"，战略架构管理能力变得更为关键 [12] - AI擅长局部代码优化但缺乏全局设计能力，可能导致核心系统架构错误快速累积 [12][13] 技术变革的底层规律 - 技术转型本质是技能形态重塑而非岗位消失，如运维→DevOps、后端开发→云架构师 [7][14] - 实现速度暴增时，架构设计失误风险同步放大，需更高维度的系统掌控能力 [12][14] - 行业反复验证的真理：工具始终是技能放大器而非替代品 [3][11]