Das erste Platzen der Blase der künstlichen Intelligenz, das außer Kontrolle gerät, betrifft die Programmierer.

1/4

Programmierer verbrauchen die meisten Token

Die aktuelle AI-Boomphase in diesem Jahr ist auf die Explosion der Token zurückzuführen, sowohl in Bezug auf die Menge als auch auf den Preis. Bis Anfang Juni hatte Anthropic einen ARR (jahreszeitlich gemittelter Umsatz) von 47 Milliarden US-Dollar erreicht, während es im gleichen Zeitraum des vergangenen Jahres nur 14 Milliarden US-Dollar waren.

Aber die Hauptanwendungszwecke der Token-Explosion liegen immer noch in der Programmierung. Aus der Erfahrung der früheren Analysen der drei technologischen Revolutionen in dieser Serie geht hervor, dass das explosionsartige Wachstum einer einzelnen Branche nur eine vorübergehende Unterstützung für eine revolutionäre Technologie darstellt.

Darüber hinaus gibt es bei der derzeitigen Token-Verbrauchsmenge in der AI-Programmierung viele Blasen. Tatsächlich handelt es sich um ein Unkontrolliertsein des Unternehmensbudgets:

Viele Technologiekonzerne haben zwischen 2025 und Anfang 2026, um in dem heftigen Wettlauf um die AI-Forschung und -Entwicklung die Entwicklungsgeschwindigkeit aufrechtzuerhalten, ihren Ingenieurteams den Befehl erteilt, "die fortschrittlichsten Modelle kostengünstig einzusetzen". Viele Unternehmen haben bei der Implementierung keine strengen Verbrauchslimits oder Kostenkontrollen eingerichtet. Das Ergebnis sind viele extreme Fälle: Einige Teams haben in nur wenigen Monaten ihr gesamtes Jahresbudget für AI aufgebraucht und haben sogar aufgrund fehlender Verbrauchslimits erstaunliche Rechnungen erhalten.

Dieses Unkontrolliertsein in der Verwaltung war auch in den frühen Tagen der Cloud-Computing-Entwicklung zu beobachten. Die Technologieteams hatten ein hohes Kaufrecht, aber aufgrund fehlender finanzieller Beschränkungen waren sie preisunempfindlich. Viele Entwicklungsumgebungen und Testcluster wurden nach der Verwendung vergessen zu schließen und wurden zu "Zombie-Assets". Viele Rechnungen kamen in die Finanzabteilung, aber niemand konnte genau sagen, welche spezifischen Funktionsmodule die Kosten verursacht hatten.

Dieser unkontrollierte Verbrauch ist in der Regel vorübergehend. Der Schwerpunkt der AI-Nutzung bei den Technologiekonzernen hat sich jetzt von der "blinden Verfolgung der Modellfähigkeiten" hin zur "Kostenprüfung" und "Festlegung finanzieller Grenzen" verschoben. Viele Unternehmen testen derzeit ein präzises Betriebssystem für die Token-Nutzung.

Eine noch größere Blase liegt in der Abrechnungsmechanik der großen Modelle. Die Investoren der drei großen amerikanischen Modellunternehmen sind Cloud-Computing-Anbieter, die in Form von Token-Gutscheinen "investieren". Die großen Modelle nutzen diese wiederum für den Kauf von Cloud-Computing-Diensten der Investoren. Obwohl dies auch auf eine echte Token-Nachfrage zurückzuführen ist, fehlt den Gutscheinen ein Preissignal, was oft zu einer Überanregung des Verbrauchs führt.

Das Problem ist, dass die Programmierung nur ein Zwischenproduktionsprozess ist und immer noch eine große Menge an Endnutzernachfrage benötigt, um die Produkte zu verbrauchen. Wo befinden sich diese Endnutzernachfragen?

Zusammenfassend lässt sich sagen, dass die aktuelle Token-Blase vor allem darauf zurückzuführen ist, dass die Produktivität in der AI-Programmierung zu schnell gestiegen ist und der Preissignalmechanismus vorübergehend ausgefallen ist, was zu einem Überangebot in der "Programmierversorgung" führt. Ein Team kann jetzt in einer Woche die gleiche Menge an Programmierung erledigen, die früher einen Monat gedauert hätte. Um dieses Überangebot zu verarbeiten, muss entweder die Endnutzernachfrage plötzlich explodieren oder die Kosten schnell sinken (durch Massenentlassungen).

Die Entwicklung der AI kann nicht nur von ein oder zwei Branchen getrieben werden. Man kann vermuten, dass die Penetrationsrate der AI-Programmieranwendungen zwar weiterhin steigen wird, aber es wird schwierig sein, wie im ersten Halbjahr so rasant voranzuschreiten.

Dies bedeutet jedoch nicht, dass die AI-Trends negativ beurteilt werden. Bei technologischen Revolutionen entstehen zwangsläufig mehrere Blasen. Blasen sind nicht ein Nebenprodukt der technologischen Revolution, sondern eine Finanzierungsform der technologischen Revolution.

In meinem vorherigen Artikel in dieser Serie "Viele denken zu einfach, in Zukunft könnte es mehrere AI-Blasen geben" habe ich sie in zwei Kategorien eingeteilt:

Die erste Kategorie ist die mangelnde Reife der Technologie selbst. Es wurde keine passende Nachfrage und Geschäftsmodell gefunden. Dies ist eine Branchenblase.

Dieser Phase ist in der Regel eine Phase der massiven Infrastrukturentwicklung. Die Branche finanziert sich hauptsächlich über Schuldverschreibungen. Der Zusammenbruch dieser Blase kann zu einem Bankrott vieler Unternehmen führen und eine Schuldenkrise auslösen. Dies ist auch einer der Gründe, warum in den 19. und 20. Jahrhunderten ökonomische Krisen häufiger auftraten.

Die zweite Blase ist, dass die Erwartungen der Kapitalgeber über das Wachstum der kommerziellen Anwendungen hinausgehen. In dieser Phase ist die Nachfrage nach den Endanwendungen bereits stark gestiegen. Die Investoren extrapolieren übermäßig linear und geben zu hohe Bewertungen. Sobald externe Ereignisse wie Zinserhöhungen oder Entschuldbungen auftreten, wird die Blase platzen.

Diese Art von Blase gehört zur Kapitalmarktblase und hat keine Auswirkungen auf die Entwicklung der Branche.

Derzeit befinden wir uns noch in der Blasenphase der ersten Stufe. Der Schwerpunkt liegt nicht auf der Bewertung am Kapitalmarkt, sondern auf der Branchenebene. Genauer gesagt, ob die AI-Programmierung bereits ihren Penetrationshöhepunkt erreicht hat.

Nach einer Umfrage nutzen über 85 % der professionellen Entwickler in ihrem täglichen Arbeitsalltag häufig Tools wie Cursor, Claude Code und GitHub Copilot. Wenn die Penetrationsrate wirklich so hoch ist und keine nächste bedeutendere Nachfrage in Sicht ist, dann ist der Zusammenbruch der Blase bald bevorstehend.

Dieser Schlussfolgerung mag jedoch etwas voreilig sein.

Dieser Artikel wurde aus dem Inhalt einer Live-Übertragung bearbeitet. Bitte reservieren Sie sich für die wöchentliche Live-Übertragung am Mittwoch Mittag.

2/4

Code wird zur Zwischensprache

Der Großteil der Token wird tatsächlich von professionellen Entwicklern in Internetkonzernen verbraucht, aber ein Teil wird auch von nicht-professionellen Personen verbraucht, die überhaupt nichts von Programmierung verstehen. Letztere sind jedoch die wichtigste Nachfrage.

Wenn man Cursor, Claude Code und Codex als "Software zur Codeerstellung" versteht, dann wird man wirklich den Marktplatz als begrenzt ansehen, denn es gibt nur so viele Programmierer weltweit. Wenn man sie jedoch als "Agentensystem mit Code als universeller Ausführungsebene" versteht, lassen sich viele Phänomene erklären.

Viele Aufrufe von Claude Code oder Cursor werden in der Hintergrundanalyse als "Codeerstellung" klassifiziert. Tatsächlich können die im Hintergrund ausgeführten Aufgaben jedoch einfach sein wie "Schreiben eines Automatisierungsskripts zur Zusammenfassung meiner Rechnungen" oder "Abrufen von Daten einer Webseite und Speichern in Excel" oder "Zusammenfassung meiner Daten zu einem persönlichen Wissensspeicher und kontinuierliche Aktualisierung" oder "Täglicher Versand von Nachrichten, Forschungsberichten und Protokollen zu meinen bevorzugten Aktien" oder "Untersuchung meines WeChat-Accounts und täglicher automatischer Abruf von 5 Themenvorschlägen", usw. Dies sind alle Anforderungen, die mit der traditionellen Programmierung nichts zu tun haben.

In der Vergangenheit war die Programmierungsbranche so, dass ein Startup-Team oder ein großes Unternehmen eine Produktidee hatte, Programmierer beauftragte, Software zu entwickeln und schließlich die Aufgabe ausführte. Heute ist es jedoch wahrscheinlicher, dass eine Person eine persönliche Aufgabe hat, die wiederholt ausgeführt werden muss. Sie teilt diese Idee mit dem Agenten, der im Hintergrund automatisch Code erstellt und die Aufgabe direkt ausführt.

Der Code wird aus einem "Endprodukt", das im Geschäftsleben auslieferbar ist, zu einer "Zwischensprache" zur Ausführung von Aufgaben.

Warum ist plötzlich alles programmierbar? Weil aus der Sicht der AI die meisten komplexen Aufgaben in der realen Welt im Wesentlichen ein "Zustandsautomat" sind. Das Organisieren einer Excel-Tabelle, der Aufruf einer Suchschnittstelle oder das Manipulieren einer Webseite ist im Wesentlichen nicht anders als das Schreiben einer logischen Funktion. Der Code ist einfach versteckt.

Außerdem ist der Code die komplexeste Aufgabe, bei der die Richtigkeit am einfachsten zu überprüfen ist. Wenn es funktioniert, ist es richtig; wenn es einen Fehler gibt, ist es falsch. Die Rückmeldung ist äußerst klar.

Der echte revolutionäre Fortschritt der generativen AI liegt in der automatischen Verarbeitung von unstrukturierten Daten, wie z. B. menschlicher natürlicher Sprache. Dies musste in der Vergangenheit durch die Schreibung spezieller Datenpipeline-Codes erreicht werden.

Nehmen wir als Beispiel die Aktienanalyse. Bevor die Agenten auftraten, hätte ein Analyst, der die "Entwicklung von Gold und US-Staatsanleihen in verschiedenen Inflationsumgebungen in den letzten zehn Jahren" analysieren wollte, wahrscheinlich ein Finanzterminal geöffnet, verschiedene Daten exportiert, nach Dimensionen klassifiziert, Renditen und Korrelationen berechnet und schließlich einen Bericht geschrieben.

Der Großteil der Arbeit bestand darin, Daten zu verarbeiten. Die Verarbeitung von wichtigen unstrukturierten Daten war jedoch in der Vergangenheit ein Problem. Die generative AI hat dieses Problem gelöst und die ursprünglich versteckte Programmstruktur vollständig sichtbar gemacht.

Deshalb ist der AI-Agent nicht die AI-Transformation der Programmierungsbranche oder das Wachstum der Softwareentwicklungsbranche, sondern der "Einschlag" in verschiedene Branchen. Was früher ein Softwareentwicklungsteam benötigte, um ein Automatisierungssystem aufzubauen, kann jetzt ein Einzelner in wenigen Minuten über einen AI-Agenten erreichen.

Die Verbreitung dieser Fähigkeit bedeutet, dass "Programmieren" zu einer grundlegenden universellen Fähigkeit wie die Textverarbeitung oder die mathematische Berechnung geworden ist.

Als ich klein war, war Tippen eine Fähigkeit und ein Beruf. Tippbüros waren eine Branche, und die Schule bot die Wubi-Eingabe als praktisches Kursangebot an. Später machte die intelligente Pinyin-Eingabe das Tippen zu einer einfachen universellen Funktion, die nicht einmal als Fähigkeit angesehen werden konnte. Jetzt hat die AI-Spracheingabe das "Tippen" vollständig abgelöst.

Früher mussten die Aufgaben über Programmierer und die Softwareproduktivität ausgeführt werden. Heute können Nicht-Programmierer direkt über Agenten die Softwareproduktivität nutzen, so dass alle "Wissensarbeiter × Agenten" die Arbeitsfähigkeit eines gesamten Teams in der Vergangenheit ersetzen können.

Früher war es nur die "standardisierten Massenanforderungen", die es lohnte, zu softwaremäßigen Lösungen umzusetzen. Jetzt haben auch die "individuellen, spezifischen Anforderungen" einen Wert, um softwaremäßig umgesetzt zu werden.

Unterschätzen Sie diesen Wandel nicht. Er wird einen bisher nie dagewesenen Blauwasser-Markt schaffen.

3/4

99 % der Anforderungen haben erstmals eine Wirtschaftlichkeit

Das Schreiben von Code war einst eine sehr teure Aktivität. Nicht die Server waren teuer, sondern die Menschen. Die Kosten für die Anforderungsabklärung, die Programmiererentwicklung, die Testung und die Wartung usw. waren hoch.

Deshalb hat sich in der traditionellen Softwarewelt eine Regel gebildet: Je mehr Benutzer, desto lohnender ist die Entwicklung.

Warum sind die großen Softwareprodukte immer ERP, CRM, Office? Warum sind WeChat, Taobao und Douyin zu nationalen Plattformen geworden?

Es ist nicht, dass diese Anwendungen besonders gut sind. Die oben genannten Anwendungen erfüllen die am weitesten verbreiteten Anforderungen in der modernen Gesellschaft, so dass die Produktions- und Wartungskosten stark reduziert werden können und es hohe Margen gibt, um weitere spezifische Funktionen zu entwickeln.

Dies bringt jedoch auch ein Problem mit sich. Viele der früheren, nicht ausreichend universellen Programmieranforderungen wurden unterdrückt. Sie möchten eine Marktdaten-Software, die genau nach Ihren Anlagegewohnheiten entwickelt ist. Diese Software wäre für Sie sicherlich besser als Wind und Sie wären auch bereit, einen höheren Preis zu zahlen. Leider kann diese Anforderung nicht erfüllt werden, denn die Entwicklung speziell für Sie würde zu teuer sein.

Wenn die Programmierungskosten stark sinken und die "individuellen, spezifischen Anforderungen" auch softwaremäßig umgesetzt werden können, werden viele neue Anforderungen freigesetzt.

In der Ökonomie nennt man dies "Verschiebung der Angebotskurve nach rechts": Eine Anforderung mit einem Wert von 10 Yuan, die eine Entwicklungs- und Implementierungskosten von 5.000 Yuan verursacht, führt nicht zu einem Handel. Eine Anforderung mit einem Wert von 10 Yuan, die eine Entwicklungs- und Implementierungskosten von 5 Yuan verursacht, führt zu einem Handel, und der Marktumfang explodiert.

Dies ist eigentlich die "Long-Tail-Revolution" der AI.

Im Internetzeitalter war die Long-Tail die Vermarktung von seltenen Waren auf Taobao. Obwohl die Blockbuster-Produkte profitabel sind, sind es die seltenen Waren, die Sie dazu bringen, auf "das allmächtige Taobao" zu gehen und nicht auf andere E-Commerce-Plattformen.

Die Long-Tail in der Agenten-Ära sind die individuellen Softwareanforderungen. Stellen Sie sich vor, Sie haben eine Gruppe von 100 Personen mit einem bestimmten Nischenhobby. Mit nur sehr geringen Entwicklungskosten können Sie einige individuelle Funktionen anbieten, die dauerhaft abgerechnet werden können. Und diese Gebühren können möglicherweise sehr hoch sein, denn je individueller die Anforderungen sind, desto höher ist die Preisakzeptanz.

Abgesehen von den Gebühren haben auch die Softwareentwicklungen, die rein persönlichen Bedürfnissen entsprechen und die Arbeitsleistung oder die Kosten senken, einen kommerziellen Wert.

Die traditionelle Software verdient Geld durch die Skaleneffekte, während die Agenten Geld durch die Individualität verdienen.

Die Veränderungen enden nicht hier.

Früher wurde die Software pro Benutzer abgerechnet, und alle Funktionen waren in einem Paket enthalten. Auch wenn Sie nur 5 % der Kernfunktionen nutzten, mussten Sie die vollen Kosten zahlen. Schwerverbraucher konnten alle Funktionen ausnutzen. Im Wesentlichen wurden die Schwerverbraucher von den meisten Leichtverbrauchern finanziert, was dazu führte, dass viele gelegentliche Benutzer die Software nicht kauften, weil sie "n