一面是渗透率：接近一半的受访者声称用过AI，宣称完成部署的大型上市公司接近七成。另一面是验证率：把这项投入写成可核对指标的，只有2%。
两个数字并列，指向的不是执行不力，而是衡量尺度本身出了问题。
一、一个分母装了两类行为
把「用过」作为指标，问题出在分母的定义上。
下载一个助手、临时问一句，算使用；把工具接进邮箱、代码库、客户系统，每天自动跑掉几百个任务，也算使用。两类行为被计入同一个统计口径，得出的渗透率自然高，也自然失去解释力。
更值得关注的是支付端的真实位置：个人订阅渗透率是4.5%，一年前是2.1%。换算到家庭层面，约98%的家庭至今没有为这项技术支付过费用。
两套行为共用一个分母，这个数就只剩描述功能。
二、尺子换了：从注意力到意图
收费结构的迁移，比产品形态的变化更能说明问题。
行业观察显示，当前消费级AI产品的收入构成中，订阅占84%，按量或点数计费占64%，广告只有14%，交易抽佣仅2%。而上一代平台的核心收入几乎全部来自广告，某头部社交平台的比例是97.6%。
这意味着变现对象发生了变化：过去衡量的是注意力，现在开始尝试衡量意图。
差别在于成本结构。注意力经济的边际成本接近于零，复制一次内容不增加支出；推理不是这样，调用越多，算力消耗越大。这也解释了为什么早期产品普遍采用订阅制——先把愿意付费的人群筛选出来，才谈得上运转。
支付端的位置同样值得记录。讨论热度的扩散周期以周计，付费习惯的养成通常以年计，两者并不同步。这也提示一件事：用讨论热度推断市场规模，在这个阶段容易得出偏乐观的结论。
三、投入的去向变了：从比特回到实体
另一个容易被忽略的变化发生在资产负债表上。
过去二十年，科技行业的核心优势是轻资产与零复制成本。而这一轮AI投入，正把资金从软件层导向芯片、能源、电网、冷却与工业供应链。有从业者提到，这种高投入状态预计会持续到2028年前后，部分企业已经开始借助债券市场继续加杠杆。
于是「泡沫」这个判断变得难以简单下结论。现阶段的投入回报仍高于融资成本，云侧待交付订单在增长，算力需求大于供给，供需两端的信号并不一致。
一个更值得记录的转向是：软件行业延续了十几年的轻资产偏好，正在被重新评估。当产出依赖算力、电力与机柜时，扩张速度就不再只取决于代码写得快不快。这对习惯了高频迭代的组织是一种结构性挑战——它们的优势建立在复制成本接近于零之上，而这一轮投入恰恰相反。
四、一个判断
当一项技术的成本曲线持续下降而总支出持续上升时，稀缺的就不再是这项技术本身，而是衡量它产出的那把尺子。
这轮变化里，企业之间的差距未必体现在谁用的工具更先进，而会体现在谁能把投入与产出对上。头部企业与中位数企业之间的输出量差距已经拉开到11.7倍（信息行业口径），而这种分化通常发生在口径缺失的组织里。
判断谁在领先，可以换一个观察角度：不看谁部署的功能多，而看谁能按月说清一类任务的平均花费。前一个问题缺少可验证的答案，后一个问题至少可以被复算。
五、值得注意的三个动作
1.先把任务边界划清。没有边界，任何总量都无法归因。
2.再把口径写成字段，而不是文档。口径漂移多数发生在文档与采集脚本之间。
3.固定复核周期，改动后同步到各端，并标注生效时间。
三项都不涉及新增采购，难点在第二项——它没有即时的可展示成果。
观察者手记
这一轮数据带来的启发，与其说是工具层面的，不如说是口径层面的：判断一项投入值不值，先要有一个能复算的尺子。可以参照的思路是先把用量口径固化成一张表，照着填，日常也少折腾。同一路径的整理，公众号「智扣AI」里有。
智扣AI超市：www.zhikouai.com（AI优选·价值落地）