王煜全：AI 泡沫将在 2029 年破灭，以及 Agent 时代的「服务平权」
节目信息
- 栏目：易论 AI
- 主持：雅婷
- 发布时间：2026-07-09
- 采访嘉宾：王煜全 —— 海银资本创始合伙人，前移动通讯领域长期顾问，科技产业观察者
- 主题：从工业革命历史规律推演 AI 周期、Agent 对组织形态的重构、大模型时代的"电力之争"、数字封建主义的瓦解路径与"服务平权"
AI 泡沫会在 2029 年破灭
王煜全对 AI 周期的判断建立在一条反复出现的历史规律之上：每一次技术革命都会经历"恐慌期 → 狂热期 → 低谷期"的循环。恐慌来自旧岗位被替代、新秩序尚未成形；狂热来自大众突然看懂新机会、预期被迅速拉满；低谷则源于预期兑现速度跟不上叙事膨胀。
当前所处的位置是"恐慌刚刚结束、狂热刚刚开始"之间，预期被过度高估，真正的泡沫有可能在 2029 年形成。这场泡沫的形态会和 2000 年的互联网泡沫不一样——AI 现阶段只是少数 IT 巨头的狂欢，绝大多数社会成员感受到的是被替代的恐惧而非受益。一旦未来两三年大家慢慢看明白"大多数人都会受益"，市场就会进入狂热期，郁金香式的预期溢价由此堆高。
但叙事兑现速度永远追不上叙事扩张速度。泡沫的本质不是"预期是假的"，而是"好的预期来得没那么快"。人性的贪婪让我们以为预期会立刻兑现，当现实节奏没有跟上叙事节奏时，落差就会把市场砸下来。这也是荷兰郁金香泡沫、2000 年互联网泡沫、2008 年金融泡沫背后同一条人性曲线。
为什么工业革命的真正推手不是瓦特？
技术革命的历史从来不奖励技术的发明者，而是奖励把技术规模化的人。教科书里反复纪念瓦特改良蒸汽机，但真正把工业革命推上正轨的是纺织厂 主阿克莱特——他同时做了两件事：发明了机械式纺织机 water frame，又建成了人类历史上第一座工厂，把单点动力变成可复制、可扩张的生产系统。
这条线索一直延续到福特。福特的价值不在于发明流水线，而在于用外接电力把每个工位都装上动力，使复杂产品的规模化生产成为可能。福特的早期方案是自建两三层的蒸汽机发电厂，靠内部电网给产线供电，但不到十年就被外接电力取代——电网的电更便宜、更稳定，福特没必要自己当电厂。这个细节映射到当下 AI 浪潮里异常准确：
- 电力 = 大模型能力 —— 谁家模型最好，所有 Agent 都会调用它，因为切换有额外成本；
- 电网 = 大模型 API 与基础设施 —— 接入电网比自建电厂便宜；
- 工厂 = 业务流程 —— 每个工位（业务环节）都要有动力（Agent）支撑。
大模型即电力，谁掌握最优秀的模型，谁就是 Agent 时代的发电厂。这也是为什么美国不仅在国内搭建算力基础设施，还主动把数据中心铺到英国、德国——本质是在铺设"电力出口"。
Agent 取代岗位后，业务流程怎么重组？
福特流水线揭示了一个反直觉的事实：流水线刚出现时并没有立刻引爆美国经济，反而引发了 1929 年的大萧条。原因不是流水线没用，而是各行各业还不知道怎么用。真正让流水线思想 深入骨髓的契机是二战——所有工厂都被转入军工，规模化生产从一门"选修课"变成了"必修课"，通用汽车的高管被请去战时生产委员会当顾问，把造汽车的流水线经验复制到坦克、军舰、飞机、枪炮上。二战结束后，流水线思想从军品转为民用，美国才迎来真正的经济大爆发。
把这套叙事平移到 Agent 时代，可以看到同样的时间表：
- 2026 年：Agent 开始替代单个岗位，但企业不知道如何把 Agent 串成流程；
- 未来若干年：通用化、规模化的"业务流程改造"会成为主战场，类似当年通用汽车把造车经验外溢到全工业；
- 真正的经济爆发：出现在大多数行业都找到 Agent 落地范式之后。
当下中国公司的主流问题是用"以人为核心"的思路硬塞 Agent——招最优秀的人才、加班熬夜、靠人的奋斗精神跑赢对手。真正优秀的业务模式是 Agent 跑流程，人在旁边睡觉，出事再介入。流程一旦顺畅，人完全可以从执行位退出。这不是技术问题，而是组织设计问题。
数字封建主义与"文明级认知能力"
互联网时代的隐疾是数字封建主义：用户被锁在腾讯、美团、阿里各自的"帝国"里，支付系统、商家、广告位都是封闭的，围墙越高，用户越逃不掉。平台与用户的关系本质是雇佣——你免费使用平 台，但你在平台上的所有行为都在为平台创造价值，而你没有任何议价能力。
差异定价是最直观的证据：某些旅行网站对不同用户展示不同价格，富人看到的价格更高，但因为信息不对称，你根本不知道自己被宰了。平台的动机是"卖更多东西给你"，即便嘴上说"不作恶"，利益结构本身就和用户对立。
AI 给出的解法是赋能——让每个人都具备"文明级认知能力"。所谓"文明级"，指的是把人类整个文明的认知积累站在你背后：登月这件事没有任何个体能独立完成所有的物理、化学、机械、计算机知识，但靠群体协作人类做到了。如果未来每个人都被赋能到这种认知层级，就足以对抗任何一个数字平台，因为你不可能解决信息不对称，但你的 Agent 可以。
这条路径上有一个关键硬件入口——操作系统。Google 把 Gemini 嵌入 Android，实质上已经在击穿超级 App 的围墙。如果手机厂商把大模型植入系统层，用户就能跨平台比价、跨 App 调度最优功能，App 之间的护城河会迅速消失。利益结构会推着厂商做这件事——不做的人会失去用户黏性。
集中式智能 vs 分散式智能
当下大模型架构的本质是集中制：一个超级模型试图覆盖所有能力。但人脑不是这样运作的——大脑是共和制，不同皮层负责不同功能，运动皮层的权重远高于语言皮层，权重不均、各司其职。未来的智能形态会更接近"人工群体智能"（Artificial Collective Intelligence），而不是单个超大模型。
这背后有一个工程上的现实约束：Transformer 在单领域数据上可以做到极致，但综合判断需要靠 chain of thought 这类外挂机制。Domain tit 把每个领域做得极专，再叠加一个综合系统做决策，是更接近人脑结构的方案。同理，physical AI（让机器人理解物理世界）解决之后，还需要 cultural AI（让机器人理解文化、心理、礼节），才能真正胜任人类的仆人角色——两者之间还差十万八千里。
"服务平权"才是这个时代的主题
工业革命带来的是"物质平权"——流水线让汽车、电视、冰箱从富人专属变成大众消费品，福特的核心贡献是让穷人买得起 T 型车。这一轮 AI 革命带来的不是另一轮物质平权，而是服务平权。
美国收入前 1% 与后 1% 的平均寿命相差十岁，差距很大一部分来自医疗资源的可及性——富人有家庭医生、私人医生，穷人没有。但医疗的本质是专家级认知能力，是经验、判断与持续关注。AI 能把这种专家级认知能力固化为低成本服务，让穷人和富人用上一样的家庭医生、一样的理财顾问、一样的法律顾问。商业逻辑也随之切换——从"卖给富人赚一个亿"变成"卖给十亿穷人每人赚一块钱"：后者的天花板更高，因为富人的池子是有上限的，全球高净值人群就那么多；而穷人的池子几乎无穷，规模化做得越好，潜在客户基数越大。王煜全正在做的可穿戴健康创业就是这个逻辑的实践——把富 人专属的家庭医生服务，做到普通人也能负担得起。
商业模式也会随之切换：从"卖给富人赚一个亿"切换到"卖给十亿穷人每人赚一块钱"。后者的天花板更高，因为富人的池子是有上限的，全球高净值人群就那么多；而穷人的池子几乎无穷，规模化做得越好，潜在客户基数越大。王煜全正在做的可穿戴健康创业就是这个逻辑的实践——把富人专属的家庭医生服务，做到普通人也能负担得起。
训练数据的"好与坏"
一个反直觉的训练技巧是：把语料清洗得过于干净、把"好内容"挑出来单独训练，反而训不出最聪明的模型。一定要把好的坏的掺在一起训练，AI 才能学会分辨"什么是好的"——纯好语料反而会让模型失去对负样本的感知能力。
这背后的原理是模式识别需要正反样本对照：只知道好、不知道坏，模型就无法理解"好"是相对于"坏"而言的。进化论也是一样——生物多样性本身就是好坏的混合，没有淘汰就没有适应，没有负样本就没有正样本的清晰边界。
快问快答：打工、教育、人与机器
三个收尾问题浓缩了整场访谈对未来人的判断：
打工还是创业？ 工作的本质是"别人定义 你该干什么，换取一份薪水"。在 AI 时代，每个人都具备直接为他人创造价值并被付费的能力，没有理由继续打工。
人与人的协作会消亡吗？ 不会。人与机器协作的"丝滑"是机器填掉固定部分、人去填灵活部分；大规模、多角色、需要信任的协作依然只能靠人完成。人会越来越少做执行、越来越多做选择、做安排、做修正——从第一天起就要学当刘邦，而不是学当张良、萧何、韩信。
人会被挤出世界吗？ 人不是被挤出世界，是被挤出具体执行。未来的公司管理是流程化的，不是结构化的——人工智能不需要被管理，只有才需要。具体的活由 Agent 串成的流程完成，人要做的只剩下放飞自我、做想做的事、探索人类还没探索过的领域。教育系统的当务之急是培养"当刘邦的能力"，但这件事目前还没发生，所以这一届毕业生最惨——来不及转。
AI 时代的"原住民"判定标准
过去判断一个人是不是数字原住民，看的是从小有没有接触过电脑、互联网。但 AI 时代的"原住民"判定会切换到心智维度：是不是从第一天起就习惯和机器一起思考、一起做事。未来衡量一个人是否被时代亏欠的标准不再是年龄，而是心智有多年轻——能不能立刻变成"人机混合认知"的原住民。
一个有趣的旁证是考试：禁止使用 AI 相当于强制要求"只能用肩扛麻包、不准用卡车运输"。这种规定荒谬至极，却在教育系统里被广泛执行 。教育改革的阻力不在技术，在利益结构——但利益结构在 AI 时代会被快速重写。