2026年3月，美国圣何塞的GTC大会现场，英伟达CEO黄仁勋公布了一组耐人寻味的数据：推理服务商过去一年增长了100倍，云服务商贡献了英伟达60%的收入，SaaS公司正在变成GaaS公司——从卖工具转向租赁智能体。
几乎同一时间，河南郑州的一位连续创业者黄涛，正用1小时训练出的AI助理“番茄”，同时运营着7个微信公众号，仅凭单篇推广稿件就签下超50万元的年度合作订单。深圳南山区腾讯总部大楼外，人们排起长队只为安装一个叫OpenClaw的开源AI智能体。
这些看似不相关的场景，指向同一个核心问题：喧嚣了三年多的AI，钱到底流进了谁的口袋？
从“训练模型”到“生产Token”要理解谁在赚钱，首先得看清钱流动的方向发生了什么变化。
黄仁勋在GTC 2026上给出了一个关键判断：AI产业正在经历从模型训练向推理应用的重大转折。过去两年，几乎所有钱都烧向一个方向——训练更大的模型。但现在，钱开始流向另一个方向：让模型真正干活。
这个转折背后的商业逻辑，被他形象地概括为“未来的数据中心，是生产Token的工厂”。
什么是Token？在技术层面，它是AI处理文本的最小单位；在商业层面，它正在成为一种分层定价的商品。黄仁勋算了一笔账：免费层的Token可能不赚钱，但能吸引用户；中等层每百万个收费3到6美元；高级层可以收到45美元；最顶级的模型，每百万个Token能卖到150美元。
一个研究团队，每天消耗5000万个Token，按顶级价格计算就是7500美元一天。但对团队来说，这点钱不是问题——因为Token带来的价值远超成本。
更有意思的变化发生在企业日常运营层面。黄仁勋提到，硅谷现在招人，“这份工作附带多少Token额度”已经要写进offer里了。未来每个工程师都需要年度Token预算，公司要给相当于半个基础薪水价值的Token，让他们获得10倍的生产力提升。
Token经济的崛起，意味着一套全新的价值链正在形成：企业买Token →推理服务商或GaaS公司→云服务商→芯片厂商。钱的流向变得前所未有的清晰。
谁在赚钱？三层结构的赢家图谱第一层：卖铲人——算力基础设施的所有者任何淘金热中，最先赚钱的永远是卖铲子的人。
在AI这场淘金热里，英伟达是那把最锋利的铲子。黄仁勋在GTC上放出豪言：到2027年，AI芯片至少有1万亿美元的生意。但他特意强调，这1万亿不是卖芯片的钱，而是整条产业链的钱。
真正值得注意的是这组数据：英伟达60%的收入来自排名前五的云服务商。而且这60%里面，还包括它们自己的内部消耗——推荐系统、搜索引擎，现在都在从传统算法转向大语言模型。
更深层的赚钱逻辑在于合作模式的转变。英伟达不只是卖硬件，它把整个软件库整合进去，把客户带到云上。所有需要Token的公司，英伟达帮它们找到云服务商。反过来，云服务商主动要求英伟达把下一个客户落地到自己的云上。
为什么？因为这1万亿美元的投资，这些正在建设的Token工厂，需要客户来消耗算力。
在中国，同样的故事正在上演。据媒体报道，2026年字节跳动、阿里和腾讯三家在算力基础设施上的投入预计超过600亿美元，其中大部分用于AI推理集群。成千上万张加速卡日夜运转，如果没有高频调用，它们每天都在烧钱——电力、折旧、维护，成本叠加。
OpenClaw在中国的爆发恰好解决了这个问题。它不是简单聊天机器人，而是能自主拆分任务、联网搜索、调用软件、纠错重试的Agent。据观察者网报道，OpenClaw重度用户日均Token消耗在3000万至1亿之间。按Claude Opus价格计算，一天费用约900至3000美元。
这组数字意味着一个活跃Agent实例一天的Token消耗，能抵得上普通ChatGPT用户几年的量。每一次任务执行，无论发生在用户终端还是云端，最终都汇入云服务商的账本。
第二层：新中介——推理服务商与GaaS公司当Token变成商品，中间商就出现了。
Fireworks、Together AI、Linq这些名字，对普通读者可能陌生，但它们的增长速度惊人——过去一年增长了100倍。它们做的事情很简单：建Token工厂，然后把Token卖给企业。
黄仁勋在演讲里展示了一组数据：这些推理服务商刚接入英伟达的软件更新时，Token生成速度大约每秒700个。更新之后，直接涨到每秒5000个——7倍的提升。同样的硬件，同样的电力，产出直接翻7倍，对它们来说就是收入翻7倍。
更值得关注的变数是SaaS公司的转型。黄仁勋说了一句话：“每一家SaaS公司，都将变成一家GaaS公司。”GaaS是Agentic as a Service，智能体即服务。
过去SaaS公司卖的是工具——你付费，我给你软件，你的员工用软件干活。未来GaaS公司卖的是智能体——你付费，我给你AI助手，它们直接帮你干活。
这个转变的关键是OpenClaw。黄仁勋称它是有史以来最受欢迎的开源项目，仅用几周时间就超越了Linux三十年的成就。它的本质是智能体的操作系统。就像Windows让我们能够创造个人电脑，OpenClaw让我们能够创造个人智能体。
对SaaS公司来说，这既是威胁也是机会。威胁在于，如果客户可以直接用智能体完成工作，原来的软件订阅价值何在？机会在于，如果能把自己的专业能力封装成智能体，就可能从卖工具升级为卖服务。
黄仁勋透露，英伟达和OpenClaw合作开发了NeMo-Claw企业级参考设计，加入了策略引擎、网络护栏、隐私路由器，让智能体可以安全地在企业内部运行。他说：“每一家公司现在都需要一个OpenClaw战略。”
第三层：淘金者——超级个体与手搓经济如果故事只停留在巨头和中间商层面，那就和普通读者没什么关系了。但2026年最值得关注的变化恰恰发生在最基层——普通人开始用AI赚钱了。
先看几个真实案例。
据河南日报报道，郑州的创业者黄涛在2026年3月，当“养龙虾”（指部署和训练AI智能体）热潮席卷全国时，他用1小时训练出专属AI助理“番茄”。如今一人同时运营7个微信公众号，单篇推广稿件签下超50万元的年度合作订单，创建的创业社区吸引了超过200名创业者进群。
黄涛的经历很有代表性。他曾著有《引爆超级个人IP》，在开源AI智能体框架出现时，他意识到个人IP的升级版——“一人公司”时代已经来临。“以前教人，要教3个月。现在教AI，1小时就够了。”
他训练出的“番茄”能力远超真人助理：自动完成文章撰写、排版设计，替代客服回复消息，协助处理合同拟定、产品规划。每天早上根据热点分别为7个公众号策划3个选题，经他确认后自动完成内容撰写与排版。
这套模式很快跑通商业闭环——通过微信公众号引流，朋友圈一个老友看到推文后，直接达成超50万元的年度文旅项目合作。
黄涛的判断是：河南拥有大量亟待数字化转型却难以承担高额成本的中小企业，这正是“一人公司”最大的机会窗口。
再看更基层的现象。
海外科技媒体QUASA最近报道了一个新词——“手搓经济”。在中国，普通人正在利用灵光等AI工具“手搓”出各种功能性、可交互的小应用，在社交平台上售卖，打造出轻量商业模式。
什么叫“手搓”？就是用最简单的工具，像手工制作一样快速构建应用。没有编程背景的人，借助AI助手，也可以成为微型创业者。
最典型的案例：一款由个人制作的“个人打卡”工具，短时间内获得了近1000笔订单。
新加坡管理大学高级讲师Urs Bolt评论说，“手搓经济”对于软件开发来说可能是转折性时刻。过去，只有拥有庞大工程师团队的大型科技公司才能构建数字产品。现在，任何没有编程背景的人都可以做到。
一位海外网友的总结很精辟：“这代表了软件创作的民主化。在这个新时代，创造力和洞察力比企业规模更重要。”
更让人意想不到的是银发群体。
QuestMobile 2026年1月数据显示：50岁以上月活用户最高的三款AI产品分别是DeepSeek（1020.0万）、豆包（607.1万）、蚂蚁阿福（604.1万），均突破600万量级。
增长更惊人——千问的50岁以上用户，一年时间翻了20多倍；蚂蚁阿福虽然只有半年多的数据，用户也涨了快9倍。
为什么老年人爱上了AI？
之前网上有网友分享，他教会58岁的爸爸用豆包后，爸爸最爱干的事，是举起手机对着顾客的脸拍照，让豆包判断对方适合什么发型。乡镇的人觉得这个功能新鲜，都乐意配合互动。
另一位年轻人为了教会爸妈用AI，甚至写了一本70页的《豆包AI使用手册》，发在小红书上收获近400次下载。
阿里研究院的报告显示，被教会的高龄老人中，近半数已离不开AI——他们用AI聊天、写诗、做旅游攻略、让老照片动起来。
这些案例说明什么？AI赚钱的故事，正在从“少数人的神话”变成“多数人的日常”。不需要写代码，不需要懂算法，只需要有想法、愿意尝试。
被AI边缘化的群体，谁在这场浪潮中掉队？硬币总有另一面。
当AI让一部分人赚得盆满钵满时，另一部分人正在被边缘化。搞清楚谁没赚到钱，和搞清楚谁赚到了钱同样重要。
第一类：盯着老业务降本增效的企业
混沌创新领教、AI领域投资人任鑫一针见血地指出：为什么花了大价钱组建AI团队，最后却大概率亏本？答案出人意料——盯着原有的业务搞“降本增效”，注定没有出路。
“AI人才很贵的，你为了省掉一批便宜的人的钱，组建一个AI团队，最后大概率是亏本的。”
他的建议是：在这个变动的时代，多做开拓性的事情，少做守成的事情。做新事的成本其实低于做老事——因为老业务往往有沉重的历史包袱，内部阻力大；而借助AI搭一个新系统，可能三天就搞定。
第二类：可被标准化替代的中型企业与从业者
申万宏源的一份研究报告给出了一个关键判断：如果任由AI自由发展，社会财富分配大概率将呈现显著的“K型”分化。
具体来说：对于掌控核心AI基础设施的顶端，财富和资源会进一步集中；底端可能出现“去中心化”的繁荣，“一人企业”存在大量成功机会；可被AI标准化替代的中型企业与相关从业者，在财富和资源中的相对份额可能面临缩水。
这是什么意思？中间层被挤压了。过去靠信息不对称、靠中等规模团队、靠标准化服务赚钱的企业，面临最严峻的挑战。
第三类：失去入门级工作的年轻人
复旦大学管理学院科创管理研究中心首席经济学家邵宇提出了一个更深的担忧：白领晋升路径可能遭遇重创。
过去，白领的成长依赖人力资本的积累——通过接触基础工作再到管理工作，逐渐从“职场小白”升职到部门经理，是一个“打怪升级”的过程。但当AI取代了大量初级白领的工作，意味着向上攀登的梯子被抽掉了。如果没有入门级的工作机会，“职场小白”很难成长为首席或总经理。
这个问题的严重性在于：它不只是影响当下的收入，而是影响整个职业生涯的成长路径。
第四类：陷入“为了用AI而用AI”误区的跟风者
黄涛在观察大量入局者后发现，很多人停留在表层：“很多人觉得有了AI就能躺着赚钱，花几千块买一堆工具课，学完之后就没了下文。工具是工具，业务是业务，完全是两回事。”
他认为，开源AI带来的是一场海啸式变革，但只属于真正付诸行动的人。他的建议是：先找痛点再找工具；先跑通最小商业闭环再谈规模化；坚持，AI不是速效药。
AI赚钱的底层逻辑变了看完谁在赚钱、谁没赚到钱，我们需要回答一个更深的问题：为什么是这些人赚到了钱？
答案藏在三个底层逻辑的变化里。
逻辑一：从“人机对话”到“机器干活”黄仁勋在GTC上梳理了三个关键节点：
第一个节点是ChatGPT。2022年底上线后，AI第一次从“能理解”变成了“能生成”。
第二个节点是O1和O3模型。它们带来了推理能力。AI开始能思考、能规划、能把复杂问题拆解成可理解的步骤。
第三个节点是Claude Code。这是第一个真正的智能体模型。它能读文件、写代码、编译、测试、评估，然后返回继续迭代。AI从工具变成了员工。
这三步走下来，计算需求爆炸了——为了思考，AI需要消耗的Token数量增加了1万倍。
对普通人来说，这意味着什么？以前你用AI，需要像搜索引擎一样提问、筛选、整合；现在你只需要告诉AI“去把这件事办了”，它自己拆解、执行、交付。
黄仁勋说：“这是第一次，你不再问AI‘什么、哪里、怎么做’，而是直接让它：去创造、去执行、去开发。”
逻辑二：从“降本增效”到“价值创造”任鑫提出了一个关键观点：不要盯着原来的工作搞降本增效，要用AI做新的事。
为什么？因为降本增效的思维，本质上还是在原来的蛋糕里切分；而做新的事，是在创造新的蛋糕。
他举了一个例子：以前我们可能会把AI当成一个“诸葛亮”，有想不通的人生难题，会找它聊聊天。但现在不一样了——AI会自己装软件、学技能、反思错误、换个方法继续试。
“这就相当于给每个人配了一个程序员同事，啥都能干。你只需要对它说人话，它就能帮你把活儿干了。而且，这件事已经发生在每个人的电脑里了。”
他的孩子今年八岁，七岁就开始用AI写游戏了——全部用嘴巴说：“炮塔做大一点”“子弹为什么那么慢？”“赢得太容易，没意思，难度调大。”游戏就慢慢变好，能玩了。
这个例子说明什么？门槛消失了。以前需要学编程、学设计、学产品，现在只需要有想法、会表达。
逻辑三：从“信息不对称”到“能力不对称”北京大学光华管理学院助理教授仇心诚提出了一个很有启发性的概念——“弱环效应”。
经济生产就像一条链子，由无数个“任务环节”串在一起。链子的强度不取决于最强的那一环，而取决于最弱的那一环。
AI可以让很多环节变得非常强——写代码、做数据分析、翻译、客服。但只要还有环节是AI做不了或做不好的，比如某些需要人类判断力、创造力、身体灵活性的任务，那么经济整体产出的提升就会受到这些“弱环”的限制。
这对个人赚钱能力的启示是什么？找到那个AI做不好、但你能做好的“弱环”，把它变成你的价值所在。
仇心诚举了放射科医生的例子：2016年，深度学习之父Geoff Hinton说应该停止培养放射科医生，因为AI将很快在医学影像阅读方面超越人类。十年后，放射科医生的数量不减反增，薪资也有所上升。
为什么？因为放射科医生的工作不止是阅读影像，还包括与患者沟通、与临床团队协作、整合临床信息做出综合判断。AI替代了“阅读影像”这个任务，反而提升了医生在其他任务上的边际价值。
这正是“弱环效应”在劳动力市场上的体现：当一项任务被AI取代后，剩余的“弱环”任务恰恰因为成为瓶颈而获得了更高的要素回报。
2026年后，钱会流向哪里？基于上面的分析，我们可以对未来做一些推演。
推演一：Token成为基础生产资料，拥有算力者持续收租
黄仁勋的“1万亿美元”不只是口号。随着推理需求爆发，算力正在从“成本中心”变成“利润中心”。那些拥有大规模算力基础设施的公司——云服务商、推理服务商——将持续从每一条Token的生产中抽取“租金”。
在中国，OpenClaw的爆发已经验证了这个逻辑。当几百万个Agent在全球终端昼夜运行，每一次任务执行都在消耗Token、产生现金流。
推演二：一人公司崛起，中间层持续承压
申万宏源的“K型分化”判断正在变成现实。
一端是超级个体——像黄涛那样，用AI助理同时运营7个公众号，一个人完成过去需要一个团队的工作。一端是平台巨头——掌控算力、数据和用户入口。中间层——那些依赖中等规模团队、靠标准化服务赚钱的企业——面临最严峻的挤压。
对个人来说，这意味着什么？要么向上走，成为不可替代的“弱环”；要么向下沉，沦为可被标准化替代的“成本”。中间地带的生存空间正在消失。
推演三：数据成为新燃料，拥有任务轨迹者迭代更快
21财经的分析指出一个关键变化：下一代大模型的核心竞争力，不在于文字能力，而在于能自主操作、完成任务——这依赖于高价值的任务轨迹数据。
什么是任务轨迹数据？记录从需求理解到工具调用、信息搜索、表单填写、支付完成的完整操作链。每一次用户指导AI执行任务、纠正错误，都会生成可训练的轨迹数据。
这类数据的价值远高于普通文本，因为它直接反映现实世界的操作逻辑与因果推理。掌握最多任务轨迹数据的厂商，将率先训练出真正“长出手脚”的智能体。
对个人来说，这意味着什么？每一次用AI干活，都是在“免费训练AI”。但反过来，如果你能把自己的任务轨迹数据变成资产——比如封装成特定领域的AI助理模板——就可能创造新的收入来源。
推演四：银发经济与AI结合，催生新市场
“教爸妈用AI”正在成为2026年的一种新尽孝方式。这背后是一个被忽视的市场：银发AI用户。
千万级的月活用户、近半数的“离不开”、从聊天搭子到创作伙伴的多元需求——这组数据说明，银发人群不是被动的AI使用者，而是主动寻找能解决自己问题的工具。
每一个需求都对应着生活中的某个痛点或乐趣：健康咨询、回忆创作、社交陪伴、生活辅助。这些都是可以商业化的方向。
回到文章开头的那个问题：AI到底在帮谁赚钱？
答案已经很清晰了——
AI在帮那些把AI当成“员工”而不是“玩具”的人赚钱。黄涛用1小时训练出AI助理，7个公众号、50万订单，是因为他让AI干活，而不是和AI聊天。
AI在帮那些做新事而不是守旧事的人赚钱。“手搓经济”的兴起，不是因为有人把老业务做得更好了，而是因为有人用新方法做了新的事。
AI在帮那些找到“弱环”并把它变成壁垒的人赚钱。那些被教会用AI的老年人，把AI当成聊天搭子、生活百科、创作伙伴，是因为AI恰好填补了他们的需求，而不是替代了他们。
AI在帮那些拥有算力、数据和平台的人持续收租。英伟达60%的收入来自云服务商，推理服务商一年增长100倍，SaaS公司转型GaaS——这些数字背后，是产业链上游的持续获利。
而那些没赚到钱的人，各有各的理由：有的盯着老业务搞降本增效，结果越搞越亏；有的陷入“为了用AI而用AI”的误区，买了课没下文；有的不幸处在中间层，被K型分化的浪潮挤压；有的失去了入门级工作，连成长阶梯都找不到了。
2026年的AI赚钱故事，本质上是认知变现的故事。那些赚到钱的人，不是技术更牛，不是资源更多，而是更早看清了三个问题：
AI从“能理解”变成“能生成”，从“能对话”变成“能干活”，这意味着什么？
Token从“技术概念”变成“分层定价的商品”，这意味着什么？
弱环效应让不可替代的环节价值更高，这意味着什么？
想清楚这些问题的人，已经在上一个路口转弯了。
而那些还在原地纠结“AI会不会取代我”的人，或许应该听听黄涛的建议：“先找痛点再找工具；先跑通最小商业闭环再谈规模化；坚持，AI不是速效药。”
因为AI到底在帮谁赚钱，答案从来不在AI那里，而在每个人自己手里。