把这三个反直觉问题一起拆，因为它们共享同一条底层逻辑：AI 把"生成"打到了廉价，但把"判断、责任、物理接触"的价格顶了上去。下面分别说。

一、AI 让专家更贵还是更便宜？——两头分化，专家更贵

结论先给：顶级专家溢价上升，中段"伪专家"被压缩，纯执行层被替代。不是单一方向，是技能分布的两极拉伸。

1. 实证数据指向"专家溢价扩大"

• PwC 2026 全球 AI 就业晴雨表（覆盖 10 亿+招聘广告）：AI 技能工资溢价升至 62%，具备 AI 能力的"专业化岗位"（如放射科医生、招聘专家）岗位增速和薪资增速是"民主化岗位"（如 IT 服务管理、医疗文书）的 2 倍和 42% 更快。

• Anthropic 对 40 万次 Claude Code 会话分析：专家用 AI 任务成功率 91% vs 新手 15%，AI 放大的是专家的领域判断，而不是填补新手常识缺口。

• 中国工业上市公司微观数据（2012–2023）：AI 应用显著扩大企业内部薪酬差距，机制是"非对称生产率赋能 + 就业极化"。

2. 为什么"AI 替代高技能"的理论没兑现

NBER（Bloom 等，2024）模型预言 AI 因替代高技能非例行任务，会压缩技能溢价。 但现实走的是另一条路：

• AI 干掉的是高技能里的套路部分（写常规代码、套模板报告、初稿翻译）

• 剩下的高价值部分（定目标、判边界、对结果负责）反而因为 AI 把吞吐拉高，专家单位时间产出暴涨

• 市场为"专家 + AI 杠杆"付钱，不为"专家原样手工"付钱

简单说：AI 让"会提问、会验收、敢签字"的专家更稀缺；让"只会熟练工式地做高技能活"的人跌出专家区间。

3. 一个判断公式

• 你的工作 = 高判断权重 × 高后果责任​ → AI 让你更贵（医生、法官、架构师、投资委员会）

• 你的工作 = 高技能但低判断、可标准化​ → AI 让你更便宜（初级翻译、常规代码工、基础法务检索）

• 你的工作 = 低技能例行​ → 直接被吃（客服初筛、数据录入）

二、为什么 Agent 公司反而难赚钱？——SaaS 经济学崩了

传统 SaaS 毛利率 80%+，因为边际成本趋零。Agent 公司踩中三颗地雷：

1. Token Tax：边际成本不为零

• 每跑一次 workflow、调一次工具、重试一轮，都烧 GPU/token

• Bessemer 数据：AI-first 公司毛利 50–60%，纯 Agentic 产品 40–55%，头部应用公司自研模型前可能为负

• Cursor 早期给 Anthropic/OpenAI 交推理费，重度用户成本 > 订阅费，曾负毛利，直到自研 Composer 模型才勉强转正

• Goldman Sachs 预估 2030 年前 token 消耗涨 24 倍，单位降价追不上消耗膨胀

2. 90 分→99 分的成本非线性

Demo 准确率 90% 很容易，但企业场景（财务、合同、排产）要的是零错误可追责：

• 90→99 分不是 +10% 成本，是几倍成本做防错、人工抽检、回滚

• 结果：省下的人工费全花在"查 AI 错"上，净收益为负

• MIT 调研：95% 企业 Agent 试点无可衡量 ROI，Gartner 预测 ~130 家 Agentic AI 项目 2027 前取消

3. 定价模式错位 + 留存崩盘

• 按 seat 收费装不下 Agent（用得多不代表人多）

• Outcome-based 定价听起来美，但"结果"难界定、出错谁赔难写进合同

• RevenueCat 2026：AI 应用年留存中位数 21.1%​ vs 非 AI 30.7%，退订快 30%

• 上层模型厂（OpenAI/Anthropic）既卖 token 又下场做同类 Agent，应用层被双向挤压

Agent 公司赚钱的唯一已知路径：自有推理栈（自研/微调模型）+ 深绑某个非标 workflow + 客户为结果付费。三条缺一条，基本在烧融资。

三、哪些行业 AI 二十年都啃不动？——物理、信任、监管三堵墙

不是"AI 能力不行"，是成本-责任-物理约束把替换率锁死。

1. 物理世界：非标 + 老化 + 手感

• 化工厂老设备、水处理泵站、电网巡检：每台机器有几十年改装史，训练集里没有"这台泵潮湿天会过热"的样本

• 默会知识（tacit knowledge）：熟手听声音、摸震动判故障，无法写成手册教 AI

• 把全美基础设施标准化到 AI 可操作，成本 > 人力几个数量级，"你职业生涯内不会发生"

• 代表岗位：工业维保技师、高压带电作业、管道疏通、古建修复、HVAC

2. 责任与保险：没人能起诉 AI

• 建筑消防系统失效，保险公司要的是"哪个持证人在哪天签的字"，不是"模型概率 0.98"

• 专业责任险（E&O）、工伤险、通用责任险都是围绕人类执照设计的

• 医疗、法律、审计、建筑结构签字：AI 可辅助，但最终印章必须是人——这是制度不是技术债

3. 强监管 + 政治层

• 金融科技基建、国防、碳核算、GovTech：30% 成本结构是合规与政策博弈，AI 写不出牌照

• 监管摩擦本身是护城河，但也挡住 AI 全盘接管

4. 信任密集型服务

• 财富顾问（关系驱动）、高管教练、心理治疗、高端 B2B 销售：高 stakes 下客户就是要"人对我负责"，情感/声誉/财务下行风险机器接不住

5. 能源与原子本身

• AI 不产电、不浇混凝土、不拧阀门

• 电网、水务、电池回收、半导体 fab：AI 优化调度，但原子不按 token 缩放

判断清单：问自己三个问题——这活在不在物理现场？出事能不能找到自然人赔？监管认不认非人类决策？​ 两个"否"以上，二十年安全。

把三条缝起来看

• AI 压低认知劳动的单位价格，但抬升判断与责任的价格​ → 专家更贵

• Agent 公司卖的是"认知劳动封装"，但背的是"算力电表 + 出错赔偿" → 毛利被夹死

• 物理/信任/监管行业卖的不是认知是在场与担责​ → AI 只能当副驾

所以未来 20 年最稳的位置，不是"离 AI 最远"，而是站在 AI 输出和物理世界/法律责任的交界面上：专家审核 Agent、技师用 Agent 诊断但自己动手、律师用 Agent 检索但自己签字。

继续阅读：AI   专家   Agent   SaaS

此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 赞·中华 > 经验谈 » “AI 让专家更贵还是更便宜”“为什么 Agent 公司反而难赚钱”“哪些行业 AI 二十年都啃不动”）