# Dodo Digest：AI 泡沫并不是你想的那样 > AI 看起来像一个泡沫，但收入终于开始追上这股热潮。真正的风险不是 AI，而是公司选择如何使用 AI。我们将分析为什么短期优化会造就脆弱的系统，以及我们交付了哪些产品，帮助构建者让 AI 在真实系统中协同工作。 - **Author**: Rishabh Goel - **Published**: 2026-05-06 - **Category**: Newsletter - **URL**: https://dodopayments.com/blogs/zh/newsletter-may6 --- **TL;DR** - AI 看起来像一个泡沫，但收入终于开始追上这股热潮。 - 与此同时，产品被替代的速度比以往任何时候都快，而公司也在做出短期反应。 - 一些公司正在大规模裁员，而另一些公司（比如中国）则在进行反制。 - 真正的风险不是 AI，而是公司选择如何使用 AI。 - 我们一直在为一个不同的未来构建产品：在那个未来，AI 与系统协同工作，而不只是取代系统。 **大家好，** 本周早些时候，我读到《The Atlantic》的一篇文章，讨论 AI 泡沫是否即将破裂。 几个月前，人们担心的是过度投资：大量资金流入基础设施，却没有明确的回报。 现在情况正好相反。AI 工具的采用速度快到公司难以满足需求，而收入增长的速度，说实话，快得令人难以消化。 然而与此同时，另一个问题也开始显现。每当一款新的"突破性"产品推出，它很快就会被替代。 就在那时，我突然明白了。这不是一个正常的周期。 ## 信号 我们正处于 AI 周期的一个奇特阶段。 一方面，数据看起来非常真实。AI 的采用速度比预期更快，企业也看到了切实的生产力提升。Claude Code 等工具已经让 AI 超越了辅助阶段，进入执行阶段----过去需要几天完成的任务，现在几小时就能完成。 但另一方面，这种速度让人感觉并不稳定。 产品无法长久。优势也无法持续。一周前还像是突破的东西，下一周很快就变成了基准。创新到商品化之间的周期已经大幅压缩。 这给公司带来了另一种压力。 当一切变化得如此之快时，很难以长期视角进行构建。决策开始被眼前有效的方案、当下能改善指标的措施，以及本季度能降低成本的做法所驱动。 问题也就从这里开始出现。 因为只追求速度而忽视稳定性，会创造出表面看似高效、却无法经受时间考验的系统。 针对速度而非稳定性进行优化的 AI 系统插图 ## 问题开始出现的地方 我们已经看到了一些早期迹象。一些公司开始用 AI 替代员工，并不是因为系统已经完全成熟，而是因为这样能提升短期效率。 另一些公司则围绕 AI 目前能做的事情重组团队，却没有充分了解 AI 目前还做不到什么。 与此同时，不同地区对这一变化的接受程度也并不相同。比如，中国已经通过法律手段对那些纯粹使用 AI 替代员工的公司进行反制。 这种差异很重要。因为它说明这不只是一场技术变革。 这关乎我们选择如何构建公司，也关乎我们究竟是追求短期收益，还是构建长期系统。 公司为追求短期收益而使用 AI 替代员工的插图 ## 应该如何看待这一切 如果你现在正在 AI 领域构建产品，可以参考以下几点： 1. **不要把速度误认为稳定性。** 某件事今天有效，并不意味着明天依然有效。AI 能力提升得太快，原有假设很难持续成立。 2. **区分任务与角色。** AI 可以替代任务，但无法替代完整的系统。围绕全面替代来设计公司，往往会造成一些只有在后来才会发现的缺口。 3. **避免陷入短期优化陷阱。** 使用 AI 降低成本现在看起来可能很高效，但这可能损害产品质量、信任以及长期增长。 4. **构建人们可以信赖的系统。** 信任会随着时间积累。如果用户或团队感到不稳定，它对采用率的影响会超过任何功能改进。 5. **以十年为单位思考，而不是围绕周期做决策。** 最终胜出的公司不会是反应最快的公司，而是能够构建持久系统的公司。 ## 这对构建者意味着什么 这让整个叙事变得更加平衡。虽然很多讨论都集中在 AI 替代工作上，但另一种观点正在浮现。 Jensen Huang 最近指出，AI 也正在创造全新的工作类别。不只是围绕模型，还包括基础设施、系统，以及支持它们的一切。 这很合理。因为每当技术引入新的一层，它并不只是消除工作。 它还会重塑工作。真正的问题不是 AI 是否会取代工作，而是公司构建产品的方式究竟会扩大机会，还是压缩机会。 AI 创造新的工作类别和机会的插图 ## 我们交付了什么 这是我们一直在深入思考的问题。 如果 AI 将成为系统运行方式的一部分，那么它就不应该只是替代工作流，而应该能够在工作流中协同工作。 这正是我们构建 [MCP server](https://docs.dodopayments.com/developer-resources/mcp-server#mcp-server) 和 [agent plugin](https://docs.dodopayments.com/developer-resources/mcp-server#agent-plugin-recommended) 的原因。 它不再暴露几十个彼此割裂的 API，而是让 AI agent 能够以更结构化的方式与你的支付系统交互。Agent 可以直接通过代码获取上下文、执行操作并处理多步骤工作流，无需持续来回沟通。 最近发生的变化在于，这一切已经变得非常真实。过去，agent 工作流还像是在进行实验。如今，它们正在大规模驱动真实使用。Claude 等工具的年化收入已经超过 300 亿美元，这充分说明了从"聊天"到"行动"的转变发生得有多快。 我们也在构建者身上看到了同样的转变。 使用 Dodo 的初创公司已经在将 agent 集成到自己的工作流中。Agent 不再只是叠加在系统之上的一层，而是成为系统运行方式的一部分。支付、订阅、客户操作，都可以通过 agent 以极低的摩擦完成。 让这一切奏效的一个重要因素是简单性。 我们的 [docs](https://docs.dodopayments.com/introduction) 经过结构化设计，agent 可以直接理解。在大多数情况下，你只需要传入文档链接，agent 就能获得足够的上下文，开始与系统交互----无需复杂设置，也无需手动映射端点。 理念很简单。AI 不应该只生成输出，还应该能够可靠地在真实系统中运行。 ## 最后一个想法 关于 AI 泡沫的问题忽略了一件重要的事。这不只是市场是否被高估的问题。 它关乎我们选择如何在这个市场中构建产品。 因为如果一切都围绕短期收益进行优化，系统就会变得脆弱。但如果系统建立在信任、稳定性和长期思维之上，它就会不断积累价值。 而最终，能够长久存在的正是这些东西。 另外，欢迎加入我们充满温度的 [Discord 社区](https://discord.gg/dodo-payments-1305511580854779984)！ 祝好， Rishabh Goel 联合创始人， **Dodo Payments** --- - [More Newsletter articles](https://dodopayments.com/blogs/category/newsletter) - [All articles](https://dodopayments.com/blogs)