作者 | 金鑫YOYO
来源 | 自媒体 @一个符号工作室
2026年，深圳B300服务器现货报价从4月的550万元飙升至10月的1700万元以上。
与此同时，全国23个城市出台OPC（一人公司）支持政策，超八成AI创业者进入“支付AI工具租金”阶段。
一个诡异的现象出现了：生产力从未如此强大，但生产力的价格——“劳动力工资”却在下跌；
创业者从未如此踊跃，但他们中的大多数，正在变成算力资产的“消费者”和风险的最终承担者。
这背后，是一套关于资产、资本与生产力的深层逻辑。
理解它，比盲目涌入AI创业潮更重要。
一、资产不等于生产力：被误读的财富密码
“资产才是生产力”这句话，常被简化为“拥有资产就能赚钱”。但它的真实含义恰恰相反：资产本身不是生产力，只有被激活、用于生产过程的资产，才能成为现实的生产力。
秘鲁经济学家赫尔南多·德·索托在《资本的秘密》中揭示：
发展中国家并不缺少资产，穷人手中有大量房产、土地，但这些资产是“僵化的”——缺乏清晰、可执行的产权制度，无法转化为可流动、可增值的资本。
资产是存量，是“死”的财富；生产力是流量，是创造价值的能力。
中国财政科学研究院院长刘尚希进一步区分：所有权强调“占有”（静态），产权强调“使用”（动态）。
占有本身不创造财富，只有通过使用才能创造财富。
马克思在《1857—1858年经济学手稿》中更直接地提出“资本的生产力”概念：在资本主义条件下，一切社会生产能力都表现为资本的生产力，资本成为组合生产要素、推动生产力发展的主体。
关键点在于：资产被激活的方式，决定了生产力提升的收益如何分配。
当算力和芯片被金融资本以特定方式激活时，分配的天平就发生了倾斜。
二、算力芯片：从硬件到金融资产的惊险一跃
算力和芯片不仅是资产，而且正在被系统性地金融化为一种可抵押、可证券化的“基础设施资产”。
传统上，GPU被视为折旧极快的电子硬件（3—5年生命周期），银行不会为这类设备提供长期贷款。
但2026年英伟达与贝莱德、黑石等六大金融机构合作，改变了游戏规则：它们将GPU集群、光纤网络、电力合约和长期算力租用协议打包，切割为独立实体（SPV），以此进行结构化资产支持融资。
黄仁勋明确表示：“这确实是科技芯片首次成为可投资的资产类别”，并将GPU类比为商业地产、收费公路。
这里隐藏着一个根本性的时间套利矛盾：一台3-5年就会过时的设备，被当作20—30年的资产来抵押。
谁在承担这个时间差的风险？——下游的云厂商、AI创业公司，以及最终通过购买算力服务或投资相关金融产品而间接承担风险的普通参与者。
当算力被证券化，“所有权”归SPV或金融机构，“使用权”归AI企业，“收益分红权”归债权与股权投资者。
创业者支付的是“租金”，获得的是使用权，而资产升值的收益归属于金融资本。
三、AI生产力悖论：生产力不再稀缺，劳动力却更廉价
你感受到的“生产力不再稀缺导致价格下跌”，在经济学中有明确机制。
第一，AI正在使“可编码知识”的供给曲线急剧右移。
过去，大学教育能收取高额学费并获得工资溢价，是因为高质量知识稀缺。
AI将信息生产和组织的边际成本推向零，当供给爆炸时，价格必然下降。
在英国，ChatGPT发布后入门级职位减少了约三分之一；在美国，马里兰州政府职位中要求学位的比例从约68%降至53%。
雇主正在对劳动力重新定价。
第二，技术性失业浪潮不仅冲击制造业，更在侵蚀AI产业自身。
2007至2020年，美国制造业生产性职业减少了130万个，降幅达17%。
2023年，谷歌裁员1.2万人，Meta裁员1.1万人，亚马逊裁员1.8万人，微软裁员1万人。
与AI相关的职位占美国所有职位的比例，从2022年的2%下降至2023年的1.6%。AI在替代劳动的同时，也在排挤“机器自身的生产者”。
第三，分配悖论：生产力提升的收益并未均沾。
有研究指出，AI智能体突破将让企业以近乎零边际成本大规模替代白领工作，由此创造的GDP仅流向科技巨头和算力所有者，被称为 “幽灵GDP” ；
大规模失业导致中产收入锐减，工资必然下降。生产力增长了，但生产力的价格——“劳动力工资”却下跌了。
四、创业者为何变成消费者？OPC与算力券的风险转移
政府推动OPC和AI创业，通过算力券、模型券、数据券等方式补贴创业者使用算力。这确实是在消化算力资产、推动生产力发展——但它同时也在将算力资产的风险向下游转移。
创业者在这个过程中承担了双重角色：
1、作为生产者，他们购买或租用算力来“生产”AI产品和服务，但面临的是一个供过于求的竞争市场：大量创业者涌入，产品同质化，价格被压低。
2、作为消费者，他们必须持续支付算力费用（即“支付AI工具租金”），而算力资产的价格却因供不应求而上涨。
在深圳，B300服务器现货报价从4月的550—700万元飙升至10月的1700万元以上，大量投机者涌入，但绝大多数参与者不仅赚不到钱，还可能面临法律追责。
这就是“生产力变成消费者”的机制：创业者看似在“生产”，实则是在为上游算力资产的所有者创造现金流和退出流动性。
更深层的矛盾在于：智能替代人工引发的收入通缩，与算力迭代导致的财务成本飙升，形成了双重挤压——巨头若不大幅裁员，盈利将难以为继。
这意味着，技术越进步，劳动收入越萎缩；劳动收入越萎缩，消费需求越不足；消费需求越不足，靠“创业消化产能”的逻辑就越难持续。
五、理论依据与书籍推荐
这些现象有深厚的政治经济学和劳动经济学理论支撑。以下书籍从不同角度切入：
此外，马克思《资本论》及手稿、项荣建《资本与生产力关系问题研究》、吕炜《资本的生产力效率假说》、亚当·斯密《国富论》等，都是理解“资产—资本—生产力”关系的经典文本。
结语：理解结构，才能定位自身
我们观察到的不是偶然的“割韭菜”，而是资本在AI技术范式下重新组织积累的结构性结果。
1、算力被金融化为资产，使上游资本获得了稳定的租金流和资产升值收益；
2、AI替代可编码劳动，使劳动力在议价中处于劣势；
3、政府推动OPC和AI创业消化算力产能，则将资产风险向下游转移。
创业者在这个链条中，既是生产力的组织者，也是资产的最终风险承担者。
理解这一结构，是思考如何在其中定位自身、以及政策应如何介入以修正分配失衡的前提。
当生产力不再稀缺，真正稀缺的，是对生产关系的清醒认知。
