在工業革命最初的幾十年裡，有一個問題在當時的工廠主與經濟學家之間隱隱流傳，雖然沒有人能給出整齊的答案，但它的存在感卻越來越強：如果紡織機可以在一天之內生產過去一個工人耗費一個月才能完成的布料，那布，還值多少錢？
歷史最終給出的回答，是冷靜而殘酷的。布，確實變得不值錢了。但那些掌握棉花產地、擁有機器專利、控制運輸路線的人，卻在這個過程中積累了前所未有的財富。供給的爆炸，並沒有摧毀財富，只是將它重新分配——從製造布的人，轉移到控制製布條件的人。
二百年後，這個問題以另一種形式重現在我們面前。只是這一次，被無限生產的，不是布，而是能力本身。
在過去二十年裡，整個軟體產業的估值，建立在一個幾乎從未被認真質疑過的假設之上：能力是稀缺的。寫程式是稀缺的，分析資料是稀缺的，將重複性的業務流程自動化是稀缺的。正因為稀缺，企業才願意為「工具」付費——為 Salesforce 的 CRM 系統付費，為 Workday 的人資平台付費，為 Atlassian 的專案管理軟體付費。這些公司的商業模式，本質上是對「人類能力之稀缺性」的一種系統性套利。
但當 AI，尤其是具備自主執行能力的 Agent 進入這個體系之後，稀缺性的基礎開始鬆動。能力不再需要被培訓、被雇用、被管理，它可以即時生成，可以無限複製，可以近乎零成本地分發到任何需要它的地方。這不是效率的提升，而是供給曲線的根本位移。當一種過去需要大量人力、時間與工具才能實現的能力，突然可以被一個 API 呼叫所替代，這種能力的市場價格，終將趨向它的邊際成本——而邊際成本，正在快速逼近零。
這個過程有一個經濟學上準確但略顯枯燥的名稱：商品化（commoditization）。它不是毀滅，而是壓縮——將過去存在於軟體工具中的溢價，從市場上悄悄地抹去。
市場已經在用一個相當具有末日色彩的詞彙描述這件事：SaaS-pocalypse。這個詞的流行速度，本身就說明了某種集體焦慮的程度。但如果我們試著更精確地描述正在發生的事，「末日」或許不是最準確的框架。更準確的說法，是「吸收」。
SaaS 不會消失，但它正在被模型層從內部重新定義。
傳統的 SaaS 架構，有三個層次：介面（UI）、邏輯（Logic）、資料（Data）。這三個層次構成了一個封閉的價值迴路——用戶透過介面與系統互動，系統的邏輯處理用戶的需求，資料則是整個系統運作的燃料。軟體公司對這個迴路的掌控，是它們定價權的來源。
而在 Agent 架構下，這個迴路被打開了。介面變成對話，或者乾脆變成 API；邏輯被模型所接管；原本作為「產品」存在的 SaaS，退化成了一個「工具調用」（tool call）——一個 Agent 在完成任務過程中，可以選擇使用、也可以選擇不使用的插件。
這個轉變的實質，是 SaaS 公司從「能力的來源」，降格為「能力的接口」。它們仍然重要，就像電力插座仍然重要一樣；但插座本身，從來不是電力產業中最值錢的東西。
這也是為什麼 iShares 科技軟體 ETF 在 2026 年已經下跌逾兩成，Salesforce 跌幅超過四分之一，Palantir 回落近一成半，曾經被視為「AI 時代系統性受益者」的軟體龍頭，正在集體承受一場估值重估的壓力。這不是情緒性的市場過激反應，而是資本對一個更深層問題的遲來回應：這些公司的護城河，究竟有多寬？
當一個層次的價值被壓縮，資本並不會憑空消失，它只是轉移到下一個它認為更難被商品化的地方。在這一輪的轉移中，資本流向的第一站，是模型公司。
OpenAI 剛剛完成了一輪超過千億美元的融資，投資方包括 Amazon、SoftBank 與 Nvidia。Anthropic 的估值同樣節節攀升。從純粹的財務角度來看，這兩家公司所代表的，是一種對「能力生成權」的集中押注——誰控制了最強大的語言模型，誰便掌握了這個時代最核心的生產資料。
這個邏輯有其內在的說服力，尤其在能力仍然稀缺、模型性能差距仍然顯著的階段。但它面臨著一個幾乎無法迴避的長期壓力：模型本身，也正在快速商品化。
開源模型的能力追趕速度，超出了多數人的預期。推理成本每隔幾個月便以驚人的幅度下降。token 的價格，在過去兩年間已經壓縮了一個數量級。當「生成能力」本身也開始變得便宜——當呼叫一個頂尖模型的成本，降至與呼叫一個普通模型幾乎無異——模型公司的溢價空間，將面臨與 SaaS 公司同樣的結構性侵蝕。
能力的商品化，不會在 SaaS 層就停下來。它會繼續往上游走，直到遇見真正難以被複製的東西為止。
這便是為什麼，2026 年的市場輪動，呈現出一個乍看令人困惑、但細想之下相當合理的結果。
最強勢的 AI 相關股票，不是晶片公司，不是模型公司，甚至不是雲端服務巨頭，而是 Lumentum、Ciena 這樣的光通訊設備商，以及 Vertiv 這樣的資料中心基礎設施供應商。Lumentum 今年股價上漲逾九成，Vertiv 漲幅將近六成，Ciena 亦超過六成。這些公司沒有引人入勝的 AI 敘事，沒有登上科技媒體封面的明星 CEO，也沒有令人窒息的估值倍數。
但它們掌握的東西，是任何 AI 系統存在的物理前提。
當 GPU 的數量以指數增長，系統的真正瓶頸便從「運算節點」轉移到「節點之間的連結」——資料如何在 GPU 之間流動，如何跨越機櫃、跨越資料中心、跨越地理距離進行調度。銅纜的物理極限，在高密度、長距離的場景下已經開始顯露；而光的優勢，在於它對距離的某種漠然——延遲更低，能耗更少，且隨著技術演進，成本持續下降。
Nvidia 在 GTC 大會上給出的技術路線圖，其實已經相當誠實地描述了這條遷移曲線：短期內銅與光共存，長期由光學主導；他們的下一代晶片「Feynman」，預計 2028 年底推出，將從架構層面為光纖網路做出原生支援。這是一家晶片公司，在自己最重要的年度場合，用相當的篇幅解釋為什麼「傳輸介質」值得被認真對待。這個信號，並不難解讀。
從 AEC 銅纜，到獨立光模組，再到共封裝光學（CPO）——這條技術遷移路徑的每一步，都是對「距離成本」的一次壓縮。在銅的世界裡，距離是工程代價；在光的世界裡，距離只是設計問題，而非物理障礙。當這個障礙被系統性地移除，AI 基礎設施的規模邊界將被重新定義——不以單一資料中心為單位，而以跨地域、跨機構的算力網路為單位。這個尺度的轉變，還沒有完整地反映在市場的定價之中。
但基礎設施，也只是這場價值轉移的中繼站，而非終點。
當 AI 演變成一場基建競賽，一個更古老、更根本的問題便浮出水面：誰來出錢？
四大超大型雲端業者——Alphabet、Amazon、Meta、Microsoft——在 2026 年的合計資本支出預估達到 6,450 億美元，較前一年成長 56%。這個數字的規模，幾乎相當於某些中型經濟體的 GDP。它意味著 AI 作為一個產業，已經完成了一次根本性的性質轉變：從一個技術密集型的科技產業，變成了一個資本密集型的基建產業。
而在資本密集型產業中，歷史一再證明，長期的競爭優勢往往不屬於技術最先進者，而屬於融資成本最低、現金流最穩定、在漫長的回報等待期內資產負債表最為健康的那些公司。這不是一個令人振奮的結論，但它或許比「誰的模型最強」更接近這場競賽真實的勝負邏輯。
這也帶出了整個 AI 投資敘事中最難被直視的一個隱患。當科技巨頭對 AI 新創的投資，有時以算力採購的形式回流，形成一種投資即訂單、訂單即營收的閉環，整個生態系統的財務結構便開始呈現出一種「自我強化但依賴持續擴張」的特徵。這個迴路在系統成長期看似健康，但它對外部資本信心的依賴，使得結構在某些條件下格外脆弱。這不是估值過高那麼簡單的問題——估值過高，可以等待基本面補上來；但如果脆弱性存在於結構本身，等待便沒有那麼確定的解法。
回到最初的問題。
當能力可以被即時生成、無限複製、近乎免費地分發，價值還會停在哪裡？
答案，其實並不浪漫，但它相當清晰。
價值，會流向那些無法被免費化的東西。電力不能免費，頻寬不能免費，資本不能免費，而真正難以複製的數據積累與用戶關係，也不能免費。AI 並沒有廢除稀缺性，它只是讓稀缺性的所在位置，發生了一次劇烈的移動——從「做事的能力」，轉向「讓做事成為可能的條件」。
這個轉移，還在進行中。它的速度，比多數人預期的更快；它的深度，也可能比現在看到的更深。
布，確實變得不值錢了。
但那些控制棉花、機器與運輸的人，在工業革命中從未真正輸過。