从一万枚 GPU 到一台 Vision Pro：真正稀缺的从来不是技术，而是使用场景

Aug 28, 2026

1 min read

1 views

91%

最昂贵的东西，为什么常常最不容易被使用

一家公司拥有一万枚 GPU，意味着它已经跨过了训练大型模型的算力门槛。一台 Vision Pro 的用户体验被评价为惊艳级，却仍然可能在短期内面对温和的投资者预期。这两个事实放在一起，会产生一个令人不安的问题：当技术能力已经足够强大，为什么商业价值仍然迟迟不肯出现？

答案可能是，技术革命通常先解决“能不能做”，再被迫面对“人们是否愿意在现实生活中使用它”。前一个问题主要由资本、工程和基础设施决定，后一个问题则取决于时间、习惯、价格、社会关系，以及产品是否能够嵌入一个真实而连续的生活场景。

一万枚 GPU 是能力的证明，Vision Pro 的早期体验是可能性的证明。但能力和可能性都不是需求本身。它们只是把产品送到了需求发生之前的门口。

技术的上限决定我们能够想象什么，使用场景的密度决定什么最终会变成生意。

这也解释了一个常见误判：人们往往把更强的技术直接等同于更大的市场，却忽略了从技术到习惯之间存在一条漫长的转化链条。

从算力富余到注意力稀缺

大型模型的训练需要巨量算力。国内拥有超过一万枚 GPU 的企业极少，能够掌握如此规模基础设施的组织，更接近一种“计算工厂”。它们可以训练更大的模型，进行更多轮实验，承担更长时间的失败，也可以在模型能力尚未成熟时继续购买未来。

这是一种极其重要的优势，但它本质上属于供给侧优势。它提高了产出能力，却没有自动创造用户需求。一个拥有巨大计算资源的组织，能够生产更多智能服务，却仍然必须回答几个朴素的问题：谁会使用？在什么时刻使用？为什么今天就要使用？使用之后，用户愿意改变什么行为？

Vision Pro 面对的是相反方向的约束。它不是缺少技术能力，而是拥有太多能力，却暂时没有足够密集的日常场景来承接这些能力。它可以提供沉浸式观影、体育赛事、空间视频、多个虚拟屏幕和沉浸游戏。每一项体验都可能令人惊叹，但“令人惊叹”通常是一个事件，“值得每天重复”才是一种产品。

看一部电影需要两个小时，看一次沉浸式体育直播需要一场比赛，使用多屏功能则要求用户重新组织桌面、身体和注意力。相比之下，手机可以在等电梯时使用，电脑可以在工作日持续使用，平板可以在沙发上被家庭成员轮流使用。产品的价值不只存在于功能清单中，也存在于它能否自然占据一天中的碎片时间。

因此，判断一个新技术是否接近大规模普及，不能只看它有多少功能，而要看它是否拥有足够高的场景密度。所谓场景密度，是指一个产品在用户日常生活中能够被频繁、低摩擦、持续使用的机会数量。

可以用一个简单公式理解：

真实价值 = 技术能力 × 使用频率 × 场景连续性 × 支付意愿

其中任何一项接近零，最终价值都会被显著压低。技术能力再强，如果使用频率很低，产品就容易变成昂贵的体验设备；场景再丰富，如果佩戴、购买或学习成本过高，用户也不会把它纳入日常生活。

最危险的错觉：把实验室成功当成市场成功

拥有万枚 GPU 的组织，容易形成一种能力错觉：只要继续扩大模型规模，应用自然会出现。拥有惊艳体验的硬件，也容易形成另一种体验错觉：只要用户试过一次，就会愿意购买。

两种错觉的共同点是，把“第一次被说服”误认为“长期被留住”。

一位用户第一次体验 Vision Pro 时，可能会被巨大的虚拟屏幕、逼真的空间影像和自然的交互方式震撼。但购买决定需要考虑更多现实问题：它是否适合长时间佩戴？是否会打断与家人的交流？是否能替代已有设备？是否有足够多的原生应用？价格是否与使用频率匹配？

这正是个人设备与家庭设备之间的关键差异。电视可以由全家共享，平板可以在不同成员之间流动，Vision Pro 却更像眼镜或牙刷，是高度个人化的设备。它不能简单地按照“家庭拥有一台”来摊薄成本，也很难像电视那样成为公共空间的中心。它要求每一个高频用户单独承担价格、学习成本和注意力成本。

价格因此不只是财务问题，也是场景问题。美国用户平均愿意支付的金额约为 943 美元，中国高收入用户的平均支付意愿可达到约 1783 美元。数字本身很有吸引力，但更值得关注的是它揭示出的逻辑：支付意愿不是一个民族或市场的固定属性，它取决于用户是否能够把产品放入某种明确的价值叙事中。

如果用户把设备理解为一次性娱乐消费，价格会显得昂贵。如果用户把它理解为家庭影院、专业工作站、个人创作空间或高频沟通工具，价格就会被放入另一套计算方式。支付意愿的差异，往往不是因为人们突然变得更慷慨，而是因为产品在他们心中获得了不同的身份。

这对大型模型同样成立。用户不会因为模型参数更多，就自动愿意为它付费。模型必须进入写作、编程、客服、教育、医疗、研究或企业决策等具体流程，帮助用户节省时间、提高收入，或者完成过去根本无法完成的任务。只有当技术与结果之间形成稳定连接，能力才会转换成价格。

真正的护城河，是把新能力变成旧习惯

从 GPU 到空间计算，二者看似属于不同产业，却共享同一条价值转化规律：基础设施决定可能性，生态决定重复性，习惯决定规模化。

基础设施是第一层。没有足够算力，大模型无法训练；没有足够成熟的芯片、显示、传感器和系统，空间计算也无法实现惊艳体验。但基础设施只负责打开一扇门。

生态是第二层。大模型需要开发者、数据、接口、工作流和组织采购机制。Vision Pro 需要真正的原生应用，而不是把手机应用放大到眼前。生态的作用，是把一次技术演示变成一组可以反复进入的路径。

习惯是第三层，也是最难复制的一层。当用户不再问“我为什么要使用它”，而是在特定时间自然地打开它，产品才真正完成了从工具到环境的转变。

这三层可以被称为“能力、生态、习惯”模型：

能力层回答：产品能做什么。
生态层回答：谁会围绕它创造更多价值。
习惯层回答：用户为什么会持续回来。

许多技术公司在能力层投入巨大，却在生态层和习惯层缺乏耐心。它们不断展示模型更聪明、画面更逼真、交互更自然，却没有解决用户每周究竟会使用多少次，以及每次使用会替代什么。

这也是为什么内容消费会成为 Vision Pro 早期最明确的应用方向。电影、体育、演出和沉浸游戏天然适合展示空间计算的优势，它们不需要用户先改变复杂的工作流程，体验价值也容易在几分钟内被感知。然而，内容消费同时存在一个限制：它可能带来高质量的偶发使用，却未必带来高频使用。

生产力工具的潜力更大，因为它有机会进入每天的工作流程。但生产力场景的门槛也更高。用户不仅要感受到“更酷”，还要感受到“更快”“更准确”或“更赚钱”。多个虚拟屏幕很有吸引力，可如果用户必须忍受佩戴疲劳、输入不便、团队协作障碍和现实环境隔离，生产力优势就会被摩擦成本抵消。

对大型模型而言，情况完全相同。一个模型可以在测试题中表现优异，却未必能在企业流程中可靠运行。真正有价值的不是一次回答得多精彩，而是它能否在一百次任务中保持稳定，能否被审计，能否接入权限系统，能否让人类知道什么时候应该相信它、什么时候必须复核它。

用“替代关系”而不是“功能数量”判断机会

评估新技术时，人们经常列出功能数量：可以写作，可以绘图，可以翻译，可以生成代码；可以观影，可以游戏，可以办公，可以进行空间交流。但功能越多，反而越容易掩盖一个核心问题：它到底替代了什么？

一个新产品最初不需要替代所有东西，只需要在一个足够重要的场景中，成为旧方案明显无法匹敌的选择。智能手机早期并没有替代电脑、相机、游戏机和电视，但它把通信、信息获取和移动互联网聚合到了一个随身设备中。它的突破不在于功能最多，而在于使用频率极高，且每一次使用都足够方便。

同样，Vision Pro 若想扩大市场，需要找到不只是“看起来更好”的任务，而是“只有它才能合理完成”的任务。比如高价值的专业可视化、复杂设计审查、远程协作、空间教育，或者某种个人化的沉浸式服务。大模型则需要从泛化聊天进一步进入那些成本高、信息密集、错误代价可控且结果容易衡量的工作流程。

这里可以使用一个“替代强度”框架：

机会价值 = 旧方案痛苦程度 × 新方案优势幅度 × 使用发生频率

旧方案越痛苦，新方案越容易建立价值。比如长时间在多个窗口之间切换，可能是传统屏幕办公的痛点；处理大量重复文本，可能是人工流程的痛点。但如果旧方案已经足够便宜、足够熟悉，或者新方案只能偶尔使用，那么技术优势就难以转化为购买行为。

这也提醒创业者和投资者，不要只问“技术还能做什么”，更要问：

用户现在用什么笨拙的方法解决这个问题？
这个问题每周出现几次？
新产品能否让结果提升到用户愿意改变习惯的程度？
购买者、使用者和受益者是不是同一个人？
产品价值能否在短时间内被验证？

最后一个问题尤其重要。大型模型往往需要在长期工作流中体现价值，空间设备则可能需要生态成熟后才显示价值。对于这类产品，企业必须设计出中间指标，不能只依靠最终收入判断一切，也不能用一次惊艳体验替代长期留存数据。

Key Takeaways

把算力、功能和体验视为潜力指标，而不是价值指标。 真正的价值要经过使用频率、场景连续性和支付意愿的检验。
寻找高密度场景。 优先进入用户每天都会遇到、旧方案又明显痛苦的任务，而不是堆叠更多低频功能。
用替代关系定义产品。 清楚说明产品替代了什么时间、设备、流程或成本。无法回答这个问题的产品，通常还停留在演示阶段。
分别建设能力、生态和习惯。 技术团队负责把事情做成，生态团队负责让别人围绕它创造价值，产品团队负责让用户愿意反复回来，三者不能互相替代。
将支付意愿放回具体叙事。 不要只问用户愿意花多少钱，要问他把产品看成娱乐设备、生产工具、身份象征，还是生活基础设施。不同身份会产生完全不同的价格接受度。