AI垃圾大爆炸

SoManyApps，SoLittleTime.

应用那么多，时间那么少，这是硅谷最负盛名的风投机构a16z，刚刚发布的最新一期数据周报标题。

而这份周报，亲手给a16z的投资泼了一盆冰水。

a16z的周报的数据显示，自2025年2月“智能体编程时代”开启以来，iOS每月新发布应用数量从约4万个飙升至12万个，Chrome扩展和GooglePlay新增应用也分别翻倍至四倍。

应用供给翻了四倍，然后呢？

下载量、评分量、使用时长，全部纹丝不动。

这意味着，AI没有带来增长，只是一场单方面的供给狂欢。

a16z给这种现象起了个名字，App-Slop，AI制造的APP垃圾。

而我们，正在被AI垃圾淹没。

01

如果只看应用商店的上新速度，我们现在似乎正身处一场前所未有的创业黄金时代。

AI编程工具让软件开发变得只需要一句话——

只需要对着AI说一句，“帮我做一个记账App”，Codex或其它Agent就会自动完成编码、审查、测试、上线和发布。

不会编程不再是障碍，人人都是发布者。

但一个APP从做出来到有人用之间的距离，从未像今天这样遥远。

过去，做应用需要真金白银、团队和时间。

这样的成本本身就是过滤器，没有受众的烂应用往往在推出之前就已经死在半路。

但现在，你会打字就能做应用，供需之间的过滤机制就不复存在。

SensorTower的数据显示，仅2026年上半年，苹果AppStore新增应用就达到约56万款。

按照这个势头，全年新增应用将突破100万款，远超2016年创下的89万款历史最高纪录。

而同一时期，AppStore的整体应用下载量去年仅增长3%，今年至今更是放缓至2%。

SensorTower的数据同样从付费方面印证了这一判断，以2024年12月为基准100，到2026年8月，美国应用总收入指数仅为102.0，总使用时长指数为107.0。

一年半时间里，AI创造的应用收入仅仅增长2%，使用时长增长7%。

这意味着，应用经济的蛋糕，没有因为AI而变大。

会不会总量没变、只是份额在内部重新分配？

答案是否定的。

因为蛋糕没变，只不过不是赢家通吃，而是压根没有产生新赢家。

唯一的赢家，是AI自己。

分品类数据显示，效率工具是美国市场唯一一个收入和使用时长同时高速增长的品类，收入增长约100%，时长增长约55%。

而在效率工具这个分类里，最大的赢家就是几大AI应用，ChatGPT、Claude、Gemini和Grok。

这意味着，AI应用非常受欢迎，但用AI做的应用，并没有那么受欢迎。

更显著的问题是，谁会为了AI泔水付费？

RevenueCat发布的《2026年订阅应用现状报告》显示，AI驱动应用的年度留存率中位数仅为21.1%，而非AI应用为30.7%。

在月度留存率方面，AI应用为6.1%，非AI应用为9.5%。

用户取消AI应用年度订阅的速度，比非AI应用快30%。

国内也没有好到哪儿去。

腾讯研究院《网民AI消费调研》报告显示，AI用户中付费比例为9.8%，月付费金额主要集中在30到100元区间，整体月支出基本控制在300元以内。

拆开结构看，AI日活用户的付费率能达到18.5%，而月活用户仅为0.9%，两者相差约20倍。

这意味着绝大多数下载了AI应用的用户，打开一两次之后就再也没有回来。

RevenueCat也发现，AI应用将试用用户转化为付费用户的效果比非AI应用高出52%，但退款率也高出20%，上限退款率高达15.6%对12.5%。

翻译成人话就是，用户只是被AI的概念吸引进来，掏了钱，然后迅速发现这东西不值这个价，果断退款走人。

在这样的逻辑之下，AI应用的商业模式，正在逐渐陷入一个循环，拉新、收割、流失、再拉新。

大家都在做差不多的东西，因为底层模型是同一套，提示词是同一批教程教的，连失败的路径都高度相似。

艾瑞咨询对于国内的统计数据显示，2025年，国内新增AI企业超2.3万家，其中80%扎堆在智能客服、AI画图、语音助手等通用场景。

但年底的对比分析显示，不同产品背后的聊天机器人界面相似度高达92%。

就算你跑得再快，但回头一看发现大家还是都在原地踏步。

用户也完全没有忠诚度可言，他们只是在追逐下一个新颖的demo，还不付钱。

不过，就算供应过剩，怀抱着梦想的创业者，白嫖小玩意的消费者，只能说是一个愿打一个愿挨。

真正让这场泡沫变得危险的，是它在一级市场的定价逻辑。

02

AI，已经几乎吸引走了所有人大多的时间和注意力，一级市场也不例外。

2026年第一季度，全球风投总额达到创纪录的2970亿美元，其中AI公司吸走了81%的资金。

全球十家尚未盈利的AI初创公司在过去12个月内估值合计暴增近1万亿美元。

更危险的是，现在的投资已经无限接近于赌博，甚至是用别人的钱。

现在的硅谷，正在流行一种叫“双档融资”的玩法。

意思是说，同一个融资轮次中，领投VC以较低估值投入大部分资金，同时以高得多的估值投入一小部分资金。

对外宣布时，只用那个天价估值来制造叙事，而领投方的实际平均入场价，实际上远低于这个数字。

Mercor联合创始人BrendanFoody在X上公开点名红杉资本，称过去6个月里，他已经看到六起红杉以双档估值投资的案例。

所有人都假装他们只投了高估值那一档，创始人也向员工歪曲事实，然后拿这个价格去忽悠天使投资人。

“一人公司”叙事的兴起，更是给这个市场注入了兴奋剂。

在国内，成都程序员一个人带领7个AI员工，用27个小时不眠不休搭建出一个名为“碳基圈”的AI社交平台。

平台上线后积累了4万多用户，日页面访问量100多万，获得了杭州一家500亿元规模基金的投资意向，投前估值达到3000万元。

一个4万用户的社交平台，用户规模远不及任何一个中等体量的微信小程序，估值却达到3000万元。

这个数字放在传统互联网估值框架里几乎不可理解。

结合前面的付费比率来看，4万多用户中如果只有不到10%的人愿意付费，且月均付费在30到100元之间，这个平台一年的收入天花板大概在十几万到几十万元之间。

3000万元的估值，对应的市销率在百倍级别。

国外的一人公司估值更为膨胀。

比如23岁的NoahShinn创立的个人AI助手Instinct，目前产品仍处于邀请制内测阶段，用户数刚刚突破10万。

图源：Instinct

尽管没有公开收入数据，Shinn本人也明确表示不想向用户收费。

但这家公司正在洽谈的新一轮融资已经达到10亿美元，目标估值约100亿美元。

距离它上一轮25亿美元估值，不到一个月。

10万用户，100亿美元估值，也即是说每个用户价值10万美元。

一级市场的狂热定价正在制造一种危险的激励模式，那就是，创业者不需要做出好产品，只需要做出一个好故事。

VC不需要找到好公司，只需要找到下一个接盘者。

但仔细审视，问题就浮出水面。

在AI时代，一个人确实有可能创办一家公司，但一家公司不等于一门生意。

OPC（一人公司）这种重AI，轻人工的业务模式，天然缺乏护城河。

底层模型每次迭代都在抹平上一代应用的差异，竞争对手用同样的AI工具可以迅速复制产品，一个人的公司很难守住自己的位置。

对一级市场的投资人来说，投资AI应用的退出路径几乎不存在。

2026年上半年，全球私募股权科技并购同比暴跌70%，仅剩200亿美元，AI颠覆恐慌导致软件估值下跌8%，大规模交易活动几乎冻结。

国内AI领域种子轮融资额也同比下滑11%，超300家中小AI公司因现金流断裂停止运营。

此前，曾因“9.9元一套写真”爆火的妙鸭相机团队已于2025年9月底正式解散，目前仅维持最低成本运营。

对于尚未产生收入的AI应用来说，总有乐观的解释是，我们还在早期。

但，“早期”这个词正在被滥用。

如果说，2016年AppStore新增89万款应用时是“早期”，那么十年后，新增应用数量将突破100万款，而下载量只增长了2%，还能算得上早期吗？

消费端的付费意愿只有3%，AI应用的年留存率只有21%，估值却在以百亿计，中间隔着相当深刻的鸿沟。

如果这十年的“早期”没有兑现为增长，那它就不再是早期，而是常态。

03

结语

现如今，AI已经让一切产品的供给都过剩了。

AI生成的奇观，AI生成的短剧，AI生成的应用，供过于求。

供给可以在AI的加持下无限膨胀，但人的时间和钱包是有限的。

当供给飞速增长而需求纹丝不动时，多出来的供给，就不再是机会，而是成本。

这并不是在否定AI的价值，AI在提升生产力、辅助编程、加速创作方面的成就是真实的，效率类应用收入翻倍的增长也是真实的。

但AI能造出更多的东西，不等于能造出更好的东西，能降低生产的门槛，不等于能提升需求的天花板。

估值可以被故事推高，但最终只能被利润接住。

（全文完）

PLC 控制系统——溶剂回收设备

导语： 很多老板买溶剂回收机，只盯着回收率。

一听说带 PLC 控制系统、中文显示屏，先问一句：贵不贵？我的回答是——贵不贵，要看值不值。

PLC 控制系统： 安全，最核心。

回收机处理的是洗枪水、天那水等易燃溶剂。

PLC 把超温、超压做成联动联锁，任何一项异常自动停机，并实时显示故障原因，比传统继电器回路更安全、更好排查。

温度与压力控制更精准。

PLC 接收温度、压力传感器的实时信号，通过算法精确调节加热功率或导热油温度，使蒸馏过程始终在目标沸点附近平稳进行。

全流程自动化。

PLC 负责管理自动进料（选配）、加热蒸馏、冷凝回收、自动停机、安全冷却的完整循环。

操作员通过操作面板设定好参数，系统即可自动执行，实现无人值守运行。

售后更省心。

运行数据可查可追溯，支持远程运维，效率更高。

中文显示屏： 标配中英文显示屏。

国内客户可直接查看温度、压力、运行状态和报警原因，不用培训也能看懂。

看得懂，就不易误操作；参数准，就少返工；能自行判断，售后等待也更少。

核心是 PLC，看得见的是中文屏。

看得懂，才用得好；用得好，才省得到。

杰兴环保，设备不只是一个铁壳子：故障自诊断，是对老板省心的承诺；全中文显示屏，是对每个操作工都能看懂的承诺。

安全、精准、省心、易用——一台机器解决。

省下的，是危废、返工、停机成本，更是一份放心。

杰兴环保，让每一升溶剂都值得被回收。

中山市杰兴环保设备有限公司专注溶剂回收设备十余年，诚邀您携手共创绿色未来。

电压控制光子芯片有望提升智能眼镜显示屏效率

电压控制光子芯片有望提升智能眼镜显示屏效率 （映维网Nweon 2026年10月21日）智能眼镜需要紧凑高效的显示屏，既能呈现细腻图像，又不会消耗过多电量。

激光束扫描是实现相关要求的一种方案。

这类显示屏不采用固定像素阵列，而是让激光束在视场内偏转扫描，逐点构建图像。

借助快速扫描镜并更快速地切换颜色，就能在不增大光学元件尺寸的情况下获得更高分辨率图像。

然而，现有系统在激光颜色控制的速度和效率上仍存在局限。

电流控制限制颜色切换 激光束扫描显示屏要生成全彩图像，需将红、绿、蓝三色激光合成为单一输出光束。

传统系统通过改变供给各色激光二极管的电流来控制每种颜色的强度。

与外部光调制相比，直接电流调制的带宽更窄，这限制了颜色切换速度，进而限制了可实现的成像分辨率。

此外，激光二极管必须工作在阈值电流以上才能输出足够光强，这也推高了功耗。

芯片上的电压控色 TDK团队开发出一种光子芯片，片通过电压控制激光而不再持续改变供给激光器的电流，从而克服了上述局限。

具体做法是，施加在芯片上的电压会在红、绿、蓝三色光合并为单一输出光束之前，分别调节各色光的强度。

研究人员采用铌酸锂薄膜制造器件。

铌酸锂的光学特性可通过电场调控。

芯片集成了三个马赫-曾德尔干涉仪，每个基色各用一个。

这些结构将光分束后再合束，使施加电压能够控制通过各通道的光强。

随后，由铌酸锂波导构成的多路复用器将三色光汇合为一束。

实验中，研究人员通过施加在芯片上的电压分别控制各颜色通道；将各通道组合起来后，系统便能产生全彩输出。

研究人员同时将器件与MEMS扫描镜集成，展示了它在激光束扫描系统中生成全彩图像的潜力。

更快切换，更低功耗 速度是这项研究的重点之一。

芯片实现了10吉赫兹的调制带宽。

研究人员称，这一带宽足以支持4K及更高分辨率。

方案不再依赖直接调制激光二极管来实现快速颜色控制，从而解决了限制传统激光扫描显示屏分辨率的一个因素。

电压控制设计同时显著降低了能耗。

研究人员发现，与传统方案相比，系统可将总功耗降低75%以上。

由于光强可由光子电路控制，而不必靠维持较高的激光电流来实现，设计省去了用于削减多余激光输出的中性密度滤光片。

这些改进共同应对了激光扫描显示屏小型化中的多项相互关联的挑战：切换速度、功耗以及所需光学元件的数量。

降低损耗，面向可穿戴显示 研究人员总结称，薄膜铌酸锂电路提升了将高分辨率成像与智能眼镜所需小巧体积相结合的现实可行性。

所演示的10 GHz带宽和全彩输出提供了实验证据，证明外部电压控制可支撑超紧凑激光束扫描显示屏。

相关论文：Thin-film lithium niobate photonic integrated circuit for laser beam scanning imaging 后续改进将着重降低光在通过铌酸锂波导时以及三色光合并过程中的光学损耗。

损耗降低后，系统整体效率有望提高，也能为将这类光子电路集成到紧凑型可穿戴显示屏中提供更有力的依据。

--- 原文链接：https://news.nweon.com/143700