GLP-1减肥药和AI大模型同时爆发，但礼来减肥药利润400亿美元，是ChatGPT加Claude的两倍。高毛利、刚需、专利壁垒让制药业完胜AI。
先给你个数字震一下。礼来公司的减肥药Mounjaro和Zepbound，现在一年能赚510亿美元。ChatGPT加上Claude，一年是550亿美元。两者差不多对吧？别急，看利润。减肥药的毛利率大概80%，AI产品只有40%到50%。算下来减肥药一年纯赚400亿美元，AI这边只有220亿美元。一个药厂的减肥药，利润几乎是两个最牛的AI实验室加起来的两倍。
这事有意思吧？AI天天刷屏，感觉要掀翻全世界，结果论赚钱能力被减肥药按在地上摩擦。不是说AI不厉害，是这件事告诉我们一个道理：你以为的风口，可能不是最肥的那块肉。
三样东西在同一个时间窗口冒出来
这三样东西几乎是前后脚出生的。Mounjaro在2022年5月获批，ChatGPT在2022年11月上线，Claude在2023年3月推出。前后不到十个月，三个完全不同的东西同时冲进市场。一个治肥胖，一个聊天，一个也聊天。
这就好比你在街上走，左边开了一家药房，右边开了一家软件公司，对面又开了一家软件公司。两年之后你回来一看，药房老板开的车比两家软件公司老板加起来都好。不是说软件公司不行，是药房太能赚了。
AI烧钱的地方减肥药不烧
为什么减肥药利润高这么多？因为成本结构完全不一样。AI跑一次要用电，要用芯片，要租服务器，要散热，要维护。你问ChatGPT一个问题，它背后是成千上万块显卡在运转。这些硬件会坏，要换，电费一直在涨。毛利40%到50%已经算不错了。
减肥药呢？配方定下来之后，生产一瓶药的成本基本固定。你卖出一盒药，原料成本、生产线的折旧、包装运输，这些加起来也就占售价的20%。剩下的80%全是利润。而且这东西不需要你每次使用都重新生产一遍。药片吃下去就完了，不需要服务器，不需要带宽，不需要半夜被叫起来修机器。
这就好比开饭馆和开软件公司的区别。饭馆每卖出一碗面，面粉、肉、菜、煤气、房租这些成本一直在那。软件公司写好了程序，卖一万份和卖一百万份，服务器成本确实会涨，但那是线性增长。减肥药介于两者之间，但它有个优势：用户要一直买一直吃，复购率极高。而且没有竞争对手能随便抄，专利保护摆在那。
减肥药面对的是最刚的需求
还有一个原因不能忽略：减肥这事太痛了。全世界有超过十亿人超重或者肥胖。这不光是好不好看的问题，是糖尿病、高血压、心脏病、关节病全跟着来。以前没药的时候，大家只能饿着、跑着、忍着。现在有了个东西，打一针就不饿了，你说你用不用？
AI解决的问题也很痛，但它解决的问题是“我想省点时间”或者“我想偷个懒”。减肥药解决的是“我不想死得那么早”。前者的支付意愿是每个月几十美金，后者是每个月上千美金都不心疼。而且减肥药背后是保险公司在付钱，AI是个人在付钱。公司付钱和个人付钱的意愿差太多了。
这就好比修水管的和画画的。画画很好，很美，但家里水管爆了的时候你不会去找画家。减肥就是那个爆了的水管，疼得你受不了的时候多少钱都愿意掏。
制造药和制造代码是两种完全不同的生意
利润率这件事最终指向一个本质区别：药是物理世界的产品，AI是数字世界的产品。听起来是废话，但意义完全不一样。
做药的门槛高得吓人。从发现一个分子到上市，平均十年，投入二十亿美金。中间失败的概率超过90%。三期临床失败、专利被卡、生产出问题、副作用没发现，哪一关都能让你血本无归。所以一旦成功，专利保护给你二十年独占期，你能定高价，没人跟你抢。
做AI的门槛在快速下降。开源模型越来越多，算力越来越便宜，训练方法越来越成熟。今天你能做出一个不错的模型，明天Meta可能就开源一个更好的。护城河是什么？数据？算力？品牌？这些东西都比专利好抄。所以AI产品都在打价格战，你降价我也降，最后大家一起把利润率压到地板。
所以减肥药的高毛利不是运气，是行业结构决定的。制药这个行业就是用巨大的前期风险换后期的超额利润。AI这个行业是用低门槛换高竞争。一个是在赌场里压大小，赢了通吃；一个是在菜市场摆摊，吆喝声大的能多卖几碗。
赚钱和改变世界是两件不同的事
倒不是说AI不行。AI改变世界的能力毋庸置疑。它能帮医生看片子，能帮程序员写代码，能帮学生学知识，这些东西的价值没办法完全用钱衡量。减肥药再厉害，它也就是让人瘦下来。AI可能让人整个智力活动的方式都发生变化。
但赚钱这件事，尤其是在当下这个时间点，减肥药确实赢了。而且赢得很彻底。这件事提醒我们：刷屏最多的不一定是利润最厚的，声音最大的不一定是钱包最鼓的。你以为AI在统治世界，回头一看药厂老板正在数钱数到手抽筋。
这不是要贬低AI，是要说清楚一个事实：商业世界的运行逻辑和舆论世界的运行逻辑不一样。舆论看热闹，商业看账本。账本上写着，两个AI加起来不如一个减肥药能赚。这个结论值得所有人想一想，尤其是那些觉得AI马上就要吞掉一切的人。
吞掉一切之前，先问问能不能吞掉药厂的利润。答案暂时是否定的。
它们是这个世界上的同类干预。它们都打破了各自领域的物理法则
GLP-1减肥药和AI大模型都推翻了我们原来坚信的东西。减肥不靠意志力，智能不靠逻辑规则，这两件事同时告诉我们：我们一直把表象当成了本质。
过去五十年，所有人都在说减肥就是要改变行为。少吃多动，这个公式看起来牢不可破。你算卡路里，你记饮食日记，你上心理课程，你甚至去做缩胃手术逼自己少吃。整个减肥产业就是建立在这个想法上：管住嘴迈开腿，意志力是钥匙，自律是出路。
然后司美格鲁肽这种药出现了。它没让你去健身房，没让你写饮食日记，就是调整了一个激素信号，人就瘦了15%到20%。你确实还是吃得少了，但那个咬牙坚持的过程消失了。不需要规划每顿饭，不需要计算热量，不需要对抗脑子里那个不停喊饿的声音。那些我们以为必不可少的心理建设、意志力训练、行为矫正，全都是在为一个坏掉的代谢信号打补丁，而不是减肥这件事本身。
这就好比你一直以为要烧开一壶水必须用锅铲不停地搅它，后来才发现只要把火打开就行。我们之前做的一切努力不是没用，是我们把表象当成了本质。自律和意志力只是表现，真正的减肥机制是激素调节。我们错把表面动作当成了底层原理。
AI让我们对智能的理解也翻车了
同样的事情在AI领域也在发生。几十年里，我们认为要让机器变得聪明，就得把逻辑规则喂给它。专家系统、知识图谱、逻辑推理链，我们觉得智能就是符号运算，就是规则执行。我们把自己的思考方式——一步一步推理，用逻辑连接概念——当成了智能本身。
然后Transformer架构出现了。GPT这类模型根本不跟你讲逻辑规则，它就是做一件事：预测下一个词。在大量文本里找规律，压缩模式，然后继续预测。结果呢？它能写代码，能做数学题，能通过律师考试，这些表现看起来就像在推理。但没人给这些模型写推理规则，那个逻辑能力是自己冒出来的。
这就像早期研究飞机的人盯着鸟怎么扇翅膀，以为翅膀扇动就是飞行的核心原理。后来才发现空气动力学才是关键，翅膀形状只是实现方式之一。我们把实现方式当成了原理本身。
错得有道理才是最危险的
最让人懵的不是我们错了，而是我们错得特别有道理。减肥靠意志力这套说法，很多时候确实管用。有些人靠自律真的瘦下来了，这就给了这套理论足够的证据让它看起来成立。它有内在逻辑：自控是美德，吃得少自然瘦。它有整套产业支撑：减肥营、健康App、心理课程。它甚至符合直觉：原始人食物不够，能控制食欲当然有生存优势。
AI这边也一样。符号逻辑派有完整的教科书，有几十年的研究成果，有强大的哲学基础。我们人类思考不就是用语言和逻辑吗？那机器当然也得这么来。这套体系内部自洽，说服力极强。
问题就在于，这种“错得有道理”比明显错误更麻烦。明显错误你很快就能发现，但这种错误它会自己证明自己。它解决了一些问题，就让你以为方向是对的，只是需要做得更好。你在这条路上越走越远，就越难看到还有别的路存在。
药先有用后找原因，AI也是
正常情况下科学研究是这样的：先搞懂原理，再开发应用。但GLP-1和AI把顺序颠倒了。GLP-1最开始是治糖尿病的药，减肥效果是“副作用”。用了好几年之后才发现它对心血管有好处，然后又发现可能对成瘾、阿兹海默症、肾病都有作用。我们不是在应用已知原理，而是在用的过程中反过来发现原理。
AI走的是同一条路。训练模型的时候就是让它预测下一个词，结果发现它能处理长达将近5小时的任务，能在真实编程任务上达到80%以上的成功率。没人设计这些能力，它们是从大量数据里自己长出来的。我们不是在造智能，我们是在发现智能可以从模式压缩中涌现出来。
这就好比你先发现有个东西能治病，然后才回头研究它为什么能治病。正常的科学是走一步看一步，现在的技术是你已经跑出去很远，回头一看才发现原来的地图画错了。
减肥药改变了减肥的物理规则
以前减肥的因果关系是这样的：便宜又好吃的东西太多→吃多了→代谢出问题→医疗系统压力大。解决方案要么从源头解决（改变食品工业），要么从末端硬扛（靠意志力抵抗）。GLP-1出现之后，这个链条变了。减肥变成了可以选择退出的事，而不是必须投入意志力的事。
保险公司要重新算账，食品公司要重新考虑产品策略，公共卫生政策要重新制定。因为原来假设的“人的意志力有限”这个前提变了。不是在这个旧规则里优化，而是规则本身换了。
打个比方，以前减肥是在地上跑，大家都比谁跑得快跑得久。现在有人直接坐上了车，你在地上跑得再快也没用。不是你的跑步技术不行，是物理规则变了。
AI改了知识工作的游戏规则
AI对脑力劳动的冲击是一样的。原来知识工作的瓶颈是专家太少了。二十年才能培养一个医生，这个医生一天只能看那么多病人。知识被锁在少数人脑子里，这是个物理限制。
现在不一样了。你不需要把二十年经验写成教科书，但你可以把它蒸馏进一个模型，让这个判断力变成随时可用、随处可用的东西。当专家判断变得不再稀缺，所有建立在这种稀缺性之上的东西——医学院教育、律师按小时收费、漫长的科研周期——都得重新找坐标系。
以前你想让一个医生看片子，你得排队等。现在AI几秒钟就能给出初步判断，而且准确率不比医生差。不是医生不重要了，是“稀缺专家”这个假设不成立了。原来你以为的物理限制，其实只是工具还不够好。
用旧地图找新路肯定要迷路
现在的情况是我们拿着旧地图在找新路。所有建立在旧假设上的系统都在失灵。减肥项目还在一遍遍教你管住嘴迈开腿，教育系统还在强调知识传递效率，就业市场还在看重稀缺技能。但这些假设本身已经过时了。
GLP-1告诉我们的不是有个新药效果更好，而是代谢调节可以从一个我们完全没想到的角度切入。这意味着所有基于“减肥靠意志力”这个假设的下游产业都得重新检查。AI告诉我们的也不是有个更好用的聊天机器人，而是智能可以从数据压缩中涌现出来。这意味着所有基于“智能靠逻辑推理”这个假设的认知工作模型都得重建。
我们以为自己知道问题在哪。结果发现我们一直把表面当成了底子。现在我们才发现，在这层表面之下还有更深的东西，而之前建在上面的所有东西都得重新想。
底子比表面更重要
更深层的教训是关于底子独立性的。减肥不需要靠意识努力，只需要对激素信号。智能不需要显式逻辑推理，只需要足够多的模式暴露。我们以为必不可少的东西——行为改变、符号逻辑——只是其中一种实现方式，而且还不是效率最高的那种。我们错把难走的路当成了唯一的路。
这就产生了一种特别的眩晕感：在这么根本的事情上我们都错成这样，那其他事情呢？这不是细节调整，这是对整个问题定义的彻底错误。而且这两个技术突破都不是靠更好的理论揭示错误的，是靠直接展示——用我们旧模型里不可能的方式工作。
这些技术感觉像外星来的，因为它们跳过了我们以为的那个界面。它们不是给你用的工具，它们是黑客手段，直接揭示了用户界面底下的游戏引擎。
我们没有失去掌控权，我们只是发现掌控权从来就不在我们以为的地方。努力的感觉不是作用机制，意识里的符号不是认知的底层代码。我们没有被淘汰，但我们确实在表面层操作。在迷雾里摸索，边做边发现，技术不断告诉我们它碰到的是什么。唯一确定的是，我们以为锁死的现实——代谢限制、认知限制、专业知识和健康的固定成本——现在都可以谈判了。
看起来像物理定律的东西，其实只是我们工具还没到的边界。现在这个边界往前推了一大截。