商业申请热潮不只是 AI

商业申请热潮不只是 AI

最新一轮美国商业申请激增，乍看像是一个关于人工智能降低创业成本的清晰故事。这个故事很有吸引力，因为它符合当下叙事。AI 工具让个人更容易写代码、设计营销材料、自动化记账、回答客户问题、分析市场并推出小型数字产品。一个创始人现在可以在一个周末完成过去需要小团队和少量种子资金才能完成的事情。如果这没有提高人们正式化商业想法的意愿，反而会很奇怪。

但2025到2026年的数据要求更谨慎。2025年美国商业申请达到创纪录的570万份，并且增长延续到2026年。然而，历史上更可能成为雇主企业的申请，相比2024年基本持平。几乎所有增量都来自非雇主企业，而这类企业很少成为重要的就业创造者。这个结构很重要。商业申请不等于初创公司。法律实体不等于经营企业。税务身份不等于工资单。

时间点也与使正式化更有吸引力的政策变化重合。2025年3月，财政部和 FinCEN 采取行动，取消美国国内申报公司和美国人士的受益所有权信息申报要求。之后的税收立法延长了 Section 199A 下20%的合格商业收入扣除，并为合格小费引入额外扣除，其中包括部分自雇劳动者。这些变化不需要凭空创造新的创业野心。它们只需要改变自由职业者、承包商、副业经营者、内容创作者、司机、服务提供者和小业主的成本收益计算，而这些人可能已经在赚取收入或考虑正式化。

因此，核心解读是：商业申请热潮很可能是混合信号。AI 可能正在降低创办企业的技术和组织成本，但监管和税收激励很可能解释了近期增长中相当一部分。这个区别不是语义问题。如果热潮主要来自 AI 驱动的雇主企业形成，它会指向未来生产率、就业增长和竞争性颠覆。如果热潮主要来自非雇主的行政正式化，它仍然会影响税务行为、劳动力市场结构和被统计到的自雇经济，但不应被当成纯粹的就业创造型商业活力信号。

投资者和政策制定者因此需要区分三个经常被混在一起的东西。第一是申请数量：有多少实体被提交。第二是创业质量：有多少申请变成有收入、有存续、有增长的经营企业。第三是经济贡献：有多少变成雇主、提高生产率并与既有企业竞争。AI 可能随着时间改善第二和第三个渠道。政策变化可以快速抬高第一个渠道。当前数据更像二者结合，而不是单纯 AI 驱动的 regime shift。

数量不等于公司

解读企业形成数据时，最常见错误是把申请当成公司。美国人口普查局的 Business Formation Statistics 非常有用，因为它提供了创业意图的早期视角，但这个序列仍然基于雇主识别号申请。有些申请会变成经营企业。有些会变成雇主企业。许多不会。从申请到企业之间的差距，就是整个分析问题。

当结构发生变化时，这个差距尤其重要。历史上雇主概率更高的申请，告诉我们一些关于未来工资单创造的信息。非雇主申请告诉我们另一类信息。它们可能代表个人承包商、副业、税务规划实体、创作者业务、小型服务业务、房地产实体、网店、网约车或配送劳动者、咨询顾问和自由职业载体。其中一些可能有经济意义。但大多数不会按传统意义创造就业。

来源数据让这个区别无法回避。如果2025年总申请达到创纪录的570万份，而高雇主倾向申请相比2024年基本持平，那么边际申请并不像经典初创企业管道。它更像正式化浪潮。更多人在创建实体，但与未来雇主企业最相关的管道并没有以同样方式加速。这削弱了“热潮主要是广泛就业创造型创业激增”的解释。

一个简单分解可以说明问题：

`总申请增长 = 雇主倾向申请增长 + 非雇主申请增长 + 分类效应`。

如果几乎所有增长都在第二项，宏观含义就变了。经济可能有更多正式商业实体，但不一定有更多会雇人、投资、租赁场地、借款并扩张的企业。这并不使数据不重要，而是使数据更具体。热潮可能说明就业、自雇、承包和副业收入之间的边界正在变化。

这仍然有经济意义。非雇主企业可以影响家庭收入、税务申报、服务市场竞争、平台劳动供给和小规模生产率。一个使用 AI 的个人顾问可以在没有雇员的情况下创造可观收入。创作者业务可以正式化知识产权收入。承包商可以把商业费用和个人费用分开。但这些渠道并不等同于新公司成为雇主并推动净就业创造的经典初创叙事。

因此，管道质量比标题数字更重要。创纪录申请数量可以与疲弱的雇主企业形成并存。它也可以与强劲的创业实验并存，如果许多非雇主企业成为高收入微型企业。下一阶段分析必须追踪转换、存续、收入、工资单和生产率，而不是只庆祝申请数量本身。

为什么政策时间点重要

政策时间点过于直接，不能忽视。公司透明法下的受益所有权报告，对许多小实体构成合规负担。当财政部和 FinCEN 在2025年3月采取行动，取消美国公司和美国人士的报告要求时，实体成立的预期成本下降。对大型公司来说，这类报告要求只是小型行政任务。对自由职业者或极小型业主来说，它可能是心理和流程障碍。降低这个障碍，可以提前释放申请。

税收渠道也指向同一方向。Section 199A 允许许多 pass-through 企业所有者扣除最高20%的合格商业收入，但受限制和定义约束。让这项扣除永久化，会改变规划激励。通过独资企业、合伙企业、S 公司或其他 pass-through 结构赚取收入的劳动者，可能更有理由正式化并认真跟踪商业收入。这并不意味着每一份新申请都是税务套利。它意味着税法可以改变“清晰可见地自雇”的边际价值。

针对合格小费的额外扣除，包括适用于部分自雇个人且受收入限制，也为某些服务劳动者增加了正式化激励。一个收小费的劳动者，如果同时以独立承包商、移动服务提供者、配送劳动者、个人护理服务提供者、司机、创作者或小业主身份经营，可能会更关注申报渠道、实体身份、文件记录和商业费用。扣除并非普遍适用，资格细节很重要。但政策不需要适用于所有人，才能影响总体申请。它只需要改变足够大边际群体的行为。

微观经济渠道很直接。人们不仅会对经营企业的经济现实作出反应，也会对正式承认该业务的行政回报作出反应。如果正式化收益上升、合规成本下降，申请应该增加，即使底层创业活动没有大幅变化。这正是关键区别。政策诱发的申请可以在经济上理性，但并不代表新的就业创造型企业。

这就是公共财政与创业统计相交的地方。税收显著性重要。合规成本重要。实体选择重要。一个劳动者可能已经有副业，但如果收益小、文书麻烦，就不会费心建立正式实体。当扣除更持久、报告义务减少时，同一个劳动者可能会提交申请。数据随后显示新的申请，即使底层经济活动部分早已存在。

好的解读应该避免两个极端。它不应把热潮斥为虚假，因为正式化可以改善申报、融资可得性、商业纪律和长期增长潜力。它也不应把热潮夸大为雇主型创业突然爆发。证据指向更细致的 regime：政策和 AI 一起，让个人作为正式商业单位运营变得更容易、更有吸引力。

AI 仍然重要，但不是最新加速的全部解释

AI 仍然重要，因为它降低了尝试成本。自由职业者可以用 AI 起草提案、准备发票、建立网站、写代码、设计内容、总结客户评价、生成基础法律检查清单并自动化客户支持。承包商可以用更少外部服务显得更专业。副业可以在不雇设计师、分析师或初级开发者的情况下测试需求。这些都是真实经济效应。

但近期申请激增的结构说明，AI 不应获得全部功劳。如果 AI 正在创造一轮可扩张雇主企业的广泛浪潮，高倾向申请应该强劲上升。相反，增量似乎集中在非雇主申请。这符合 AI 作为个人工作和微型企业赋能层的解释，但不太符合 AI 单独驱动雇主形成激增的解释。AI 可能正在放大独立工作的正式化吸引力，而不是一夜之间创造新的雇主群体。

这个解释其实更符合技术本身。生成式 AI 对个人和小团队尤其强大，因为它替代了早期行政和认知劳动。它帮助一个人做更多事。这可以提高收入和产出，而不提高员工人数。在数据中，它可能先表现为更多申请、更多非雇主企业、更高的非雇主收入和更多混合工作安排，然后才表现为工资单增长。

投资含义很微妙。即使 AI 没有立即创造许多雇主企业，它也可能很重要。一个没有员工的个人业务仍然会购买软件、云服务、支付工具、营销平台、保险、会计产品和 AI 订阅。它可以与本地既有企业竞争。它可以压低价格。它可以改变家庭收入波动。它也可以未来成为雇主。错误不在于说 AI 重要。错误在于假设每一份申请都是风险投资意义上的初创公司。

因此，正确问题不是“AI 还是政策？”而是“哪个渠道解释数据的哪一部分？”政策可以解释时间点和非雇主占主导的结构。AI 可以解释为什么个人和极小团队业务变得更可行。二者结合的结果，是一个带有 AI 生产率期权的正式化热潮。

雇主企业测试

最重要的后续变量是向雇主企业的转换。雇主企业之所以重要，是因为它们更可能影响工资就业、商业地产、资本开支、贷款需求、供应链和本地经济乘数。非雇主企业也可以高质量，但雇主转换仍然是有用门槛。它说明企业已经从自雇进入组织化增长。

高倾向申请相比2024年持平，因此应该压低宏观乐观程度。创纪录总申请数量加上持平的雇主意图申请，说明分母扩张快于增长管道。投资者不应机械地把570万份申请转换成未来工资强度。更好的解释是，自雇和微型企业层正在扩张，而雇主企业管道尚未确认同等加速。

这个区别也影响生产率。非雇主企业如果使用 AI 每小时产生更多产出，可能是高生产率的。但总生产率统计受规模、行业结构、资本深化和再配置影响。如果许多新实体只是小型行政壳，生产率影响有限。如果许多成为精简高收入服务提供者，生产率影响即使没有大量雇员也可能有意义。如果其中一些转向雇主企业，影响会在传统宏观数据中更可见。

雇主企业测试不应被解释得太窄。现代经济可以用极少员工创造有价值企业。软件、数字媒体、专业服务、咨询和专业承包都可以在没有大规模工资单的情况下扩张收入。但如果经济真正经历商业活力复兴，我们最终应看到的不只是申请。我们应看到存续、收入、招聘、投资和竞争压力。

一个有用仪表盘应追踪总申请、高倾向申请、四到八个季度内的雇主转换、非雇主收入、年轻企业工资增长、存续率、行业集中度和每员工收入。这个仪表盘可以让分析者区分行政正式化浪潮和真正的企业形成繁荣。

小团队现在可以攻击过去需要大规模薪资支出的难题

最突出的含义，是员工人数与业务野心之间关系的变化。历史上，许多企业需要一组最低限度的专家：工程师、设计师、营销人员、客服代表、分析师、运营经理，以及法律或财务支持。即使每个角色都是兼职，协调负担也是真实的。没有融资的创始人很难组装这套能力。AI 并不会完全替代这些人，但它可以近似完成他们工作的第一版，让更小的团队决定哪些地方真正需要人类专业能力。

这改变了自力更生创业的经济学。自筹资金的创始人现在可以用 AI 完成粗加工，把人类雇佣留给判断、领域专业知识、信任敏感任务和最终质量控制。瓶颈从“我能否负担第一支团队”转向“我能否足够清晰地定义问题、触达客户并保持质量”。这仍然困难，但这是一种更高质量的困难。它奖励清晰度、品味和客户知识，而不只是资本获取能力。

这里还有地理含义。如果 AI 减少了雇佣完整本地团队的需要，创业可以扩散到传统创业中心之外。远程工作已经放松了地理约束。AI 可以进一步放松人才密度约束。小城市的创始人可以获得软件、设计、研究和营销杠杆，而这些过去需要接近深厚劳动力市场才更容易获得。这并不意味着地理消失。网络、资本、大学和客户仍会聚集。但位于核心枢纽之外的边际创始人，不再像过去那样处于劣势。

对劳动力市场而言，影响既模糊又强大。AI 赋能的创业公司可能每一美元收入雇佣更少员工，从而降低单个企业的就业创造。同时，可以被创建的企业更多，幸存企业扩张也可能更快。总就业效应取决于较低劳动强度和较高企业数量之间的平衡。这就是为什么商业申请数据重要但不完整。我们需要跟踪它向雇主企业的转化、薪资创造、收入增长、存活率和生产率。一百万个 AI 赋能备案如果仍只是副业项目，其含义将不同于一批广泛的雇主企业存活并扩张。

工资也存在同样的模糊性。如果 AI 让有技能的个人更具生产率，它可能提高创业人才和技术人才的回报。如果它自动化例行白领任务，就可能压低某些岗位。如果它创造许多小企业，就可能增加对专业判断、销售、合规、设计和关系管理的需求。最可能的结果是分化。能把领域专业知识与 AI 杠杆结合的劳动者，可能看到生产率和议价能力上升。任务容易标准化的劳动者，则可能面对来自软件和 AI 赋能进入者的更多竞争。

这轮繁荣可能增强经济韧性

如果新企业能够多元化收入、就业、产品和本地服务来源，更高的企业形成率就能让经济更具韧性。由少数既有企业主导的集中型经济，在稳定时期可能很有效率，但在冲击来临时也可能脆弱。更多进入者创造冗余。它们测试替代供应链，服务细分客户，并创造本地选项。在地缘政治风险、供应链中断、网络风险和气候冲击的世界里，分布式创业能力具有宏观价值。

这个韧性点经常被低估，因为金融市场偏好规模和盈利能力。公开市场投资者自然关注主导平台、利润率和投资资本回报率。但从宏观角度看，经济也受益于期权价值。每一家新企业都是一个关于新产品、新流程或本地服务模式的小型看涨期权。大多数会到期归零。一些会产生适度价值。少数会变得极其有价值。AI 降低了购买这些期权的权利金。当期权权利金下降时，理性主体会购买更多期权。

风险投资人会立刻理解这套逻辑，但同样的期权价值原则也适用于国家层面。更多实验意味着更多发现新生产率口袋的机会。广泛创业繁荣的期望价值取决于结果分布，而不是中位数结果。如果 AI 产生数千个平庸企业和少数变革性企业，整体回报仍可能很大。因此，因为许多企业会失败就否定高企的申请数量，是错过了重点。失败是发现过程的一部分。

这也与内生增长理论相关。Romer 式模型强调思想、非竞争性知识，以及创新在长期增长中的作用。AI 可以增加思想执行的有效供给，而不只是增加思想本身。许多人已经有想法，但缺少测试想法的手段。如果 AI 将更多潜在想法转化为实验，它就提高了经济的创新吞吐量。Aghion-Howitt 的创造性破坏模型同样强调新创新取代旧技术的作用。更多使用 AI 原生工作流的进入者，可以加快这种替代。

为什么怀疑论仍然重要

乐观解释不应变成盲目叙事。有几个理由需要谨慎。第一，商业申请不等于运营企业。数据是早期信号，不是最终结果。一次备案可以代表副业项目、税务实体、单人咨询载体，或非活跃公司。关键问题是转化。申请是否变成雇主企业？是否产生收入？是否能存活两三年以上？是否提高生产率，还是只是增加周转？

第二，AI 可能创造过多低质量进入。如果启动成本大幅下降，市场可能充斥差异化很薄的产品、自动化内容、薄弱软件，以及使用类似工具的服务商。这会为客户制造噪音，并压缩进入者利润率。低进入壁垒有利于实验，但不利于盈利。互联网既创造了伟大公司，也制造了大量脆弱商业模式。AI 很可能也是如此。

第三，既有企业同样会使用 AI。进入壁垒降低并不保证集中度下降。大型公司拥有专有数据、分发渠道、云基础设施、合规团队和资本预算。它们可以把 AI 集成进现有产品，也可以收购有前景的进入者。结果可能是杠铃结构：底部出现更多小公司，顶部仍由大型平台主导，中间那些既缺速度又缺规模的公司承压。这仍然是结构性变化，但不一定是简单的去中心化故事。

第四，监管和信任可能放慢从申请到真实企业的转化。AI 生成的法律草稿、医疗建议、金融推荐和客户沟通，都可能带来责任。高合规负担行业未必允许小型 AI 赋能团队像软件演示中那样自由移动。信任仍然是一项人类和制度资产。在许多市场，客户购买的不只是产出，也是在购买问责。

第五，宏观环境很重要。高利率、信贷收紧、消费者需求疲弱，或小企业贷款下行，都可能拖慢这轮繁荣。AI 降低了一些成本，但不是所有成本。企业仍需要客户、营运资本、支付系统、保险和时间。因此，商业申请激增应被视为潜在活力的领先指标，而不是生产率加速已经得到保证的证明。

投资含义：更多进入，更多分化

对投资者而言，创业繁荣指向分化。如果 AI 降低进入成本，更多企业可以攻击细分市场，更多行业可能被扰动，赢家和输家之间的距离会拉大。显而易见的受益者是 AI 基础设施提供商、云平台、半导体供应商和销售生产率工具的软件公司。但这只是第一层。第二层是那些用 AI 改变传统行业成本结构的企业。第三层是既有企业承受的压力，尤其是那些利润率依赖高客户摩擦、慢服务或稀缺专业知识的公司。

这提示我们用不同方式思考 AI 敞口。持有基础设施赢家可以捕捉主题的一部分，但更广泛的经济影响可能通过竞争强度变化体现。信息处理成本高、客户需求分散的行业尤其暴露。专业服务、营销、教育、医疗行政、保险分销、合规、招聘、软件开发、本地服务和业务流程外包，都有可以被 AI 压缩的任务。一些既有企业会通过自动化内部工作变得更赚钱。另一些则会面对用 AI 降价或提供更高个性化的进入者。

公开市场最初可能奖励既有企业，因为它们有资源快速部署 AI，也有利润率展示近期效率收益。然而随着时间推移，进入效应可能更重要。如果小企业可以便宜触达客户并轻资产运营，既有企业可能在特定垂直市场失去定价权。这不是对大型公司的普遍做空论点。它是一个提醒：AI 既是效率工具，也是进入工具。前者支撑利润率；后者攻击利润率。

私募市场可能看到更大的结构性变化。达到产品市场匹配的成本可能下降，从而改变融资结构。创始人可能需要更少种子资本来构建第一版产品，但在证明牵引力后需要更多资本扩张分发。这会把早期议价能力推向创始人，同时把后期议价能力推向拥有分发、数据和市场进入能力的投资者。它也可能增加不需要传统风险投资的小型盈利公司的数量。这将是重要变化，因为风险投资模型建立在少数超大退出之上，而 AI 也可能创造一层广泛、持久的“微型跨国公司”。

劳动与资本分配也是投资问题。如果 AI 让收入能够以更少员工扩张，成功企业利润率可能上升。但如果进入激增，竞争会把这些生产率收益通过更低价格传递给消费者。收益分配取决于市场结构。在有网络效应、数据优势或监管壁垒的市场，AI 生产率可能归属于企业。在转换成本低、进入者多的市场，它可能归属于消费者。因此，投资者不应只关注泛泛的 AI 采用，而应关注采用是否创造可防御优势。

互联网类比有用，但并不完整

最自然的比较是 20 世纪 90 年代末和 21 世纪初的互联网繁荣。这个比较有用，因为互联网同样通过降低沟通和分发成本创造了一轮实验激增。小团队不需要拥有实体门店，也能触达全国或全球客户。搜索引擎、电子邮件、网站、在线支付以及后来的社交媒体，降低了发现和获客成本。云计算随后降低基础设施成本，让企业可以租用计算能力，而不是自己建设。

AI 延续了这条序列，但机制并不完全相同。互联网让市场更容易进入。云让基础设施更容易租用。AI 让能力更容易调用。它把一部分专业能力变成按需服务。创始人可以请求市场地图、合同草稿、原型、客户分层、翻译、电子表格模型、代码审查或客服工作流。输出仍然需要验证，但第一版不再被等待专家所阻塞。这把瓶颈从获取知识，转向判断如何使用知识。

这种区别对生产率很重要。互联网让许多企业能够更广泛地销售，但它并不自动重塑产品或服务的内部生产过程。AI 更接近生产函数本身。它可以触及分析师、工程师、律师、营销人员、教师、设计师、运营人员、招聘人员和客服团队的工作。这就是为什么企业形成效应可能更加分散。边际创业者并不需要销售 AI 产品。他或她可以使用 AI，让一项普通甚至无聊的业务更便宜地启动、更容易运营。

历史类比也提醒我们，不要对短期结论过度确定。互联网泡沫既产生了真实的过度投资，也留下了真实的长期基础设施。二者同时成立。许多公司消失了，但光纤、软件习惯、消费者预期和平台模型留了下来。AI 可能遵循类似路径。一些当前商业申请会失败，因为创始人高估 AI 能力，低估获客难度，或忽视合规。但实验本身可能留下技能、工作流、可复用代码、数据集和客户洞察。即使失败的企业也可能促进扩散，因为员工会把 AI 原生习惯带到下一次创业或下一位雇主那里。

因此，更好的类比也许不只是互联网泡沫，而是电气化、个人电脑、互联网和云计算的组合。每一种通用目的技术都需要互补资产，才会改变可测生产率。工厂必须围绕电力重新设计，而不是简单用电动机替换蒸汽机。办公室必须围绕计算机改变工作流，而不是把它当作更快的打字机。企业必须围绕互联网重组，而不是在不变的业务上加一个网站。AI 很可能也需要同样的互补重构。新企业往往最容易完成这种重构，因为它们不必先征得旧流程的许可。

政策、制度与选择质量

创业激增能否变成生产率繁荣，很大程度取决于选择环境的质量。低进入成本只有在好企业能够成长、坏企业能够退出且摩擦不过度时才有价值。这需要竞争性市场、灵活的劳动力流动、合理的破产规则、支付系统准入、有效的小企业融资，以及既保护客户又不冻结实验的法律环境。创业不只是个人行为。它是一套制度生态。

美国在这方面有几项优势。它有深厚资本市场、容忍失败的文化、相对灵活的劳动力市场、强大学校体系、庞大国内需求，以及将通用目的技术商业化的长期历史。这些优势有助于解释为什么技术冲击能转化为企业创建。但也存在约束。与就业绑定的医疗保障会让离职更有风险。高生产率地区的住房成本会限制流动。职业许可可能拖慢本地服务进入。数据隐私规则、知识产权不确定性和 AI 责任问题也可能让创始人更加谨慎。

因此，政策重点不应是补贴每一家 AI 创业公司，而应是改善实验被筛选的环境。这意味着支持可携带福利，减少不必要的地方进入壁垒，扩大技术教育机会，改善小企业信贷渠道，明确 AI 责任标准，并在主导平台利用数据或分发阻挡进入者时维持竞争压力。目标不是保证成功。目标是让有用实验更容易发生，让选择过程更干净。

这里还有测量挑战。传统统计可能低估 AI 赋能微型企业的重要性，因为许多企业可以用很少员工创造有意义收入。如果政策制定者只看薪资增长，可能错过高收入单人或小团队企业的上升。如果只看申请数量，又可能夸大繁荣。正确测量方法应结合申请、雇主转化、收入、薪资、存活、生产率和行业层面进入。随着时间推移，税务数据和企业微观数据将是区分真实运营活力与行政备案的关键。

选择质量还取决于客户信任。如果 AI 在缺少质量控制的情况下降低进入成本，市场可能被低质量供应商污染。这会提高客户搜索成本，并降低实验价值。声誉系统、专业标准、认证、保险和平台治理可能变得更重要。悖论在于，AI 降低生产成本，却可能提高对信任基础设施的需求。最成功的新企业，可能是那些把 AI 杠杆与可信人类问责结合起来的企业。

资本配置可能变得更像杠铃

融资含义值得单独讨论。创业成本下降，并不简单意味着资本需求下降。它改变的是资本在什么时候被需要，以及什么资本有用。在 AI 之前，创始人可能需要早期融资来雇佣工程师、设计师、营销人员和运营人员，然后才能测试需求。有了 AI，一些创始人可以推迟这笔融资。他们可以用更小预算构建、测试和迭代。这把最早期、风险最高的实验，从机构资本推向创始人时间、客户预付款、收入和小额支票。

然而，一旦企业显示牵引力，资本需求可能很快回归。分发、销售、合规、安全、企业集成和营运资本仍然需要钱。AI 让原型更便宜，但并不会让信任、获客或规模免费。这意味着一种杠铃式融资结构。一端是许多小公司自筹更久，甚至永远不需要传统风险投资。另一端是证明大市场的企业可能筹集大量资本并积极扩张。中间部分可能更困难：那些复杂到无法自力更生、但差异化又不足以获得重大融资的公司，可能会挣扎。

对风险投资而言，这可能改变早期投资的含义。如果构建原型的成本下降，投资者对“有一个 demo”本身的估值会下降，而更看重专有洞察、分发优势、数据访问、客户紧迫性、监管定位和创始人判断。稀缺资产不再只是构建能力，而是决定什么值得构建、把它卖给正确客户，并防守由此形成的位置。AI 可能商品化一部分执行，同时提高品味和战略的价值。

对公开市场投资者而言，同样逻辑意味着，来自 AI 的利润率扩张必须与进入风险一起分析。一家公司如果在拥有强护城河的市场用 AI 降本，可能创造持久股东价值。一家公司如果在护城河薄弱的市场用 AI 降本，可能只是随着新进入者采用同样工具而触发价格战。问题不是“AI 是否提高生产率？”问题是“谁捕获生产率？”在一些市场中是股东；在另一些市场中是客户；在另外一些市场中，则是那些变得极其高产的专业劳动者。

这就是为什么企业形成数据应被纳入 AI 投资讨论。它们不只是宏观好奇。它们是关于竞争供给的线索。如果潜在进入者数量保持结构性高位，那么长期 AI 交易就不只是购买 AI 工具供应商。它也包括识别哪些既有企业能够承受一个更多人可以建立可信竞争者的世界。 ## 既有企业的回应将决定多少商业活力能够留下

创业繁荣不会在真空中展开。既有企业会回应，而这种回应的性质将决定 AI 是带来广泛商业活力，还是只是强化现有领导者。大型公司可以用 AI 自动化支持、加快写代码、个性化营销、分析客户行为并降低行政支出。如果这些收益被再投资于更好的产品和更低价格，既有企业可以在保持规模的同时改善消费者福利。如果它们主要被用来防守分发和锁定客户，进入繁荣可能很难转化为竞争繁荣。

这正是反垄断和平台治理与创业相交的地方。许多 AI 赋能创业公司将依赖云提供商、应用商店、搜索平台、支付网络、数据供应商和社交分发。降低进入成本的同一套基础设施，也可能成为守门人。创始人也许可以便宜地构建产品，但仍要在发现、信任、支付接受和平台排名上面对高成本。瓶颈可能从生产转向分发。

因此，投资者应区分两个问题。第一，AI 是否让更多人能够构建可行产品？答案越来越像是肯定的。第二，市场结构是否允许这些产品触达客户，并保留足够经济收益以存活？这个答案因行业而异。在开放、分散的市场中，创业繁荣可以转化为真实竞争。在平台控制市场中，进入可能上升，但剩余可能被平台层捕获。

最具建设性的结果，是既有企业变得更有效率，同时进入者迫使它们保持诚实。这是经典生产率契约：技术降低成本，竞争把部分收益传递给客户，最好的企业成长。较不具建设性的结果，则是 AI 增加活动但不增加可竞争性。商业申请图表告诉我们，更多人正在尝试。它尚未告诉我们，市场是否会允许其中最好的企业扩张。 ## 什么会证实或证伪这轮繁荣

下一阶段分析应超越申请数量。几个指标很重要。一个是商业申请转化为雇主识别号和活跃工资单的比例。另一个是新企业两年以上存活率。第三是年轻企业人均收入，这可以显示 AI 是否正在支持更精简的扩张。第四是行业构成：如果繁荣集中在低生产率行政实体，宏观含义会较弱；如果它出现在技术赋能服务、医疗行政、软件、制造支持、物流和专业服务中，含义会更强。

我们还应耐心观察生产率统计。通用目的技术扩散缓慢。互联网最大的生产率效应需要时间，也需要互补投资。AI 可能更快，因为云分发和软件采用渠道已经存在，但组织重构仍需要时间。最重要的近期证据可能来自微观数据：小团队更快发布产品，专业服务公司提高人均产出，客服运营处理更多量，新企业以更少员工达到收入里程碑。

另一个证实信号，是同一行业内 AI 原生企业与传统企业之间差距扩大。如果 AI 只是每个人都购买的工具，生产率效应可能广泛但不特别具有破坏性。如果 AI 原生进入者构建不同工作流、定价模型和服务预期，那么竞争结构就会变化。商业申请激增将成为更深层重组的早期信号。

证伪则会呈现不同样子。如果申请保持高位但雇主企业形成没有改善，如果存活率大幅下降，如果收入创造疲弱，而且生产率增长多年未响应，那么这轮繁荣可能主要是行政周转。即便如此，它仍对劳动力市场行为和家庭风险承担有意义，但不足以支撑强生产率叙事。举证责任属于乐观论。高企的申请数量是信号，不是结论。

结论：热潮是真的，但解释必须更窄

商业申请热潮是真的。2025年570万份创纪录申请不是噪音，增长延续到2026年也值得关注。但解释必须比标题更窄。如果高雇主倾向申请基本持平，而几乎所有增长来自非雇主申请，那么边际信号就不是经典就业创造型初创企业激增。它是一场正式化、自雇组织、副业创建和微型企业实验浪潮。

这并不使它不重要。正式化可以改善税务合规、商业服务可得性、财务分离、客户可信度，以及未来增长能力。AI 可以通过降低认知、协调和初稿执行成本，使这些微型企业更有生产率。政策可以通过降低合规摩擦、提高确认商业收入的价值，使正式化更有吸引力。二者结合可以重塑劳动者、承包商、业主和企业之间的边界。

风险在于叙事过度。如果投资者把每一份申请都当成 AI 驱动初创复兴的证据，就会高估未来工资增长，并低估税收和监管激励的作用。如果政策制定者把非雇主申请视为毫无意义，就会错过美国人组织工作和收入方式的真实变化。有纪律的看法位于这两个极端之间。

正确论点是，美国可能正在经历一场带有 AI 期权的正式化热潮，而不是已经确认的雇主企业热潮。下一批证据应来自转换率、收入、存续、工资单和生产率。在这些数据确认更广泛质量之前，2025到2026年的申请激增应被理解为激励变化信号，而不是创业复兴的独立证明。AI 重要。政策重要。结构最重要。