AI浪潮之后，如何为人生下一个正确的赌注|量子计算、核聚变、生成式AI，赌哪个？

上周与一位被裁员的朋友聚餐。35 岁，后端开发，背负二十年房贷。他放下酒杯问道：“如今这环境，是否该躺平等待周期过去？”

我未直接作答，反问他：“可知微软成立于哪一年？”

1975 年，正值美国二战后最严重的大滞胀期，失业率逼近 9%，通胀高达两位数。苹果成立于 1976 年，同样诞生于那片泥潭中的车库。Airbnb 和 Uber 则创立于 2008 年，彼时雷曼兄弟倒闭，全球裁员潮汹涌。

对此，我曾有过深刻的教训。

2013 年前后，我从事 Java 后端开发，目睹同事纷纷转向移动端 App 开发。当时我犹豫半年，误判移动端为花架子，坚信服务端才是硬功夫。结果那半年正是最佳窗口期，待我 2015 年反应过来，一线大厂的移动端岗位已成红海。

那次教训表明：并非判断错了技术方向，而是错判了时间窗口。

因此，2023 年大模型兴起时，我毫不犹豫转向新方向。此次转型前，我先厘清底层逻辑：为何敢如此下注？

通过复盘近 200 年的 5 次技术革命，我将每轮周期中成败者的经历串联成线。研究中最棘手的问题在于资料矛盾——同一场技术革命，不同文献记载的起止年份相差可达二十年。

经深入梳理，最终结论颠覆了我原本的直觉：

无需懊恼宏观经济环境，个体命运可与宏观脱钩。悲观时期并非躺平的信号，而是转向的契机。

经济持续增长两百年，核心驱动力并非“大环境”

首先打破一个认知误区。

公元 1000 年至 1800 年，整整八百年间，全球人均 GDP 几乎停滞。宋朝农民与工业革命前的英国农民，生活水平无本质差异。这便是马尔萨斯陷阱：人口增长吞噬了所有技术结余。

然而 1800 年后，曲线垂直起飞。八百年纹丝不动，两百年爆发增长。中间唯一的变量是：技术革命。

从蒸汽机、铁路、电力到汽车、半导体、计算机及互联网，每一波浪潮都将生产率提升一个数量级。经济增长的本质非政策或货币放水，而是技术范式的更替。

因此，“大环境差”这一说法本身存在偏差。宏观好坏仅是周期的表象，技术更替才是周期的内核。

康波周期：透视经济长波的底层逻辑

1924 年，苏联经济学家康德拉季耶夫提出“长波经济周期”理论，假设资本主义经济存在 50-60 年的长周期，每轮均由基础技术革命驱动。

熊彼特将其完善为“创造性破坏”理论，周金涛则将其概括为中文圈广为流传的金句：“人生发财靠康波。”

“人生发财靠康波。”

该理论作为解释框架极具价值，但作为预测工具则显不足。其样本仅涵盖 4-5 个周期，数据量不足以支撑显著拟合，且时间点多为事后划分，预测误差可达十年以上。

佩蕾丝（Carlota Perez）在《技术革命与金融资本》中细化了这一框架，指出每轮技术革命分为两个阶段：

安装期：新技术爆发，金融资本疯狂涌入，基础设施过度建设，随后泡沫破裂（上半场，约 20-30 年）。

部署期：泡沫出清，生产资本进场，技术红利扩散至全社会（下半场，黄金 20-30 年）。

两段之间存在着转折点：萧条、洗牌，伴随对“技术泡沫”的指责。而转折点的另一侧，恰恰是黄金时代的入口。

五次技术革命复盘：聪明人的下注逻辑

回顾历史，每一轮革命中都有精准押注方向的赢家。

第一次：机械革命（1770s-1830s）

珍妮纺纱机与瓦特蒸汽机使纺纱效率提升百倍。1811 年卢德运动中，工人因恐惧失业砸毁机器，遭到政府镇压。最终，砸机器者失败，学机器者获胜。

当时涌现出新职业“机械师”。原本修水车、造钟表的匠人转行制造蒸汽机，成为第一代“技术中产”。区别在于：纺织工依赖手感，技能随机器出现而归零；铜铁匠掌握机械结构理解，更换动力源仍可复用。

这一规律至今适用：只会按模板写 CRUD 的开发者，与真正懂系统边界、数据流及故障传播的工程师，在 AI 面前的命运截然不同。

规律一：技术摧毁的岗位与创造的岗位，从来不是由同一批人承接。

第二次：铁路革命（1830s-1870s）

1840 年代英国爆发“铁路狂热”，随后泡沫破裂，大批公司倒闭。但泡沫留下了数万公里的铁轨、隧道与车站，运输成本暴跌，激活了煤炭、钢铁等产业，开启了下半场的黄金时代。

美国航运大亨范德比尔特在 70 岁时卖掉所有船只，全仓投入铁路，十年后成为美国首富。

泡沫期被斥为“骗局”的事物，往往构成了下一个时代的地基。

第三次：电气与汽车革命（1880s-1930s）

爱迪生点亮灯泡，福特 T 型车将汽车普及化。随后 1929 年大萧条爆发，美国 GDP 缩水近三分之一。

但在大萧条十年间：美国家庭收音机拥有率翻倍，杜邦发明尼龙，帝国大厦与胡佛水坝落成，通用电气与 IBM 奠定基础。

萧条并未杀死新技术，只是淘汰了落后产能与高杠杆投机者。

第四次：半导体与计算机革命（1950s-1990s）

1957 年，“八叛徒”离开肖克利公司创立仙童半导体，进而裂变出英特尔、AMD 及硅谷风投体系。他们赌对了具体技术路线——硅，而非肖克利坚持的锗。选对赛道不够，路线错误同样归零。

1973 年石油危机引发大滞胀，舆论唱衰美国。与此同时，1975 年盖茨创立微软，次年乔布斯在车库组装出苹果 I。两人均是在上一周期留下的基础设施（芯片）之上构建新应用。

美国战后经济最差的十年，孵化了后来市值最高的两家公司。

第五次：互联网与移动互联网革命（1990s-2020s）

2000 年纳斯达克崩盘，亚马逊股价暴跌，“互联网泡沫论”甚嚣尘上。但泡沫留下了铺满全球的光纤，带宽成本趋近于零。

谷歌在泡沫破裂后占据搜索市场，Facebook 于 2004 年诞生。2008 年金融危机期间，Airbnb、Uber、WhatsApp 相继创立。创始人们的共同点是：能以低廉成本雇佣工程师，且竞争对手已大量出局。

中国亦然，美团、字节、滴滴均诞生于移动互联网起量且人人喊“寒冬”之时。

两百年五次革命：三大核心规律

复盘五次革命，规律清晰可见：

技术革命	狂热期泡沫	破裂后留下的基础设施	萧条期的下注者
铁路	1840s 英国铁路股票	数万公里铁轨	范德比尔特，70 岁 All in
电气/汽车	1920s 美股杠杆	电网 + 流水线	通用电气、杜邦
半导体/计算机	大滞胀	芯片产能 + 个人电脑	盖茨、乔布斯
互联网	1999 年光纤泡沫	暗光纤 + 数据中心	谷歌、亚马逊
移动互联网	2008 金融危机	4G+ 智能机普及	Airbnb、Uber、美团、字节

规律一：狂热期过度建设的基础设施，会在萧条期以极低代价留给后来者。泡沫炸死的是加杠杆的投机者，物理资产依然存在，只是价格归零。当前 GPU 租赁价格松动，便是值得关注的信号。

规律二：萧条期人才、房租成本低廉，竞争对手减少，用户对新事物容忍度更高。真正的门槛出现在繁荣期，那时争夺资源成本极高。

规律三：窗口期并非“技术出现之年”，而是技术被验证、旧秩序尚未重排的 5 到 10 年。过早成为先烈，过晚只能喝汤。

当下机会研判：量子计算、核聚变与生成式 AI

基于上述规律，对当前三个热门方向进行去伪存真：

量子计算：类比 1950 年代的半导体。纠错逻辑量子比特离实用尚远，属顶级实验室赌注。结论：跟踪，不赌。

核聚变：类比 1930 年代的核能。虽有净能量增益突破及资本入场，但商业化时间仍是谜。结论：值得关注，但需极大耐心。

生成式 AI：类比 1840 年代的铁路与 1999 年的光纤。头部云厂商巨额资本开支涌入算力，训练算力指数级增长，剧本与过往一致。

预计未来两三年 AI 资本开支泡沫将破裂，但随后算力基础设施将白菜价留存。2026 至 2035 年将进入部署期，AI 应用、Agent 工程化及行业落地将是普通工程师确定性最高的黄金十年。

结论：押注生成式 AI。最佳下注时机，正是人人喊“寒冬”的当下。

行动指南：工程师可立即执行的四件事

将规律转化为具体行动：

第一，拆解能力属性。区分“会归零的技能”（如写 CRUD、拼接口）与“可迁移的技能”（如定技术方案、拆系统边界、定位故障）。若前者占比超七成，风险极高。

第二，落地真实业务 Agent。不要仅跑 Demo，要将公司内重复劳动（如工单分类、日志归因）转化为有人真用的 Agent。解决评估集、失败重试、权限隔离等“脏活”，这正是未来五年的稀缺能力。

第三，向下深耕而非横向平移。利用便宜的 Token 和开源模型这一基础设施，在具体行业应用层构建壁垒，而非参与资本密集型的预训练竞争。

第四，设定合理周期。将下注周期设为 18 个月而非 3 个月。部署期长达十年，短期未见回报即放弃是常见死法。

避坑指南：警惕四类伪机会

周期转折点伪机会丛生，需警惕以下四类：

坑 1：无真实场景的"AI 新技术栈班”。仅学提示工程与 Demo 无法应对生产环境，实战经验才是关键。

坑 2：将工具熟练度视为护城河。框架迭代迅速，核心竞争力是对上下文管理、任务拆解及失败恢复的理解。

坑 3：盲目追逐每一个热点。技术周期中广撒网等于没下注，应聚焦核心路线。

坑 4：等待“彻底看清楚”再行动。周期不会发公告，待局势明朗时，往往已错过最佳部署期。

历史反复证明：宏观是背景音，范式才是主战场。微软、苹果、Airbnb 均诞生于逆境。好日子从未是等来的，而是在他人悲观时下注赢来的。