近来关于AI泡沫的讨论广受关注。本公众号前两周的文章从Shiller CAPE指标等角度分析，认为AI泡沫虽未到破的时候，但也已接近中期。无独有偶，这两天我读到的一份投行研究报告，也从估值、流动性和资本开支三个角度分析了美股AI当前是否真的存在泡沫，如果有的话泡沫又进展到了什么地步。报告认为，首先在估值方面，纳斯达克指数在11月中旬的TTM市盈率大约在40倍左右，相当于2000年以来市盈率均值的+0.5倍标准差附近，虽难言较低，但相比于当年科技网络股泡沫高峰时期90倍以上TTM市盈率的水平尚有差距；其次从流动性方面看，随着12月美联储降息预期的逐步下降，未来流动性过度充裕的可能不大；最后从资本开支来看，纳斯达克成分股总体的资本开支/自由现金流指标预计在2025年将达到82.83%，仍小于1，并且相比2000年附近仍有较大差距，说明当前企业仍可以自行覆盖资本开支，尚未出现像泡沫期常见的股权或债务融资激增的现象。总体结论在我看来属于谨慎乐观：虽有泡沫但还处于早期演进期，与本公众号前两周的文章观点也颇为相近。
此外，我还看到过一个貌似荒谬但细思又合理得可怕的说法，原话不记得了，大意是“多头和空头都看到了AI泡沫正在奔向极致，只不过双方都认为这对自己意味着巨大的机会”。显然多空双方仍处在巨大分歧之中，但这一切或许正暗示着，只要还有人在不断探讨关于AI泡沫的问题，那么泡沫大概率还远没到即将破灭的阶段。
不过，纵观历史上各大著名泡沫，其演变和破灭无不遵循着不以人的意志为转移的客观规律。因此，无论你如何看待AI，如何判断其泡沫所处的发展阶段，时刻提醒自己保持冷静思考都是十分必要的。今天所分享的这篇文章，就是我近期读到的有关AI的冷静思考中视角独到且洞见深刻的一篇。
文章标题非常直白的“人工智能无法令你致富”，AI Will Not Make You Rich。试想，泡沫之所以会被炒作起来，人们之所以愿意前赴后继地投下赌注，舍生忘死地推高价格，无不是为了未来巨大的获利前景。假如证明了人工智能最终无法令人致富，那对于泡沫而言无异于釜底抽薪。
本文从技术革命与财富创造的历史启示入手，指出并非所有技术创新都能为投资者带来丰厚回报，有些技术创新虽有着深远的社会意义，但在财富创造上乏善可陈。航运集装箱化技术就是一个典型案例。诞生于1956年的首艘集装箱船不仅革命性地改变了货运行业，更是通过大幅降低世界贸易的交易成本从而催生了一个全球化的黄金时代。然而我们却很少听说有哪个商业巨擘，或是哪家投资机构从中获得了堪称传奇的商业回报，更鲜有足可比肩亚瑟•洛克与英特尔、红杉与谷歌、彼得•蒂尔与脸书那样的传奇故事。
本文认为，航运集装箱化技术是一项后期创新，诞生于一波大的技术浪潮的尾声，其本身所具备的以下七个特征是造成上述现象的直接原因：
1.这项技术的益处显而易见，因此许多公司纷纷加入进来。
2.政府和社会立即加以关注，但这也引发了抵制反应。
3.造船厂及其他基础设施企业短期内会获得一定的发展动力，但这种增长不会是持久的。
4.竞争的激烈程度使得维持高价或降低成本变得困难，同时迫使企业在资本支出、研发以及人才方面投入大量资金。该行业盈利状况一般。
5.该行业试图通过行业联盟和监管机构来寻找限制竞争的方法。
6.创新所带来的价值是零和博弈的：谁能够获取这些价值（供应商与客户之间）就决定了最终行业格局的形成。
7.生产力提高所带来的长期受益者是那些能够大幅降低产品价格或开拓新市场的现有企业。但大多数现有企业并不会这样做。
然而不幸的是，与航运集装箱化技术相比，AI颇有异曲同工之妙。本文认为，前4项特征在AI领域已陆续实现，接下来的第5至7项仍在验证中。但关键的问题是，AI究竟是信息通信技术的集大成者，亦即上一轮技术创新的尾声，还是全新一轮技术创新的开端。客观地看，前者的可能性更大，因为上溯至1940年代计算机的诞生迄今，信息通信技术始终向着更加自动化、更加智能化的方向演进，AI更像是这一连续演进过程的巅峰，从技术基因上讲并无二致。这意味着AI继承了过去几十年信息通信技术发展积累的所有遗泽，从基础设施到人才储备，从资本资源到市场认知。它并非"从零开始"，没有那么强的不确定性，所以从诞生之日起就必须在一个高度成熟、竞争激烈的技术生态系统中争夺地位。
本文逐一前瞻性地剖析了AI链条中各个主要环节的发展“钱”景，从大模型企业，到应用层企业，再到基础设施企业和中介服务企业，答案显然是偏灰暗的。AI作为一项革命性技术确能为经济创造大量价值，但与航运集装箱化技术类似，所创造的价值大部分流向了最终用户和消费者，却拖累整个投资届陷入普遍亏损，独留个别赢家通过零和博弈最终获益。因此，过去几十年间，面对技术创新的赚钱之道通常在于押注新事物本身；但如今面对A浪潮，我们或许必须押注于AI所开启的机遇。
文章有些长，但绝对值得反复品读，细细咀嚼。
本文于今年九月发表于著名的商业与投资媒体平台“Colossus(巨像)”。作者杰里•诺伊曼（Jerry Neumann）是一名天使投资人，公众知名度虽并不高，但在早期投资圈和创业者社群中，却是一位备受尊敬的思想家和实践者，素以深思熟虑、见解独到、且乐于分享而著称。拥有哥伦比亚大学电气工程专业硕士学位和纽约大学Stern商学院MBA学位的诺伊曼一直以来都致力于理解技术、创新和资本之间深层规律，他的个人博客“Reaction Wheel”是创业和投资圈内非常有影响力的知识宝库，也是我经常追更学习的精神食粮之一。他的合著著作“Founder vs Investor：The Honest Truth about Venture Capital from Startup to IPO”出版于2023年，坦诚揭示了风投全周期中创始人与投资者根本利益的协同与冲突，堪称一本直指核心、破除幻想的“人间清醒”式实战指南。
【正文】：
当革命性技术催生出一波又一波具有投资潜力的创新企业时，企业家和投资者便能赚得盆满钵满。以铁路、贝塞麦炼钢法、电力、内燃机或微处理器为例，这些技术如同烟花工厂里迸发的火花，不仅点燃了数十年的后续创新浪潮，更渗透到社会的每个角落，将新一代发明家和投资者推向权力、影响力与财富的巅峰。
然而某些技术革新虽能引发社会变革，却鲜有创造新财富，反而巩固了既有秩序。早在微处理器问世十五年前，另一项革命性发明，航运的集装箱化(Shipping ContAInerization)，便出现在更为不利的时机，当时技术进步如同“红桃皇后赛跑”般艰难(Red Queen’s Race，意指必须拼命奔跑才能保持在原地)，发明家和投资者即便不停奔忙也难以获得更好回报。
任何投资新兴事物的人都必须回答两个关键问题：首先，这项创新能创造多少价值？其次，价值将被谁所攫取？信息通信技术（ICT）革命的价值被初创企业牢牢掌握，催生了成千上万一夜暴富的创始人、员工和投资者。相比之下，航运集装箱化这项革命的价值被过度稀释，最终只是短暂且有限地惠及一位创始人和一位投资者。
生成式AI究竟更接近前者还是后者？它会成为众多未来产业创造财富的基石，还是会拖累整个投资界普遍亏损，仅仅在个别领域通过零和博弈诞生少量赢家？
投资AI确实有办法能赚到钱，但这取决于你得假设它更像后者，即目前对发明家和投资者而言仍是艰难时期，AI模型构建者与应用公司终将形成寡头垄断，而AI带来的收益最终不会流向开发者，而是流向用户。因此，目前涌入AI领域的大量资金大多投错了地方，除少数幸运的早期投资者外，真正能获利的将是那些具备远见，且能及时抽身而退的投资者。
微处理器虽是革命性发明，但1971年英特尔微处理器研发团队的初衷只是想避免每次都要从头设计台式计算器芯片组。然而外界人士却意识到可以利用微处理器打造自己的个人电脑。技术发烧友们便纷纷行动起来，成千上万的捣鼓者发现了英特尔从未想象过的配置方案和应用场景。这种分布式的，且无需授权的发明引发了经济学家卡洛塔·佩雷斯（Carlota Perez）所说的“巨大的发展浪潮”（“a great surge of development”)：由技术引发，但由经济和社会力量驱动。
20世纪70年代初，个人电脑并没有真正的市场需求，它们只是昂贵的玩具。但实验者们奠定了技术基础，并建立了一个社区。到了1975年前后，微处理器成本的飞跃性下降使得个人电脑市场的出现成为可能。英特尔8080芯片的初始标价为360美元（相当于今天的2300美元），而MITS公司的Altair电脑批发价仅每台75美元（相当于今天的490美元），完全无法实现盈利。但当MOS Technologies公司开始以25美元（相当于今天的150美元）的价格销售其6502芯片时，史蒂夫·沃兹尼亚克便能够负担得起建造一台苹果原型机的成本了。6502和价格相近的Zilog Z80迫使英特尔降低了价格。于是，新兴的个人电脑社区开始孕育企业家，数十家公司纷纷涌现，每家产品都略有不同。
个人电脑的蓬勃发展吸引了风险投资家，他们开始对新兴企业进行高风险投资。这一趋势激励了更多发明家、企业家和研究人员，进而吸引了更多投机性资本。
在个人电脑（PC）问世前，IBM等计算机巨头表现相对疲软。它们认为个人电脑无法在市场中长期立足，更不关注那些寻求廉价解决方案的新小型市场。
当我们将计算机革命的早期与当下对比时，最令人震撼的莫过于这种突兀的反差。上世纪70年代，个人电脑尚未引起关注；而到了2025年，AI似乎成了我们谈论的唯一话题。
随着这项技术逐渐成熟并展现出潜力，软件、存储设备以及软盘驱动器、调制解调器等外围设备的创新也相继涌现。这些技术相互促进，每一项突破都会对相邻领域产生推动作用。当系统中的某个环节制约其他部分发展时，投资者就会蜂拥而至为该领域注资。例如，随着个人电脑内存容量的提升使得软件功能更加复杂，外部存储需求也随之增长，这促使风险投资人戴夫·马夸特（Dave Marquardt）在1980年投资了硬盘制造商希捷Seagate公司，并在1981年希捷上市后获得了40倍的投资回报。其他投资者也注意到了这一趋势，随后三年间，该行业共吸引了约2.7亿美元的注资。
资金也大量涌入基础设施建设领域，例如光纤网络、芯片制造等等，因此产能从来不是瓶颈。那些利用新技术系统超越传统企业的公司开始抢占市场份额，就连老牌竞争对手也意识到必须跟上新潮流，否则就会被淘汰。这股热潮逐渐逐渐让市场虚火上升，最终形成投资泡沫。这就是1990年代末的互联网狂潮。因此，信息通信技术浪潮与以往的经济热潮如出一辙，就像19世纪30年代的运河投资狂热，以及20世纪“咆哮的二十年代”的铁路基建高潮。每个阶段的人类反应都会像预言般催生出下一个浪潮。
当互联网泡沫破裂时，社会开始对科技行业的过度扩张产生反感，而政府也意识到自己获得了重新对科技公司及其投资者施加监管的民意基础。这种变化遏制住了疯狂的势头。企业不再像泡沫时期那样盲目创新，而是转为向着成熟市场扩张；金融家们也从投机转向投资；企业家们开始专注于寻找应用场景，而非创新底层技术。技术进步仍在持续，但方式已从颠覆性的变革转向渐进式的进化。
随着变革步伐放缓，企业逐渐建立起长期投资的信心。他们开始以创新方式整合系统各环节，为更广泛的用户群体创造价值。泡沫时期对光纤通信网络以及其他基础设施的大规模过度建设，遗留下了大量廉价带宽，进而降低了企业的扩张成本。这正是商人和投资者大展拳脚的黄金时代。
相比之下，对AI的批判浪潮并不需要等到泡沫破裂才会爆发。考虑到针对科技领域的负面情绪已持续十年之久，这种现象在我们看来再正常不过。但值得注意的是，上世纪八九十年代的科技巨头们，如比尔·盖茨、史蒂夫·乔布斯、杰夫·贝索斯等等，却是受到了社会的广泛赞誉。这与当前的情况形成鲜明对比。世界对变革心存抵触，之所以在八九十年代对科技网开一面，是因为当时人们认为这些技术趋势尚可逆转，即便出现负面效应也能及时止损。这种宽容态度为早期计算机创新者提供了实验空间。但如今所有人都意识到计算机早已不可或缺，AI也被视为信息通信技术革命的重要组成部分，因此它便不再被允许采取同样的观望态度。
中间的两个阶段，狂热期与协同期，对投资者而言相对容易把握。狂热期时，所有人都蜂拥而入，投资者因对未经验证的创意承担巨大风险而获得回报，最终以泡沫破裂、账面利润化为乌有而告终。当理性回归，协同期便开始了，企业打磨产品，使其适用于更广泛的用户群体，并为他们创造效益。能在协同期获得回报的是那些有耐心、有眼光，并且能带来金钱以外的价值的人。
爆发期和成熟期的投资则更具挑战性。
上世纪70年代的投资决策之难，远超事后诸葛亮们的想象。要在1971至1975年间进行投资，你要么得是一位铁杆信徒，要么就是采取盲目多元化策略的集团型投资者。英特尔堪称经典投资案例，虽然它最初看起来不过就像一个传统电子企业的翻版。MOS技术在1969年创立时本想与德州仪器竞争，但为维持运营将多数股权出售给了工业自动化企业 Allen-Bradley。芯片Zilog于1975年接受了埃克森美孚的注资。苹果公司当然是一个伟大的投资标的，但当时却完全不符合风投机构的筛选标准，毕竟当时个人电脑还只是一个“找不到问题的解决方案”。
直到20世纪80年代初，机遇才如雨后春笋般涌现：个人电脑制造商（康柏、戴尔）、软件与操作系统（微软、艺电、Adobe）、外围设备（希捷）、工作站（太阳计算机公司）以及电脑专卖店（商业天地）等纷纷崛起。若能投资这些赢家，收益自然可观。但当时资金远多于创意，投资环境远非黄金时代。到1983年，仅仅光盘驱动器领域就有70多家公司在激烈竞争，估值直线暴跌。许多人的财富根基可追溯至七八十年代，众多风投机构也在此时期崭露头角。但处于爆发期的投资者最大优势，在于能积累机构经验，从而在狂热期和协同效应阶段实现及早而精准投资。
在成熟期进行投资的难度更大。在爆发期难以预判未来走向；在成熟期则几乎毫无变化。关于哪些方案可行、客户和社会将如何反应的不确定性已近乎消失。一切都可预测，各方行为也都有迹可循。
不确定的变化逐渐减少，这使得在协同期取得成功的企业得以巩固其江湖地位（可以参考上世纪六七十年代的“漂亮50”和如今的FAANG），只是增长也变得更为困难了。它们开始进入彼此的市场，合并、提价、削减成本。以吸引新客户为目的对产品进行定价的时代结束了，产品质量也随之下降。大公司继续拥抱革命性创新的理念，但意识到有必要控制其进步的应用方式。研发支出不再投入到产品和工艺创新，而是转向越来越徒劳的尝试，想要找到办法为现有模式续命。公司将其标榜成“为胜利而战”，实则却是对失败充满恐惧。
成熟期也可能会涌现出创新，有时是颠覆性突破。但这类创新只有契合了当前的主流范式才可能获得支持，因此极易被行业巨头的“引力井”所吞噬。这意味着创业者或投资者想要从中获利几乎不可能。生成式AI显然已被信息通信技术领域的主导企业牢牢掌控，这不禁让人思考：对于发明者和投资者而言，这次是否会有所不同？这显然与AI本身是否属于革命性技术是两个截然不同的问题。
航运集装箱化作为一项后期创新，不仅彻底改变了世界格局，更开启了全球化的新纪元，深刻重塑了社会经济结构，更显著提升了民众福祉水平。然而，真正从中获利者屈指可数。
1956年正值上一波技术浪潮的尾声。但就在这一年，一家即将更名为SeaLand的公司通过首艘集装箱船“理想-X号”的下水，彻底革新了货运行业。SeaLand的创始人马尔科姆·麦克莱恩（Malcom McLean）顿悟到，卡车司机、铁路公司和航运公司的核心使命，应当是将货物从发货方运送至目的地，而非驾驶卡车、搬运货柜或装卸船只。SeaLand实现了货运方式的无缝衔接，既节省时间，又提升航运的可预测性，还降低了成本。
航运集装箱化带来的好处显而易见：只要能真正落地实施，效率提升一目了然。消费者根本不在乎货物如何运输到手，只要能顺利送达就行。但码头工人将失去工作，政客们会失去失业群体的选票，港口管理部门将失去政客支持，联邦监管机构要为负面后果背锅，铁路公司的货运业务可能会被航运公司抢走，航运公司的货运业务可能会被新的航运公司抢走，而且整个过程成本低得离谱。多数人认为麦克莱恩根本搞不定这一切。
然而，竞争对手和监管机构动作太快，快到麦克莱恩还来不及抓住那些可能存在的进入壁垒：港口控制权、与船主的排他性协议、专有技术的标准化等等。到1965年前后集装箱运输开始展现出潜力时，其显著优势促使所有大型航运公司纷纷涌入市场，竞争随之白热化。尽管到1968年集装箱货运量还不到货运总量的1%，但集装箱船的数量已呈爆发式增长。多年来运力始终供不应求。
竞争加剧引发价格战，利润空间被压缩，最终导致行业的整合与卡特尔形成。与此同时，建造日益庞大的集装箱船及配套港口设施的成本，使得该行业成为资本密集型产业。麦克莱恩预见到危机来临，于1969年1月将SeaLand公司出售给R.J.Reynolds公司。他或许是唯一全身退的企业家。
最终，该行业原先的主导者依然在位，未被颠覆。利润空间主要流向了货主，而非船主或货运服务商。宜家这样的企业凭借低廉的运输成本，一跃从1972年的一家北欧小企业，成长为2008年全球最大的家具零售商——集装箱运输与宜家的平板包装家具完美契合。沃尔玛等企业也利用集装箱化带来的可预测性，有效降低了库存及其相关成本。
事后看来，人们或许很容易认同当初针对航运集装箱化的投资策略应该是投资那些从中受益的行业，而非直接投资集装箱航运业。但即便如此，沃尔玛（Walmart）、好市多（Costco）和塔吉特（Target ）等企业的成功，也伴随着其他诸多企业的衰败。集装箱化的连锁反应让西尔斯（Sears）和伍尔沃斯(Woolworth)陷入恶性循环，给蒙哥马利·沃德(Montgomery Ward )和A&P百货公司钉上了棺材上的最后一颗钉子，还导致梅西百货( Macy's )在被联邦百货集团(Federated)收购重组前就宣告破产。与此同时，在“世界家具之都”北卡罗来纳州，家具制造商试图通过从中国进口廉价家具来与宜家竞争，结果却反被供应商取代。
经济学家约瑟夫·熊彼特曾指出：“每当有新事物问世时，完全竞争总会被暂时中断“。但集装箱技术的案例表明，在技术浪潮的尾声阶段情况并非如此。由于完全竞争阶段不存在经济利润，创新者在成熟期自然无利可图。与集装箱技术类似，AI的引入并未让其创新者获得利润保障期，反而直接引发了竞争白热化的全面开放。
诚然，生成式AI具有革命性，但同样显而易见的是，这项特定的技术已进入渐进式进化阶段。它将为经济创造巨大价值，投资者也期待从中分得一杯羹。至于何时、由谁以及如何去实现，关键在于AI究竟是信息通信技术浪潮的终点，还是新一波浪潮的起点。
如果AI掀起新一轮浪潮，必将伴随一段漫长的不确定期与实验探索。早期用户群体将不断尝试构建自己的模型。当成千上万甚至数百万的创新者运用这项技术以全新方式解决问题时，其应用场景将呈指数级增长。不过，由于他们使用的模型大多来自大型AI企业，前者其充分实验的能力将局限在后者所允许的政策框架之内——在位企业本质上不会愿意让挑战现状的浪潮持续发酵。
当然，这并不意味着AI无法引发下一场技术革命。如果实验成本变得低廉、采用分布式且无需授权，就像沃兹尼亚克在车库里组装计算机、福特在厨房里打造第一台内燃机，或是特里维西克在詹姆斯·瓦特专利到期后立即研制高压蒸汽机那样，这种可能性就存在。当任何创新者都能在笔记本电脑上构建并训练大型语言模型，随心所欲地运用它时，这或许就是下一次重大变革的种子——一种革命性而非渐进式的突破。但除非这种情况发生，否则根本不可能实现真正的突破。
AI实则是信息通信技术浪潮的集大成者。上世纪60年代的计算机先驱们致力于打造能自主思考的机器，他们的后继者通过算法、芯片、数据及数据中心基础设施的持续突破，最终实现了这一目标。如同集装箱技术的发展脉络一样，AI也是前人成果的延伸，因此其功能与潜力早已不足为奇。上世纪70年代，人们需要时间来理解强大而普及的计算技术的价值；而到了2025年，那些比以往机器更智能的系统，早已成为人们习以为常的存在。
|
集装箱化的历史
|
AI的异曲同工之处
|
1
|
这项技术的益处显而易见，因此许多公司纷纷加入进来。
|
“AI将成为下一个重大突破”的观点广为流传，于是创业者和科技公司纷纷涌入这一领域。
|
2
|
政府和社会立即加以关注，但这也引发了抵制反应。
|
关于AI的争论在社会、媒体和政府中迅速涌现，这限制了相关实验的开展。
|
3
|
造船厂及其他基础设施企业短期内会获得一定的发展动力，但这种增长不会是持久的。
|
芯片制造商、数据中心建设者以及数据提供者短期内会获得显著增长，但这种增长不会是持久性的。
|
4
|
竞争的激烈程度使得维持高价或降低成本变得困难，同时迫使企业在资本支出、研发以及人才方面投入大量资金。该行业盈利状况一般。
|
尽管企业在这三个方面（资本支出、研发以及人才投入）都投入了大量资金，但价格却开始下降了。公司不会特别赚钱。
|
5
|
该行业试图通过行业联盟和监管机构来寻找限制竞争的方法。
|
投资者们感到担忧，于是开始推动进行合理化改革，这导致了企业规模的合并以及业务模式的趋同。
|
6
|
创新所带来的价值是零和博弈的：谁能够获取这些价值（供应商与客户之间）就决定了最终行业格局的形成。
|
企业会垂直整合到客户的业务之中。基于其他公司的模型建立起来的企业，其利润空间或商业模型会被合并吸收。而这些大模型企业则会转变为通用型的AI服务提供商。
|
7
|
生产力提高所带来的长期受益者是那些能够大幅降低产品价格或开拓新市场的现有企业。但大多数现有企业并不会这样做。
|
“思考”效率提高所带来的益处将惠及现有的知识型产业服务提供商。那些不愿做出改变的公司将面临消亡。
|
在“AI异曲同工之处”这一栏中，前4项内容已陆续实现。投资策略取决于你是否认为接下来会是第5至7项。
经济学家预测，未来十年AI将提升全球GDP增长率超过1个百分点，甚至有望使其达到7%以上。这意味着将创造出10万亿到70万亿美元的新价值。关键问题是当这些被创造出来的新价值在价值链中流动时将会停留在何处。
大多数有关AI的综述分析报告都会将市场划分出超过二十个类别，并将每个类别细分为服务对象和行业领域。但未来几年这些分类体系将发生重大变革。你不妨直接追踪资金流向，从而简化分类体系：
集装箱化的发展历程表明，若你尚未投资过大模型企业，或许就无需涉足了。山姆·阿尔特曼等先行者或许能像麦克莱恩和路德维希那样赚得盆满钵满。但建立和运营大模型企业的巨额成本，加上激烈的市场竞争，最终只会剩下少数几家企业——每家都由科技巨头注资控股。若你已是投资者，恭喜你，行业整合在所难免，届时你或许能获得退出良机。
像Cursor或Harvey这类特定领域的专用模型将成为整合浪潮中的重要一环，这些模型或许是最具价值的，只不过现在大模型微调的成本已经显著降低了，并且存在巨大的范围经济效应。另一方面，就像谷歌2010年不得不收购Invite Media以了解如何向广告代理商销售一样，获得客户信任的特定领域模型公司将成为主要收购目标。尽管像Midjourney或Runway这样生成非语言内容的模型，可能会利用其略有不同的架构开辟独立的技术路径，但大型语言模型公司也已轻松进入这一领域。Osmo等公司是否会面临同样情况还有待观察。
虽然现在投资大模型公司为时已晚，但运用大模型解决具体问题的企业仍不断大量涌现，例如Perplexity、Inflection AI、Writer、Abridge等不下上百家。但如果这些公司中任何一家变得极具价值，大模型公司必将通过差别定价或垂直整合将利润攫取在手。换句话说，成功就意味着失败，这永远是个糟糕的命题。终有一日，大模型公司与应用公司会走向融合：届时将仅存少数AI公司。虽然仍会有赢家，但整体应用层的投资终将赔本。
但同样的，如果某个应用层企业能积累良好的用户基础，或是打造了一支顶尖团队，或许也会成为收购目标。不过这类公司本质上并非科技企业，它们只是投机性地构建了一个市场，因此也必须被收购时也必须照此定价。更需注意的是，某些投资者会利用收购方因“错失恐惧症”（FOMO，Fear of Missing Out）而愿意支付的天价大赚一笔。但这根本算不上真正的“投资”。
还有一些投资机会或许存在于那些介于AI巨头与客户之间负责接口管理、或保护客户数据免受大模型公司侵害的企业中，例如Hugging Face或Glean，因为这些企业的业务本质上独立于大模型。但在后集装箱化的航运市场中，没有任何类似业务能发展壮大。即便这些“中介”公司能在AI领域取得成功，最终也可能沦为一家中等规模的企业，因为大模型公司不会允许它们获得战略优势。这正是缺乏意外因素带来的必然结果。
当一个行业即将迎来爆发式增长却前景不明朗时，主动布局上游供应商往往更为明智。以AI领域为例，这意味着要关注芯片供应商、数据公司和云数据中心企业，例如SambaNova、Scale AI和Lambda等新兴企业，以及英伟达、彭博等老牌巨头。
数据领域的前景可谓喜忧参半。通用数据，即大众熟知的信息，涵盖十年前所有已知内容及后续新增数据，已沦为商品化资源。虽然仍有少数企业能承担数据整理与标注的基础工作，但鉴于这类任务更适合由AI自主完成，其定价空间将十分有限。领域专用模型需要专业数据支撑，其他模型则需针对当下热点问题提供解答。具有时效性、独特性且难以复现的精准数据将极具价值。当然，这并非新兴市场——彭博社等机构早已在此领域占据优势。客户群体的集中化将降低数据价格，而更广泛的使用场景则能提升营收。总体而言，这对行业而言或许是利好，但优势并不显著。虽然会有新公司涌现，但真正值得投资的寥寥无几。
这一切都意味着投资者不应逆流而上，而应顺流垂钓。那些依赖于从较模糊信息中获得高质量成果的公司，将获得更高的生产效率和利润。这些领域包括专业服务、医疗保健、教育、金融服务和创意服务，它们合计占全球GDP的三分之一到一半，但却未能在自动化潮流中获得显著的生产效率提升。AI虽能降低成本，但正如在集装箱化潮流中一样，企业如何将成本节约融入发展战略，以及如何运用节省下来的资金，将最终决定成败。直白地说，用成本节约来增加利润而非扩大收入，这根本就是输家的游戏。
能最快从中受益的企业，往往是那些本就以降低成本为主要战略的公司。宜家长期奉行以低价销售优质家具，通过扩大销量来弥补成本。随着集装箱化技术的普及使其得以走向全球，不仅成为全球最大零售商，更使其创始人英格瓦·坎普拉德（Ingvar Kamprad，宜家名称中的“I”和“K”就是指他）跻身亿万富翁行列。同样，沃尔玛凭借在服务不足的市场中推行高销量与低价策略，既得益于成本节约，又得益于准时制供应链，从而实现了产品种类的丰富与库存成本的降低。
当前那些秉持相同价值观的知识型公司，是押注AI风险最低的选择。新成立的企业将会采用大规模、低成本的策略，就像好市多在20世纪80年代初所做的那样。新企业将与现有企业竞争，但它们将拥有全新的起点和对过往的深刻理解。无论如何，进入这些市场的门槛较低，因此每家公司将面临激烈的竞争，并在分散的市场中运营。经验丰富的管理团队和精准完美的执行能力将成为制胜关键。
在这些领域，创业可能是一个绝佳的选择。但投资则更具挑战性。企业并不需要大量私人资本，宜家就从未接受过风险投资，而好市多仅在1983年进行过一轮融资，随后就于1985年上市。因为实施成本节约技术并不需要大量资金。与集装箱化类似，技术突破与最佳投资之间将存在较长的滞后期。机遇往往姗姗来迟。
选股高手也能赚到钱，但必须精挑细选。根据乐观的预测，假如未来十年在经济总量的三分之一范围内能年均7%的增长，这些企业每年能获得约2%的顺风红利。如果传统ICT产品带来的生产力增长放缓，实际收益还会更低。真正的价值转移将发生在那些积极把握AI战略机遇的企业身上，就像沃尔玛从西尔斯百货身上获益那样：后者虽然利用了商品价格低廉的优势，却未能实现自我革新。
不过，消费者才是最大的受益者。以往的机械化浪潮提升了制造业的劳动生产率，不仅压低了商品价格，还为消费者省下不少钱。但制造业劳动生产率的提高也推高了制造业工资水平。即便服务业没有从生产效率提升中获益，为保持竞争力，服务业工资也不得不上涨，这直接导致了服务价格的攀升。家庭食品和服装支出占比从1918年的55%骤降至2023年的16%，而医疗、教育等知识密集型服务的成本涨幅却远超通货膨胀率。
AI领域也将出现类似趋势：知识密集型服务价格将下降，让消费者能购买更多这类服务；而需要人际互动的服务价格将上涨，占据家庭支出的更大比例。这为双方都带来了明显机遇。但关键在于，AI创造的大部分新增价值将被消费者所获取，他们将以合理价格获得更丰富的知识密集型商品，同时还能更广泛、更实惠地享受医疗服务、教育咨询等各类服务。
END
零号湾全球创新创业集聚区