原文链接：
https://ceodinner.substack.com/p/the-ai-wildfire-is-coming-its-going
前言：人工智能不会崩溃 —— 它将燃烧。就像每一次技术周期一样，火焰会清理灌木丛，重新分配人才，并为下一代的基础设施留下空间。问题是：你是哪类树种？
在最近门洛帕克举行的一次 CEO 晚宴上，有人提出了那个熟悉的问题：我们是否处于 AI 泡沫中？
晚宴的一位嘉宾 —— 一位多次经历硅谷周期的老将 —— 完全改变了对话的方向。她认为，这不是泡沫，而是一场野火。这个比喻立刻得到了大家的认同。野火不仅是摧毁，而它们对生态系统健康也至关重要。它们清除会阻碍新植物生长的茂密灌木，将养分归还土壤，并为下一代森林的繁荣创造条件。
当我反思野火这个比喻时，一个框架逐渐浮现，揭示了更深层次的东西，这是基于她的重新定义。它提供了一个理解谁会幸存、谁会被烧毁以及原因的分类法 —— 以及将耐火与易燃分开的具体指标。
第一次网络周期耗尽了互联网泡沫，留下了 Google、Amazon、eBay 和 PayPal——Web 1.0 的坚韧幸存者。下一次，由社交和移动驱动，在 2008-2009 年再次燃烧，为 Facebook、Airbnb、Uber 和 Y Combinator 的后代清除了障碍。这两次大火都遵循了同样的模式：过度增长，突然调整，然后复兴。
现在，随着 AI 的出现，我们再次被干燥的灌木丛包围。
即将到来的调整不会是泡沫破裂 —— 它将是一场野火。理解这种区别将彻底改变我们如何生存 —— 以及如何在接下来繁荣。
当灌木丛生长过于密集时，阳光无法到达地面。植物不是在与环境竞争 —— 它们是在相互竞争光线、水分和养分。
这就是硅谷现在的感觉。
资本充足 —— 可能过于充足。但人才呢？那是稀缺资源。每个有前途的工程师、设计师或运营人员都在被三、五、十家不同的 AI 初创公司追求 —— 通常追逐的是同一个垂直领域，无论是编码助手（coding copilots）、新颖数据集（novel datasets）、客户服务（customer service）、法律科技（legal tech）还是营销自动化（marketing automation）。
结果是一个从上面看起来郁郁葱葱的生态系统 —— 绿色、生长、嘈杂 —— 但在下面，土壤是干燥的。当每个人的根都纠缠在一起时，很难生长。
在这种森林中，火灾不是灾难。而是一种纠正。
森林大火不仅摧毁生态系统，还会重塑它们。一些物种会立即被点燃。其他物种会抵抗火焰。还有一些物种依赖于火来繁殖。初创公司（科技创新）也是如此。
这些是生态系统中的干草和含树脂的松树——在资金容易获得的季节看起来充满活力，但一旦空气变热就没有抵抗力的初创公司。
它们包括：
没有专有数据或分销的 AI 应用封装
拥挤类别中的基础设施克隆 —— 又一个 LLM 网关，又一个向量数据库
追逐日活跃用户而不是持久用户的消费者应用
它们被炒作和激动的估值所驱动。当温度上升——资本收紧或客户审视投资回报率时——它们在瞬间崩溃。
易燃灌木有其目的。它将资本和人才吸引到该领域。它创造市场紧迫感。当它燃烧时，它释放这些资源回土壤，供更坚韧的物种吸收。失败的 AI 封装公司的工程师成为幸存公司的资深员工。
这些是类似多肉植物、橡树和红杉树 —— 储存水分并保护核心的现有企业。它们特点是：
厚实树皮：强大的资产负债表和持久的客户关系
深深的根系：在云、芯片或数据基础设施中的结构化的产品-市场契合度
水分储备：真实收入、多元化业务和长期护城河
想想 Apple、Microsoft、Nvidia、Google、Amazon。它们将吸收热量并更强大地出现。当烟雾消散时，这些巨人将屹立更高，它们的树皮被烧焦但完好无损，而周围的小树已烧成灰烬。
这些是生态系统中的干草和含树脂的松树 —— 在资金容易获得的季节看起来充满活力，但一旦空气变热就没有抵抗力的初创公司。
它们是具有以下特点的团队：
深厚专业知识
即使产品失败也能保存的“看不见的” IP 和数据资产
愿意修剪并重新开始
火灾后，它们重新生长 —— 更精简、更智能、更好地适应新地形。
这是真正学习发生的地方。一位在 2024 年用正确团队构建错误产品的创始人，成为在 2027 年用经过战斗考验的团队构建正确产品的创始人。失败没有被浪费 —— 它被储存在地下，像根中的养分，等待下一个季节。
最后，野花出现了。它们的种子被热量激活 —— 甚至要等旧有植被褪去，才会破土发芽。
这些是在崩溃之后开始创业的创始人。他们将从存活人才里中招聘，利用更便宜的基础设施，并从那些被烧毁的人的错误中学习。2002 年的 LinkedIn，2010 年的 Stripe，2013 年的 Slack —— 所有这些都是火的追随者。
下一个伟大的 AI 原生公司 —— 那些真正将智能集成到工作流程中而不仅仅是装饰它们的公司 —— 很可能在这里出现。关键的是，推理层 ——AI 模型实际在生产中运行的地方 —— 代表了下一个主要战场。随着计算变得商品化和代理工具激增，竞争将不是关于谁训练最大的模型，而是关于谁能在规模上最有效地交付智能。
每隔几十年，硅谷就会过度扩张。Web 1.0 和 Web 2.0 都证明了同样的真理：过度扩张只会窒息自己。
Web 1.0 的崩溃不仅仅是初创企业的消失 —— 更是噪音的消失。由抵押贷款危机而非市场本身驱动的 Web 2.0 衰退，遵循了同样的动态：过度投资的竞争对手纷纷退出，人才分散，幸存者雇佣了更好的员工，行动更快，建设更强大。精明的公司甚至利用这个时刻变得更为精简，裁减表现不佳的员工，并将职位从入门级提升到高管，吸纳了来自失败竞争对手的饥渴难民。
人才重新分配可能是任何崩溃最强大的结果。Google 许多早期最佳员工 —— 作为历史上最持久商业模式之一的架构师，他们很多成为了失败 Web 1.0 初创公司的创始人或早期员工。
而不仅仅是人才 —— 这是一种特别的人才：创业精神、不安分、文化上缺乏耐心。这种 DNA 塑造了谷歌的内部精神 —— 实验性、侵略性、始终处于测试阶段 —— 并在接下来的 10 到 20 年里向外辐射到更广泛的生态系统。火不仅仅是破坏；它重新分配了智能并重新塑造了文化。
2000年的野火
2000 年野火是一次完全焚烧。过度建设的基础设施、轻易获得的资本和投机性的狂热烧毁了几乎所有无利润的增长故事。然而，留下的却是根系——数据中心、光纤和学会缓慢而深入生长的幸存公司。
表一：2000 年互联网泡沫时期知名科技公司的股价变化
Amazon 看起来死了 —— 下跌 95%—— 但最终成为电商业的支柱。eBay 早期稳定并成为第一个盈利的平台市场。Microsoft 和 Oracle 将其软件垄断转化为持久企业现金流。Cisco 被产能过剩烧焦，随着网络成为商业的 “管道”，而缓慢重建。
通过添加 Apple、Google 和 Salesforce，故事不仅仅是生存 —— 而是继承。Apple 不仅在大火中幸存；它改变了之后一切的气候。Google 在他人燃烧的地方发芽，由那些初创公司在火焰中消亡的工程师和创始人推动。Salesforce 利用烧焦的企业预算销售基于云的灵活性，定义了 SaaS 模型。
构建互联网的基石
在 1990 年代末，电信公司通过约 2 万亿美元股权融资和另外 6000 亿美元债务融资来推动 “新经济”。即使象征狂热的股票也遵循可预测的弧线。Intel、Cisco、Microsoft 和 Oracle 在 1995 年的总市值约为 830 亿美元；到 2000 年，它们的总市值膨胀到近 2 万亿美元。Qualcomm 在一年内上涨了 2700%。
这些钱支付了超过 8000 万英里的光纤电缆，超过当时美国安装的所有数字线路的四分之三。然后，崩溃发生了。
到 2005 年，近 85% 的电缆闲置未用，暗光纤深埋在地下 —— 过度自信产生的产能过剩。但光纤留下了，服务器留下了，人才留下了。这种过剩很快成为现代生活的支柱。在崩溃后仅四年内，带宽成本下降了 90%，廉价的连接过剩推动了接下来的一切：YouTube、Facebook、智能手机、流媒体、云计算。
这是生产性泡沫的悖论：它们在纸上破坏价值，但在现实中创造基础设施。当火焰过去时，管道、代码和人才仍然存在 —— 以极低的价格为下一代使用做好准备。
2008年的野火
次贷危机引发了一种不同的野火。Web 1.0 的火焰消耗了投机性基础设施；Web 2.0 的火焰烧穿了商业模式和幻觉。风险投资冻结，广告预算蒸发，信贷紧缩。幸存者不仅经受住了高温，而且吸收了它。
表二：2008 年金融危机时期知名科技公司的股价变化
Apple 将逆境转化为主导权，将 iPhone 从新奇产品推广为文化基础设施。Amazon 在经历了互联网泡沫的炼狱之后，成为了互联网氧气的安静供应者 ——AWS。Netflix 为流媒体时代进行了自我革新，其增长几乎跑过了前一个泡沫铺设的光纤。Salesforce 证明，即使资本预算枯竭，云软件也能繁荣发展。Google 发现，可衡量的性能广告甚至在经济衰退中也能扩张。而当时还是一颗幼苗的 Facebook—— 很快在灰烬中扎根，由廉价的智能手机和过剩的带宽滋养。
2008 年的野火不仅清理空间，还选择了能够将硬件、软件和服务整合成自维持生态系统的公司。结果不仅仅是恢复，而是进化。
然而这个周期出现了新的情况 —— 树冠火灾。
过去，火焰主要消耗灌木丛：小型、估值过高的初创公司。今天，热量集中在最高的树木本身 ——Nvidia、OpenAI、Microsoft 和一些超级计算公司，它们相互之间投入了惊人的资金。
算力成为这个市场的氧气和促进剂。对 AI 需求的每一美元都变成 Nvidia 的收入，这反过来推动更多模型训练投资，这需要更多 GPU—— 相互货币化的反馈循环。
这种动态更接近于工业泡沫，而不是投机泡沫。资金并没有分散在成千上万的互联网公司中；而是集中在几对大规模的双边关系中，复杂的交叉投资模糊了真正部署和循环资金之间的界限。
当野火来临时 —— 当 AI 需求正常化或资本成本上升时 —— 风险不是几十家失败初创公司；它是计算利用率的暂时崩溃。Nvidia 的股票可能不会烧成灰烬，但即使 GPU 订单轻微收缩也可能暴露整个生态系统变得多么依赖少数大买家。
这才是真正的树冠问题：当最高的树木长得太近时，它们的树冠交织在一起，当其中一棵着火时，火势会水平蔓延，而不仅仅是自下而上。
在 Web 1.0 中，Oracle—— 所有互联网公司的事实数据库 —— 在 2000 年股价从 46 美元象征性崩溃到 7 美元，然后在 ChatGPT 推出时恢复到 79 美元，今天 277 美元。在 Web 2.0 野火中，Google—— 性能广告供应商 —— 股价从 17 美元下跌 64% 到 6 美元，但随着 ChatGPT 推出飙升到 99 美元，此后达到 257 美元。在这个 AI 周期中，类似的情况可能是英伟达 —— 不是因为其缺乏基本面，而是因为其客户都来自同一池子中的投机热，这由复杂的交叉投资所驱动，引发了关于资本是否真正被部署或仅仅是循环再利用的质疑。
但这是 AI 野火可能比其前辈更有生产性的地方：今天过度建设的基础设施不仅仅是闲置在地下的光纤电缆。它是计算能力 —— 现在约束 AI 创新的基本资源。
今天 AI 市场的供给严重受限。初创公司无法获得它们需要的 GPU 分配。超大规模算力公司正在配额给其最佳客户。研究实验室要排队几个月训练模型。瓶颈不是想法或人才 —— 是访问机器本身。
这种稀缺性驱动当前狂热。很多公司提前多年签署数十亿美元的投资承诺，以溢价锁定产能，构建私有数据中心，并像弹药一样囤积芯片。恐惧不是错过 AI 浪潮 —— 而是因为无法获得算力导致完全无法参与。
但火灾后会发生什么？
2000 年带宽所呈现的相同模式正在为 2026 年的计算能力重演。数十亿美元正在涌入 GPU 集群、数据中心和电力基础设施。其中很大一部分能力是投机性建设的 —— 资金来源于对 AI 需求将无限指数级增长的假设。
但还有一个动态正在加速建设：一场没有人愿意 “先眨眼” 的高风险的胆小鬼游戏。当微软宣布投资 1000 亿美元建设数据中心时，谷歌必须做出相应的回应。当 OpenAI 承诺使用 10 吉瓦的 Nvidia 芯片时，竞争对手感到不得不匹配或超过这一承诺。担忧的不仅仅是 AI 需求可能不会实现 —— 如果需求实现了，而你未获得产能，你将完全被市场拒之门外。
这形成了一个危险的反馈循环。每一次大规模资产支出公告都迫使竞争对手增加支出，这提高了人们眼中的赌注，从而为更大的承诺提供了正当理由。没有一位高管愿意成为那个在划时代技术上投资不足的人。由于支出过少而犯错的成本感觉上是存在性的；但支出过多而犯错的成本则感觉像是别人的问题 —— 是未来季度的减记，而不是今天的战略失败。
正是这种动态创造了生产性泡沫。理性个体的决策（匹配竞争对手的投资）产生了非理性的集体结果（巨大的过剩产能）。但正是这种过剩产能播下了下一个森林的种子。
然而在泡沫辩论中，一个关键的区别正在被忽视：并非所有的算力都是相同的。实际上，市场由两个具有根本不同动态的独立池组成。
第一个池子是训练算力 —— 用于创建新 AI 模型的大规模集群。这是胆小鬼游戏最激进进行的地方。没有实验室有原则性方式决定花费多少；每个只是响应关于竞争对手承诺的情报。如果你的竞争对手投入了两倍的资金，他们可能会将未来提前一年。结果是，这场军备竞赛更多地受到竞争恐惧的驱使，而不是市场需求。英伟达则坐在中间，充当高兴的军火商。
第二个池子是推理算力 —— 运行 AI 模型的生产基础设施，服务于实际用户。在这里，情况看起来完全不同。 社会的智能需求本质上是无止境的。每增加一个智商点，用于数据分析、自动化决策或提高生产力的应用都会立即被消耗。限制不是需求，而是供应。企业不是在问 “我们是否需要人工智能能力？” 而是在问 “我们能获得多少，以及能多快获得？”
随着 GPU 的普及和算力资源的丰富，推理能力将成为下一个主要市场——尤其是在对高效代理工具需求不断增长的情况下。LLM 推理正成为一场激烈的竞赛。能够以最低的每 token 或每决策成本最有效地提供智能的公司将获得不成比例的价值。这不再关乎训练最大的模型；，而是关于在行星规模上高效运行模型。
这与互联网泡沫根本不同，互联网泡沫主要由广告支出推动 —— 公司烧钱在超级碗广告上获取它们希望以后能货币化的客户。那是一种追逐投机价值的投机需求。
AI 推理需求旨在提高实际收益。公司正在部署智能技术以降低客户获取成本、降低运营费用和提升员工生产力。这种回报并非假设，而是可衡量且通常立竿见影。
这表明 AI “泡沫” 可能比其前辈有更温和的着陆。是的，目前的市盈率看起来有些膨胀。但与纯粹的投机不同，正在建设真正的生产能力。如果在纠正后算力成本大幅下降，同时推理需求保持强劲 —— 所有迹象都表明将会如此 —— 公司可以简单地运行更长时间、采用更密集的计算方法，或将智能技术应用于今天在价格上是经济边际效应，但未来可行的问题处理。
换句话说：即使我们大规模过度建设训练容量（似乎可能），推理方有足够潜在需求吸收过剩。算力不会闲置；它从胆小鬼游戏重新用于规模智能的生产性应用。
正如带宽成本在互联网崩溃后四年内下降 90%，使 YouTube 和 Netflix 流行成为可能，算力成本在 AI 调整后可能急剧下降。今天超大规模算力公司正在节约使用的 GPU 集群可能会成为未来任何人只要有信用卡就能使用的通用基础设施。
但这个类比可能会失效。光纤电缆具有特别长的有用寿命——一旦铺设在地底下，就能提供数十年的生产能力。在互联网泡沫期间建设的基础设施至今仍在传输数据，至今已有二十五年。这就是它成为下一代持久礼物的原因：成本一次性承担，价值数十年来不断增值。
但 GPU 集群不是光纤电缆。训练集群的有用寿命可能两到三年，然后变得没有竞争力。芯片折旧比物理磨损快。一个三年的 GPU 没有坏——它只是过时，被提供更好每瓦性能、更好内存带宽、更好互连的新架构超越。在经济术语中，训练算力看起来更像具有短回报窗口的经营费用，而不是持久资本资产。
这从根本上改变野火后的动态。当泡沫破裂和训练算力变得丰富时，是的，成本将下降。但追随者不会像 Web 2.0 公司那样继承光纤基础设施，他们将会继承昨天的基础设施——仍然可以使用，但已不再是尖端技术。如果你想获取最新、最快的算力资源来训练具有竞争力的模型，你仍然需要支付高额价格给那些正在积极更新其集群的人。
这创造了与先前周期不同的护城河。野火中幸存的公司不仅受益于更便宜的基础设施——它们受益于已经支付当前一代成本，而竞争对手试图在旧硬件上追赶。既得优势不仅仅在于拥有算力资源，更在于拥有正确的算力资源，并且持续更新。
推理计算遵循不同的经济规律——一旦模型训练完成，它可以在较旧的硬件上高效运行数年。但训练方面可能不会产生我们看到的与带宽相同的民主化。这场大火可能会清除灌木丛，但最高的树木仍然控制着阳光的进入。
但只关注算力可能意味着我们在观看错误的野火。
一些人相信 AI 竞赛的真正赢家——在国家和全球层面——不会是拥有最多 GPU 或最佳模型的公司。它将是解决能源问题的任何人。
毕竟算力只是浓缩电力。现代 AI 数据中心可以消耗与一个小城市一样多的电力。限制不是硅，而是千瓦。你可以制造更多的芯片，但如果没有基本的基础设施——发电厂、输电线路、电网容量——那么你无法制造更多的能源，而这些基础设施的建设需要数年或数十年。
正是在这里，野火隐喻变得特别具有启发性。我们关注的是算力森林的燃烧和再生。但在这种可见的戏剧性之下，有一个更深层次的问题：我们是否在建造足够的能源基础设施来支持下一个森林呢？
互联网泡沫留下了当需求返回时可以立即点亮的暗光纤。但没有电力运行的闲置数据中心只是昂贵的房地产。真正的基础设施赤字可能不是计算能力而是能源发电。
如果这个泡沫推动了对电力基础设施的大规模投资——核电站、可再生能源农场、电网现代化、先进的电池储能——这将是对未来五十年真正的持久礼物。与五年后就会过时的 GPU 不同，能源基础设施的价值在几十年内会不断增长。
将主导火灾后景观的公司可能不是今天囤积算力的公司。它们可能是明天确保能源容量的公司——当其他所有形式的 AI 基础设施都很丰富，除了运行它的电力。
考虑这个数学问题：一个大型 AI 训练集群可能需要 100 兆瓦以上的连续电力——相当于一个小城市。美国目前总共发电约 1.2 万吉瓦。如果 AI 算力以预测的增长率增长，它可能在十年内要用到全国 5-10%的电力。
这不是芯片问题，是根本的基础设施问题。而且与光纤电缆或 GPU 集群不同，电力基础设施不能快速部署。核电站需要10-15年建设。主要输电线路面临几十年监管批准。即使大型太阳能农场从计划到运营需要3-5年。
这意味着对 AI 的真实约束——决定胜败的真正瓶颈——可能已经被现在正在做出的（或未做出的）关于能源基础设施的决定所锁定。
目前正在花费数千亿美元购买 GPU 的公司可能会发现，它们的限制因素不是计算能力，而是运行它所需的兆瓦数。而今天在能源基础设施上投入大量资金的地方，将在明天托管 AI 工作负载方面拥有不可逾越的优势。
准备应对稀缺的公司不仅仅是囤积计算能力——它们正在构建足够深的根系，以利用多种资源：锁定数十年的能源合同、超过 120%的总体保留率、即使规模扩大也能扩大利润率，以及能够根据市场动态在训练和推理之间灵活调整的基础设施。
我们如何评估这个周期中的防火性？每类公司面临不同的耐久性测试。理解这些指标区分真正的生态系统强度与暂时丰富：
表三：不同类型公司的“防火性”指标
基础模型实验室面临一个基本问题：收入能比计算成本增长更快吗？训练费用呈指数级增长（10 倍计算 ≈ 3 倍性能），而收入则随着客户采用率增长。如果一个实验室花费 1 亿美元算力以产生 5000 万美元的收入，然后再花费 3 亿美元以产生 1.2 亿美元的收入，那么这种轨迹是致命的。他们跑得越快，就越难以保持原地不动。具有防火能力的公司则显示出其收入增长超过算力支出——这证明了每一次能力提升都能解锁更大比例的客户价值
企业级 AI 平台必须证明它们的 AI 不仅仅是营销噱头。一家声称 95%的毛利润但只有 12%的 AI 功能采用率的公司意味着客户是因为数据仓库、CRM等历史功能而留下来，而忽略了 AI 附加功能。当资本收紧时，这些公司会受到剧烈的重新定价——市场意识到他们是带有人工智能标签的基础设施投资。真正的人工智能平台之所以能够保持高保留率，是因为高的人工智能采用率，而不是因为低采用率。
应用层公司生活在独特困境中：建立在它们无法控制的模型之上（如 OpenAI、Anthropic），会导致利润率压缩、功能同质化和去中介化风险。唯一的出路是深入客户嵌入。NRR（净现金收入留存率） 超过 120% 且 CAC（客户获取成本） 回收期小于 12 个月的公司已经实现了工作流程集成 —— 客户自然扩展使用，获取成本快速回收。那些 NRR 小于 100% 且回收期超过 18 个月的公司，在预算紧张时只是 “锦上添花” 的功能，一旦预算削减就会流失，需要持续注入资本才能增长
推理 API 玩家面临当 GPU 供应过剩而来的商业化问题。每 GPU 小时的收入揭示了定价能力。与每 GPU 小时收入为 5 美元的公司相比，每 GPU 小时收入为 50 美元的公司拥有 10 倍的利润率来通过技术优化、产品差异化或分销护城河来捍卫其地位
能源和基础设施公司最终控制 AI 的基本限制。数据中心的经济效应基于利用率和能源成本而跳转。在每千瓦时 0.03 美元和 85% 的利用率下，有效成本为每千瓦时 0.035 美元。在每千瓦时 0.08 美元和 50% 的利用率下，成本为每千瓦时 0.16 美元 —— 劣势扩大 4.5 倍。当 AI 需求在泡沫破裂后崩溃，能源成本高的设施无法降低价格以填补产能。那些具有结构性能源优势（水力发电、核能合同）的公司可以削减价格，同时仍能保持正的利润率，通过吸收陷入困境的竞争对手的客户来填补产能
元模式：每个指标都从不同的角度提出相同的问题 —— 当外部资本消失时，你能否维持你的商业模式？具有防火性能的公司已经实现了热力学可持续性：每个输入单位（资本、计算、能源）产生超过一个输出单位（收入、价值、效率）。它们可以在稀缺中增长。易燃的灌木消耗的比产生的多，由充足的资本补贴。当补贴结束时，它们就会燃烧
这种比较框架揭示了谁拥有真正的生态系统韧性，谁只是因为暂时的丰富而显得高大。
巨型红杉无法在没有火的情况下繁殖。它的球果只有在强烈的热量下才会打开。火焰清理了森林地面，使种子能够到达矿物质土壤。树冠被烧毁，阳光透过。没有燃烧，就没有更新。
几千年来，红杉树与每 10-20 年燃烧一次的低强度地面火灾共同繁荣。这些火灾足够有热能以打开球果和清理下层植被，但又刚好以保护成熟树木不受伤害。红杉厚厚的树皮 —— 深达两英尺 —— 专门进化得以从这些定期的火灾中存活下来。
但是，2020 年的城堡大火估计造成了地球上所有成熟巨型红杉的 10-14% 死亡。这些树在过去的 2000 多年中经历了数十次火灾，却在一个下午就全部死亡。区别在哪里？火势强度。积累的燃料产生了树冠火灾，甚至压倒了红杉的传奇韧性。
对于硅谷来说，这是一个教训：定期的燃烧 —— 周期性的纠正、正常的破产、创造性破坏的持续更迭 —— 是有益的。它们清理了灌木丛，释放了资源，并允许新的生长。但如果我们长期压制所有燃烧，如果我们救助每一个估值过高的公司，支撑每一个失败的业务模式，我们并不能阻止火灾，这会让最终的燃烧变得灾难性。
红杉树也教我们关于时间视野。这些树木需要几个世纪才能达到它们的最大高度。即使是存活下来的成熟红杉，也需要几十年才能完全恢复它们的树冠。仍然很难判断哪些树木 —— 即使是那些看起来已经成熟的 —— 会继续生长，哪些已经到达了顶峰。真正的巨人是在几代人时间里建立起足够深的根系，以汲取其他树木无法触及的水源，以及发展出足够厚的树皮，以抵御其他树木无法承受的高温。
我们的目标不是防止野火，而是维持它们的节奏。小规模的定期燃烧可以防止毁灭性的大火。最糟糕的结果不是野火 —— 而是推迟所有火灾，直到燃料负荷变成爆炸性的。
如果 AI 是一个泡沫，那它是一个富有成效的泡沫 —— 一种可控的燃烧，而不是崩溃。
但 “控制” 不意味着舒适。易燃灌木将点燃，资本将蒸发，估值将崩溃，工作将消失。那不是系统失败 —— 这正是系统按设计运行的结果。
对每个创始人和投资者的测试不是你是否能在丰富中成长。它是你是否能承受稀缺。当烟雾散去，我们将看到谁是多汁的，谁是易燃的 —— 谁有树皮，谁是树脂。
野火即将来临。那不是问题。问题是：你是哪种植物？
也许更重要的是：你是否建设了足够深的根系 —— 不仅仅生存这个季节，而是在稀缺的下一个十年中继续成长？
因为真正机会不在火本身。它在之后继续生长什么 —— 以及什么全新物种在灰烬中扎根。
Disclaimer:
本文仅为中文读者第一时间翻译的学习分享材料，如转载请著明原文出处。备注：原文链接：https://ceodinner.substack.com/p/the-ai-wildfire-is-coming-its-going
END
交流讨论
请添加此微信