【萬字長文】人工智能無法讓你致富

變革真實存在，卻也完全可預測。

當革命性技術(shù)催生出一波又一波具備投資價值的創(chuàng)新企業(yè)時，企業(yè)家與投資者才能借此積累財富。無論是鐵路、貝塞麥煉鋼法、電力、內(nèi)燃機，還是微處理器 —— 每一項技術(shù)都如同煙花廠中的零星火花，引爆了數(shù)十年的后續(xù)創(chuàng)新，滲透到社會的方方面面，并將一批新的發(fā)明家與投資者推向權(quán)力、影響力與財富的高峰。

然而，有些技術(shù)創(chuàng)新即便對社會產(chǎn)生了變革性影響，卻難以催生新的財富，反而會鞏固現(xiàn)有的格局。在微處理器問世 15 年前，另一項革命性技術(shù) —— 集裝箱運輸 —— 誕生于一個 “時機不佳” 的時代：當時的技術(shù)進步如同《愛麗絲夢境奇遇記》里的 “紅皇后賽跑”（Red Queen's race），發(fā)明家與投資者即便不停奔跑，最終也未能獲得更好的結(jié)果。

任何投資 “新新事物” 的人都必須回答兩個問題：第一，這項創(chuàng)新能創(chuàng)造多少價值？第二，誰能捕獲這些價值？信息通信技術(shù)（ICT）革命的價值被初創(chuàng)企業(yè)捕獲，催生出數(shù)千名新晉富豪創(chuàng)始人、員工與投資者；反觀集裝箱運輸革命，其價值被過度分散，最終只讓一位創(chuàng)始人短暫致富，僅一位投資者略微獲利。

生成式人工智能更接近前者，還是后者？它會成為未來眾多行業(yè)財富的基石，還是會讓投資界整體面臨凈虧損，只在局部產(chǎn)生少數(shù)零和博弈的贏家？

投資人工智能成果確實有盈利途徑，但前提是要接受一個現(xiàn)實：對發(fā)明家與投資者而言，當下仍是 “時機不佳” 的階段。人工智能模型構(gòu)建者與應用公司最終會在競爭中形成寡頭壟斷，而人工智能帶來的收益將流向客戶，而非技術(shù)構(gòu)建者。因此，大量涌入人工智能領(lǐng)域的資金正投向錯誤的方向。除了少數(shù)幸運的早期投資者，能獲利的將是那些有遠見、及早抽身的人。

微處理器：從 “計算器配件” 到時代革命

1971 年，英特爾（Intel）的工程師發(fā)明了微處理器，但他們最初并未意識到這項技術(shù)的革命性 —— 當時他們只是想避免每次都從頭設(shè)計臺式計算器芯片組。然而，外部人士卻發(fā)現(xiàn)，微處理器可用于打造個人計算機，科技愛好者們率先付諸實踐。成千上萬的 “極客” 探索出英特爾從未設(shè)想過的配置與用途。正如經(jīng)濟學家卡洛塔?佩雷斯（Carlota Perez）所言，這種 “分布式、無需許可” 的創(chuàng)新，引發(fā)了一場由技術(shù)觸發(fā)、但由經(jīng)濟與社會力量推動的 “大規(guī)模發(fā)展浪潮”[1]。

20 世紀 70 年代初，個人計算機并無實際需求，更像是昂貴的玩具。但早期探索者奠定了技術(shù)基礎(chǔ)，還構(gòu)建了社群。到 1975 年左右，微處理器成本的 “階躍式下降” 讓個人計算機市場具備了可行性：

英特爾 8080 芯片初始標價 360 美元（相當于如今的 2300 美元），制造商

MITS 推出的 “牛郎星”（Altair）計算機即便以 75 美元（如今的 490 美元）

的批量價銷售，也幾乎無利可圖；

當 MOS 科技公司以 25 美元（如今的 150 美元）的價格推出 6502 芯片時，

史蒂夫?沃茲尼亞克（Steve Wozniak）才負擔得起蘋果原型機的制造成本；

6502 芯片及定價相近的齊洛格（Zilog）Z80 芯片迫使英特爾降價，新興的

個人計算機社群開始涌現(xiàn)企業(yè)家，數(shù)十家公司成立，每家都推出略有差異的

產(chǎn)品。

20 世紀 70 年代中期，沒人能預料到個人計算機（及 ATM、POS 終端、智能手機等類似產(chǎn)品）會徹底改變世界。當時史蒂夫?喬布斯向投資者宣稱 “未來每個家庭都會擁有一臺個人計算機”（事后證明這是嚴重低估），而另一些人則質(zhì)疑 “個人計算機是否有存在的必要”。直到 1979 年，蘋果的廣告仍未說明 “個人計算機能做什么”，反而反問用戶 “你會用它做什么”[2]。IBM、惠普（HP）、數(shù)字設(shè)備公司（DEC）等老牌計算機制造商，對 “客戶不需求的產(chǎn)品” 毫無興趣 —— 沒人 “需要” 計算機，因此個人計算機不是 “被購買”，而是 “被推銷”。

蘋果、辛克萊（Sinclair）等光鮮的初創(chuàng)公司靠炒作吸引關(guān)注；雅達利（Atari）、康懋達（Commodore）、坦迪 / 無線電屋（Tandy/RadioShack）等在消費電子領(lǐng)域有根基的公司，則憑借強大的零售渠道，讓產(chǎn)品觸達潛在客戶。

技術(shù)浪潮的共性：時間、耐心與 “自我強化循環(huán)”

個人計算機市場初期增長緩慢，直到 1979 年電子表格等 “實用應用” 出現(xiàn)后才加速。隨著使用場景增多，“觀察實際應用” 降低了市場不確定性，進而推動更多企業(yè)采用，形成 “自我強化循環(huán)”。每一次技術(shù)浪潮都需要時間積累 momentum（勢頭）：例如，電力用了近 30 年才覆蓋美國一半家庭，個人計算機的普及也花了相近時間 [3]。

當一場技術(shù)革命要改變一切時，需要大量創(chuàng)新、投資、敘事、時間，以及純粹的 “苦功”—— 它還會吸納所有可用的資金與人才。正如科學領(lǐng)域的 “庫恩范式”（Kuhn’s paradigms），任何不屬于該浪潮 “技術(shù) - 經(jīng)濟范式” 的技術(shù)，都只會淪為 “旁支表演”[4]。

新興的個人計算機市場吸引了風險投資家，他們開始為新公司下高風險賭注。這一趨勢又激勵了更多發(fā)明家、企業(yè)家與研究者，進而吸引更多投機資本。

而在個人計算機崛起前的行業(yè)巨頭 IBM，此時表現(xiàn)相對疲軟 —— 它既不相信個人計算機會長期存在并滲透到自身核心市場，也不屑于關(guān)注 “想要更廉價解決方案的新興小市場”。

事后看來，我們總將個人計算機先驅(qū)視為 “預言家”，但在當時，除了少數(shù)早期采用者，幾乎沒人關(guān)注這一領(lǐng)域。《紐約時報》等主流媒體直到 1981 年 8 月 IBM 推出個人計算機后，才開始認真對待這一技術(shù)。1976 年蘋果公司成立的整整一年里，《紐約時報》僅 4 次提及 “個人計算機”[5]。顯然，只有那些 “瘋狂者、異類、反叛者與麻煩制造者”，才在當時關(guān)注著這一領(lǐng)域。

今昔對比：人工智能與個人計算機的 “驚喜差距”

將計算機革命早期與當下對比，最顯著的差異在于 “驚喜感”：20 世紀 70 年代，沒人在意個人計算機；2025 年，人工智能卻成了全民熱議的話題。

大公司厭惡 “驚喜”，而 “不確定性” 正是初創(chuàng)公司的最佳護城河。1979 年 IBM 進入個人計算機市場時，蘋果本可能無法存活 —— 它能繼續(xù)競爭，全靠 1980 年 IPO（首次公開募股）籌集的 1 億美元資金。在 IBM 引發(fā)的行業(yè) “篩選” 后，蘋果成了僅存的競爭者之一 [6]。

隨著技術(shù)站穩(wěn)腳跟并展現(xiàn)潛力，軟件、內(nèi)存、軟盤驅(qū)動器、調(diào)制解調(diào)器等外設(shè)的創(chuàng)新也隨之而來，彼此強化：每一項進步都會對相鄰技術(shù)產(chǎn)生壓力，若系統(tǒng)某環(huán)節(jié)拖后腿，投資者就會爭相為該領(lǐng)域注資。例如，個人計算機內(nèi)存提升催生了對復雜軟件的需求，進而需要更多外部存儲 —— 這促使風投大衛(wèi)?馬夸特（Dave Marquardt）在 1980 年投資磁盤驅(qū)動器制造商希捷（Seagate）。1981 年希捷上市時，為馬夸特帶來了 40 倍回報。其他投資者紛紛效仿，此后三年，約 2.7 億美元資金涌入該行業(yè) [7]。

資金還流向底層基礎(chǔ)設(shè)施（光纖網(wǎng)絡(luò)、芯片制造等），確保 “容量永遠不會成為瓶頸”。利用新技術(shù)超越老牌企業(yè)的公司開始搶占市場份額，即便保守的競爭者也意識到 “不采用新技術(shù)就會滅亡”。炒作逐漸演變?yōu)橥顿Y泡沫 —— 即 20 世紀 90 年代末的互聯(lián)網(wǎng)狂熱。

信息通信技術(shù)浪潮與此前的技術(shù)浪潮（如 19 世紀 30 年代運河建設(shè)、20 世紀 20 年代鐵路建設(shè)后的投資熱潮）類似：人類對每個階段的反應，都會可預測地催生下一階段。

互聯(lián)網(wǎng)泡沫破裂后，社會開始反對行業(yè)過度投機，政府也獲得民眾支持，重新對科技公司及投資者施加管控，為 “狂熱” 踩下剎車。企業(yè)不再像泡沫時期那樣盲目創(chuàng)新，而是轉(zhuǎn)向已驗證的市場；金融家從 “投機” 轉(zhuǎn)向 “投資”；企業(yè)家不再聚焦底層技術(shù)創(chuàng)新，而是專注于尋找應用場景。技術(shù)仍在進步，但變革更多是 “漸進式”，而非 “革命性”。

變革放緩后，企業(yè)有信心進行長期投資，開始以新方式整合系統(tǒng)各環(huán)節(jié)，為更廣泛用戶創(chuàng)造價值。泡沫時期過度建設(shè)的光纖通信網(wǎng)絡(luò)等基礎(chǔ)設(shè)施，提供了大量廉價產(chǎn)能，降低了擴張成本 —— 這對企業(yè)家與投資者而言，是一段黃金時期。

人工智能的 “與眾不同”：缺乏 “試錯空間” 的革命

與互聯(lián)網(wǎng)不同，社會無需等到 “泡沫破裂”，就已開始批評人工智能。盡管對科技的 “反彈” 已持續(xù)十年，我們對此習以為常，但人工智能面臨的反對，與信息通信技術(shù)早期（比爾?蓋茨、史蒂夫?喬布斯、杰夫?貝佐斯等科技巨頭廣受推崇）形成鮮明對比。

世界厭惡變革，20 世紀 80-90 年代之所以 “容忍” 科技，是因為當時人們認為 “科技若出問題，還能倒退”—— 這給了早期計算機創(chuàng)新者 “試錯空間”。如今，所有人都知道 “計算機已不可或缺”，人工智能不再享有 “觀望” 的余地，而是被視為 “信息通信技術(shù)革命的一部分”。

經(jīng)濟學家佩雷斯將每一次技術(shù)浪潮劃分為四個可預測階段：爆發(fā)期（irruption）、狂熱期（frenzy）、協(xié)同期（synergy）、成熟期（maturity），每個階段都有獨特的投資特征。

對投資者而言，中間兩個階段（狂熱期、協(xié)同期）相對容易把握：

狂熱期：所有人蜂擁而入，投資者因 “為未經(jīng)驗證的想法承擔高風險” 而獲利，最終以泡沫破裂、賬面利潤消失告終；

協(xié)同期：理性回歸，企業(yè)優(yōu)化產(chǎn)品，使其適用于更廣泛用戶，有耐心、會篩選、且能提供 “非資金價值” 的投資者將獲得回報。

而爆發(fā)期與成熟期的投資難度更大。

爆發(fā)期投資：比事后看起來更難

20 世紀 70 年代的投資，遠比事后回顧時更具挑戰(zhàn)性。1971-1975 年期間，要投資個人計算機相關(guān)領(lǐng)域，要么是 “堅定的信仰者”，要么是 “采用盲目多元化策略的綜合企業(yè)集團”：

英特爾是優(yōu)秀的投資標的，但初期看起來只是 “上一波電子行業(yè)的公司”；

MOS 科技 1969 年成立時旨在與德州儀器競爭，后來為維持運營，不得不將多數(shù)股權(quán)出售給艾倫 - 布拉德利（Allen-Bradley）；

齊洛格 1975 年的投資方竟是埃克森（Exxon）；

蘋果雖潛力巨大，但完全不符合風投的 “標準篩選條件”—— 當時個人計算機仍是 “為找問題而存在的解決方案”。

直到 20 世紀 80 年代初（爆發(fā)期后期），優(yōu)質(zhì)投資機會才大量涌現(xiàn)：個人計算機制造商（康柏、戴爾）、軟件與操作系統(tǒng)公司（微軟、藝電、Adobe）、外設(shè)廠商（希捷）、工作站企業(yè)（太陽微系統(tǒng)）、計算機商店（Businessland）等。若投資了贏家，收益會很可觀，但 “資金多于想法” 的現(xiàn)狀意味著，這并非投資的黃金時代。到 1983 年，僅磁盤驅(qū)動器領(lǐng)域就有 70 多家公司競爭，估值大幅下跌。

20 世紀 70-80 年代確實有人積累了財富，許多風投也在這一時期成名，但爆發(fā)期投資者的最大優(yōu)勢，是 “積累機構(gòu)知識”，為后續(xù)狂熱期、協(xié)同期的早期優(yōu)質(zhì)投資奠定基礎(chǔ)。

成熟期投資：“無變革” 的困境

成熟期的投資難度更大：爆發(fā)期是 “難以預測未來”，成熟期則是 “幾乎無變革發(fā)生”。關(guān)于 “什么可行”“客戶與社會如何反應” 的不確定性幾乎消失，一切都可預測，所有人的行為也都可預測。

缺乏活力的市場環(huán)境，讓協(xié)同期成功的企業(yè)得以鞏固地位（如 “漂亮 50”（Nifty 50）、FAANG 等科技巨頭），但增長變得困難。它們開始侵入彼此的市場、進行并購、提價降本；“以低價吸引新客戶” 的時代結(jié)束，產(chǎn)品質(zhì)量下滑；大公司仍宣稱 “追求革命性創(chuàng)新”，但更傾向于 “控制創(chuàng)新的應用方式”；研發(fā)支出從 “產(chǎn)品與流程創(chuàng)新” 轉(zhuǎn)向 “越來越徒勞的、延長當前范式的嘗試”—— 企業(yè)將這包裝成 “為勝利而戰(zhàn)”，實則是 “害怕失敗”。

成熟期也可能出現(xiàn)創(chuàng)新，有時甚至是突破性創(chuàng)新，但這些創(chuàng)新只有 “符合當前浪潮的范式” 才會獲得支持，最終輕易被行業(yè)巨頭 “吞噬”。這意味著，企業(yè)家或投資者幾乎無法通過這些創(chuàng)新獲利。生成式人工智能顯然正被信息通信技術(shù)巨頭捕獲 —— 這引發(fā)了一個問題：對發(fā)明家與投資者而言，此次是否會不同？（這與 “人工智能本身是否是革命性技術(shù)” 是兩個問題。）

集裝箱運輸?shù)膯⑹荆骸皟r值流向客戶” 的革命

集裝箱運輸是 “后期浪潮創(chuàng)新” 的典型案例：它改變了世界，開啟了現(xiàn)代全球化時代，對社會與經(jīng)濟產(chǎn)生深遠影響，顯著提升了人類福祉，但投資它并真正獲利的人，或許只有一兩個。

1956 年屬于上一波技術(shù)浪潮的后期，但就在這一年，后來更名為 “海陸運輸”（SeaLand）的公司，通過推出首艘集裝箱船 “理想 - X 號”（Ideal-X），徹底革新了貨運行業(yè)。海陸運輸創(chuàng)始人馬爾科姆?麥克萊恩（Malcom McLean）有一個頓悟：卡車司機、鐵路公司、航運公司的核心任務(wù)是 “將貨物從發(fā)貨人運到目的地”，而非 “開卡車、裝貨車、裝船”。

海陸運輸實現(xiàn)了 “貨運跨模式無縫銜接”，節(jié)省了時間、提高了航運可預測性、降低了成本（包括裝卸貨成本與船舶在港閑置成本）[8]。

集裝箱運輸?shù)暮锰庯@而易見 —— 所有人都能看到其效率，而客戶只關(guān)心 “貨物能否送達”，不在乎 “如何送達”。但它面臨巨大阻力：碼頭工人會失業(yè)、政客會失去失業(yè)者的選票、港口管理局會失去政客的支持、聯(lián)邦監(jiān)管機構(gòu)會因 “負面后果” 被追責、鐵路公司可能被航運公司搶走貨運業(yè)務(wù)、現(xiàn)有航運公司可能被新公司取代，且所有變革都需要巨額資金。多數(shù)人認為，麥克萊恩不可能成功。

麥克萊恩在反對聲中找到了突破口：

購買并改造 surplus（過剩的）軍用船只，降低成本；

聚焦 “沿海航運”（在州際公路興起的時代，這是一個衰退行業(yè)），規(guī)避競爭；

在新澤西州紐瓦克（而非紐約地獄廚房的航運樞紐）設(shè)立基地，獲得港口管理局支持，同時避開曼哈頓的擁堵；

與紐約碼頭工人聯(lián)盟達成協(xié)議 —— 只因他當時規(guī)模小，被聯(lián)盟視為 “無威脅”[10]。

但競爭對手與監(jiān)管機構(gòu)行動太快，麥克萊恩未能建立起 “護城河”（如掌控港口、與發(fā)貨人或其他運輸方式簽訂獨家協(xié)議、推動專有技術(shù)標準化等）[9]。到 1965 年左右，當集裝箱運輸 “看似可行” 時，其明顯優(yōu)勢吸引了所有大型航運公司入局，競爭加劇。即便 1968 年集裝箱貨運量仍不足總貿(mào)易量的 1%，集裝箱船數(shù)量已開始快速增長 [10]，此后多年 “產(chǎn)能遠超需求”。

競爭加劇引發(fā)了 “價格戰(zhàn)”，利潤被壓縮，進而導致行業(yè)整合與卡特爾（壟斷聯(lián)盟）形成。與此同時，建造更大集裝箱船與配套港口設(shè)施的成本極高，行業(yè)變得 “資本密集”。麥克萊恩看到了危機，于 1969 年 1 月將海陸運輸出售給雷諾茲（R.J. Reynolds）—— 他或許是唯一 “全身而退” 的企業(yè)家。

集裝箱運輸?shù)?“端到端愿景” 過了很久才實現(xiàn)，但到 1980 年左右，海運成本開始大幅下降 [11]，這推動了國際貿(mào)易繁榮 [12]，使制造商得以從高工資國家轉(zhuǎn)向低工資國家，集裝箱運輸從此 “不可逆轉(zhuǎn)”。

當然，仍有人獲利：麥克萊恩賺了錢；航運巨頭丹尼爾?路德維希（Daniel Ludwig）1965 年以每股 8.5 美元的價格，向海陸運輸?shù)那吧睇溈巳R恩工業(yè)公司投資 850 萬美元，1969 年以每股 50 美元賣出 [13]；造船廠也賺了錢 ——1967-1972 年，約 100 億美元（相當于 2025 年的 800 億美元）被投入集裝箱船建造；建造新集裝箱港口的承包商同樣獲利；后來，馬士基（Maersk）、長榮（Evergreen）等通過整合主導行業(yè)的航運公司，也成長為巨頭。

但 “對雷諾茲及其他 20 世紀 60 年代末為追逐快速增長而涉足集裝箱運輸?shù)墓径裕@些投資只帶來了失望”[14]。除麥克萊恩與路德維希外，很難找到其他人因集裝箱運輸本身致富 —— 競爭與巨額資本支出，讓行業(yè)難以快速增長或?qū)崿F(xiàn)高利潤率。

最終，集裝箱運輸行業(yè)主要被 “原有巨頭” 主導，利潤流向了 “發(fā)貨企業(yè)”，而非 “運輸企業(yè)”。宜家（IKEA）受益于廉價航運，從 1972 年的 “斯堪的納維亞區(qū)域性公司”，成長為 2008 年的 “全球最大家具零售商”—— 集裝箱運輸完美適配其平板包裝家具；沃爾瑪（Walmart）則利用集裝箱運輸帶來的 “可預測性”，降低庫存及相關(guān)成本。

事后看來，投資集裝箱運輸?shù)恼_方式很明確：不投資集裝箱運輸行業(yè)本身，而是投資 “受益于集裝箱運輸?shù)男袠I(yè)”。但即便如此，沃爾瑪、好市多（Costco）、塔吉特（Target）等公司的成功，也伴隨著其他公司的失敗：集裝箱運輸?shù)臎_擊讓西爾斯（Sears）、伍爾沃斯（Woolworth）陷入衰退，為蒙哥馬利?沃德（Montgomery Ward）與 A&P 超市敲響了喪鐘，還曾迫使梅西百貨（Macy’s）破產(chǎn)（后被聯(lián)邦百貨收購重組并縮減規(guī)模）。

與此同時，在 “世界家具之都” 美國北卡羅來納州，家具制造商試圖通過從中國進口廉價家具與宜家競爭，最終卻被自己的供應商取代 [15]。

若當時有更多時間構(gòu)建 “護城河”，或許會出現(xiàn)幾家主導集裝箱運輸?shù)墓荆鋭?chuàng)始人能躋身《福布斯》400 富豪榜，投資者也會成為傳奇。但 “護城河需要時間構(gòu)建”，而與個人計算機不同，集裝箱運輸?shù)钠占?“毫無意外”—— 所有利益相關(guān)企業(yè)都立刻制定了戰(zhàn)略計劃。

經(jīng)濟學家約瑟夫?熊彼特（Joseph Schumpeter）曾說：“任何新事物出現(xiàn)時，完全競爭都會暫時中止。”[16] 但集裝箱運輸?shù)陌咐砻鳎诩夹g(shù)浪潮末期，這一規(guī)律并不成立。而在完全競爭狀態(tài)下，不存在經(jīng)濟利潤，因此成熟期的創(chuàng)新者也無法獲利。與集裝箱運輸一樣，人工智能的出現(xiàn)并未給創(chuàng)新者帶來 “受保護的利潤期”，反而立刻引發(fā)了 “全面競爭混戰(zhàn)”。

生成式人工智能：是新浪潮開端，還是舊浪潮尾聲？

我們姑且認可 “生成式人工智能具有革命性”（盡管越來越明顯的是，這項技術(shù)已進入漸進式發(fā)展階段）。它將為經(jīng)濟創(chuàng)造巨大價值，投資者也希望捕獲其中一部分。但 “何時捕獲、誰能捕獲、如何捕獲”，取決于人工智能是 “信息通信技術(shù)浪潮的尾聲”，還是 “新浪潮的開端”。

若人工智能開啟了新浪潮，市場會經(jīng)歷漫長的 “不確定性與實驗期”：早期采用者會用自己的模型進行實驗；當成千上萬甚至數(shù)百萬 “極客” 用這項技術(shù)以全新方式解決問題時，其應用場景會迅速擴散。但現(xiàn)實是，他們使用的模型歸大型人工智能公司所有，其實驗空間被限制在 “現(xiàn)有巨頭允許的范圍內(nèi)”—— 而這些巨頭絕不愿讓現(xiàn)狀受到長期挑戰(zhàn)。

這并不意味著人工智能無法開啟下一場技術(shù)革命。若實驗變得 “廉價、分布式且無需許可”—— 就像沃茲尼亞克在車庫里組裝計算機、福特在廚房研發(fā)首臺內(nèi)燃機、特里維西克（Trevithick）在詹姆斯?瓦特（James Watt）的專利到期后立刻研發(fā)高壓蒸汽機那樣 —— 它或許能成為下一輪重大變革的種子，實現(xiàn) “革命性” 而非 “漸進式” 突破。但在這一切發(fā)生之前，“爆發(fā)期” 無從談起。

事實上，人工智能是 “信息通信技術(shù)浪潮的縮影”。20 世紀 60 年代的計算機先驅(qū)們立志打造 “能思考的機器”，其繼任者通過不斷提升算法、芯片、數(shù)據(jù)與數(shù)據(jù)中心基礎(chǔ)設(shè)施，最終實現(xiàn)了這一目標。與集裝箱運輸一樣，人工智能是 “對過往技術(shù)的延伸”，因此其能力與未來方向 “毫無意外”。

20 世紀 70 年代，人們花了很長時間才理解 “強大且普及的計算技術(shù)” 的價值；但在 2025 年，“比以往更擅長思考的機器” 很容易被大眾理解。

我們不妨對比人工智能的商業(yè)演進與集裝箱運輸?shù)南嗨浦帲?/p>

在 “人工智能相似發(fā)展” 列中，前 4 項已在進行中。如何投資，取決于你是否認為第 5-7 項會成為下一步趨勢。

經(jīng)濟學家預測，未來十年人工智能將推動全球 GDP 增長 1%[17] 至 7% 以上 [18]，對應 1-7 萬億美元的新增價值。核心問題是：這些價值在價值鏈中會 “停留” 在何處？

多數(shù)人工智能市場報告將行業(yè)分為十多個類別，按服務(wù)客戶與行業(yè)細分，但未來幾年這些分類會發(fā)生巨大變化。若想簡化企業(yè)分類，不妨 “跟隨資金流向”：

人工智能的投資策略：“向下游捕魚”，而非 “向上游游泳”

集裝箱運輸?shù)臍v史經(jīng)驗表明：若你并非模型層公司的早期投資者，現(xiàn)在入局已無意義。山姆?奧特曼（Sam Altman）等少數(shù)早期推動者可能像麥克萊恩、路德維希那樣積累財富，但 “模型研發(fā)與運營的巨額成本” 加上 “激烈競爭”，意味著最終市場只會剩下少數(shù)公司，且均由大型科技公司資助或控股。若你已是早期投資者，恭喜：行業(yè)整合可能會讓你獲得退出機會。

垂直領(lǐng)域模型（如代碼生成工具 Cursor、法律 AI Harvey）或許是最具價值的細分方向，但 “模型微調(diào)成本低” 且 “存在范圍經(jīng)濟”（同一基礎(chǔ)模型可適配多個領(lǐng)域），其優(yōu)勢難以長期維持。此外，正如谷歌 2010 年收購 Invite Media 以掌握 “向廣告公司銷售的能力”，那些 “獲得客戶信任的垂直領(lǐng)域模型公司” 將成為熱門收購標的。

盡管 Midjourney、Runway 等 “非語言生成模型”（如圖像、視頻）可能憑借差異化架構(gòu)開辟獨立賽道，但大型語言模型（LLM）公司也已輕松進入這一領(lǐng)域（如谷歌 Imagen、微軟 DALL-E）。Osmo 等專注于特定交互模式（如兒童教育）的公司能否例外，仍需觀察。

雖然現(xiàn)在投資模型層已為時過晚，但 “利用模型解決特定問題的應用公司” 仍在大量涌現(xiàn)（如 Perplexity、InflectionAI、Writer、Abridge 等）。但需注意：若這些公司成長為高價值企業(yè)，模型層公司會通過 “歧視性定價” 或 “垂直整合” 奪取其收益 —— 換句話說，“成功即意味著失敗”，這絕非可靠的投資邏輯。

未來，模型層與應用層公司將逐漸融合，最終形成 “少數(shù)幾家綜合性人工智能公司”。市場中總會有贏家，但對應用層整體的投資大概率會虧損。當然，若應用公司能積累客戶群或打造優(yōu)秀團隊，可能會被收購 —— 但這類公司本質(zhì)上并非 “技術(shù)公司”，而是 “基于預期構(gòu)建市場”，需按此類資產(chǎn)定價。此外，部分投資者可能通過 “套利” 獲利（利用收購方的 FOMO 情緒，促使其高價收購），但這并非真正的 “投資”。

或許在 “模型巨頭與客戶的接口管理” 或 “企業(yè)數(shù)據(jù)保護” 領(lǐng)域存在投資機會（如 Hugging Face、Glean），因為這類業(yè)務(wù)本質(zhì)上與模型層獨立。但在集裝箱運輸后期，類似的 “中間服務(wù)商” 并未成長為大型企業(yè) —— 由于人工智能的 “無意外性”，即便這類公司成功，也可能止步于中型規(guī)模（模型巨頭不會允許它們獲得戰(zhàn)略影響力）。

當一個行業(yè) “規(guī)模將擴大但發(fā)展路徑不確定” 時，投資者常傾向于 “向上游投資”（即行業(yè)供應商）。對人工智能而言，上游即芯片提供商、數(shù)據(jù)公司、云 / 數(shù)據(jù)中心企業(yè)（如 SambaNova、Scale AI、Lambda，以及英偉達、彭博等老牌公司）。

但數(shù)據(jù)領(lǐng)域的投資前景喜憂參半：

通用數(shù)據(jù)（如多數(shù)人已知的信息、10 年前的知識）已成為大宗商品，少數(shù)公司可能從事 “數(shù)據(jù)整理與標注”，但由于 AI 本身可完成這類工作，其定價權(quán)有限；

垂直領(lǐng)域模型需要專業(yè)數(shù)據(jù)，部分模型需處理 “實時信息”，因此 “特定、實時、難以復制的數(shù)據(jù)” 具有價值（彭博等公司已在此領(lǐng)域成功）；

客戶集中度提高會壓低數(shù)據(jù)價格，而應用范圍擴大則會增加收入 —— 總體而言，該領(lǐng)域或略有收益，但難成 “風口”，會涌現(xiàn)新公司，但值得投資的寥寥無幾。

人工智能公司的巨額資本支出，主要流向基礎(chǔ)設(shè)施企業(yè)。這些公司的估值已反映了這一預期，因此不會有 “超預期收益”。此外，需警惕類似集裝箱運輸 “船舶建造” 的風險：1965-1973 年，船舶建造受益于集裝箱運輸，但需求崩潰后行業(yè)陷入低迷 [19]。若人工智能公司整合或協(xié)同行動，即便輕微的行業(yè)下行（迫使公司縮減開支），也可能導致基礎(chǔ)設(shè)施支出 “嚴重、突然且長期的下滑”。這將使英偉達及其競爭對手（需對供應商做出長期承諾并擴大產(chǎn)能）陷入困境 —— 若市場規(guī)模縮小，它們無法通過降成本適配新需求。對 “按 S 型增長曲線定價” 的公司而言，若市場出現(xiàn) “峰值與衰退”，其估值將嚴重高估。

綜上，投資者不應 “向上游游泳”，而應 “向下游捕魚”：那些 “依賴模糊信息實現(xiàn)高質(zhì)量成果” 的公司，將因人工智能提升效率、增加利潤 —— 這類行業(yè)包括專業(yè)服務(wù)、醫(yī)療、教育、金融服務(wù)、創(chuàng)意服務(wù)，合計占全球 GDP 的 1/3 至 1/2，且此前未從自動化中顯著獲益。

與集裝箱運輸一樣，人工智能能降低成本，但企業(yè) “如何將成本降低納入戰(zhàn)略” 及 “如何使用節(jié)省的資金”，將決定其成敗。直白地說：“用成本節(jié)省提高利潤而非擴大收入”，是一場必輸?shù)挠螒颉?/p>

最快受益的公司，是那些 “戰(zhàn)略本身就依賴成本降低” 的企業(yè)。宜家長期以來的戰(zhàn)略是 “低價銷售優(yōu)質(zhì)家具，通過銷量獲利”，集裝箱運輸使其得以走向全球，最終成為全球最大零售商，創(chuàng)始人英瓦爾?坎普拉德（Ingvar Kamprad，宜家 IKEA 中的 “IK”）也成為億萬富豪。類似地，沃爾瑪?shù)膽?zhàn)略是 “在未被充分服務(wù)的市場中，以高銷量、低價格取勝”，集裝箱運輸帶來的成本節(jié)省與 “即時供應鏈”，使其得以擴大產(chǎn)品種類、降低庫存成本。

如今，那些 “已重視高銷量、低價格” 的知識型企業(yè)，是投資人工智能的 “低風險選擇”。同時，新公司將以 “高銷量、低成本” 戰(zhàn)略成立或轉(zhuǎn)型（如同 20 世紀 80 年代初的好市多）。這些新公司將與現(xiàn)有企業(yè)競爭，但憑借 “無歷史包袱” 與 “后發(fā)優(yōu)勢”，可能占據(jù)一席之地。不過，由于 “進入門檻低”，每個細分市場都會面臨激烈競爭，市場將呈現(xiàn) “碎片化” 特征 —— 經(jīng)驗豐富的管理團隊與 “無缺陷的執(zhí)行”，將成為成功的關(guān)鍵。

對企業(yè)家而言，這些領(lǐng)域充滿機遇；但對投資者而言，難度更大。這類公司無需大量私募資本（宜家從未依賴風險資本，好市多 1983 年僅融資一輪，1985 年便上市）—— 因為 “實施降成本技術(shù)” 無需巨額資本投入。與集裝箱運輸一樣，“技術(shù)觸發(fā)” 與 “最佳投資機會” 之間存在長期滯后，機遇將出現(xiàn)在后期。

選股者也能獲利，但需精挑細選。按樂觀預測，未來十年 “占全球 GDP 1/3 的行業(yè)” 將因人工智能實現(xiàn) 7% 的額外增長，這意味著相關(guān)公司每年僅能獲得約 2% 的增長紅利（若傳統(tǒng)信息通信技術(shù)的 productivity（生產(chǎn)率）增長放緩，紅利會更低）。價值轉(zhuǎn)移的核心方向是 “擁抱人工智能戰(zhàn)略的公司”，從 “拒絕變革的公司” 手中奪取市場份額 —— 就像沃爾瑪從西爾斯手中搶占份額（西爾斯僅利用了廉價商品，卻未實現(xiàn)自我革新）。

最終贏家：消費者

然而，最大的受益者將是消費者。此前的機械化浪潮提升了制造業(yè)的勞動生產(chǎn)率，壓低了價格，為消費者節(jié)省了開支；同時，制造業(yè)工資上漲，倒逼服務(wù)業(yè)工資提高（盡管服務(wù)業(yè)并未從生產(chǎn)率增長中獲益），進而導致服務(wù)價格上升 [20]。

1918 年，美國家庭在食品與服裝上的支出占比為 55%，2023 年這一比例降至 16%[21]，但醫(yī)療、教育等 “知識密集型服務(wù)” 的成本漲幅遠超通脹。

人工智能將帶來類似的變革：知識密集型服務(wù)將降價，消費者能購買更多此類服務(wù)；而 “人與人互動的服務(wù)”（如護理、餐飲）將漲價，占家庭支出的比例上升 —— 這為兩類服務(wù)都帶來了明顯機遇。但更重要的是，人工智能創(chuàng)造的新增價值，大部分將被消費者捕獲：他們將以合理價格獲得更多樣化的知識密集型產(chǎn)品，更廣泛、更廉價地獲取醫(yī)療、教育、咨詢等服務(wù)。

結(jié)語：投資人工智能的正確方式

新浪潮開啟時，“構(gòu)想、發(fā)明并打造改變世界的公司” 能帶來財富、聲譽與榮耀，這無疑是最佳機遇。但對投資者與企業(yè)家而言，“一廂情愿的空想” 最為危險。過去 50 年投資科技的經(jīng)驗，如今已不再適用。

投資人工智能的正確方式，是思考 “知識工作者效率提升” 的影響，想象這種效率將開啟哪些新市場，然后投資這些市場。數(shù)十年來，“押注新事物本身” 是獲利之道；如今，你需要 “押注新事物所開啟的機遇”。

杰瑞?諾伊曼（Jerry Neumann）是退休風險投資者，專注于創(chuàng)新領(lǐng)域的寫作與教學。

參考文獻

[1] Perez, C.,Technological Revolutions and Financial Capital, Edward Elgar, 2002.
[2] 圖片來源：蘋果公司（Apple）
[3] 圖表來源：Jovanovic, B., & Rousseau, P., “General purpose technologies. Handbook of Economic Growth”, 1 (05), p. 1194. [在線獲取]：https://doi.org/10.1016/S1574-0684(05)01018-X
[4] 注：醫(yī)療技術(shù)、制藥等領(lǐng)域的投資不受主流技術(shù)浪潮影響，因其本質(zhì)上屬于 “核心需求”，不會淪為 “旁支表演”。
[5] 數(shù)據(jù)來源：作者檢索《紐約時報》檔案，關(guān)鍵詞為 “microcomputer”“personal computer”“home computer”，排除廣告、分類廣告與目錄內(nèi)容。
[6] 圖表來源：Dediu, H., “The Next 40”, Asymco, March 2016. [在線獲取]：https://www.asymco.com/2016/03/28/the-next-40/
[7] Sahlman, W.A. and H.H. Stevenson. “Capital market myopia.”Journal of Business Venturing, 1985, 7-30.
[8] 本節(jié)內(nèi)容大量參考馬克?萊文森（Marc Levinson）所著《集裝箱改變世界》（The Box，普林斯頓大學出版社，2006 年），該書兼具專業(yè)性與可讀性，極具價值。
[9] 早在 1958 年（“理想 - X 號” 首航僅兩年后），美國海運管理局就已啟動集裝箱標準化進程。
[10] 麥肯錫（McKinsey），“Brave New World: Container transport in 2043”[在線獲取]：https://www.mckinsey.com/~/media/mckinsey/industries/travel-logistics-and-infrastructure/our-insights/brave-new-world-container-transport-in-2043/brave-new-world-container-transport-in-2043.pdf, 2018；圖表來源：Levinson, p. 221.
[11] 圖表數(shù)據(jù)：OECD Economic Outlook, Volume 2007/1 No. 81, June. [在線獲取]：http://dx.doi.org/10.1787/032883306727
[12] 圖表數(shù)據(jù)：Michel Fouquin & Jules Hugot, 2016. "Two Centuries of Bilateral Trade and Gravity Data: 1827-2014," CEPII Working Paper 2016-14, May 2016, CEPII.https://www.cepii.fr/pdf_pub/wp/2016/wp2016-14.pdf. 經(jīng) Our World in Data 整理。
[13] 注：麥克萊恩后來難以抗拒重返航運業(yè)的誘惑，于 1978 年收購了另一家航運公司 USL。1986 年，他因經(jīng)營不善導致 USL 破產(chǎn)，隨后個人也宣告破產(chǎn)。
[14] Levinson, p. 230.
[15] Mullin, John,The Rise and Sudden Decline of North Carolina Furniture Making, Federal Reserve Bank of Richmond, Econ Focus, Fourth Quarter 2020. [在線獲取]：https://www.richmondfed.org/publications/research/econ_focus/2020/q4/economic_history
[16] Schumpeter, J.A.,Capitalism, Socialism and Democracy. Harper and Row: New York, 1950, p. 150.
[17] Acemoglu, Daron, “The Simple Macroeconomics of AI”, 2024. [在線獲取]：
[18] Goldman Sachs, “Generative AI could raise global GDP by 7%”, April 5, 2023. [在線獲取]：https://www.goldmansachs.com/insights/articles/generative-ai-could-raise-global-gdp-by-7-percent
[19] 圖表來源：Colton, T., Huntzinger, L., “A Brief History of Shipbuilding in Recent Times”, CNA, 2002, p. 3. [在線獲取]：https://www.cna.org/archive/CNA_Files/pdf/d0006988.a1.pdf
[20] 注：這種現(xiàn)象被稱為 “鮑莫爾成本病”（Baumol’s cost disease），指勞動生產(chǎn)率低的行業(yè)（如服務(wù)業(yè)），因需與勞動生產(chǎn)率高的行業(yè)（如制造業(yè)）競爭勞動力，導致成本與價格不斷上漲。
[21] 數(shù)據(jù)來源：美國勞工統(tǒng)計局（Bureau of Labor Statistics），[在線獲取]：https://www.bls.gov/news.release/cesan.nr0.htm；及 [在線獲取]：https://www.bls.gov/opub/100-years-of-u-s-consumer-spending.pdf.