兩種算力，兩種截然不同的未來

不過，在有關(guān)泡沫的討論中，有一個關(guān)鍵的區(qū)別常常被忽略：算力并不是同質(zhì)的。整個市場實際上可以分為兩塊底層邏輯截然不同的算力池。

第一塊是“訓(xùn)練算力”，也就是用于訓(xùn)練新模型的超大規(guī)模集群。這正是那場“膽小鬼游戲”最激烈的地方。沒有哪家實驗室有一個真正“原則性”的標(biāo)準(zhǔn)來決定自己該花多少錢；大家都只是在根據(jù)對手的投入情報做出反應(yīng)。如果對手花的錢是你的兩倍，他們也許就能把未來提前一年拉到現(xiàn)在。所以這場軍備競賽更多是由競爭恐懼而不是實際需求驅(qū)動，而 Nvidia 則居中扮演那個愉快的“軍火商”。

第二塊是“推理算力”，即在真實環(huán)境中運行模型、服務(wù)用戶所需要的算力。在這里，供需邏輯完全不同。

社會對“智能”的實際需求幾乎是無限的。每多出來一點智力，被用來分析數(shù)據(jù)、自動化決策、提升生產(chǎn)率，都會被立刻消化。約束采用率的，不是需求，而是供給。企業(yè)現(xiàn)在不會問“我們要不要 AI？”，而是在問“我們能要多少？能多快得到？”

隨著 GPU 商品化、算力變得充沛，推理能力會成為下一個關(guān)鍵市場，尤其是在“智能體工具”需求不斷膨脹的背景下。大模型推理正在變成一場規(guī)模巨大的競賽。誰能以最低的單 token 成本、單決策成本輸出最大量的智能，誰就能截取不成比例的大塊價值。在今天這個階段，“誰訓(xùn)練的模型最大”不再那么重要，“誰能在行星級規(guī)模上高效運行模型”才更重要。

這與互聯(lián)網(wǎng)泡沫有本質(zhì)不同。那個時代的主要燃料是廣告支出。公司燒錢在超級碗上打廣告，希望未來有一天能夠變現(xiàn)這些用戶——那是用“投機(jī)需求”去追逐“投機(jī)價值”。 AI 推理的需求則直接指向?qū)嶋H利潤的改善。企業(yè)部署智能，是為了降低獲客成本、減少運營費用、提升員工生產(chǎn)率。這種回報可度量，且往往是即時的，而不是紙上談兵。

這意味著，AI 泡沫的“軟著陸”可能比前幾次要溫和。沒錯，現(xiàn)在的市盈率看起來很夸張。但不同于純投機(jī)，這一輪確實在建設(shè)真實的生產(chǎn)能力。如果在調(diào)整之后，算力價格大幅下降，而推理需求依然強勁（所有跡象都表明會這樣），公司可以做的事情很多：讓模型跑得更久，采用更算力密集的方法，或者把智能部署到那些以現(xiàn)價看“勉強不劃算”但在未來價格下就“完全合理”的場景。

換句話說：即便我們在訓(xùn)練端嚴(yán)重過度建設(shè)（這看起來幾乎是必然的），推理端仍然有足夠多“潛在需求”來吸收這些多余的算力。這些算力可以從“膽小鬼游戲”的戰(zhàn)場，被重新分配到大規(guī)模、生產(chǎn)性的智能應(yīng)用，而不是像暗光纖那樣長期躺著不動。

09

折舊問題

就像互聯(lián)網(wǎng)泡沫破裂四年后，帶寬成本暴跌 90%，使 YouTube 和 Netflix 變成可能，同樣地，在 AI 調(diào)整之后，算力成本也很可能出現(xiàn)斷崖式下跌。今天被云巨頭嚴(yán)加配給的 GPU 集群，將來可能會變成任何人刷張信用卡就能用的“公用設(shè)施”。

但這個類比在一個關(guān)鍵點上失效了。

光纖的經(jīng)濟(jì)壽命極長：一旦鋪進(jìn)地里，就可以幾十年持續(xù)提供價值?；ヂ?lián)網(wǎng)泡沫時期的那些光纖，25 年后的今天仍然在傳輸數(shù)據(jù)。那是一種“只付一次錢、價值卻能復(fù)利數(shù)十年”的禮物。

GPU 集群不是光纖。

一個用于訓(xùn)練的大規(guī)模集群，經(jīng)濟(jì)上可競爭的壽命也許只有兩三年。芯片并不是物理上壞掉，而是被新架構(gòu)淘汰——后者擁有更高的每瓦性能、更好的內(nèi)存帶寬、更高效的互聯(lián)。在經(jīng)濟(jì)學(xué)意義上，訓(xùn)練算力更像一種需要快速回本的運營開支，而不是長期耐用資產(chǎn)。

這使得“火燒之后”的格局完全不同。

泡沫破裂、訓(xùn)練算力變得充裕之后，成本的確會下降。但“后來者”接手的，不再是像當(dāng)年公司接手光纖那樣的“最先進(jìn)基礎(chǔ)設(shè)施”，而是“上一代”的硬件——可以用，但不再是尖刀。如果你想獲得最新最快的算力來訓(xùn)練具有競爭力的模型，仍然需要向那些持續(xù)更新集群的玩家支付溢價。

這造就了一種與以往不同的護(hù)城河。幸存者的優(yōu)勢，不只是“手里有很多算力”，而是他們已經(jīng)把當(dāng)前這一代硬件的成本攤銷得差不多了，而后來者想要追趕時手上只有舊硬件可用。真正的壁壘在于：你能否持續(xù)擁有“對的那一代算力”，并且不斷刷新，而不是簡單地“有或沒有算力”。

推理算力的經(jīng)濟(jì)邏輯又不一樣。一旦模型訓(xùn)練完成，它在舊硬件上也可以高效跑很多年。但在訓(xùn)練這一側(cè)，我們不會像帶寬那樣看到同程度的民主化?；鸬拇_會清掉灌木，但最高的樹仍然能截取大部分陽光。

10

更深層的根系：算力之下，是能源之戰(zhàn)

如果我們只盯著算力，可能是在盯錯那片著火的森林。

有人認(rèn)為，在國家乃至全球尺度上，贏得這場 AI 競賽的關(guān)鍵，并不是誰拿到了最多 GPU 或誰有最好的模型，而是誰先解決“能源問題”。

歸根到底，算力只是“被高度濃縮的電力”。一個現(xiàn)代 AI 數(shù)據(jù)中心的用電量，可以相當(dāng)于一座小城市。真正稀缺的是千瓦時，而不是硅片。你可以通過擴(kuò)大產(chǎn)能制造更多芯片，但你無法憑空制造更多電力，除非去建設(shè)極其基礎(chǔ)的能源設(shè)施：電廠、輸電線路、電網(wǎng)容量——這些東西以年甚至十年為單位建設(shè)。

這時，“野火”這個比喻尤其有啟發(fā)。我們盯著算力這片森林如何焚燒、如何再生，但在這場戲下面有個更深的問題：我們有沒有在同時建設(shè)足夠多的“能源基礎(chǔ)設(shè)施”，來為下一片森林提供能量？

互聯(lián)網(wǎng)泡沫留下的是“暗光纖”，需求一旦回來，拉線接通、立刻能用。但沒有電力的數(shù)據(jù)中心，就只是昂貴的房地產(chǎn)。真正的基礎(chǔ)設(shè)施缺口，很可能在“發(fā)電和輸電”上，而不在“算力”上。

如果這一輪泡沫最終推動了對電力基礎(chǔ)設(shè)施的大規(guī)模投入——核電站、可再生能源基地、電網(wǎng)現(xiàn)代化、先進(jìn)儲能——那對未來 50 年來說，將是一份真正“耐久”的禮物。能源基礎(chǔ)設(shè)施不像 GPU 五年就過時，而是隨著時間價值不斷累積。

真正能在火后稱王的公司，很可能是那些今天就開始鎖定明日能源產(chǎn)能的，而不是只是囤積算力的玩家——到了明天，當(dāng)所有 AI 相關(guān)基礎(chǔ)設(shè)施都變得充盈，唯獨“電力”依然稀缺時，真正的護(hù)城河會顯形。

算一筆賬：一個大型 AI 訓(xùn)練集群，持續(xù)功率需求就可以超過 100 兆瓦，相當(dāng)于一座小城市。美國當(dāng)前總發(fā)電能力大約是 1200 吉瓦。如果 AI 相關(guān)算力按預(yù)測速度增長，十年內(nèi)就可能吃掉全國 5–10% 的發(fā)電總量。 這里的問題，是極其根本的能源基礎(chǔ)設(shè)施問題。 而與光纖或 GPU 不同，電力基礎(chǔ)設(shè)施無法快速部署。核電站需要 10–15 年建設(shè)期，大型輸電線路往往要在漫長的審批和博弈中耗費十?dāng)?shù)年。即便是大型光伏電站，從規(guī)劃到并網(wǎng)也要 3–5 年。

這意味著，真正決定 AI 上限的約束，也許已經(jīng)被今天正在做出（或沒有做出）的電力決策鎖死了。

那些如今花費數(shù)千億美元購買 GPU 的公司，最終發(fā)現(xiàn)自己真正的瓶頸，可能是“能給這堆芯片供電的千瓦數(shù)”，而不是芯片本身。而那些今天大力建設(shè)電力基礎(chǔ)設(shè)施的地區(qū)，將在未來承載 AI 負(fù)載方面獲得幾乎無法超越的地理優(yōu)勢。

那些真正為“稀缺時代”做準(zhǔn)備的公司，并不僅僅是在囤算力，而是在把根系扎得足夠深：簽下跨幾十年的能源合同，維持 120% 以上的凈留存率，在擴(kuò)張中不斷提升利潤率，并搭建可在訓(xùn)練與推理之間靈活切換的基礎(chǔ)設(shè)施。

不動聲色間，我們已經(jīng)進(jìn)入一個以“瓦特數(shù)”和“稀土資源”作為新型核武器的冷戰(zhàn)時代。

11

如何判斷誰“耐火”？這一輪的生存指標(biāo)

現(xiàn)在有一個迫切的問題是：在這一輪周期里，我們該如何評估“耐火性”？不同類別的公司經(jīng)受的是不同的“火考”。理解這些考驗，才能分辨什么是真正有韌性的生態(tài)力量，什么只是“暫時長得高”。

基礎(chǔ)模型實驗室面臨的根本問題是：

收入能不能跑在算力成本前面？訓(xùn)練成本是指數(shù)級增長的（大致是 10 倍算力換來 3 倍性能），而收入則跟隨客戶采用速度增長。如果一家實驗室花 1 億美元買算力只能掙 5000 萬，再花 3 億只漲到 1.2 億，這條軌跡就是致命的——他們在“原地狂奔”。耐火的實驗室會呈現(xiàn)出：收入增長速度快于算力投入，證明每一次能力提升都能解鎖更大規(guī)模的客戶價值。

企業(yè)級 AI 平臺則必須證明，自己的 AI 不是一個貼在原有產(chǎn)品上的營銷標(biāo)簽。如果一家公司總毛留存率有 95%，但 AI 功能的真實使用率只有 12%，那么客戶留下來的原因，是傳統(tǒng)的平臺能力（數(shù)據(jù)倉庫、CRM 等），而不是 AI 增強功能。當(dāng)資本環(huán)境收緊，這類公司會被市場猛烈重估——因為市場意識到它們本質(zhì)上只是“基礎(chǔ)設(shè)施公司”，只是貼了個 AI 的標(biāo)簽。真正的 AI 平臺，會呈現(xiàn)出“因為 AI 使用率高，所以留存率高”，而不是“盡管 AI 使用率低，客戶還是留下來”。

應(yīng)用層公司則陷入另一種獨特陷阱：建立在自己無法控制的模型（如 OpenAI、Anthropic）之上，就會面臨利潤被擠壓、功能同質(zhì)和被上游“吃掉”的風(fēng)險。唯一的逃生路徑是深度嵌入客戶工作流。那些凈收入留存率高于 120%，獲客回本周期短于 12 個月的公司，通常已經(jīng)完成了“工作流級整合”：客戶會自然擴(kuò)大使用，獲客成本也能快速收回。那些 NRR 低于 100%，回本期超過 18 個月的，則更多是“好用但可有可無”的功能，一旦預(yù)算緊張就會被砍掉，只能依賴持續(xù)不斷的外部資本輸血維持增長。

推理 API 提供商在 GPU 過剩時代會面臨商品化壓力?！懊?GPU 小時收入”是觀察其定價能力的關(guān)鍵指標(biāo)。一家每小時能從一塊 GPU 上掙 50 美元的公司，相比另一家只能掙 5 美元的，有 10 倍的利潤空間，可以用來做技術(shù)優(yōu)化、產(chǎn)品差異化或者渠道護(hù)城河。推理成本的“價格彈性”也揭示了市場結(jié)構(gòu)：如果價格降低 50% 會帶來 500% 的需求增長，這就是典型的“商品地獄”；如果價格彈性很低，說明客戶重視的是超出“原始算力”的其他價值。

能源和基礎(chǔ)設(shè)施公司，則最終掌控著 AI 的根本約束。數(shù)據(jù)中心的經(jīng)濟(jì)性由“利用率”和“電價”共同決定。在每千瓦時電價 3 美分、利用率 85% 的情況下，有效電價約為 3.5 美分；在 8 美分、利用率 50% 的情況下，有效電價接近 16 美分——劣勢高達(dá) 4.5 倍。當(dāng) AI 需求在泡沫破裂后出現(xiàn)下滑時，高電價設(shè)施無法通過降價來填滿產(chǎn)能。而那些擁有結(jié)構(gòu)性能源優(yōu)勢（如水電或長期核電合同）的運營商，則可以在仍保持正利潤率的前提下大幅降價，通過承接其他“受傷設(shè)施”的客戶來填滿自己的機(jī)房。

貫穿這些指標(biāo)的元模式是：它們都在從不同角度追問同一件事——當(dāng)外部資本消失，你的商業(yè)模式還能自我維持嗎？耐火的公司實現(xiàn)了一種“熱力學(xué)上的可持續(xù)”：每一單位投入（資本、算力、電力）都能產(chǎn)出超過一單位的回報（收入、價值、效率），于是它們能在稀缺環(huán)境中照樣成長。而那些易燃的“灌木叢”，消耗的總是多于創(chuàng)造的，只是靠充裕資本補貼撐著，一旦補貼消失，它們就會被點燃。

在這樣的比較中，我們就能看清：誰是在真正構(gòu)筑生態(tài)耐久力，誰只是靠暫時的“長高”顯得氣勢洶洶。

12

紅杉樹的啟示

要知道巨杉這種樹，如果沒有火，是無法繁衍的。它的球果只有在高溫下才能打開?；鹧媲謇淼袅窒碌碾s物，讓種子有機(jī)會接觸到富含礦物質(zhì)的土壤。樹冠被燒開，陽光才得以下到林地。如果沒有燒毀，就不會有新生。

在巨杉與火的關(guān)系里，還有一個更深的事實：不是所有的火都對巨杉有利。

數(shù)千年來，巨杉適應(yīng)的是每 10–20 年一次的低強度地表火。這類火溫度足以焚掉灌木、打開球果，但不至于傷到成熟大樹。巨杉厚達(dá)兩英尺的樹皮，就是為抵御這種周期性火焰而進(jìn)化出來的。

然而，過去一百年里，人類一直在“撲滅一切火焰”。沒有了定期的小燒，林下可燃物不斷積聚，灌木和小樹長高變粗。當(dāng)火最終無法避免地發(fā)生時，火勢比巨杉?xì)v史上經(jīng)歷過的任何一次都更熾烈、更高聳。

2020 年的 Castle Fire 一場火，就燒死了估計占全球 10–14% 的成年巨杉。這些樹曾在 2000 年間挺過幾十場火，最終卻在一個下午倒下。差別在于：火的強度。被累積燃料喂養(yǎng)的樹冠火，連巨杉傳奇般的耐火性都壓倒了。

對硅谷而言，教訓(xùn)很清楚：規(guī)律性的燃燒——周期性修正、正常的破產(chǎn)、持續(xù)不斷的創(chuàng)意破壞——是健康的。它們清空灌木，釋放資源，讓新生長成為可能。但如果我們長期壓制一切燃燒，對所有被高估的公司進(jìn)行救助，對每一種失敗的商業(yè)模式都悉心托底，我們并不是“避免了火災(zāi)”，而是在為一場災(zāi)難性的火災(zāi)儲備燃料。

這也在提醒我們，時間尺度極其重要。它們需要數(shù)百年才能長成參天巨木。即便是已經(jīng)成熟的巨杉，在熬過一場火以后，也需要幾十年才能重新修復(fù)樹冠。我們今天很難判斷：哪些看起來已經(jīng)很高的樹還會繼續(xù)長，哪些其實已經(jīng)達(dá)到高度極限。真正的巨人，是那些花了幾代時間去把根扎得足夠深，能汲取到別人夠不到的水源，同時讓樹皮厚到足以承受別人承受不了的高溫。

我們的目標(biāo)，不是“消滅一切火”，而是保持火的節(jié)奏。小而頻繁的燃燒，可以避免毀滅性的山火。最糟糕的政策不是火本身，而是那種不斷延后一切火災(zāi)，直到燃料負(fù)荷高到只剩下大爆炸這一種結(jié)局的做法。

13

兩道核心問題

如果這一輪確實是泡沫，那它也是一種“生產(chǎn)型泡沫”——更像一次可控的計劃燒而不是徹底崩塌。

但“可控”并不意味著“舒服”。易燃的灌木終究會被點燃，資本會蒸發(fā)，估值會塌陷，崗位會消失。這不是系統(tǒng)的失敗，而恰恰是系統(tǒng)應(yīng)有的運作方式。

每一個創(chuàng)始人和投資人真正要回答的考題，是你能否在“稀缺期”中活下去，而不是你能否在“豐裕期”里長得足夠快。

煙塵散盡之后，我們會看見誰是多汁的多肉植物，誰是干燥的引火柴，誰長出了保護(hù)性的樹皮，誰本身就是樹脂。

野火一定會來，那本身不是問題。

問題是：你是哪一種植物？

更重要的是：你是否正在構(gòu)筑足夠深的根系，不只是為了活過這一季，而是為了在接下來十年的稀缺中仍然能夠持續(xù)生長？

因為真正的機(jī)會，都在火后——在那些還能繼續(xù)長的樹木身上，也在那些從灰燼中冒頭的全新品種身上。

我并不把野火浪漫化為“自然母親維持平衡的智慧之舉”。事實上，并不是所有生態(tài)系統(tǒng)都依賴野火。許多生態(tài)系統(tǒng)是與火共同進(jìn)化的，火在其中是自然且有時必需的過程；也有不少生態(tài)系統(tǒng)并未適應(yīng)火，一場野火對它們只有傷害，沒有任何“自然適應(yīng)機(jī)制”。這個類比只是想表達(dá)：在硅谷的生態(tài)中，野火是一種自然且必要的存在。

值得進(jìn)行道德判斷的部分，是大火之后——所有營養(yǎng)、人才、注意力和榮耀最終流向哪里。這才是這一輪周期對人類的真正“試金石”。

資源會不會繼續(xù)流向那類公司：它們只想攫取更多“注意力份額”，通過推送淺易而刺激的內(nèi)容，讓你在多巴胺和腎上腺素的驅(qū)動下無意識地刷屏？這一輪技術(shù)的最高目標(biāo)，會不會只是讓你不停買自己并不需要的東西，把時間花在那些只能暫時緩和 FOMO 的活動上？AI 會不會只是加速一套資本主義“終極關(guān)切追逐—存在性失落”的循環(huán)，加深“擁有者”和“未擁有者”之間的鴻溝？

哈佛的羅伯特·帕特南的研究顯示，“技術(shù)民主化”并不會自動拉平賽道。他寫道：“與貧窮同齡人相比，出身上層階級的年輕人（以及他們的父母）更有可能將互聯(lián)網(wǎng)用于求職、教育、政治與社會參與、健康信息以及新聞獲取，而較少用于娛樂與消遣。富裕美國人使用互聯(lián)網(wǎng)的方式是推動向上流動的，而更貧窮、受教育程度更低的美國人，則往往只以無助于向上流動的方式使用互聯(lián)網(wǎng)?！边@種鮮明的對比強調(diào)了一件事：我們必須有意識地引導(dǎo) AI 去“解放”而不是“束縛”人的能動性。

更樂觀一點地說，我希望帕卡德定律的“手銬”會在這輪火后有所松動，讓當(dāng)下的創(chuàng)業(yè)公司以及未來的野花，有機(jī)會追求真正值得的使命。在《從優(yōu)秀到卓越》中，吉姆·柯林斯引用惠普聯(lián)合創(chuàng)始人戴維·帕卡德的看法，提出“帕卡德定律”：一個組織的增長速度，受限于其獲取“足夠多合適的人”的能力。 在火燒過后，我希望如下這些公司，能夠因人才獲取變得更容易，而獲得更充足的成長氧氣與陽光。

Montai Therapeutics正在用 AI 開創(chuàng)治療和預(yù)防慢性疾病的新藥物。他們采用一種“多重智能”的發(fā)現(xiàn)方式——讓人類、AI 與自然共同參與，創(chuàng)造此前無法解決疾病的全新分子。

Eudia在構(gòu)建一個“增強智能”平臺，從法律行業(yè)切入，讓人類效率提升幾個數(shù)量級——不是取代律師，而是增強他們。增強法律服務(wù)可以同時提供精度與速度，并且首次將“成本”與“質(zhì)量”的對立打破。它正在推動用“基于結(jié)果的定價”取代“計時收費”。對于任何一個法律服務(wù)消費者來說，這幾乎是無需多想的好主意。

Listen Labs則是一個由 AI 驅(qū)動的用戶研究平臺，幫助團(tuán)隊在數(shù)小時內(nèi)，而不是數(shù)月內(nèi)，從客戶訪談中提煉洞察，從而放大“客戶之聲”。在過去，公司從實踐角度來看，只能和很小一部分客戶對話；而現(xiàn)在，他們可以即時“傾聽”一整張覆蓋各個年齡、地域和心理畫像的“全樣本面板”。諷刺的是：當(dāng)受訪者面對 AI，而不是真人時，反而更可能提供坦率且有價值的反饋，因為他們不會有意識或無意識地?fù)?dān)心對方在“評價自己”。

Netic則是在幫助那些“基礎(chǔ)服務(wù)行業(yè)”實現(xiàn)自動化增長。AI 浪潮已席卷軟件與創(chuàng)意行業(yè)，但家庭服務(wù)、汽車服務(wù)和消費者醫(yī)療等領(lǐng)域卻大多被落下。這些行業(yè)構(gòu)成了經(jīng)濟(jì)的骨干，卻依舊依賴落后的工具、疲于應(yīng)對的呼叫中心和彼此割裂的系統(tǒng)。他們的操作流程復(fù)雜，嚴(yán)重依賴人工，接觸不到支撐數(shù)字原生企業(yè)的前沿技術(shù)。在一個“創(chuàng)業(yè)公司大多只為創(chuàng)業(yè)公司造工具”的世界里，Netic 選擇服務(wù)那些真正支撐美國運轉(zhuǎn)的“實體行業(yè)”。

很明顯，AI 會抬高“擁有者”的天花板；如果它無法同時抬高“未擁有者”的地板，那么社會必然——也許理應(yīng)——出現(xiàn)“舉著干草叉”的人群。

我一直盡力以一種“機(jī)會視角上的豐裕心態(tài)”和“自然資源視角上的稀缺心態(tài)”來教育我的孩子。而整個社會卻似乎正好相反。我時常在想，我們有機(jī)會逃離這樣的宿命嗎？

這場即將到來的野火，幾乎可以肯定會對“硅谷生態(tài)”本身有好處，但它對“整個人類”而言，又會是好事嗎？