AI 不会让你致富：颠覆确实存在，但也在预料之中

财富的积累往往发生在革命性技术催生创新型企业浪潮时，企业家和投资者借此崛起。想想铁路、贝塞麦炼钢法、电力、内燃机或微处理器——每一项技术都如同烟花厂里迸发的火星，引爆了数十年的后续创新，渗透到社会的每个角落，并将新一代发明家与投资者推向了权力、影响力与财富的巅峰。

然而有些技术创新虽能深刻改变社会，却几乎无法创造新的财富；它们反而巩固了现有格局。在微处理器问世十五年前，另一项革命性理念——集装箱海运——诞生于一个不那么幸运的时代。那时技术进步如同红皇后赛跑，发明者与投资者即便不停奔跑，境况也未见改善。

任何投资于新事物的人都要回答两个问题：第一，这项创新将创造多少价值？第二，谁将获得这些价值？信息与通信技术（ICT）是一场革命，其价值被初创企业攫取，造就了成千上万新晋富豪的创始人、员工和投资者。而集装箱航运革命创造的价值则被极度稀释，最终只让一位创始人短暂致富，仅让一位投资者略微增加了财富。

生成式人工智能更像前者还是后者？它会成为众多未来产业财富的基础，还是会让整个投资界净亏损，只零星造就几个零和博弈的赢家？

投资人工智能成果确实有获利之道，但这些机会将取决于一个关键前提——当前对发明者和投资者而言又是个不太有利的时期，AI 模型构建者与应用公司终将陷入寡头垄断的竞争泥潭，而 AI 产生的收益最终不会流向创造者，而是流向用户。因此，大量涌入 AI 领域的资金其实投错了方向，除少数幸运的早期投资者外，真正能赚钱的将是那些有先见之明及时抽身的人。

微处理器具有革命性意义 ，但 1971 年在英特尔发明它的人们当时并未意识到这一点——他们只是想避免每次都从头设计台式计算器芯片组。然而外界意识到可以利用微处理器来打造个人电脑，技术爱好者们确实这么做了。成千上万的改装者探索出了英特尔从未设想过的配置与用途。这种分布式且无需许可的创新，正如经济学家卡萝塔·佩雷斯所言，引发了由技术触发、但由经济和社会力量推动的”发展大浪潮”。^[1]

20 世纪 70 年代初，个人电脑并无实际市场需求，它们只是昂贵的玩具。但实验者们奠定了技术基础并构建了社区。随后在 1975 年左右，微处理器成本的阶梯式下降使个人电脑市场变得可行。英特尔 8080 最初标价 360 美元（相当于现今 2300 美元）。MITS 公司以每台 75 美元（现今 490 美元）的批发价销售 Altair 时几乎无利可图。但当 MOS 科技公司开始以 25 美元（现今 150 美元）的价格销售 6502 芯片时，史蒂夫·沃兹尼亚克才有能力打造苹果原型机。6502 芯片与价格相近的 Zilog Z80 迫使英特尔降价。初生的 PC 社区开始涌现创业者，数十家公司相继成立，每家都推出了略有差异的产品。

20 世纪 70 年代中期，你根本无法预见到个人电脑（以及类似产品如 ATM 机、POS 终端、智能手机等）将彻底改变世界。当史蒂夫·乔布斯向投资者预言每个家庭终将拥有个人电脑时（后来证明这个预测保守得可笑），其他人甚至质疑个人电脑存在的必要性。直到 1979 年，苹果公司的广告仍不直接说明个人电脑的用途——而是反问用户能用它做什么。^[2] 当时的计算机巨头（IBM、惠普、DEC）对客户没有需求的产品毫无兴趣。那时没人”需要”电脑，因此个人电脑不是被购买——而是被推销出去的。像苹果和辛克莱尔这样的炫酷初创公司靠造势吸引眼球，而雅达利、康懋达和坦迪/RadioShack 等拥有消费电子业务基础的企业，则凭借强大的零售渠道将产品推到潜在客户面前。 

市场最初增长缓慢，直到 1979 年电子表格等实验性应用落地后才开始加速。随着使用量增加，对实际应用的观察降低了不确定性，从而形成自我强化的良性循环。这种势能积累在每个技术浪潮中都需要时间：例如电力普及到半数美国家庭用了近 30 年，个人电脑的普及也耗费了相近的时间。^[3] 当技术革命改变一切时，需要海量的创新、投资、叙事传播、时间以及最朴素的辛勤劳作。它还会吸走所有可用资金和人才。就像库恩的科学范式理论所述，任何不属于该浪潮技术经济范式范畴的技术，都会显得像是无关紧要的杂耍。^[4]

个人电脑的初期发展吸引了投资者——风险资本家，他们开始对新公司进行高风险押注。这一趋势激励了更多发明家、企业家和研究人员投入其中，进而又吸引了更多投机资本。

像 IBM 这样的计算机行业巨头（个人电脑时代之前的霸主）表现相对不佳。他们不相信个人电脑能存活到足以在自身市场具备竞争力的程度，也不在乎那些需要廉价解决方案的小众新兴市场。

事后看来，我们赋予了个人电脑先驱者们先知般的远见。但在当时，除了少数早期采用者外，几乎无人关注。《纽约时报》等主流媒体直到 1981 年 8 月 IBM 推出个人电脑后才认真对待这一事物。1976 年苹果公司创立那年，《纽约时报》全年仅四次提及个人电脑。[5]显然，只有那些疯子、异类、反叛者和麻烦制造者才会关注这些。

将计算机革命的早期与今天对比时，最令人震撼的莫过于这种突如其来的颠覆感。1970年代无人问津的个人电脑，如今在2025年却成了人工智能话题霸屏的时代。

巨头企业最厌恶意外。 这种不确定性恰恰成为初创企业的最佳护城河。1979 年 IBM 大举进军市场时，若非在 1980 年 IPO 融资 1 亿美元，苹果根本无力招架。经过 IBM 引发的行业洗牌后，苹果成了唯一幸存的竞争者。^[6]

随着这项技术站稳脚跟并展现出前景，软件、内存以及软盘驱动器和调制解调器等外围设备的创新也随之而来。它们相互促进，每一项进步都对相邻技术领域形成压力。当系统中的任何部分拖累了其他环节时，投资者就会蜂拥资助该领域。例如，个人电脑内存的增加允许运行更复杂的软件，这就需要更多外部存储设备，这促使风险投资家戴夫·马夸特于 1980 年投资了磁盘驱动器制造商希捷。1981 年希捷上市时，为马夸特带来了 40 倍的回报。其他投资者注意到这一点，随后三年间约有 2.7 亿美元资金涌入该行业。^[7]

资金同样涌入底层基础设施——光纤网络、芯片制造等领域——因此产能从未成为瓶颈。那些运用新技术体系超越老牌企业的公司开始抢占市场份额，甚至连保守的竞争对手也意识到必须拥抱新事物，否则就将被淘汰。炒作演变成泡沫，继而形成投资狂潮：20 世纪 90 年代末的互联网泡沫。因此，ICT 浪潮与此前的历次浪潮——如 19 世纪 30 年代运河建设热潮后的投资狂热，以及 20 世纪 20 年代铁路基建狂飙后的”咆哮年代”——如出一辙，人类对每个阶段的反应都不可避免地催生了下一阶段。

互联网泡沫破灭时，社会普遍认为该行业存在过度行为并予以谴责，政府也发现重新对科技公司及其投资者行使监管权获得了民众支持。这给当时的疯狂按下了刹车键。企业不再像泡沫时期那样盲目创新，转而开拓已被验证的市场，金融从业者也从投机转向投资。创业者们开始专注于寻找应用场景，而非革新底层技术。技术进步仍在持续，但变革方式从革命性转向了渐进式。

随着变革步伐放缓，企业获得了长期投资的信心。它们开始以新方式整合系统的各个部分，为更广泛的用户群体创造价值。狂热时期大规模超额建设的光纤电信网络等基础设施留下了大量廉价容量，压低了扩张成本。那对商人和投资者而言是绝佳时期。

相比之下，社会并不需要泡沫破裂才开始对人工智能进行严厉批评。鉴于对科技的反感已经持续了十年之久，这在我们看来似乎是常态。但当前对 AI 的抵制与比尔·盖茨、史蒂夫·乔布斯、杰夫·贝索斯等早期建立大型科技企业的人所享有的普遍高度评价不同，那时他们正处于技术周期的上升阶段。世界憎恨变革，之所以在 80 年代和 90 年代对科技持宽容态度，是因为那时的一切似乎仍可逆转：如果结果糟糕，科技可以被摒弃。这为早期的计算机创新者提供了一些试验的空间。如今，既然所有人都知道计算机将长久存在，AI 便不再被允许持观望态度。它被视为 ICT 革命的一部分。

经济学家佩雷斯将每一次技术浪潮划分为四个可预测阶段：爆发期、狂热期、协同期和成熟期。每个阶段都具有独特的投资特征。

中间两个阶段——狂热期和协同期——对投资者来说相对容易把握。狂热期表现为众人蜂拥而入，投资者因押注未经证实的创意而获得高风险回报，最终泡沫破裂时账面盈利化为乌有。当理性回归时便进入协同阶段，企业开始让产品变得实用高效，服务于广大用户群体。协同期奖赏的是那些兼具耐心与慧眼、且能提供资金以外价值的投资者。

而爆发期和成熟期的投资难度则大得多。

1970 年代的投资实践比事后回顾看起来要困难得多。若想在 1971 至 1975 年间投资，你必须要么是真正的信徒，要么是奉行盲目多元化策略的集团企业。英特尔虽最初看起来像过气电子公司，实则绝佳投资标的。MOS 科技 1969 年成立时旨在对抗德州仪器，却为求生计将控股权卖给了艾伦-布拉德利。齐洛格公司 1975 年竟由埃克森美孚（石油巨头！）注资成立。苹果公司虽是绝佳投资，但当时个人电脑仍是”为解决问题而寻找问题”的存在，完全不符合风投的常规筛选标准。

到了 20 世纪 80 年代初，当个人电脑制造商（康柏、戴尔）、软件与操作系统（微软、电子艺界、Adobe）、外设（希捷）、工作站（昇阳）以及电脑零售店（Businessland 等）如雨后春笋般涌现时，重大机遇才开始真正爆发。若押中了赢家，自然收益颇丰。但当时资本过剩而创意稀缺，这意味着那并非投资的黄金时代。仅磁盘驱动器领域，1983 年就有超过 70 家公司厮杀，估值随之崩盘。虽有不少人在七八十年代积累了财富，许多风投也在那个时期声名鹊起，但对爆发期投资者而言，最大的优势在于能积累机构认知，从而在狂热期与协同期实现更早、更精准的投资布局。

投资成熟期阶段更加困难。在技术爆发期难以预见未来；而在成熟期，几乎不会发生任何重大变化。关于什么会成功以及客户和社会将如何反应的不确定性几乎消失。一切都可预测，每个人的行为也可预测。

缺乏活力使得那些成功协同的公司能够固守阵地（例如：漂亮 50 和 FAANG），但增长变得更加困难。它们开始互相侵入对方的市场、组建企业集团、提高价格并削减成本。以吸引新客户为定价策略的时代结束，产品质量随之下降。大公司继续拥抱革命性创新的理念，但感到有必要控制其技术进步的使用方式。研发支出从产品和流程创新转向越来越徒劳地试图扩展当前范式的尝试。企业将其包装为追求胜利的驱动力，但实际上是对失败的恐惧。

创新可能在成熟期发生，有时甚至令人瞩目。但由于这些创新只有符合当前浪潮范式才能获得支持，它们很容易被主导企业的引力场捕获。这意味着企业家或投资者几乎不可能从中获利。生成式 AI 显然正被信息通信技术巨头所吸纳，这引发了一个疑问：对于发明者和投资者而言，这次是否会有所不同——这与 AI 本身是否属于革命性技术是两个不同的问题。

集装箱运输是一场迟来的革命 ，这项创新改变了世界，开启了现代全球化时代，引发了社会和经济的深刻变革，并为福祉的快速增长作出贡献。但真正靠投资它赚到大钱的，或许只有一两个人。

1956 年已是上一波浪潮的末期。但就在那一年，即将以”海陆联运”之名闻名遐迩的公司，凭借首艘集装箱船”理想-X 号”的启航彻底革新了货运业。海陆联运创始人马尔科姆·麦克莱恩顿悟到：卡车司机、铁路和航运公司的本质工作是将货物从发货人运至目的地，而非驾驶卡车、填装箱车或装卸船只。海陆联运实现了货物在不同运输方式间的无缝衔接，既节省时间又提高运输可靠性，同时大幅降低了装卸重载的成本，以及船舶在港口装卸时闲置所产生的费用。^[8]

集装箱化的益处，若能实现，显而易见。每个人都能看到效率的提升，顾客也不关心商品如何到达他们可以购买的地方，只要商品能到就行。但是，码头工人会失去工作，政客将失去那些失业者的选票，港口当局将失去政客的支持，联邦监管机构将因负面后果而受到指责，铁路可能会失去货运业务给航运公司，航运公司可能将货运业务输给新兴的航运公司，而这一切将耗费巨额资金。大多数人认为麦克莱恩永远无法使其成功。

麦克莱恩在他面对的重重阻力中找到了突破口。他购入并改造战后剩余的船只，以此降低成本。他专注于沿海航运贸易，这个在新州际公路时代日渐式微的行业，从而规避了激烈竞争。他将公司设在新泽西州的纽瓦克，而非航运中心地狱厨房，以此获得港务局的支持并避开曼哈顿的交通拥堵。此外，他与纽约码头工人工会达成协议，这之所以可能，仅仅因为他规模尚小，被对方认为不构成威胁。

但竞争对手和监管机构的行动过于迅速，麦克莱恩未能抓住那些本可能为他所用的少数准入壁垒：港口垄断、与托运人或其他运输方式的独家协议、专有技术标准化等。^[9] 到 1965 年左右，当集装箱化开始显现成效时，其显著优势促使所有大型航运公司纷纷入局，竞争骤然加剧。尽管截至 1968 年集装箱货运量仍不足全球贸易总量的 1%，集装箱船数量却已在急速增长。^[10] 此后多年间，运力始终超过需求。 

竞争的加剧引发了价格战，导致利润空间被压缩，进而催生了行业整合与垄断联盟。与此同时，建造超大型集装箱船及配套港口设施的成本飙升，使得这个行业变得高度资本密集。麦克林预见了危机征兆，于 1969 年 1 月将海陆联运公司出售给 R.J.雷诺兹烟草公司。他或许是唯一全身而退的企业家。

端到端愿景的实现经历了漫长的时间。但大约在 1980 年，海运成本开始急剧下降 ^[11]。这推动了国际贸易的繁荣 ^[12]，并使制造商得以从高工资国家转移到低工资国家，使得集装箱化进程变得不可逆转。

当然，确实有人赚了钱；总有人能赶上风口。麦克莱恩就是其中之一，航运大亨丹尼尔·路德维格同样如此——他 1965 年以每股 8.5 美元的价格向 SeaLand 前身麦克莱恩工业公司投资 850 万美元，1969 年以每股 50 美元的价格套现离场。^[13] 造船商们也获利颇丰：1967 至 1972 年间，全球集装箱船建造支出约达 100 亿美元（按 2025 年美元计算为 800 亿）。承建新集装箱码头的承包商同样赚得盆满钵满。后来，像马士基、长荣这样通过并购主导行业的航运公司更是成长为巨无霸。但”对 R.J.雷诺兹及其他在 60 年代末追逐高增长而投资集装箱航运的企业而言，这些投资带来的只有失望。”^[14] 除了麦克莱恩和路德维格，几乎找不到因集装箱化本身致富的人，因为激烈的竞争和资本支出成本使得行业既难以高速增长，又无法实现高利润率。

最终，这个行业主要由原先的现有企业主导，利润流向了运输货物的公司，而非依赖这些运输的公司。像宜家这样的企业因廉价航运而受益，从1972年一家斯堪的纳维亚地区性公司，到2008年成为全球最大的家具零售商；集装箱运输完美适配了宜家的平板包装家具。其他企业，如沃尔玛，则利用集装箱化带来的可预测性来降低库存及其相关成本。

事后看来，很容易明白该如何投资集装箱化：不是投资集装箱航运业本身，而是投资那些从集装箱化中受益的行业。但即便如此，沃尔玛、开市客和塔吉特等公司的成功也伴随着其他企业的衰败。集装箱化的冲击使西尔斯和伍尔沃斯陷入衰退漩涡，为蒙哥马利沃德和大西洋与太平洋茶叶公司敲响丧钟，并导致梅西百货破产，直到被联合百货收购并缩减规模。而在北卡罗来纳州——”世界家具之都”，家具制造商试图通过从中国进口廉价产品来与宜家竞争，最终却被他们的供应商所取代。^[15]

如果有更多时间构建护城河，或许会出现几家占据主导地位的集装箱化企业，其创始人将跻身福布斯400强，投资者也会成为传奇。但护城河需要时间构筑，与个人电脑不同，集装箱化的普及并非意外——所有利益攸关的企业都立即制定了战略计划。

经济学家约瑟夫·熊彼特曾说：”每当引入新事物时，完全竞争总是会暂时中止。”^[16] 但集装箱化的历史表明，在技术浪潮的末期并非如此。由于完全竞争下不存在经济利润，成熟期的创新者便无利可图。与集装箱化类似，AI 的兴起并未给其创新者带来垄断利润期，而是直接引发了全面混战。

姑且承认生成式 AI 具有革命性 （但同样显而易见的是，这项特定技术现已进入渐进发展阶段）。它将为经济创造巨大价值，投资者希望能从中分一杯羹。何时、何人、以何种方式获益，取决于 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。 

倘若人工智能真的掀起新一轮浪潮，本应经历一段漫长的摸索与实验期。早期使用者会纷纷尝试构建自己的模型。当成千上万的探索者以全新方式运用技术解决问题时，其应用场景必将遍地开花。但现实是他们在使用大公司控制的基础模型，实验范围受限于既得利益者划定的边界——这些巨头可不愿容忍对现状的持久挑战。

这并不意味着 AI 不能掀起下一场技术革命。如果实验变得廉价、分布式且无需许可——就像沃兹尼亚克在车库里拼装电脑，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·瓦特专利到期后立刻造出高压蒸汽机那样——它或许真能引发变革。当任何有抱负的创新者都能在笔记本电脑上构建并训练一个 LLM，并按其想象力任意运用时，这可能就是下一轮重大变革的种子——某种革命性而非渐进式的变化。但在这种情况发生之前，真正的突破就不可能出现。

人工智能恰恰是信息通信技术浪潮的典范。上世纪60年代的计算先驱们立志打造能思考的机器，而他们的后继者通过算法、芯片、数据中心基础设施等领域的持续进步，最终实现了这一目标。与集装箱运输革命类似，人工智能只是前代技术的延伸，因此其当前与未来的能力都在世人预料之中。1970年代，人们需要时间才能理解强大且无处不在的计算技术为何值得追求。但到2025年，新一代超越旧款的思考机器对人们而言已然是容易理解的概念。

思考人工智能的发展与集装箱化商业演变的相似之处：

在”AI 押韵”专栏中，前四项趋势已蔚然成风。你的投资决策应取决于是否相信 5-7 项将成为下一波浪潮。

经济学家预测人工智能将在未来十年使全球 GDP 增长 1%^[17] 至 7%以上 ^[18]，这意味着将创造 1-7 万亿美元的新价值。核心问题在于这些资金在流经价值链时最终会沉淀在哪些环节。

大多数人工智能市场概览都会划分评分或更多类别，按服务客户和行业进行细分。但这些分类在未来几年将发生巨大变化。其实只需追踪资金流向，就能简化企业分类体系：

集装箱化的历史经验表明，如果你现在还不是某家模型公司的投资者，那就不用费心了。山姆·奥特曼和其他几位先行者可能会像麦克莱恩和路德维希那样发家致富。但构建和运行模型的高昂成本，加上激烈的竞争，意味着最终只会剩下少数几家公司，每家公司都由最大的科技巨头投资和掌控。如果你已经是投资者，那么恭喜：行业将迎来整合，你或许能成功套现离场。

特定领域的模型——比如 Cursor 或 Harvey——将成为行业整合的一部分。这些可能是最具价值的模型。但微调成本相对较低，且存在显著的规模经济效应。另一方面，正如谷歌 2010 年不得不收购 Invite Media 来学习如何向广告代理商销售一样，那些已经赢得客户信任的垂直领域模型公司将成为首要收购目标。虽然像 Midjourney 或 Runway 这类生成非语言内容的模型，或许能凭借其略有不同的技术架构开辟独立发展路径，但 LLM 公司也已轻松涉足这一领域。至于像 Osmo 这样的公司是否适用此规律，仍有待观察。

投资模型公司为时已晚，但利用这些模型解决具体问题的企业正如雨后春笋般涌现：Perplexity、InflectionAI、Writer、Abridge 等上百家。然而，若其中任何一家实现高估值，模型公司终将通过歧视性定价或纵向整合攫取其利润。换言之，成功即意味着失败——这永远是个糟糕的投资命题。终有一天，模型公司与应用公司将合流：届时只会剩下纯粹的 AI 企业，且屈指可数。虽将诞生少数赢家，但应用层投资的整体回报仍将趋于亏损。

然而，同样的告诫依然适用：如果一家应用公司能建立客户群或打造卓越团队，它或许会被收购。但这些企业本质上并非科技公司，它们只是在投机性地开拓市场，估值也应基于此。更深层的警示在于，总有投资者能通过利用恐慌性收购方的错失恐惧症（FOMO）大赚一笔——这些收购方往往愿意支付天价。但这绝非真正的”投资”。

管理 AI 巨头与客户之间交互界面的企业，或是保护公司数据免受大模型企业侵扰的平台（如 Hugging Face 或 Glean），或许存在投资机会，因其业务本质独立于大模型。但后集装箱化时代的航运市场中，从未出现过类似体量的巨头。即便 AI 领域成功的中间服务商，最终可能也只会维持中等规模——由于大模型公司绝不会允许它们获得战略优势，这也是”确定性”带来的另一必然结果。

当一个行业即将蓬勃发展但其发展路径尚不确定时，向上游行业供应商靠拢往往是明智之举。在人工智能领域，这意味着芯片供应商、数据公司以及云和数据中心公司：例如 SambaNova、Scale AI 和 Lambda，还有那些已经存在很长时间的企业，如英伟达和彭博社。

关于数据的价值存在两面性。通用数据——即大多数人所知的信息，包括十年前人类掌握的全部知识及之后习得的大部分内容——已成为大宗商品。少数公司或许能通过整理标注这类数据获得生存空间，但由于这类工作很可能最适合由 AI 自行完成，其定价权将十分有限。专业领域模型需要特定数据，而其他模型则致力于解答实时问题。那些具体、及时且难以复现的数据将具有较高价值。当然这并非新兴市场——彭博社等企业早已在此领域获利颇丰。客户群体越集中，这类数据价格就越低；应用范围越广，收入则越高。总体来看，这可能会为行业带来小幅利好，但影响有限。虽会有新公司涌现，但仅有少数几家具备投资价值。

AI 企业的高额资本支出将主要流向基础设施公司。这些公司的估值已反映了市场预期，因此不会出现意外上行空间。但值得注意的是，造船业曾因集装箱化浪潮受益——从 1965 年持续到约 1973 年需求崩盘前。^[19] 若 AI 企业进行整合或协同行动，即便是迫使它们节约现金的轻微衰退，也可能导致基础设施支出出现剧烈、突发且持久的萎缩。这将使英伟达及其新兴竞争对手陷入困境——这些企业都必须对供应商做出长期承诺并持续扩大产能——却无法通过降低成本来适应缩水的市场规模。当增长曲线出现峰值后转为下滑时，那些按 S 型曲线定价的企业就会被高估。

这意味着投资者不应逆流而上，而应顺流而下：那些依赖从模糊信息中获取高质量结果的公司，其生产效率和利润将会提升。这些行业包括专业服务、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，且此前并未因自动化而显著提升生产力。人工智能有助于降低成本，但正如集装箱化一样，个体企业如何将降低成本融入战略，以及如何利用节省下来的资金，将决定其成功与否。直白地说，仅通过节省成本来增加利润而非扩大收入，是一场输家的游戏。

最能迅速受益的企业，是那些战略本就建立在降低成本基础上的公司。宜家长期以来的战略是以低价销售优质家具，并通过销量实现盈利。当集装箱运输使其全球扩张成为可能后，宜家成为全球最大零售商，创始人英格瓦·坎普拉德（IKEA 中的 IK）也跻身亿万富翁之列。同样，沃尔玛凭借在服务不足市场推行薄利多销的战略，既享受到成本节约的红利，又得益于准时制供应链，从而实现了商品种类增加和库存成本降低的双重优势。

如今那些同样秉持”规模优先、成本至上”理念的知识型企业，是押注 AI 最稳妥的选择。但正如好市多在上世纪 80 年代初的崛起，未来必将涌现一批以”海量规模、极致低价”为战略的新创或转型企业。这些新入局者将与现有巨头展开竞争，但拥有后发优势与历史经验可循。无论如何，该领域几乎不存在准入壁垒，每家企业都将面临激烈竞争，在高度分散的市场中厮杀。届时，成熟的管理体系与无懈可击的执行力将成为制胜关键。

在这些领域创业将极具吸引力。但投资则会困难得多。企业并不需要太多私人资本——宜家从未需要筹集风险资本，好市多也仅在1983年进行过一轮融资，随后于1985年上市——因为实施节约成本的技术并非资本密集型。如同集装箱化一样，从技术触发点到最佳投资时机之间会存在漫长的滞后期。真正的机遇将在后期显现。

选股者也能赚钱，但他们需要精挑细选。根据最乐观的预测，十年内占经济总量三分之一领域实现 7%的额外 GDP 增长，每年仅能为这些企业带来约 2%的增长助力——如果传统信息通信技术产品的生产率增长放缓，这一数字还会更低。真正的价值转移将发生在积极拥抱 AI 战略意义的企业与漠视者之间，就像沃尔玛从西尔斯手中夺取市场份额那样——后者虽然利用了廉价商品优势，却未能实现自我革新。

然而，消费者将成为最大的受益者。此前的机械化浪潮提升了制造业的劳动生产率，压低了商品价格，为消费者节省了开支。但制造业劳动生产率的提升也推高了该行业的工资水平。服务业企业虽未受惠于生产率增长，却不得不提高薪资以保持竞争力，这导致服务价格持续攀升。^[20] 家庭在食品与服装上的支出占比从 1918 年的 55%降至 2023 年的 16%，^[21] 但医疗、教育等知识密集型服务的成本涨幅却远超通胀水平。 

人工智能领域也将出现类似情况：知识密集型服务将变得更便宜，消费者能购买更多此类服务；而需要人际互动的服务则会变得更昂贵，在家庭支出中占比更高。这为两者都指明了显而易见的机遇。但更重要的是，人工智能创造的大部分新价值将被消费者获取——他们将能以合理价格享受更多样化的知识型商品，并以更普惠的方式获得医疗、教育和咨询等服务。

没有什么比新浪潮的开端更令人振奋 ，当构想、发明和建立改变世界的公司带来财富、名望与荣耀时。但对投资者和企业家而言，没有什么比一厢情愿的想法更危险。过去 50 年科技投资的经验教训已不适用于当下。投资 AI 的正确方式是思考知识工作者效率提升带来的连锁反应，设想这种效率将释放哪些市场机遇，并投资其中。数十年来，赚钱之道是押注新事物本身；而现在，你必须押注它开启的机遇。

杰里·纽曼是退休风险投资人，从事创新领域的写作与教学。