分享一篇很受启发的长文，原文标题《AI Will Not Make You Rich》，但我估计没啥人想看...
我从不寄希望于某个「先知」「雄文」能够预测未来，但多元化的观点值得倾听。
这篇文章核心在论证一个观点：
历史上像铁路、微芯片这种革命性技术，能催生出一堆新公司，让创业者、员工、投资人赚大钱 —— 因为这些技术刚出来时，没人知道能干嘛，有很多 “试错空间”，后来慢慢才爆发出价值。
但还有另一种技术，比如 集装箱运输，虽然也彻底改变了世界，但没几个人靠它发财，因为它的好处太明显了，大家一拥而上竞争，最后利润被压得很薄，只有极少数人及时抽身赚了点。
作者认为，AI更像是集装箱技术。一出来就被巨头盯死了，没啥自由试错空间。而且这个行业竞争太激烈了，利润薄得可怜。集装箱当年一火，所有航运公司都跟风做，最后打价格战，赚的钱还不够投设备的。
AI 现在也这样：大公司砸钱做模型、抢人才，小公司做 AI 应用，但要是小公司做得好，大公司要么涨价卡它脖子，要么直接把它买了，小公司很难自己做大。
AI 的好处大多被 别人拿走了。当年集装箱最大的受益者不是航运公司，而是靠便宜运输赚钱的企业，比如宜家。AI 也一样，真正赚到大钱的，可能不是做 AI 模型、AI 应用的公司，而是用 AI 降成本的行业。
AI 确实能给经济创造价值，但这些价值大多会流到 “用 AI 的人和普通消费者手里，想靠 AI 直接当暴发户，基本不太可能。
以下是原文：
当革命性技术催生出一波波可投资的创新企业时，企业家和投资者便能积累巨额财富。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溅的火星，引爆了长达数十年的连锁创新，渗透到社会的每个角落，并将一批新的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改造社会，却几乎无法创造新财富；它们反而会强化现有格局。
在微处理器问世前十五年，另一个革命性创意——集装箱航运——诞生于一个不那么幸运的时代。当时技术进步如同红皇后的赛跑，发明家和投资者即便不停奔跑也未能获得更多收益。
投资新兴事物的人必须回答两个问题：首先，这项创新将创造多少价值？其次，谁将获取这些价值？
信息与通信技术（ICT）革命的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。
而集装箱运输革命则截然不同，其创造的价值被过度稀释，让全球航运业大幅提效受益。但最终仅有一位创始人因这个技术短暂致富，仅让一位投资者略微增加了财富。
生成式 AI 更接近前者还是后者？它将成为未来众多产业财富的基础，还是让整个投资界净亏损、仅零星造就几个零和博弈的赢家？
确实有些方法可以通过投资人工智能的成果来赚钱，但这些方法都基于一个前提——当前对发明者和投资者而言又是个不那么有利的时期，人工智能模型构建者和应用公司最终会相互竞争形成寡头垄断，而人工智能带来的收益将主要流向客户而非创造者。
因此，大量涌入人工智能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早抽身的人。
参考1：复盘计算机浪潮
微处理器虽具有革命性，但 1971 年英特尔公司的发明者们当时并未意识到这点——他们只是想避免每次都要从头设计桌面计算器芯片组。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。数以千计的改装者发现了英特尔从未设想过的配置和用途。这种分布式且无需许可的创新，正如经济学家Carlota Perez 所言，重大技术革命往往由技术引发，但由经济和社会力量推动。
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。到了 1975 年左右，微处理器成本的阶跃式下降使个人电脑市场变得可行。英特尔 8080 的初始标价为 360 美元（相当于现今 2300 美元）。MITS 公司以每台 75 美元（现价 490 美元）的批量价销售 Altair 电脑时几乎无利可图。但当 MOS 科技公司开始以 25 美元（现价 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。新生的 PC 社区开始涌现创业者，数十家公司相继成立，每家的产品都略有不同。
在 20 世纪 70 年代中期，人们无法预知个人电脑（以及类似产品，如自动取款机、销售点终端、智能手机等）将会彻底改变一切。
当史蒂夫·乔布斯向投资者宣称每个家庭总有一天会拥有一台个人电脑时（事实证明这是一个严重低估的预测），其他人则质疑个人电脑是否真的有必要。直到 1979 年，苹果的广告仍未告诉你个人电脑能做什么——而是问你会用它做什么。
当时的知名计算机制造商（IBM、惠普、DEC）对客户并未要求的产品毫无兴趣。没有人“需要”电脑，因此个人电脑并非被购买——而是被推销出去的。像苹果和辛克莱尔这样引人注目的初创公司通过炒作来吸引注意，而像Atari, Commodore, 和Tandy/RadioShack 这样在消费电子领域已有立足之地的公司，则利用强大的零售网络将他们的个人电脑呈现在潜在客户面前。
市场最初增长缓慢，直到 1979 年电子表格等实际应用出现后才开始加速。随着使用量增加，对使用情况的观察降低了不确定性，从而形成自我强化的采用循环。
每轮技术浪潮都需要时间积累这种动能：例如电力普及到半数美国家庭用了近 30 年，个人电脑也经历了相似的时间跨度。
当一场技术革命改变一切时，需要海量的创新、投资、故事讲述、时间以及纯粹的辛勤工作。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，任何不属于这轮技术经济范式的创新，都会显得像是无关紧要的杂耍表演。
电力和个人电脑达到美国家庭50%采用率花了30年时间
个人电脑的初生增长吸引了投资者——风险资本家们——他们开始对新公司进行高风险押注。这一发展激励了更多发明家、企业家和研究者，进而又吸引了更多投机资本。
像 IBM 这样的计算机巨头（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其市场立足的程度，也不关心那些需要更廉价解决方案的新兴小众市场。
事后看来，我们赋予个人电脑先驱们先知而非远见者的光环。但当时除了少数早期使用者外，根本无人关注。直到 1981 年 8 月 IBM 推出个人电脑后，《纽约时报》等主流媒体才认真对待这一事物。1976 年苹果公司创立时，全年《纽约时报》仅四次提及个人电脑。 显然，只有那些疯子、异类、反叛者和麻烦制造者们在密切关注。
媒体对个人电脑的关注度直到1981年才开始上升
将计算机革命早期与现今对比时，最令人震撼的莫过于这种突如其来的颠覆感。1970 年代无人留意的个人电脑，到 2025 年却成了全民热议的人工智能时代。
巨头企业最忌惮这种意外性。正是这种不确定性，为初创公司筑起了护城河。若非 1979 年 IBM 入场时苹果通过 1980 年 IPO 融资 1 亿美元续命，它早已步其他被 IBM 碾压的竞争者后尘——那场大清洗后，苹果成了唯一幸存的对手。
IBM和苹果是个人计算机领域仅存的两个幸存者
随着技术扎根并展现出前景，软件、内存以及如软盘驱动器和调制解调器等外围设备的创新相继涌现。它们相互促进，每一项技术进步都对相邻技术领域形成倒逼。
当系统中任何部分拖累其他环节时，投资者便会蜂拥注资该领域。例如，当个人计算机内存的提升使得更复杂软件成为可能时，对外部存储的需求随之激增——这促使风投家Dave Marquardt 于 1980 年投资磁盘驱动器制造商希捷公司。1981 年希捷上市时为Marquardt带来了 40 倍回报。其他投资者注意到这一成功，随后三年间约有 2.7 亿美元资金涌入该行业。
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。
历次技术革命浪潮
与之相反，社会无需等待泡沫破裂就开始猛烈抨击人工智能。考虑到对科技行业的反弹已持续十年之久，这种现象在我们看来实属平常。但此次对 AI 的抵触与比尔·盖茨、史蒂夫·乔布斯、杰夫·贝索斯等科技巨头在行业早期所享有的普遍尊崇截然不同。世界憎恶变革，仅在 80、90 年代对科技网开一面，只因当时一切仍看似可逆：若事态恶化，尚可令其消失。这种认知为早期的计算机创新者提供了试错空间。而今当所有人都意识到计算机技术将永久存在，人工智能便不再被允许享有同样的观望特权，它被视作信息通信技术革命不可分割的组成部分。
经济学家Carlota Perez 将每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。每个阶段都具备独特的投资特征。
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。
后来到了 1980 年代初的爆发期，机遇呈现井喷之势：个人电脑制造商（康柏、戴尔）、软件与操作系统（微软、艺电、Adobe）、外设产品（希捷）、工作站（Sun）以及电脑专卖店（Businessland）等纷纷涌现。若押注赢家自然收益颇丰，但当时资本过剩而创新不足，绝非投资的黄金时代。到 1983 年，仅磁盘驱动领域就有超过 70 家企业角逐，估值全面崩盘。虽然不少人在 1970-1980 年代积累财富，许多风投机构也在那时崭露头角，但爆发期投资者的最大优势在于：能建立系统化认知体系，为后续狂热期与协同期的精准早期投资奠定基础。
投资成熟期则更为艰难。爆发期难以预判未来走向，而成熟期基本波澜不惊。技术可行性、用户与社会接纳度的不确定性几乎消散，一切变得可预测，所有参与者都按既定模式行事。
缺乏活力使得那些成功的协同公司得以固守阵地（参见漂亮 50 和 FAANG），但增长变得愈发艰难。它们开始互相侵入对方的市场、组建集团、提高价格并削减成本。以低价吸引新客户的产品时代终结，质量随之下降。大公司虽仍推崇革命性创新的理念，却感到必须控制技术成果的应用方式。研发支出从产品和工艺创新转向日益徒劳地试图延续现有范式。企业将此美化为求胜心切，实则源于对失败的恐惧。
创新可能在成熟期发生，有时甚至相当惊人。但由于这些创新只有在契合当前浪潮范式时才能获得支持，它们很容易被主导企业的引力场捕获。这意味着作为创业者或投资者从中获利几乎不可能。生成式 AI 显然正被 ICT 巨头所吸纳，这引发了一个问题：对发明者和投资者而言，这次是否会有所不同——这与 AI 本身是否革命性技术是完全不同的问题。
参考2：复盘集装箱浪潮
集装箱化是浪潮末期的创新，它改变了世界，开启了我们的现代全球化时代，引发了社会和经济的深刻变革，并为福祉的快速增长做出了贡献。但或许只有一两个人真正通过投资它赚到了钱。
1956 年已处于上一轮浪潮的尾声。但就在那年，即将以海陆公司之名闻名的企业通过首艘集装箱船"理想-X 号"的推出，彻底革新了货运行业。
海陆公司创始人马尔科姆·麦克莱恩顿悟到：卡车司机、铁路与航运公司的核心使命是将货物从发货方运抵目的地，而非仅仅驾驶卡车、填装车厢或装载船只。海陆公司实现了货物在不同运输方式间的无缝衔接，既节省了时间、提高了运输时效的可预测性，又降低了装卸转运成本以及船舶在港口装卸时的闲置成本。
集装箱化的好处显而易见，如果能实现的话。人人都能看出效率的提升，而顾客只在乎能否买到商品，不在乎它是如何运到的。但码头工人会失业，政客会失去失业者的选票，港务局会失去政客的支持，联邦监管机构将因负面后果受指责，铁路公司可能将货运量流失给船运公司，船运公司又可能流失给新兴航运企业——这还要耗费巨资。多数人认为麦克莱恩绝不可能成功。
麦克莱恩在重重阻力中找到了突破口。他购买并改装军用剩余船只以降低成本；瞄准日渐式微的沿海航运贸易，避开新兴州际公路时代的竞争；将公司设在新泽西纽瓦克而非航运枢纽地狱厨房，既获得港务局支持又避开了曼哈顿的拥堵；还与纽约码头工人工会达成协议——这只有在他作为非威胁的小角色时才可能实现。
从1965年到1974年，集装箱船的总数量及其运力均有所增长
然而，竞争对手和监管机构的迅速反应使麦克莱恩错失了可能存在的少数行业壁垒机会：港口控制权、与托运人的独家协议或其他运输形式的垄断、专有技术标准化等。
到了 1965 年左右，当集装箱化的成效初显时，这种模式显而易见的优势立刻吸引了所有大型航运公司加入战局，竞争瞬间白热化。尽管截至 1968 年集装箱货运量仍不足全球贸易总量的 1%，但集装箱船的数量已在急剧攀升。 此后多年间，运力持续超过市场需求。
激烈的竞争引发了运价大战，利润空间被不断挤压，进而催生了行业整合与垄断联盟。与此同时，建造巨型集装箱船及配套港口设施的成本，使得这个行业变成资本密集型领域。麦克莱恩预见了危机，于 1969 年 1 月将海陆联运出售给 R.J.雷诺兹烟草公司。他可能是唯一全身而退的企业家。
端到端愿景的实现经历了漫长岁月。但大约在 1980 年，海运成本开始急剧下降。这推动了国际贸易的繁荣，也使制造商得以从高工资国家向低工资国家转移，使得集装箱运输变得不可逆转。
随着1980年代集装箱化竞赛的展开，海运成本暴跌
当然，有些人确实赚到了钱；总有人能成功。麦克莱恩就是其中之一，航运大亨丹尼尔·路德维格也是如此——他于 1965 年以每股 8.5 美元的价格向海陆公司的前身麦克莱恩工业公司投资了 850 万美元，并在 1969 年以每股 50 美元的价格卖出。
造船厂也获利颇丰：1967 年至 1972 年间，约 100 亿美元（按 2025 年美元计算为 800 亿）被用于建造集装箱船。承建新集装箱港口的承包商同样赚得盆满钵满。后来，像马士基和长荣这样通过整合并主导行业的航运公司变得极为庞大。但"对于 R.J.雷诺兹和其他在 1960 年代末试图通过投资集装箱运输实现快速增长的公司而言，他们的投资几乎只带来了失望。" 除了麦克莱恩和路德维格，很难找到因集装箱化本身致富的人，因为激烈的竞争和资本性支出成本使得快速扩张或实现高利润率变得异常困难。
集装箱化推动了全球化
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，而是投资那些从中受益的行业。但即便如此，沃尔玛、好市多和塔吉特等公司的成功也伴随着其他企业的失败。集装箱化的冲击让西尔斯和伍尔沃斯陷入衰退漩涡，给蒙哥马利沃德和大西洋与太平洋茶叶公司钉上最后一颗棺材钉，并使梅西百货在被联合百货收购重组前宣告破产。与此同时，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，最终反被其供应商取代。
倘若当初有更多时间构筑护城河，或许会出现几家称霸集装箱化赛道的企业，其创始人将跻身福布斯 400 强前列，投资者也会成就传奇。但护城河需要时间构建——与个人电脑不同，集装箱化的普及并非意外惊喜，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："每当引入任何新事物时，完全竞争都且始终会被暂时搁置。"但集装箱化表明，在技术浪潮的末期，这一论断并不成立。由于完全竞争状态下不存在经济利润，创新者在技术成熟期便无利可图。与集装箱化类似，人工智能的引入并未为其创新者带来受保护的利润期，而是直接引发了全面混战。
谁能从本轮AI浪潮中胜出？
我们姑且承认生成式人工智能具有革命性（但越来越明显的是，这项特定技术现已进入进化阶段）。它将为经济创造巨大价值，投资者希望能分得一杯羹。何时获利、何人获利以及如何获利，取决于人工智能究竟是信息通信技术浪潮的终结，还是新浪潮的开端。
如果 AI 真正掀起了一波新浪潮，本应出现一个漫长的探索与实验期。早期采用者们会纷纷尝试构建自己的模型。当成千上万的创客用这项技术以全新方式解决问题时，其应用场景才会真正爆发。但由于他们使用的都是 AI 巨头控制的模型，实验边界完全受制于既得利益者——这些守成者绝不容忍现状被长期挑战。
这并不意味着 AI 不能引发下一场技术革命。如果实验成本足够低、分布足够广且无需许可——就像沃兹尼亚克在车库拼装电脑，福特在厨房打造第一台内燃机，或是特里维西克在瓦特专利到期后立即研制高压蒸汽机那样——革命或许就会发生。当每个怀揣梦想的创新者都能在笔记本电脑上训练自己的 LLM，并随心所欲地应用它时，这可能成为颠覆性变革而非渐进式改良的火种。但在此之前，真正的突破性发展仍无从谈起。
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。
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"栏目中，前四项趋势已然展开。你的投资决策取决于你是否认为第五至第七项将接踵而至。
经济学家预测，未来十年人工智能将使全球 GDP 增长 1%至 7%以上，相当于创造 1 至 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。
多数 AI 市场概览会划分六七个类别，再按客户群体和行业细分。但这些分类在未来几年将剧烈变动。其实只需追踪资金流向，就能简化企业分类逻辑：
集装箱化的历史经验表明：若你现在还不是核心模型公司的投资者，就不必费心参与了。如同麦克莱恩和路德维希那样，萨姆·奥尔特曼等少数先行者或许能积累巨额财富。但构建和运营模型所需的高昂成本，加上白热化竞争，最终将导致这个领域仅剩少数几家由科技巨头控股的企业。若你已是投资者，那么恭喜：行业整合在所难免，届时你或许能套现退出。
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。
但同样的告诫也适用：如果一个应用公司能建立客户基础或打造一支出色团队，它可能会被收购。但这些公司本质上并非真正的科技公司；它们是在投机性地开拓市场，估值也应据此而定。更需警惕的是，会有投资者利用恐慌性收购者的 FOMO 心理，通过大幅溢价套利赚取暴利。但这实质上并非"投资"。
在那些管理 AI 巨头与客户之间接口业务的公司，或是保护企业数据免受模型公司侵犯的企业（例如 Hugging Face 或 Glean）中，或许存在投资机会——因为这些业务本质上独立于模型体系。但后集装箱化航运市场中并没有出现类似规模的巨头。即便是 AI 领域成功的中介公司，最终很可能也只会达到中等规模，因为模型公司不会允许它们获得战略杠杆优势——这也是行业缺乏意外性的另一体现。
当一个行业前景广阔但发展路径尚不明朗时，明智的做法往往是溯流而上投资其供应商。就 AI 领域而言，这意味着芯片供应商、数据公司和云服务/数据中心企业：如 SambaNova、Scale AI 和 Lambda，以及英伟达、彭博等老牌企业。
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 公司的高资本支出将主要流向基础设施企业。这些企业的估值已经反映了这一预期，因此不会带来意外惊喜。但要知道，造船业从 1965 年起因集装箱化浪潮受益，直到 1973 年后需求崩溃才结束。倘若 AI 公司整合或协同行动，即使轻微的经济低迷迫使他们紧缩开支，也可能导致基础设施支出出现剧烈、突然且持久的萎缩。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扩大产能——却无法通过降低成本来适应缩小的市场规模。若行业经历峰值后衰退，那些按 S 型增长曲线定价的企业就会被高估。
早期集装箱化资本支出热潮原来是一场泡沫
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。
股票投资者同样能获利，但他们需要精挑细选。在预测的高端情景中，占经济总量三分之一领域十年内额外 7%的 GDP 增长，每年仅为这些公司带来约 2%的顺风效应——若传统 ICT 产品的生产率增长放缓，这一数字会更低。主要的价值转移将发生在积极拥抱 AI 战略意义的企业与未能转型的企业之间，就像沃尔玛受益于西尔斯那样：后者虽然利用低价商品优势，却未能实现自我革新。
消费者将成为最大受益群体。历次机械化浪潮曾提升制造业劳动生产率，压低商品价格并为消费者节省开支。但制造业生产力提升也推高了工人薪资，服务业不得不提高工资参与竞争——尽管该领域并未享受生产率红利，这导致服务价格持续攀升。
家庭食品服装支出占比从 1918 年的 55%降至 2023 年的 16%，但医疗教育等知识密集型服务的价格涨幅远超通胀水平。
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。
没有什么比新一轮浪潮的起点更美妙了，当构想、创造和建立改变世界的公司的机会带来财富、名望与荣耀时。但对投资者和企业家而言，最危险的莫过于一厢情愿。过去五十年科技投资的经验教训并不适用于当下。投资人工智能的正确方式是深入思考知识工作者效率提升带来的影响，设想这种效率将开启哪些市场，并对其投资。几十年来，赚钱的方式是押注新事物本身；而现在，你必须押注它所带来的机遇。