AI深度对比：为什么今天AI就像1882年的电？

回顾近三年AI市场的演进，本质上是一场持续寻找“硬件短板”的竞赛。最初资本追捧的是GPU，随后转向服务器、数据中心，再到电力供应、HBM存储，近期风口又切换至CPU、高速互联架构及ASIC。

在此过程中，两个清晰的规律逐渐浮现。

第一，市场焦点几乎完全锁定在硬件层面。AI的爆发速度远超预期，旧有瓶颈刚被突破，新的制约点便随之出现。任何卡脖子的环节，都意味着潜在的利润池；一旦瓶颈被攻克，利润便会集中释放。这正是过去三年多市场的核心逻辑。

第二，与互联网革命相较，差异十分鲜明。互联网时代的明星企业多为平台型公司，在收入尚未形成规模时，市场便给予其极高估值，根源在于互联网平台的边际成本趋近于零，且网络效应极为显著。

这两种模式的核心分歧可以凝练为一句话：互联网在创造新场景，AI则在创造新供给。

互联网时代，大量既有需求只是从线下迁移至线上。用户学习成本极低，用户增长曲线陡峭，投资价值自然向应用端倾斜。如今的Mag7中，有三家公司正是那个时代诞生的平台型巨头。

AI则截然不同。它代表一种全新的生产力范式。从撰写文稿、制作演示文档、编写代码到提供客户服务——这些行为的应用场景并未发生根本性变化，但能力本身获得了质的飞跃。这恰恰是其被称为“技术革命”的原因：一种全新的技术供给形式诞生，老旧的产业链自然难以适应，处处是瓶颈。因此，围绕产业链的重构便成为投资的主线，哪个环节卡位最紧，哪个环节便汇聚财富。

以上内容提炼自本系列首篇《AI牛市三年半复盘》的核心观点。

许多投资者心中常有一个执念，认为“硬件炒作之后，必定轮到应用”。这种想法很大程度上源于我们对科技投资的历史记忆，主要来自1995至2010年的互联网时代。但若将视角拉长至两百年的技术革命史，互联网其实是一个特例，而AI模式则更符合历史常态。

接下来，我们以更宏观的视角审视技术革命的普遍规律，重点剖析铁路革命与电气化革命。其中，电气化与当下的AI革命，在底层逻辑上具有极高的相似性。

技术革命的普遍特征

若将技术革命的复盘周期延伸至两百年，考察铁路、电气化、汽车以及石油时代，不难发现一个共同规律：与AI革命类似，第一批大赢家往往不是最终的应用层，而是基础设施与瓶颈环节。我们以铁路与电气化为例进行说明。

在铁路革命（1860~1900年）期间，美国铁路总里程从1860年的约3万英里增长至1900年的超过19万英里，四十年间增长超过六倍。

那么，当时最赚钱的行业是什么？许多人会下意识锁定铁路公司，但事实并非完全如此。大量铁路公司背负巨额投资，最终未能盈利，甚至遭遇大规模破产重组。

真正持续赚取丰厚利润的，是钢铁、煤炭、机械设备、土木工程这类“卖铲子”的行业。无论铁路公司本身是否盈利，铁路建设本身就需要先行投入：钢轨必须采购，火车必须制造，煤炭必须燃烧。钢铁大王卡耐基早期的财富积累，很大程度上便源于铁路建设所催生的巨量需求。

而铁路革命真正重塑的那些行业——例如零售业与大众消费品品牌，在当时几乎无人预见。这一过程，我们将在第三篇中展开深入分析。

再看电气化革命（1880-1930）。这与当下的AI热潮极为相似：当时人们普遍意识到电的重要性，但除了电灯（类似今天AI在聊天与编程上的应用），很少有人能准确预判其未来的商业爆发点。

于是，资本率先涌入发电厂、输电网、电机设备领域。早期最大的投资主题，是如何将电力高效地输送到每一座工厂和每一个家庭。当时的代表性企业是电气设备公司通用电气（GE），而非数十年后才出现的冰箱、空调、电视等家电巨头。

对照铁路革命、电气化革命，乃至汽车革命与石油革命，你会发现，互联网革命（1995-2010）才是真正的异类——它的底层基础设施，在很大程度上已被提前搭建好了一半。

在1995年之前，美国已经拥有全国性电网、电话网络、光纤主干网及PC服务器产业链。互联网传输的物理介质，并非像电气革命那样从零起步，而是依托于现有基础设施运行。这一特征直接降低了互联网的启动成本：开设一个网站，只需购买甚至租赁几台服务器与数据库，放置在办公室乃至车库里即可上线运营。

结合上一篇《AI牛市三年半复盘》所分析的互联网“场景革命、边际成本趋近于零、网络效应显著”这三大特征，应用端的爆发也就顺理成章。

然而，到了2005年前后，互联网公司规模急剧膨胀：Google需要索引整个互联网，Facebook管理数亿用户，YouTube存储海量视频，Amazon处理全球订单。传统的IT架构开始不堪重负。因此，在2010年前后，云计算与大型数据中心应运而生，大量互联网企业及传统企业接入云平台，按需购买算力。有趣的是，云计算架构的设计灵感直接源于电网——电气化也曾将每个工厂自行发电的模式，转变为统一发电、接入电网、按需购买。

这本质上是一段“先爆发、后补课”的基建过程，但始终没有跳出“大规模基础设施先行，大量新应用随后爆发”这一基本范式。

从这个角度看，AI只是回归了技术革命的一般规律。从铁路、电气化，到互联网、AI，所有重大的技术革命都具备三个共同特征：

第一：资本密集型投入。需要先行投入巨额资本，大规模构建芯片、电力、数据中心、网络等基础设施。

第二：存在现实世界的物理制约。互联网创造的是新场景，主要依赖软件扩张。而AI作为新技术，存在大量现实世界的物理约束。无论是GPU产能、互联架构、电网容量，还是冷却技术，都是上一个时代的产物，难以适应AI时代的需求，必须逐一进行改造。因此，市场就像陷入了一场持续寻找“瓶颈”的游戏。

第三：诞生了一种全新的通用技术。并非所有新技术都能被经济学定义为“通用技术”。它必须满足“渗透至各行业、性价比持续提升、充当创新底座”这三大条件。所谓“创新底座”，是指能催生大量互补性创新应用的底层技术，早期用途不明，但理论上所有行业均能受益。因此，资本会优先投资建设基础设施，让“马先跑起来”，然后才逐步揭示最终的创新奇迹。

当然，技术革命既有共性也存在差异。正如互联网摆脱了“大规模基建先行”的规律，AI、铁路与电力也各有其独特之处。铁路至少看得见、摸得着，人们清楚其用途。而电气化刚出现时，许多人只知道“电一定会改变世界”，但具体如何改变、现有工具如何改造、未来会出现哪些全新事物、哪些行业能真正盈利，几乎无人知晓。因此，在很多关键特征上，电甚至比互联网更接近AI。

电力何以如此关键？

我们通常将电力理解为一种能源，但电力革命真正的伟大之处，并非发现了一种新能源，而是发明了一种极其通用的“能量媒介”。煤炭、天然气、石油、水力、核能，这些都是一次能源；而电是二次能源，其核心作用是充当所有能源的“通用接口”。

为什么电如此特殊？

假设你拥有一吨煤，你能做什么？无非是烧水、取暖、做饭。但如果你想看电视、制冷、通信、计算，那就束手无策了。煤炭只能释放热能。人类工业革命的第一台机器“蒸汽机”，其革命性在于将热能转化为机械能。但更现代化的设备需要更加精细化、可控的机械能，还需要光能、信息处理能力，以及更合适的能源媒介形式。

而电力恰好具备这些能力。

首先，电力是一种可远距离传输的能源，输送距离远、损耗相对可控且调度便利，这使得发电与用电能够实现空间上的分离。

其次，电力几乎可以转换为任何能量形式：通过电机转化为机械能，通过灯泡转化为光能，通过电热丝转化为热能，通过扬声器转化为声能，通过计算机转化为信息处理能力……

最后，电力易于控制。空调能够实现恒温，并非空调本身有多智能，而是电力易于控制。开关、继电器、晶体管，本质上都建立在电信号的基础上。

这三大特征至关重要。大家可以猜想一下：电气革命之前，冰箱、空调、电视能够存在吗？

答案可能有些意外：这三种产品在电气化之前其实都已被发明出来。当时已有蒸汽制冷机，一些老式房车和大型工厂仍在采用燃烧天然气、石油、煤的制冷设备；20世纪初也曾出现过机械扫描电视。问题在于，如果不用电能，这些设备的效率都极其低下，根本无法实现大规模普及。

蒸汽时代还有一个“点错技能树”的产物——“差分机”。这是利用机械原理制造出的、人类历史上最早的计算机，通过齿轮间的啮合、旋转与平移进行运算，具备计算机的存储单元、运算单元、控制单元以及数据传输的结构单元，设计图纸包含25000个零件，总重量达4吨。

不妨开个脑洞：假如电气革命从未发生，今天很多电子电器产品可能依然存在，但会以一种完全不同的、低效率的形式运行。这一判断背后的第一性原理是：电子运动速度接近光速，而机械运动的速度则相差多个数量级。

说到电的应用，一般人会想到各类家电和电子产品。但有一样东西对现代社会的变革同样巨大，那就是“现代化工厂里的大规模流水线”。

18世纪末至19世纪中叶的蒸汽机时代，英国和美国已有大量蒸汽机驱动的工厂，例如纺织厂、钢铁厂、面粉厂。但这些工厂的动力分配方式十分落后：一切围绕蒸汽机布局，由蒸汽机带动主传动轴，再通过大量皮带驱动各台机器。所有机器被绑在同一个动力系统上，必须沿动力轴排列。结果就是，工厂的设计服从于机器，而非服从生产流程。工厂无法改变生产流程，更难以生产不同规格的产品。所有工厂都以相同的效率，生产相同的商品，与农民种田无异。

而电气化改造带来的关键变化是：每台机器都拥有了独立的电机。这样一来，车床、钻床、输送带都能独立运行。于是，机器可以按照生产流程灵活摆放，而不再受限于动力系统，生产流程也能不断优化设计。这直接催生了现代流水线。

很多人认为，福特流水线的核心创新是“工人不动，产品移动”。但其背后还有一个重要前提：整个工厂已实现电气化。因为流水线所需的输送带、电机、精确同步、连续运转，完全依赖电力。

因此，虽然蒸汽机创造了工厂，但电动机创造了现代工厂。

那么，电究竟是什么？

从物理角度看：电是一种能量载体。

从工程角度看：电是一种通用控制信号。

从经济学角度看：电是一种标准化媒介。

电就是工业时代的“货币”。没有货币，贸易也可以以物易物，但效率极低。电力与货币一样，使社会运转和生产效率得到大幅提升。

而AI，正在做相同的事情。

智力接口的诞生

谈到电，很多人立刻想到的是家电和电子产品，而非大规模流水线。

同样，谈到AI的应用，大家都会想到聊天、编程、写作。说到AI应用，人们首先想到的是“软件”——这仍然是互联网思维的一种惯性。

如果将AI比喻成电，将大模型比喻成发电厂，那么提供信息与数据处理的公司就是电气设备公司。编程等未来出现的AI应用，只是类似家电和电子产品的产业。但更大的变革，在于AI对所有行业甚至企业组织形式的彻底改造，就像大规模流水线对蒸汽工厂的改造一样。

如果说电气化是用一种可传输、可存储、易控制、即插即用、高效率的形式，将各种能源标准化，那么AI正在做的事情，就是将稀缺的智力能力标准化。

智力能力一直存在，但在2022年之前，它高度依赖于个体。无论是律师的分析能力、程序员的编码能力，还是医生的诊断能力、研究员的信息整合能力，都需要16年以上的教育投入和大量职业培训，无法被低成本、规模化复制。它们无法存储，只存在于某个人的大脑中，离职即被带走。它们的调用成本（工资）高昂，且结果不稳定。

AI正在颠覆这一切。你可以将其理解为一座“智力工厂”，将原本依赖个体知识工作者的认知能力，从人脑中抽离出来，转化为未来社会的基础设施。

它把不可标准化的智力服务——包括写作能力、翻译能力、编程能力、信息检索能力、基础推理能力等，未来还将涵盖更多——转化为7×24小时输出的标准化API；

它把难以跨境交易的社会服务，变成可以跨境交易的token。未来，某个美国人接受的法律服务，很可能来自中国内蒙古某数据中心的token流。

这种将智力与人强行剥离的做法，直接冲击了生产力三要素——“劳动者、劳动工具和劳动对象”。AI究竟是劳动者还是劳动工具？这将彻底改变整个社会的组织形态。

这或许才是AI应用的第二阶段，也是AI真正改变世界的时刻。

当然，这个“电”的类比能否成立，仍有待市场验证。但它确实解释了资本市场为何愿意在当前阶段就给基础模型公司以极高的估值。投资者并非赌它们会成为未来的谷歌或亚马逊，而是认为，这些公司很可能成为未来世界的“通用接口”。

总结

最后，归纳几个核心判断：

第一，AI目前呈现出的“重资产、重能源、重基础设施”特征，更接近铁路、电气化这类标准的技术革命范式。

第二，过去三年，华尔街围绕GPU、电力、存储、互联反复进行定价，这本身就说明，AI仍处于“1885年的电力”或“1865年的铁路”阶段。人们已确认这项技术将改变世界，但世界仍在为承载它而建设基础设施。

第三，AI的未来，可以从电气化的演进历程中获得重要启示。电气化是用一种可传输、可存储、易控制、即插即用、高效率的形式，将各种能源标准化。而AI，正在将稀缺的智力能力标准化。

电气化的伟大之处，不仅在于创造了家电和电子产业，更在于让人类能够建设起过去根本无法想象的工厂。同样，AI的伟大之处，应该也不止于一个能写报告、能编程的软件，而是让企业乃至整个社会，建立起一种过去无法设想的组织方式。

未来真正的应用巨头，可能尚未完全出现，甚至还没有诞生。