AI野火：科技革命中的生态重塑与投资觉醒

当前，围绕人工智能大规模投资的“泡沫论”争辩正酣，投资者该如何冷静审视这场科技革命的热潮？

然而，AI领域的狂热并非转瞬即逝的泡沫，而是一场重构行业生态的野火。其中蕴含着阵痛，却也暗藏生机勃发的力量。野火历来是行业周期的清醒剂，它清理冗余、沉淀养分，为新物种腾出生长空间。21世纪初的互联网泡沫与2008年金融危机的浪潮早已验证，每一次烈火洗礼后的调整，都能催生出一批真正的核心强者。

如今硅谷资本泛滥但赛道拥堵，人才稀缺且竞争同质化严重，市场增量见顶，野火般的纠偏机制已迫在眉睫。这场火势将更集中于核心领域——算力既是推动革命的燃料，也是关键约束条件。过度建设的产能终将回归实际需求，而能源根基的较量，将决定长远的竞争格局。

市场中的各类参与者，犹如生态系统中的不同植物：有的易燃化为养分，有的耐火坚韧不拔，有的则借火势获得新生。唯有扎根核心能力、筑牢商业闭环、契合真实需求的企业，才能经受住周期考验。野火必将焚尽浮华，而真正的价值与机遇，正蕴藏于灰烬之后的新生之中，见证AI生态系统的迭代与进化。

AI不会崩盘，它会燃烧。关键在于：你属于哪一种“植物”？

01 火季来临

不久前的一场CEO私宴上，有人再次提起那个经典问题：我们是否正身处AI泡沫之中？

在场一位历经多轮硅谷周期的资深人士却给出了不同比喻。她说，与其称之为泡沫，不如将当下视为一场“野火”。这个隐喻瞬间引发了所有人的共鸣。

野火并非纯粹的毁灭，它对生态系统而言是一种“必要之恶”：它能清理过于密集的灌木丛；将养分归还土壤；为下一代森林的繁茂创造生长条件。

这个比喻越想越深刻，它构建了一个更深层的分析框架：帮助我们识别AI周期中的参与者“生态类型”——谁能存活，谁将被淘汰，原因何在——以及衡量“耐火能力”的具体指标是什么。

上一轮互联网浪潮，焚毁了狂热的“dot-com”幻想，却留下了谷歌、亚马逊、eBay和PayPal等顽强的幸存者。随后由社交和移动驱动的周期，在2008–2009年间再次点燃烈火，将地表重塑，为Facebook、Airbnb、Uber及一大批YC系公司腾出了发展空间。

两场大火的路径高度相似：过度增长 → 骤然修正 → 文艺复兴。

如今，AI又一次让我们置身于一片干燥的灌木丛中。

这一次的修正，更像是一场必然的野火，而非瞬间破裂的泡沫。理解这一区别，将决定你如何在接下来的时期生存并发展壮大。

02 过度繁茂的森林

当灌木生长过于密集，阳光便无法照射到地表。植物之间争夺的是光、水和养分，而非适应环境本身。

今天的硅谷，正处在这种状态。

资本极度充裕，甚至可以说过于泛滥。但人才？这才是真正稀缺的资源。几乎每一位合格的工程师、设计师或运营人员，都同时被3家、5家乃至10家AI初创公司争抢，大家瞄准的仍是那几个相似赛道：编程Copilot；小众/特色数据集；客服、法律科技、营销自动化等。

从高空俯瞰，这是一片“郁郁葱葱”的生态：绿意盎然、生长迅猛、声势浩大。但在地表，土壤已然干裂，根系互相缠绕，真正的增长变得异常困难。

在这样的森林里，火不再是一场灾难，而是一种纠偏机制。

03 火的生态学：易燃者、耐火者与火中重生者

野火不会简单地“摧毁”一个生态系统，它会重塑生态：有的物种遇火即燃；有的能抵抗烈焰；还有的反而依赖火才能繁衍。

创业世界亦复如是。

易燃的“灌木丛”

这些是生态里的枯草与含脂松木：在资本充裕的季节里看似繁荣，一旦温度升高便毫无招架之力。

典型代表包括：

缺乏自有数据、没有独立分发能力的AI“应用外壳”（API包装层）。

拥挤赛道中的基础设施复制品（又一个LLM网关、又一个向量数据库）。

一味追求日活跃用户数而非用户忠诚度的消费级应用。

它们由叙事驱动和高溢价估值支撑。当环境升温——资本收紧，客户开始精算投资回报率——它们将在瞬息间被点燃。

但易燃灌木也非全无价值：它们吸引了资本与人才涌入、制造了市场紧迫感。一旦燃尽，其资源将以养分形式释放到土壤中，供更具生命力的物种吸收。那些来自被焚毁的AI外壳公司的工程师，很可能成为下一批幸存者企业的核心骨干。

阻燃巨木：耐火的行业巨头

这些是生态里的多肉植物、橡树与红杉：它们能储存水分，保护自己的核心。

厚树皮：强大的资产负债表，稳固的客户关系；

深根系：在云服务、芯片、数据基础设施等领域拥有结构性产品市场契合度；

高含水量：真实且多元的收入来源、长期的竞争护城河。

对应到现实世界，便是苹果、微软、英伟达、谷歌、亚马逊等巨头。

它们将吸收热量，最终变得更为强大。待烟雾散尽，这些巨头将屹立得更加挺拔——树皮或许被烈火熏黑，但主干完好无损，周围环绕的，是那些已被烧成灰烬的中小型树木。

火后“再生者”

有些植物（如熊果、矮橡、Toyon）的地上部分会被烧毁，但地下根系依然存活，一场大火之后便如“凤凰涅槃”般重新发芽。对应到创业领域，便是经历烈火洗礼后的战略转型与二次创业：

他们拥有：

深厚的专业积淀，

即使产品失败，依然留存于地下的知识产权与数据资产，

敢于“断枝去干、从头再来”的决心。

烈火之后，他们将以更精悍、更智慧、更适应新环境的姿态重生。真正深刻的学习便发生于此：2024年或许做错了产品、但找对了团队的创始人；到2027年很可能带领这支经过战火考验的团队，创造出正确的产品。失败的经验将如养分般储存在根系之中，等待下一季的勃发，而非白白浪费。

 “火随者”

还有一类是火种催生的野花：唯有当旧森林被焚烧殆尽，他们的种子才得以萌芽。这便是“崩盘之后”方才起步的创业者。

他们在灰烬中招募人才，

于更廉价的基础设施上构建产品，

从先前“被焚毁的公司”身上汲取经验与教训。

领英（2002）、Stripe（2010）、Slack（2013）皆属此类“火随者”。

下一代真正AI原生的伟大公司，极有可能诞生于此：它们并非用AI来“点缀”工作流，而是将智能深度嵌入其中；真正的关键在于推理层——模型在生产环境中实际运行的那一层；随着算力日益商品化、智能体工具极度丰富，竞争的主战场将从“谁训练的模型最大”转向“谁能以最低成本，在规模化场景中高效交付智能”。

04 火的真正功能：人才与基础设施的再分配

每隔数十年，硅谷便会演变为一片过度生长的丛林。历次泡沫已验证同一事实：过度生长终将扼住自身的咽喉。

互联网泡沫的破裂，不仅清理了初创公司，也清除了市场噪音。2008年金融危机引发的下行周期，虽更多由次贷危机而非科技本身触发，但逻辑相似：获得过多资金的竞争者倒下，人才四散，而幸存者则能招募到更优秀的人才，跑得更快，根基筑得更牢。精明的公司甚至借机变得更精悍，裁汰表现不佳者，将从基层到高管的岗位升级给那些从失败竞争对手中“出逃”的饥渴人才。 

这种“人才再分配”或许是每一轮崩盘最有力的成果之一。谷歌许多最杰出的早期员工（那些设计出史上最耐用商业模式之一的人）都曾是互联网浪潮中创业公司的创始人或早期成员。 

这远不止是“人才数量”的转移，更是“人才特质”的迁移。那些具有创业精神、不安于现状、对文化充满不耐的人才，直接塑造了谷歌内部的特有气质。

这种DNA造就了谷歌那种实验性、进攻性、永远处于测试状态的文化，并在随后10到20年间向整个生态扩散。那场大火并非只是破坏，它重新配置了智力资源，也重塑了文化基因。

05 两场“好”火：2000与2008

2000年的首场大火

2000年那场野火近乎一次彻底焚毁。过度建设的基础设施、泛滥的资本与投机狂热交织，将几乎所有“无利润的增长故事”烧为灰烬。但留存下来的，是根系：数据中心、光纤网络，以及那些学会“缓慢生长、深扎根基”的幸存公司。

亚马逊看似濒临绝境，股价暴跌95%，却最终成长为数字商业的脊梁。eBay率先站稳脚跟，成为首个盈利的平台型市场。微软与甲骨文将其软件垄断转化为持久的企业级现金流。思科在产能严重过剩的灼烧下，缓慢重建，随着网络逐渐成为全球商业的“水电管道”，重新崛起为支柱。 

若将苹果、谷歌和Salesforce纳入考量，故事便不仅是“幸存”，更是“接班”与“换代”。苹果不仅挺过了那场大火，更彻底改写了之后所有的商业气候。谷歌则在他人化为灰烬的土地上发芽，其养分源自那些在烈火中倒下的创业公司工程师与创始人。Salesforce则利用企业预算被烧光的时刻，推广云端弹性，定义了SaaS模式。

奠定互联网基石的“灰烬”

上世纪90年代末，电信公司通过股权融资筹集约2万亿美元，又通过债务融资6000亿美元，以滋养所谓“新经济”。代表这场狂潮的股票走出了一条经典的泡沫曲线。英特尔、思科、微软和甲骨文四家公司，1995年总市值约830亿美元，到2000年膨胀至近2万亿美元。高通一年内涨幅达2700%。 

这些资金铺设了超过8000万英里的光纤，占当时美国已铺设数字线路的四分之三以上。随后是大崩盘。 

到2005年，近85%的光纤处于闲置状态，埋于地下的“暗光纤”无人使用。这是过度自信导致的严重过剩。但光纤犹在，服务器犹在，人才犹在。这些“过剩”资源，转瞬间成为现代生活的骨架。崩盘后四年内，带宽价格下跌90%，这一大把廉价连接直接催生了之后的一切：YouTube、Facebook、智能手机、流媒体、云计算。这便是“生产型泡沫”的悖论：它在资产负债表上毁灭价值，却在现实世界中建设基础设施。当火焰退去，管道、代码与人才仍在——准备以原成本的一小部分，被下一代充分利用。

2008年的另一场大火

大衰退引发的是另一种野火。互联网泡沫的火焰焚烧的是投机性基础设施，2008年的火则烧穿了商业模式与幻觉。风险投资冻结，广告预算蒸发，信贷环境骤紧。然而幸存者不仅承受住了高温，更将“热量”转化为养分。 

苹果于逆境中走向主导，将iPhone从新奇玩意变为社会基础设施。亚马逊在熬过互联网泡沫炼狱后，悄然成为互联网的氧气供应商：AWS。Netflix为流媒体时代重塑自我，其增长字面意义上奔跑于上一轮泡沫铺就的光纤之上。Salesforce证明即便资本开支冻结，云软件依然可以茁壮成长。谷歌发现，可度量的效果广告在衰退中仍能扩张。而当时尚是幼苗的Facebook，很快在灰烬中扎根，依靠廉价智能手机与过剩带宽滋养。 

2008年的火，筛选出的是那些能将硬件、软件与服务整合成自我维持生态系统的公司，而非仅仅是“烧出一片空地”。其结果并非简单的恢复，而是进化。

06 本轮周期的“树冠问题”

但本轮周期，点燃的是另一种燃料——“树冠火”。 

过往，火焰主要焚烧灌木丛：规模小、估值虚高的创业公司。如今，热量集中于最高大的树木：英伟达、OpenAI、微软，以及少数几家相互间进行天量交易的超级云厂商。 

在这个市场，“算力”既是氧气又是助燃剂。每1美元的AI需求，转化为英伟达的1美元收入，反过来又驱动更多模型训练投资，进而需要更多GPU，形成一个互相放大的增益回路。 

此种格局更接近“工业泡沫”，而非传统意义上的“投机泡沫”。资本并非分散于上千家互联网公司，而是集中于少数几条巨型双边关系，复杂的交叉投资模糊了“真实部署”与“资本循环”的界限。 

当野火来临——无论是AI需求回归常态，还是资本成本上升——风险的形态将发生变化。我们面临的，不再是数十家创业公司破产，而是算力利用率的阶段性崩塌。英伟达的股价未必化为灰烬，但即便是GPU订单的温和收缩，都可能暴露整个生态对少数几个大买家的高度依赖。 

这便是“树冠问题”的本质：当最高的树木生长过近，其树冠将彼此纠缠，一旦其中一棵被点燃，火势将沿树冠横向蔓延，而非仅从地面向上燃烧。 

作为事实标准数据库的甲骨文，股价从2000年的46美元跌至7美元，之后又爬升至ChatGPT发布前后的79美元，并一路涨至如今的277美元。第二轮互联网浪潮的那场火中，作为效果广告“供给商”的谷歌，从17美元跌至6美元，后来一路涨至ChatGPT发布时的99美元，再到如今的257美元。 在本轮周期中，相似角色可能是英伟达——并非因其缺乏基本面，而是因为其客户皆从同一池“投机热量”中取火，此池水又被复杂的交叉投资烧得沸腾，以至于外界不得不质疑：这些资本究竟是在进行真实部署，抑或只是在循环一个自我实现的故事。

07 下一步：算力大过剩

相较于以往，此次AI野火的一个积极之处在于：我们今天过度建设的基础设施，不再是埋于地下的光纤，而是算力——当前限制AI创新的根本性资源。

如今的AI市场是残酷的供给约束型市场。初创公司难以获得足够的GPU配额，云巨头在对最优客户“配给”算力，研究机构为训练模型需排队数月。瓶颈不在于创意与人才，而在于机器本身。 

正是这种稀缺，引爆了当下的狂热。公司签下跨越数年的数百亿美元合同，以溢价锁定算力，自建数据中心，像囤积弹药般囤积芯片。恐惧的核心并非“错过AI浪潮”，而是“根本无资格下水”，因为你可能拿不到算力。 

那么，烈火焚烧之后会如何？ 

类似2000年后带宽的那一幕，很可能在大约2026年，于算力领域重演。数百亿美元正涌入GPU集群、数据中心与电力基础设施。大量新建产能带有高度投机色彩，其前提是AI需求将永远保持指数级增长。 

推动建设加速的另一股力量，是一场高风险的“胆小鬼游戏”：无人愿意认输。当微软宣布投入1000亿美元建设数据中心时，谷歌必须做出规模相当的回应。当OpenAI承诺消耗相当于10吉瓦规模的英伟达芯片时，竞争者亦觉必须跟上甚至超越此承诺。恐惧的焦点在于：若需求真如预期般到来，而你未锁定产能，你可能被整个市场永久拒之门外，这不仅仅是“需求未至”的风险。 

这形成了一个危险的反馈回路：每一笔巨额支出公告都迫使竞争对手加大投入，从而抬高“赌注”的感知，反过来又为更大承诺提供合理性。没有哪位高管愿意成为那个“在时代技术上投入不足”的人。投入不足，一旦判断失误便是灭顶之灾；投入过度，即便错了也不过是未来某个季度的减值损失，而非当下的战略失败。 

正是这种结构，孕育了所谓“生产型泡沫”。单个公司的理性决策（匹配对手投资），汇聚一处却导向集体的非理性结果（巨量产能过剩）。但正是这种过剩，为下一片森林埋下了种子。被过度建设的，不仅是“埋于地下的光纤”，更是算力本身——当前AI创新最核心的约束资源。

08 两种算力，两种迥异的未来

然而，在有关泡沫的讨论中，一个关键区别常被忽视：算力并非同质。整个市场实际可分为两块底层逻辑截然不同的算力池。 

第一块是“训练算力”，即用于训练新模型的超大规模集群。这正是那场“胆小鬼游戏”最激烈的战场。没有哪家实验室拥有真正“原则性”标准来决定该花多少钱；大家都在根据对手的投入情报做出反应。若对手花费是你的两倍，他们或许能将未来提前一年拉至眼前。因此这场军备竞赛更多由竞争恐惧而非实际需求驱动，而英伟达则居中扮演愉快的“军火商”。 

第二块是“推理算力”，即在真实环境中运行模型、服务用户所需的算力。在此，供需逻辑完全不同。 

社会对“智能”的实际需求近乎无限。每多出一分智力，被用于分析数据、自动化决策、提升生产率，都会立即被消化。制约采用率的，不是需求，而是供给。企业如今不再问“我们是否需要AI？”，而是在问“我们能获得多少？能多快得到？” 

随着GPU商品化、算力变得充沛，推理能力将成为下一个关键市场，尤其是在“智能体工具”需求持续膨胀的背景下。大模型推理正在演变为一场规模巨大的竞赛。谁能以最低的单token成本、单决策成本输出最大量的智能，谁就能截取不成比例的巨大价值。在今日阶段，“谁训练的模型最大”已非关键，“谁能在地球级规模上高效运行模型”才更为重要。 

这与互联网泡沫有本质不同。那个时代的主要燃料是广告支出。公司烧钱在超级碗打广告，期望未来某天能将这些用户变现——那是用“投机需求”追逐“投机价值”。AI推理的需求则直接指向实际利润的改善。企业部署智能，旨在降低获客成本、减少运营费用、提升员工生产率。此种回报可度量，且往往是即时显现，而非纸上谈兵。 

这意味着，AI泡沫的“软着陆”可能较前几次更为温和。诚然，当前市盈率看似夸张。但不同于纯投机，本轮周期确实在建设真实的生产能力。若在调整之后，算力价格大幅下降，而推理需求依然强劲（所有迹象均表明如此），企业可做之事甚多：让模型运行更久，采用更算力密集的方法，或将智能部署至那些以现价看“勉强不划算”但在未来价格下便“完全合理”的场景。 

换言之：即便我们在训练端严重过度建设（此趋势几乎必然），推理端仍有充足“潜在需求”来吸收这些多余算力。这些算力可从“胆小鬼游戏”的战场，被重新分配至大规模、生产性的智能应用，而非如暗光纤般长期闲置。

09 折旧难题

正如互联网泡沫破裂四年后，带宽成本暴跌90%，使得YouTube与Netflix成为可能，同样地，在AI调整之后，算力成本也很可能出现断崖式下跌。今日被云巨头严格配给的GPU集群，未来或许会成为任何人刷信用卡即可使用的“公用设施”。 

但这个类比在一个关键点上失效。 

光纤的经济寿命极长：一旦埋入地下，便可数十年持续提供价值。互联网泡沫时期铺设的光纤，25年后的今天仍在传输数据。那是一份“一次性付费、价值却能复利数十年”的礼物。 

GPU集群并非光纤。 

一个用于训练的大规模集群，其经济上具备竞争力的寿命或许仅有两三年。芯片并非物理损坏，而是被新架构淘汰——后者拥有更高的每瓦性能、更好的内存带宽、更高效的互联。从经济学角度看，训练算力更像一种需快速回本的运营开支，而非长期耐用资产。 

这使得“火烧之后”的格局截然不同。 

泡沫破裂、训练算力变得充裕后，成本的确会下降。但“后来者”接手的，不再像当年公司接手光纤那般是“最先进基础设施”，而是“上一代”硬件——可用，但已非尖端。若想获得最新最快的算力以训练具备竞争力的模型，仍需向那些持续更新集群的玩家支付溢价。 

这造就了一种与以往不同的护城河。幸存者的优势，不仅是“手中握有大量算力”，而是他们已将当前一代硬件的成本摊销殆尽，而后来者想要追赶时手中仅有旧硬件可用。真正的壁垒在于：你能否持续拥有“对的那一代算力”，并且不断刷新，而非简单地“有或没有算力”。 

推理算力的经济逻辑则不同。一旦模型训练完成，它在旧硬件上亦可高效运行多年。但在训练侧，我们不会看到如带宽那般程度的民主化。火的确会清理灌木，但最高的树木仍将截取大部分阳光。

10 更深层的根系：算力之下，能源之战定乾坤

若我们仅盯着算力，或许正盯着错误的着火森林。 

有识之士认为，在国家乃至全球尺度上，赢得这场AI竞赛的关键，并非谁获得了最多GPU或谁拥有最佳模型，而是谁率先解决“能源问题”。 

归根结底，算力仅是“高度浓缩的电力”。一个现代AI数据中心的耗电量，可堪比一座小型城市。真正稀缺的是千瓦时，而非硅片。你可以通过扩大产能制造更多芯片，但你无法凭空制造更多电力，除非建设极其基础的能源设施：电厂、输电线路、电网容量——这些设施的建设周期以年甚至十年计。 

此时，“野火”这个比喻尤具启发性。我们关注算力这片森林如何焚烧、如何再生，但在这场大戏之下有个更深层的问题：我们是否同时在建设足够多的“能源基础设施”，以为下一片森林提供动力？ 

互联网泡沫留下的是“暗光纤”，需求一旦回归，接线连通、立即可用。但没有电力的数据中心，仅是昂贵的房地产。真正的基础设施缺口，很可能在“发电与输电”环节，而非“算力”本身。 

若此轮泡沫最终推动对电力基础设施的大规模投入——核电站、可再生能源基地、电网现代化、先进储能——那对未来50年而言，将是一份真正“耐久”的遗产。能源基础设施不似GPU五年即过时，而是随时间推移价值不断累积。 

真正能在火后称王的公司，很可能是那些今日便开始锁定明日能源产能的玩家，而非仅仅囤积算力者——到了明天，当所有AI相关基础设施皆变得充裕，唯独“电力”依然稀缺时，真正的护城河将显现。 

算一笔账：一个大型AI训练集群，持续功率需求即可超过100兆瓦，相当于一座小城市。美国当前总发电能力约为1200吉瓦。若AI相关算力按预测速度增长，十年内便可能消耗全国5–10%的发电总量。 此处的问题，是极其根本的能源基础设施问题。 而与光纤或GPU不同，电力基础设施无法快速部署。核电站需10–15年建设期，大型输电线路往往需在漫长的审批与博弈中耗费十数年。即便是大型光伏电站，从规划到并网也需3–5年。 

这意味着，真正决定AI上限的约束，或许已被今日正在做出（或未做出）的电力决策锁死。 

那些如今花费数千亿美元购买GPU的公司，最终可能发现真正的瓶颈，是“能为这堆芯片供电的千瓦数”，而非芯片本身。而那些今日大力建设电力基础设施的地区，将在未来承载AI负载方面获得几乎无法超越的地理优势。 

那些真正为“稀缺时代”做准备的公司，不仅是在囤积算力，更是在将根系扎得足够深：签下跨数十年的能源合同，维持120%以上的净留存率，在扩张中持续提升利润率，并搭建可在训练与推理之间灵活切换的基础设施。 

不动声色间，我们已进入一个以“瓦特数”与“稀土资源”作为新型战略武器的竞争时代。

11 如何辨识“耐火者”？本轮生存指标解析

当前一个迫切问题是：在此轮周期中，我们该如何评估“耐火性”？不同类别的公司经受的是不同的“火之考验”。理解这些考验，方能分辨何为真正具备韧性的生态力量，何谓仅“暂时生长迅猛”。 

基础模型实验室面临的根本问题是：

收入能否跑在算力成本之前？训练成本呈指数级增长（大致是10倍算力换取3倍性能），而收入则随客户采用速度增长。若一家实验室花费1亿美元购算力仅能挣得5000万，再花3亿只增至1.2亿，此轨迹便是致命的——他们在“原地狂奔”。耐火的实验室会呈现：收入增长速度超越算力投入，证明每一次能力提升皆能解锁更大规模的客户价值。 

企业级AI平台则必须证明，其AI功能非贴于原有产品上的营销标签。若一家公司总毛留存率达95%，但AI功能的真实使用率仅12%，则客户留存的原因在于传统平台能力（数据仓库、CRM等），而非AI增强功能。当资本环境收紧，此类公司将遭遇市场猛烈重估——因市场意识到其本质仅为“基础设施公司”，仅贴有AI标签。真正的AI平台，会呈现“因AI使用率高，故留存率高”，而非“尽管AI使用率低，客户仍留存”。 

应用层公司则陷入另一独特陷阱：构建于自身无法控制的模型（如OpenAI、Anthropic）之上，将面临利润被挤压、功能同质化及被上游“吞噬”的风险。唯一逃生路径是深度嵌入客户工作流。那些净收入留存率高于120%、获客回本周期短于12个月的公司，通常已完成“工作流级整合”：客户会自然扩大使用，获客成本亦能快速收回。那些净收入留存率低于100%、回本期超过18个月者，则更多是“好用但可有可无”的功能，一旦预算紧张便遭削减，仅能依赖持续外部资本输血维持增长。 

推理API提供商在GPU过剩时代将面临商品化压力。“每GPU小时收入”是观察其定价能力的关键指标。一家每小时能从一块GPU挣得50美元的公司，相较于另一家仅能挣5美元者，拥有10倍的利润空间，可用于技术优化、产品差异化或构建渠道护城河。推理成本的“价格弹性”亦揭示市场结构：若价格降低50%带来500%的需求增长，此乃典型“商品地狱”；若价格弹性很低，则说明客户重视的是超越“原始算力”的其他价值。 

能源与基础设施公司，最终掌控着AI的根本约束。数据中心的经济性由“利用率”与“电价”共同决定。在每千瓦时电价3美分、利用率85%的情况下，有效电价约为3.5美分；在8美分、利用率50%的情况下，有效电价接近16美分——劣势高达4.5倍。当AI需求在泡沫破裂后下滑时，高电价设施无法通过降价填满产能。而那些拥有结构性能源优势（如水电或长期核电合同）的运营商，则可在仍保持正利润率的前提下大幅降价，通过承接其他“受伤设施”的客户来填满自身机房。 

贯穿这些指标的元模式是：它们皆从不同角度追问同一件事——当外部资本消失，你的商业模式能否自我维持？耐火的公司实现了一种“热力学上的可持续”：每一单位投入（资本、算力、电力）皆能产出超过一单位的回报（收入、价值、效率），故而它们能在稀缺环境中持续成长。而那些易燃的“灌木丛”，消耗的总是多于创造的，仅靠充裕资本补贴支撑，一旦补贴消失，它们便将燃为灰烬。 

在此比较中，我们方能看清：谁在真正构筑生态耐久力，谁仅靠暂时的“迅猛生长”显得气势汹汹。

12 红杉树的启示

须知巨杉此类树木，若无火，便无法繁衍。其球果唯有在高温下才能打开。火焰清理林下杂物，让种子有机会接触富含矿物质的土壤。树冠被烧开，阳光方能照射林地。若无焚烧，便无新生。

在巨杉与火的关系中，还有一个更深的事实：非所有火皆对巨杉有益。 

数千年来，巨杉适应的是每10–20年一次的低强度地表火。此类火温度足以焚毁灌木、打开球果，但不至于伤害成熟大树。巨杉厚达两英尺的树皮，正是为抵御此类周期性火焰而进化所得。

然而，过去一百年间，人类一直在“扑灭一切火焰”。缺乏定期的小规模焚烧，林下可燃物不断积聚，灌木与小树长高变粗。当火最终无法避免地发生时，火势比巨杉历史上经历的任何一次都更猛烈、更高耸。

2020年的城堡大火，一场火便烧死了估计占全球10–14%的成年巨杉。这些树木曾在2000年间挺过数十场火，最终却在一个下午倒下。差别在于：火的强度。被累积燃料喂养的树冠火，连巨杉传奇般的耐火性亦被压倒。 

对硅谷而言，教训显而易见：规律性的燃烧——周期性修正、正常的破产、持续不断的创意破坏——是健康的。它们清理灌木，释放资源，让新生长成为可能。但若我们长期压制一切燃烧，对所有被高估的公司进行救助，对每一种失败的商业模式皆悉心托底，我们并非“避免了火灾”，而是在为一场灾难性火灾储备燃料。

这亦提醒我们，时间尺度极其重要。巨杉需数百年方能长成参天大树。即便是已成熟的巨杉，在熬过一场火后，亦需数十年重新修复树冠。今日我们难以判断：哪些看似已高的树木会继续生长，哪些实则已达高度极限。真正的巨人，是那些花费数代时间将根扎得足够深，能汲取他人够不到的水源，同时让树皮厚到足以承受他人承受不了的高温。 

我们的目标，非“消灭一切火”，而是保持火的节奏。小而频繁的燃烧，可避免毁灭性山火。最糟糕的政策非火本身，而是那种不断延后一切火灾，直至燃料负荷高到仅剩大爆炸这一种结局的做法。

13 两道核心问题

若此轮确为泡沫，那它也是一种“生产型泡沫”——更像一次可控的计划烧而非彻底崩塌。

但“可控”并不意味着“舒适”。易燃的灌木终将被点燃，资本会蒸发，估值会塌陷，岗位会消失。此非系统失败，而恰是系统应有的运作方式。 

每一位创始人与投资人真正需回答的考题，是你能否在“稀缺期”中存活，而非你能否在“丰裕期”里生长得足够快。 

烟尘散尽之后，我们将看见谁是多汁的多肉植物，谁是干燥的引火柴，谁长出了保护性树皮，谁本身就是树脂。

野火必将到来，那本身并非问题。

问题是：你是哪一种植物？

更重要的是：你是否正在构筑足够深的根系，不仅为活过这一季，更为在接下来十年的稀缺中仍能持续生长？

因为真正的机遇，皆在火后——在那些仍能继续生长的树木身上，亦在那些从灰烬中冒头的全新品种身上。 

我并非将野火浪漫化为“自然母亲维持平衡的智慧之举”。事实上，并非所有生态系统皆依赖野火。许多生态系统是与火共同进化的，火在其中是自然且有时必要的过程；亦有不少生态系统并未适应火，一场野火对它们唯有伤害，毫无“自然适应机制”。此比喻仅想表达：在硅谷的生态中，野火是一种自然且必要的存在。

值得进行道德判断的部分，是大火之后——所有营养、人才、注意力与荣耀最终流向何处。这才是此轮周期对人类的真正“试金石”。

资源会否继续流向那类公司：它们只想攫取更多“注意力份额”，通过推送浅易而刺激的内容，让你在多巴胺与肾上腺素的驱动下无意识地刷屏？此轮技术的最高目标，会否仅是让你不停购买并不需要之物，将时间花费于那些只能暂时缓和错失恐惧症的活动上？AI会否仅是加速一套资本主义“终极关切追逐—存在性失落”的循环，加深“拥有者”与“未拥有者”间的鸿沟？

哈佛大学罗伯特·帕特南的研究显示，“技术民主化”并不会自动拉平赛道。他写道：“与贫穷同龄人相比，出身上层阶级的年轻人（及其父母）更可能将互联网用于求职、教育、政治与社会参与、健康信息及新闻获取，而较少用于娱乐与消遣。富裕美国人使用互联网的方式是推动向上流动的，而更贫穷、受教育程度更低的美国人，则往往仅以无助于向上流动的方式使用互联网。”此种鲜明对比强调一事：我们必须有意识地引导AI去“解放”而非“束缚”人的能动性。

更乐观而言，我期望帕卡德定律的“手铐”会在此轮火后有所松动，让当下的创业公司及未来的野花，有机会追求真正值得的使命。在《从优秀到卓越》中，吉姆·柯林斯引用惠普联合创始人戴维·帕卡德的看法，提出“帕卡德定律”：一个组织的增长速度，受限于其获取“足够多合适的人”的能力。 在火烧过后，我期望如下公司，能够因人才获取变得更容易，而获得更充足的成长氧气与阳光。

Montai Therapeutics 正利用AI开创治疗与预防慢性疾病的新药物。他们采用一种“多重智能”的发现方式——让人、AI与自然共同参与，创造此前无法攻克疾病的全新分子。 

Eudia 在构建一个“增强智能”平台，从法律行业切入，将人类效率提升数个数量级——非取代律师，而是增强他们。增强的法律服务可同时提供精度与速度，并首次打破“成本”与“质量”的对立。它正推动以“基于结果的定价”取代“计时收费”。对任何法律服务消费者而言，这几乎是无需多虑的好主意。

Listen Labs 则是一个由AI驱动的用户研究平台，帮助团队在数小时内（而非数月内）从客户访谈中提炼洞察，从而放大“客户之声”。过往，公司从实践角度仅能与极小部分客户对话；而今，他们可即时“倾听”一整张覆盖各年龄、地域与心理画像的“全样本面板”。讽刺的是：当受访者面对AI而非真人时，反而更可能提供坦率且有价值的反馈，因他们不会有意或无意担心对方在“评价自己”。

Netic 则在帮助那些“基础服务行业”实现自动化增长。AI浪潮已席卷软件与创意行业，但家庭服务、汽车服务与消费者医疗等领域大多被落下。这些行业构成经济的骨干，却依旧依赖落后工具、疲于应对的呼叫中心与彼此割裂的系统。其操作流程复杂，严重依赖人工，接触不到支撑数字原生企业的前沿技术。在一个“创业公司多为创业公司造工具”的世界里，Netic选择服务那些真正支撑美国运转的“实体行业”。

显而易见，AI会抬高“拥有者”的天花板；若它无法同时抬高“未拥有者”的地板，那么社会必然——或许理应——出现“举着干草叉”的人群。

我一直尽力以“机会视角上的丰裕心态”与“自然资源视角上的稀缺心态”教育我的孩子。而整个社会却似乎恰恰相反。我时常思索，我们有机会逃离这样的宿命吗？

这场即将到来的野火，几乎肯定会对“硅谷生态”本身有益，但它对“整个人类”而言，又会是好事吗？