文｜山自

变革真实存在，却也完全可预测。

当革命性技术催生出一波又一波具备投资价值的创新企业时，企业家与投资者才能借此积累财富。无论是铁路、贝塞麦炼钢法、电力、内燃机，还是微处理器 每一项技术都如同烟花厂中的零星火花，引爆了数十年的后续创新，渗透到社会的方方面面，并将一批新的发明家与投资者推向权力、影响力与财富的高峰。

然而，有些技术创新即便对社会产生了变革性影响，却难以催生新的财富，反而会巩固现有的格局。在微处理器问世 15 年前，另一项革命性技术 集装箱运输 诞生于一个 时机不佳 的时代：当时的技术进步如同《爱丽丝梦境奇遇记》里的 红皇后赛跑（Red Queen's race），发明家与投资者即便不停奔跑，最终也未能获得更好的结果。

任何投资 新新事物 的人都必须回答两个问题：第一，这项创新能创造多少价值？第二，谁能捕获这些价值？信息通信技术（ICT）革命的价值被初创企业捕获，催生出数千名新晋富豪创始人、员工与投资者；反观集装箱运输革命，其价值被过度分散，最终只让一位创始人短暂致富，仅一位投资者略微获利。

生成式人工智能更接近前者，还是后者？它会成为未来众多行业财富的基石，还是会让投资界整体面临净亏损，只在局部产生少数零和博弈的赢家？

投资人工智能成果确实有盈利途径，但前提是要接受一个现实：对发明家与投资者而言，当下仍是 时机不佳 的阶段。人工智能模型构建者与应用公司最终会在竞争中形成寡头垄断，而人工智能带来的收益将流向客户，而非技术构建者。因此，大量涌入人工智能领域的资金正投向错误的方向。除了少数幸运的早期投资者，能获利的将是那些有远见、及早抽身的人。

微处理器：从 计算器配件 到时代革命

1971 年，英特尔（Intel）的工程师发明了微处理器，但他们最初并未意识到这项技术的革命性 当时他们只是想避免每次都从头设计台式计算器芯片组。然而，外部人士却发现，微处理器可用于打造个人计算机，科技爱好者们率先付诸实践。成千上万的 极客 探索出英特尔从未设想过的配置与用途。正如经济学家卡洛塔・佩雷斯（Carlota Perez）所言，这种 分布式、无需许可 的创新，引发了一场由技术触发、但由经济与社会力量推动的 大规模发展浪潮[1]。

20 世纪 70 年代初，个人计算机并无实际需求，更像是昂贵的玩具。但早期探索者奠定了技术基础，还构建了社群。到 1975 年左右，微处理器成本的 阶跃式下降 让个人计算机市场具备了可行性：

英特尔 8080 芯片初始标价 360 美元（相当于如今的 2300 美元），制造商

MITS 推出的 牛郎星（Altair）计算机即便以 75 美元（如今的 490 美元）

的批量价销售，也几乎无利可图；

当 MOS 科技公司以 25 美元（如今的 150 美元）的价格推出 6502 芯片时，

史蒂夫・沃兹尼亚克（Steve Wozniak）才负担得起苹果原型机的制造成本；

6502 芯片及定价相近的齐洛格（Zilog）Z80 芯片迫使英特尔降价，新兴的

个人计算机社群开始涌现企业家，数十家公司成立，每家都推出略有差异的

产品。

20 世纪 70 年代中期，没人能预料到个人计算机（及 ATM、POS 终端、智能手机等类似产品）会彻底改变世界。当时史蒂夫・乔布斯向投资者宣称 未来每个家庭都会拥有一台个人计算机（事后证明这是严重低估），而另一些人则质疑 个人计算机是否有存在的必要。直到 1979 年，苹果的广告仍未说明 个人计算机能做什么，反而反问用户 你会用它做什么[2]。IBM、惠普（HP）、数字设备公司（DEC）等老牌计算机制造商，对 客户不需求的产品 毫无兴趣 没人 需要 计算机，因此个人计算机不是 被购买，而是 被推销。

苹果、辛克莱（Sinclair）等光鲜的初创公司靠炒作吸引关注；雅达利（Atari）、康懋达（Commodore）、坦迪 / 无线电屋（Tandy/RadioShack）等在消费电子领域有根基的公司，则凭借强大的零售渠道，让产品触达潜在客户。

技术浪潮的共性：时间、耐心与 自我强化循环

个人计算机市场初期增长缓慢，直到 1979 年电子表格等 实用应用 出现后才加速。随着使用场景增多，观察实际应用 降低了市场不确定性，进而推动更多企业采用，形成 自我强化循环。每一次技术浪潮都需要时间积累 momentum（势头）：例如，电力用了近 30 年才覆盖美国一半家庭，个人计算机的普及也花了相近时间 [3]。

当一场技术革命要改变一切时，需要大量创新、投资、叙事、时间，以及纯粹的 苦功 它还会吸纳所有可用的资金与人才。正如科学领域的 库恩范式（Kuhn’s paradigms），任何不属于该浪潮 技术 - 经济范式 的技术，都只会沦为 旁支表演[4]。

新兴的个人计算机市场吸引了风险投资家，他们开始为新公司下高风险赌注。这一趋势又激励了更多发明家、企业家与研究者，进而吸引更多投机资本。

而在个人计算机崛起前的行业巨头 IBM，此时表现相对疲软 它既不相信个人计算机会长期存在并渗透到自身核心市场，也不屑于关注 想要更廉价解决方案的新兴小市场。

事后看来，我们总将个人计算机先驱视为 预言家，但在当时，除了少数早期采用者，几乎没人关注这一领域。《纽约时报》等主流媒体直到 1981 年 8 月 IBM 推出个人计算机后，才开始认真对待这一技术。1976 年苹果公司成立的整整一年里，《纽约时报》仅 4 次提及 个人计算机[5]。显然，只有那些 疯狂者、异类、反叛者与麻烦制造者，才在当时关注着这一领域。

今昔对比：人工智能与个人计算机的 惊喜差距

将计算机革命早期与当下对比，最显著的差异在于 惊喜感：20 世纪 70 年代，没人在意个人计算机；2025 年，人工智能却成了全民热议的话题。

大公司厌恶 惊喜，而 不确定性 正是初创公司的最佳护城河。1979 年 IBM 进入个人计算机市场时，苹果本可能无法存活 它能继续竞争，全靠 1980 年 IPO（首次公开募股）筹集的 1 亿美元资金。在 IBM 引发的行业 筛选 后，苹果成了仅存的竞争者之一 [6]。

随着技术站稳脚跟并展现潜力，软件、内存、软盘驱动器、调制解调器等外设的创新也随之而来，彼此强化：每一项进步都会对相邻技术产生压力，若系统某环节拖后腿，投资者就会争相为该领域注资。例如，个人计算机内存提升催生了对复杂软件的需求，进而需要更多外部存储 这促使风投大卫・马夸特（Dave Marquardt）在 1980 年投资磁盘驱动器制造商希捷（Seagate）。1981 年希捷上市时，为马夸特带来了 40 倍回报。其他投资者纷纷效仿，此后三年，约 2.7 亿美元资金涌入该行业 [7]。

资金还流向底层基础设施（光纤网络、芯片制造等），确保 容量永远不会成为瓶颈。利用新技术超越老牌企业的公司开始抢占市场份额，即便保守的竞争者也意识到 不采用新技术就会灭亡。炒作逐渐演变为投资泡沫 即 20 世纪 90 年代末的互联网狂热。

信息通信技术浪潮与此前的技术浪潮（如 19 世纪 30 年代运河建设、20 世纪 20 年代铁路建设后的投资热潮）类似：人类对每个阶段的反应，都会可预测地催生下一阶段。

互联网泡沫破裂后，社会开始反对行业过度投机，政府也获得民众支持，重新对科技公司及投资者施加管控，为 狂热 踩下刹车。企业不再像泡沫时期那样盲目创新，而是转向已验证的市场；金融家从 投机 转向 投资；企业家不再聚焦底层技术创新，而是专注于寻找应用场景。技术仍在进步，但变革更多是 渐进式，而非 革命性。

变革放缓后，企业有信心进行长期投资，开始以新方式整合系统各环节，为更广泛用户创造价值。泡沫时期过度建设的光纤通信网络等基础设施，提供了大量廉价产能，降低了扩张成本 这对企业家与投资者而言，是一段黄金时期。

人工智能的 与众不同：缺乏 试错空间 的革命

与互联网不同，社会无需等到 泡沫破裂，就已开始批评人工智能。尽管对科技的 反弹 已持续十年，我们对此习以为常，但人工智能面临的反对，与信息通信技术早期（比尔・盖茨、史蒂夫・乔布斯、杰夫・贝佐斯等科技巨头广受推崇）形成鲜明对比。

世界厌恶变革，20 世纪 80-90 年代之所以 容忍 科技，是因为当时人们认为 科技若出问题，还能倒退 这给了早期计算机创新者 试错空间。如今，所有人都知道 计算机已不可或缺，人工智能不再享有 观望 的余地，而是被视为 信息通信技术革命的一部分。

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（irruption）、狂热期（frenzy）、协同期（synergy）、成熟期（maturity），每个阶段都有独特的投资特征。

对投资者而言，中间两个阶段（狂热期、协同期）相对容易把握：

狂热期：所有人蜂拥而入，投资者因 为未经验证的想法承担高风险 而获利，最终以泡沫破裂、账面利润消失告终；

协同期：理性回归，企业优化产品，使其适用于更广泛用户，有耐心、会筛选、且能提供 非资金价值 的投资者将获得回报。

而爆发期与成熟期的投资难度更大。

爆发期投资：比事后看起来更难

20 世纪 70 年代的投资，远比事后回顾时更具挑战性。1971-1975 年期间，要投资个人计算机相关领域，要么是 坚定的信仰者，要么是 采用盲目多元化策略的综合企业集团：

英特尔是优秀的投资标的，但初期看起来只是 上一波电子行业的公司；

MOS 科技 1969 年成立时旨在与德州仪器竞争，后来为维持运营，不得不将多数股权出售给艾伦 - 布拉德利（Allen-Bradley）；

齐洛格 1975 年的投资方竟是埃克森（Exxon）；

苹果虽潜力巨大，但完全不符合风投的 标准筛选条件 当时个人计算机仍是 为找问题而存在的解决方案。

直到 20 世纪 80 年代初（爆发期后期），优质投资机会才大量涌现：个人计算机制造商（康柏、戴尔）、软件与操作系统公司（微软、艺电、Adobe）、外设厂商（希捷）、工作站企业（太阳微系统）、计算机商店（Businessland）等。若投资了赢家，收益会很可观，但 资金多于想法 的现状意味着，这并非投资的黄金时代。到 1983 年，仅磁盘驱动器领域就有 70 多家公司竞争，估值大幅下跌。

20 世纪 70-80 年代确实有人积累了财富，许多风投也在这一时期成名，但爆发期投资者的最大优势，是 积累机构知识，为后续狂热期、协同期的早期优质投资奠定基础。

成熟期投资：无变革 的困境

成熟期的投资难度更大：爆发期是 难以预测未来，成熟期则是 几乎无变革发生。关于 什么可行客户与社会如何反应 的不确定性几乎消失，一切都可预测，所有人的行为也都可预测。

缺乏活力的市场环境，让协同期成功的企业得以巩固地位（如 漂亮 50（Nifty 50）、FAANG 等科技巨头），但增长变得困难。它们开始侵入彼此的市场、进行并购、提价降本；以低价吸引新客户 的时代结束，产品质量下滑；大公司仍宣称 追求革命性创新，但更倾向于 控制创新的应用方式；研发支出从 产品与流程创新 转向 越来越徒劳的、延长当前范式的尝试 企业将这包装成 为胜利而战，实则是 害怕失败。

成熟期也可能出现创新，有时甚至是突破性创新，但这些创新只有 符合当前浪潮的范式 才会获得支持，最终轻易被行业巨头 吞噬。这意味着，企业家或投资者几乎无法通过这些创新获利。生成式人工智能显然正被信息通信技术巨头捕获 这引发了一个问题：对发明家与投资者而言，此次是否会不同？（这与 人工智能本身是否是革命性技术 是两个问题。）

集装箱运输的启示：价值流向客户 的革命

集装箱运输是 后期浪潮创新 的典型案例：它改变了世界，开启了现代全球化时代，对社会与经济产生深远影响，显著提升了人类福祉，但投资它并真正获利的人，或许只有一两个。

1956 年属于上一波技术浪潮的后期，但就在这一年，后来更名为 海陆运输（SeaLand）的公司，通过推出首艘集装箱船 理想 - X 号（Ideal-X），彻底革新了货运行业。海陆运输创始人马尔科姆・麦克莱恩（Malcom McLean）有一个顿悟：卡车司机、铁路公司、航运公司的核心任务是 将货物从发货人运到目的地，而非 开卡车、装货车、装船。

海陆运输实现了 货运跨模式无缝衔接，节省了时间、提高了航运可预测性、降低了成本（包括装卸货成本与船舶在港闲置成本）[8]。

集装箱运输的好处显而易见 所有人都能看到其效率，而客户只关心 货物能否送达，不在乎 如何送达。但它面临巨大阻力：码头工人会失业、政客会失去失业者的选票、港口管理局会失去政客的支持、联邦监管机构会因 负面后果 被追责、铁路公司可能被航运公司抢走货运业务、现有航运公司可能被新公司取代，且所有变革都需要巨额资金。多数人认为，麦克莱恩不可能成功。

麦克莱恩在反对声中找到了突破口：

购买并改造 surplus（过剩的）军用船只，降低成本；

聚焦 沿海航运（在州际公路兴起的时代，这是一个衰退行业），规避竞争；

在新泽西州纽瓦克（而非纽约地狱厨房的航运枢纽）设立基地，获得港口管理局支持，同时避开曼哈顿的拥堵；

与纽约码头工人联盟达成协议 只因他当时规模小，被联盟视为 无威胁[10]。

但竞争对手与监管机构行动太快，麦克莱恩未能建立起 护城河（如掌控港口、与发货人或其他运输方式签订独家协议、推动专有技术标准化等）[9]。到 1965 年左右，当集装箱运输 看似可行 时，其明显优势吸引了所有大型航运公司入局，竞争加剧。即便 1968 年集装箱货运量仍不足总贸易量的 1%，集装箱船数量已开始快速增长 [10]，此后多年 产能远超需求。

竞争加剧引发了 价格战，利润被压缩，进而导致行业整合与卡特尔（垄断联盟）形成。与此同时，建造更大集装箱船与配套港口设施的成本极高，行业变得 资本密集。麦克莱恩看到了危机，于 1969 年 1 月将海陆运输出售给雷诺兹（R.J. Reynolds） 他或许是唯一 全身而退 的企业家。

集装箱运输的 端到端愿景 过了很久才实现，但到 1980 年左右，海运成本开始大幅下降 [11]，这推动了国际贸易繁荣 [12]，使制造商得以从高工资国家转向低工资国家，集装箱运输从此 不可逆转。

当然，仍有人获利：麦克莱恩赚了钱；航运巨头丹尼尔・路德维希（Daniel Ludwig）1965 年以每股 8.5 美元的价格，向海陆运输的前身麦克莱恩工业公司投资 850 万美元，1969 年以每股 50 美元卖出 [13]；造船厂也赚了钱 1967-1972 年，约 100 亿美元（相当于 2025 年的 800 亿美元）被投入集装箱船建造；建造新集装箱港口的承包商同样获利；后来，马士基（Maersk）、长荣（Evergreen）等通过整合主导行业的航运公司，也成长为巨头。

但 对雷诺兹及其他 20 世纪 60 年代末为追逐快速增长而涉足集装箱运输的公司而言，这些投资只带来了失望[14]。除麦克莱恩与路德维希外，很难找到其他人因集装箱运输本身致富 竞争与巨额资本支出，让行业难以快速增长或实现高利润率。

最终，集装箱运输行业主要被 原有巨头 主导，利润流向了 发货企业，而非 运输企业。宜家（IKEA）受益于廉价航运，从 1972 年的 斯堪的纳维亚区域性公司，成长为 2008 年的 全球最大家具零售商 集装箱运输完美适配其平板包装家具；沃尔玛（Walmart）则利用集装箱运输带来的 可预测性，降低库存及相关成本。

事后看来，投资集装箱运输的正确方式很明确：不投资集装箱运输行业本身，而是投资 受益于集装箱运输的行业。但即便如此，沃尔玛、好市多（Costco）、塔吉特（Target）等公司的成功，也伴随着其他公司的失败：集装箱运输的冲击让西尔斯（Sears）、伍尔沃斯（Woolworth）陷入衰退，为蒙哥马利・沃德（Montgomery Ward）与 A&P 超市敲响了丧钟，还曾迫使梅西百货（Macy’s）破产（后被联邦百货收购重组并缩减规模）。

与此同时，在 世界家具之都 美国北卡罗来纳州，家具制造商试图通过从中国进口廉价家具与宜家竞争，最终却被自己的供应商取代 [15]。

若当时有更多时间构建 护城河，或许会出现几家主导集装箱运输的公司，其创始人能跻身《福布斯》400 富豪榜，投资者也会成为传奇。但 护城河需要时间构建，而与个人计算机不同，集装箱运输的普及 毫无意外 所有利益相关企业都立刻制定了战略计划。

经济学家约瑟夫・熊彼特（Joseph Schumpeter）曾说：任何新事物出现时，完全竞争都会暂时中止。[16] 但集装箱运输的案例表明，在技术浪潮末期，这一规律并不成立。而在完全竞争状态下，不存在经济利润，因此成熟期的创新者也无法获利。与集装箱运输一样，人工智能的出现并未给创新者带来 受保护的利润期，反而立刻引发了 全面竞争混战。

生成式人工智能：是新浪潮开端，还是旧浪潮尾声？

我们姑且认可 生成式人工智能具有革命性（尽管越来越明显的是，这项技术已进入渐进式发展阶段）。它将为经济创造巨大价值，投资者也希望捕获其中一部分。但 何时捕获、谁能捕获、如何捕获，取决于人工智能是 信息通信技术浪潮的尾声，还是 新浪潮的开端。

若人工智能开启了新浪潮，市场会经历漫长的 不确定性与实验期：早期采用者会用自己的模型进行实验；当成千上万甚至数百万 极客 用这项技术以全新方式解决问题时，其应用场景会迅速扩散。但现实是，他们使用的模型归大型人工智能公司所有，其实验空间被限制在 现有巨头允许的范围内 而这些巨头绝不愿让现状受到长期挑战。

这并不意味着人工智能无法开启下一场技术革命。若实验变得 廉价、分布式且无需许可 就像沃兹尼亚克在车库里组装计算机、福特在厨房研发首台内燃机、特里维西克（Trevithick）在詹姆斯・瓦特（James Watt）的专利到期后立刻研发高压蒸汽机那样 它或许能成为下一轮重大变革的种子，实现 革命性 而非 渐进式 突破。但在这一切发生之前，爆发期 无从谈起。

事实上，人工智能是 信息通信技术浪潮的缩影。20 世纪 60 年代的计算机先驱们立志打造 能思考的机器，其继任者通过不断提升算法、芯片、数据与数据中心基础设施，最终实现了这一目标。与集装箱运输一样，人工智能是 对过往技术的延伸，因此其能力与未来方向 毫无意外。

20 世纪 70 年代，人们花了很长时间才理解 强大且普及的计算技术 的价值；但在 2025 年，比以往更擅长思考的机器 很容易被大众理解。

我们不妨对比人工智能的商业演进与集装箱运输的相似之处：

在 人工智能相似发展 列中，前 4 项已在进行中。如何投资，取决于你是否认为第 5-7 项会成为下一步趋势。

经济学家预测，未来十年人工智能将推动全球 GDP 增长 1%[17] 至 7% 以上 [18]，对应 1-7 万亿美元的新增价值。核心问题是：这些价值在价值链中会 停留 在何处？

多数人工智能市场报告将行业分为十多个类别，按服务客户与行业细分，但未来几年这些分类会发生巨大变化。若想简化企业分类，不妨 跟随资金流向：

人工智能的投资策略：向下游捕鱼，而非 向上游游泳

集装箱运输的历史经验表明：若你并非模型层公司的早期投资者，现在入局已无意义。山姆・奥特曼（Sam Altman）等少数早期推动者可能像麦克莱恩、路德维希那样积累财富，但 模型研发与运营的巨额成本 加上 激烈竞争，意味着最终市场只会剩下少数公司，且均由大型科技公司资助或控股。若你已是早期投资者，恭喜：行业整合可能会让你获得退出机会。

垂直领域模型（如代码生成工具 Cursor、法律 AI Harvey）或许是最具价值的细分方向，但 模型微调成本低 且 存在范围经济（同一基础模型可适配多个领域），其优势难以长期维持。此外，正如谷歌 2010 年收购 Invite Media 以掌握 向广告公司销售的能力，那些 获得客户信任的垂直领域模型公司 将成为热门收购标的。

尽管 Midjourney、Runway 等 非语言生成模型（如图像、视频）可能凭借差异化架构开辟独立赛道，但大型语言模型（LLM）公司也已轻松进入这一领域（如谷歌 Imagen、微软 DALL-E）。Osmo 等专注于特定交互模式（如儿童教育）的公司能否例外，仍需观察。

虽然现在投资模型层已为时过晚，但 利用模型解决特定问题的应用公司 仍在大量涌现（如 Perplexity、InflectionAI、Writer、Abridge 等）。但需注意：若这些公司成长为高价值企业，模型层公司会通过 歧视性定价 或 垂直整合 夺取其收益 换句话说，成功即意味着失败，这绝非可靠的投资逻辑。

未来，模型层与应用层公司将逐渐融合，最终形成 少数几家综合性人工智能公司。市场中总会有赢家，但对应用层整体的投资大概率会亏损。当然，若应用公司能积累客户群或打造优秀团队，可能会被收购 但这类公司本质上并非 技术公司，而是 基于预期构建市场，需按此类资产定价。此外，部分投资者可能通过 套利 获利（利用收购方的 FOMO 情绪，促使其高价收购），但这并非真正的 投资。

或许在 模型巨头与客户的接口管理 或 企业数据保护 领域存在投资机会（如 Hugging Face、Glean），因为这类业务本质上与模型层独立。但在集装箱运输后期，类似的 中间服务商 并未成长为大型企业 由于人工智能的 无意外性，即便这类公司成功，也可能止步于中型规模（模型巨头不会允许它们获得战略影响力）。

当一个行业 规模将扩大但发展路径不确定 时，投资者常倾向于 向上游投资（即行业供应商）。对人工智能而言，上游即芯片提供商、数据公司、云 / 数据中心企业（如 SambaNova、Scale AI、Lambda，以及英伟达、彭博等老牌公司）。

但数据领域的投资前景喜忧参半：

通用数据（如多数人已知的信息、10 年前的知识）已成为大宗商品，少数公司可能从事 数据整理与标注，但由于 AI 本身可完成这类工作，其定价权有限；

垂直领域模型需要专业数据，部分模型需处理 实时信息，因此 特定、实时、难以复制的数据 具有价值（彭博等公司已在此领域成功）；

客户集中度提高会压低数据价格，而应用范围扩大则会增加收入 总体而言，该领域或略有收益，但难成 风口，会涌现新公司，但值得投资的寥寥无几。

人工智能公司的巨额资本支出，主要流向基础设施企业。这些公司的估值已反映了这一预期，因此不会有 超预期收益。此外，需警惕类似集装箱运输 船舶建造 的风险：1965-1973 年，船舶建造受益于集装箱运输，但需求崩溃后行业陷入低迷 [19]。若人工智能公司整合或协同行动，即便轻微的行业下行（迫使公司缩减开支），也可能导致基础设施支出 严重、突然且长期的下滑。这将使英伟达及其竞争对手（需对供应商做出长期承诺并扩大产能）陷入困境 若市场规模缩小，它们无法通过降成本适配新需求。对 按 S 型增长曲线定价 的公司而言，若市场出现 峰值与衰退，其估值将严重高估。

综上，投资者不应 向上游游泳，而应 向下游捕鱼：那些 依赖模糊信息实现高质量成果 的公司，将因人工智能提升效率、增加利润 这类行业包括专业服务、医疗、教育、金融服务、创意服务，合计占全球 GDP 的 1/3 至 1/2，且此前未从自动化中显著获益。

与集装箱运输一样，人工智能能降低成本，但企业 如何将成本降低纳入战略 及 如何使用节省的资金，将决定其成败。直白地说：用成本节省提高利润而非扩大收入，是一场必输的游戏。

最快受益的公司，是那些 战略本身就依赖成本降低 的企业。宜家长期以来的战略是 低价销售优质家具，通过销量获利，集装箱运输使其得以走向全球，最终成为全球最大零售商，创始人英瓦尔・坎普拉德（Ingvar Kamprad，宜家 IKEA 中的 IK）也成为亿万富豪。类似地，沃尔玛的战略是 在未被充分服务的市场中，以高销量、低价格取胜，集装箱运输带来的成本节省与 即时供应链，使其得以扩大产品种类、降低库存成本。

如今，那些 已重视高销量、低价格 的知识型企业，是投资人工智能的 低风险选择。同时，新公司将以 高销量、低成本 战略成立或转型（如同 20 世纪 80 年代初的好市多）。这些新公司将与现有企业竞争，但凭借 无历史包袱 与 后发优势，可能占据一席之地。不过，由于 进入门槛低，每个细分市场都会面临激烈竞争，市场将呈现 碎片化 特征 经验丰富的管理团队与 无缺陷的执行，将成为成功的关键。

对企业家而言，这些领域充满机遇；但对投资者而言，难度更大。这类公司无需大量私募资本（宜家从未依赖风险资本，好市多 1983 年仅融资一轮，1985 年便上市） 因为 实施降成本技术 无需巨额资本投入。与集装箱运输一样，技术触发 与 最佳投资机会 之间存在长期滞后，机遇将出现在后期。

选股者也能获利，但需精挑细选。按乐观预测，未来十年 占全球 GDP 1/3 的行业 将因人工智能实现 7% 的额外增长，这意味着相关公司每年仅能获得约 2% 的增长红利（若传统信息通信技术的 productivity（生产率）增长放缓，红利会更低）。价值转移的核心方向是 拥抱人工智能战略的公司，从 拒绝变革的公司 手中夺取市场份额 就像沃尔玛从西尔斯手中抢占份额（西尔斯仅利用了廉价商品，却未实现自我革新）。

最终赢家：消费者

然而，最大的受益者将是消费者。此前的机械化浪潮提升了制造业的劳动生产率，压低了价格，为消费者节省了开支；同时，制造业工资上涨，倒逼服务业工资提高（尽管服务业并未从生产率增长中获益），进而导致服务价格上升 [20]。

1918 年，美国家庭在食品与服装上的支出占比为 55%，2023 年这一比例降至 16%[21]，但医疗、教育等 知识密集型服务 的成本涨幅远超通胀。

人工智能将带来类似的变革：知识密集型服务将降价，消费者能购买更多此类服务；而 人与人互动的服务（如护理、餐饮）将涨价，占家庭支出的比例上升 这为两类服务都带来了明显机遇。但更重要的是，人工智能创造的新增价值，大部分将被消费者捕获：他们将以合理价格获得更多样化的知识密集型产品，更广泛、更廉价地获取医疗、教育、咨询等服务。

结语：投资人工智能的正确方式

新浪潮开启时，构想、发明并打造改变世界的公司 能带来财富、声誉与荣耀，这无疑是最佳机遇。但对投资者与企业家而言，一厢情愿的空想 最为危险。过去 50 年投资科技的经验，如今已不再适用。

投资人工智能的正确方式，是思考 知识工作者效率提升 的影响，想象这种效率将开启哪些新市场，然后投资这些市场。数十年来，押注新事物本身 是获利之道；如今，你需要 押注新事物所开启的机遇。

杰瑞・诺伊曼（Jerry Neumann）是退休风险投资者，专注于创新领域的写作与教学。

参考文献

[1] Perez, C.,Technological Revolutions and Financial Capital, Edward Elgar, 2002.

[2] 苹果公司（Apple）

[3] 图表Jovanovic, B., & Rousseau, P., General purpose technologies. Handbook of Economic Growth, 1 (05), p. 1194. [在线获取]：https://doi.org/10.1016/S1574-0684(05)01018-X

[4] 注：医疗技术、制药等领域的投资不受主流技术浪潮影响，因其本质上属于 核心需求，不会沦为 旁支表演。

[5] 数据作者检索《纽约时报》档案，关键词为 microcomputerpersonal computerhome computer，排除广告、分类广告与目录内容。

[6] 图表Dediu, H., The Next 40, Asymco, March 2016. [在线获取]：https://www.asymco.com/2016/03/28/the-next-40/

[7] Sahlman, W.A. and H.H. Stevenson. Capital market myopia.Journal of Business Venturing, 1985, 7-30.

[8] 本节内容大量参考马克・莱文森（Marc Levinson）所著《集装箱改变世界》（The Box，普林斯顿大学出版社，2006 年），该书兼具专业性与可读性，极具价值。

[9] 早在 1958 年（理想 - X 号 首航仅两年后），美国海运管理局就已启动集装箱标准化进程。

[10] 麦肯锡（McKinsey），Brave New World: Container transport in 2043[在线获取]：https://www.mckinsey.com/~/media/mckinsey/industries/travel-logistics-and-infrastructure/our-insights/brave-new-world-container-transport-in-2043/brave-new-world-container-transport-in-2043.pdf, 2018；图表Levinson, p. 221.

[11] 图表数据：OECD Economic Outlook, Volume 2007/1 No. 81, June. [在线获取]：http://dx.doi.org/10.1787/032883306727

[12] 图表数据：Michel Fouquin & Jules Hugot, 2016. Two Centuries of Bilateral Trade and Gravity data: 1827-2014, CEPII Working Paper 2016-14, May 2016, CEPII.https://www.cepii.fr/pdf_pub/wp/2016/wp2016-14.pdf. 经 Our World in Data 整理。

[13] 注：麦克莱恩后来难以抗拒重返航运业的诱惑，于 1978 年收购了另一家航运公司 USL。1986 年，他因经营不善导致 USL 破产，随后个人也宣告破产。

[14] Levinson, p. 230.

[15] Mullin, John,The Rise and Sudden Decline of North Carolina Furniture Making, Federal Reserve Bank of Richmond, Econ Focus, Fourth Quarter 2020. [在线获取]：https://www.richmondfed.org/publications/research/econ_focus/2020/q4/economic_history

[16] Schumpeter, J.A.,Capitalism, Socialism and Democracy. Harper and Row: New York, 1950, p. 150.

[17] Acemoglu, Daron, The Simple Macroeconomics of AI, 2024. [在线获取]：

[18] Goldman Sachs, Generative AI could raise global GDP by 7%, April 5, 2023. [在线获取]：https://www.goldmansachs.com/insights/articles/generative-ai-could-raise-global-gdp-by-7-percent

[19] 图表Colton, T., Huntzinger, L., A Brief History of Shipbuilding in Recent Times, CNA, 2002, p. 3. [在线获取]：https://www.cna.org/archive/CNA_Files/pdf/d0006988.a1.pdf

[20] 注：这种现象被称为 鲍莫尔成本病（Baumol’s cost disease），指劳动生产率低的行业（如服务业），因需与劳动生产率高的行业（如制造业）竞争劳动力，导致成本与价格不断上涨。

[21] 数据美国劳工统计局（Bureau of Labor Statistics），[在线获取]：https://www.bls.gov/news.release/cesan.nr0.htm；及 [在线获取]：https://www.bls.gov/opub/100-years-of-u-s-consumer-spending.pdf.