过去二十余年，科技商业领域“轻资产”模式备受推崇。软件凭借低成本复制、平台依靠网络效应扩张，相较于传统制造企业需增加厂房设备等物理资产来扩大产能，互联网公司增加用户时往往无需同比例增加物理资产，这种模式让资产越轻似乎越显高级，成为科技公司发展的重要偏好。

然而，AI的兴起打破了这一延续多年的商业格局。近期，科技巨头们在AI领域的资本投入动作频频。阿里完成800亿港元新股配售，资金全部用于AI相关建设，其中约60%用于扩大全球计算基础设施，约40%用于建设超大规模AI数据中心及升级云基础设施。美国科技公司同样如此，Amazon将2026年现金资本开支预期提高到约2200亿美元，多数用于支持AWS增长；meta预计2026年资本开支为1300亿至1450亿美元，核心驱动力之一是AI基础设施的扩张。最数字化、虚拟化的技术浪潮，正催生庞大的实体计算体系。

科技公司曾以“轻”为贵，并非资产越少越好，资本市场长期奖励的是更高资本效率。互联网时代，软件可重复复制、平台能依靠网络效应扩张，大量IT能力可外包，企业可将资本集中在高价值环节。同时，轻资产模式依赖成熟的社会基础设施，只有供应商稳定、服务标准化等条件满足，企业才敢将更多能力外包。所以，资本市场奖励的是用更少资本创造更多长期价值的能力，这一逻辑至今未变，关键在于资本投入后的持续利润、现金流和竞争优势。

AI带来的变化在于，一些过去可方便采购的资源，如今成为影响成本、产品速度和竞争资格的战略资源。用户看似简单的指令背后，涉及芯片、服务器、网络、存储系统、数据中心、电力、制冷及土地等众多物理资源。而且，这些资源正受到芯片供应、能源容量、建设周期和规模等约束。例如，数据中心从选址到正式运行需较长时间，任何环节延迟都可能影响芯片有效供给。Amazon和阿里云的业务增长情况也表明，产业稀缺性改变促使企业扩建基础设施。

但拥有庞大基础设施并不意味着就有竞争优势，资本投入要形成护城河需完成三次转化。一是资本转化为稀缺控制力，只有企业对受供应、技术等约束的资产有控制权，才可能形成战略优势；二是规模转化为单位成本优势，更大的计算集群需提高利用率、降低成本、缩短交付周期才有经济意义；三是资产进入产品和客户，算力进入模型、产品，最终形成收入和现金流。以Amazon为例，其优势在于能将芯片、算力等连接起来，形成彼此强化的系统。评价这类系统，需观察利用率、单位计算成本、模型调用量、客户数量等多组结果。

AI基础设施投资还面临时间风险。与传统工厂生产线可运行多年不同，AI基础设施折旧环境不同。芯片性能迭代、模型架构变化、训练和推理效率提高，都可能使单位计算成本下降，今天稀缺的资产五年后经济价值可能改变。这使AI重资产投资承担利用率、技术折旧、路线锁定和现金流等风险。如Amazon和Alphabet因基础设施投资增加，自由现金流出现变化，资本市场评价科技公司的方法也在改变，资本效率具有时间维度，商业价值形成速度需跑赢资产贬值速度。

全球AI竞争同时考验资本规模与技术效率。一方面，资本可扩大算力供给、提升基础设施覆盖等；另一方面，技术效率如算法、模型架构等创新，可让同一份算力产生更多能力。资本和效率并非独立，优秀企业要让两者形成循环。最后获胜的企业，应是既有能力配置大规模资本，又能持续提高资本生产率，否则易造出昂贵库存或无法支撑大规模商业化。

AI也促使所有企业重新思考什么应自己做、什么应交给市场。过去“轻资产”“外包”等模式的前提是外部市场能更便宜、稳定提供能力，但若失去某项资源会让企业失去竞争主动权，市场价格就不再是唯一标准。控制资源不意味着必须买下，所有权只是控制权形式之一，企业需寻找与资源重要性匹配的控制方式。面对重大资产决策，企业可连续问四个问题：失去资源是否改变竞争结果、竞争对手能否迅速获得、自己拥有是否优于其他方式、组织能否将其变成经营结果，且问题有先后顺序。

当企业不断增加芯片、算力等资产时，不能忽视组织效率。资产越复杂，组织内部需协调的接口越多，若各部门目标割裂，局部最优易成整体低效。资本能购买先进技术系统，却不能自动购买先进组织系统，企业需同时提高资产生产率和组织生产率，否则重资产会越来越重。

从历史看，每次产业革命都重新划定企业边界。工业化让企业将大量生产能力纳入内部，全球化推动价值链拆分，互联网降低信息与交易成本使更多能力可通过外部获得。AI同样如此，一些能力会因AI和云服务更标准化而交给市场，一些资源会因重要性提高重新进入企业战略控制范围。未来企业可能在一些环节变轻、一些环节变重，关键在于资本的位置、控制方式及能否进入经营循环，企业需将非核心资产交给社会分工体系，对关键资源保持强控制。