夜雨聆风
别管AI亏多少钱,这是下一场没有退路的“大国基建”
昨天我花了不少时间，认真读完了宝玉老师翻译的那篇《AI 的经济账根本算不通》。
原文链接如下：
先说一个最直观的感受：这真的是一篇超长文章。光正文部分，中文超过一万五千字，如果算上英文、数字、标点等全部内容，总字符数突破三万五，引用文献多达90份。
说实话，这样体量的文章，放在今天这个短视频、碎片信息当道的环境里，已经很少见了。更难得的是，它不是那种虚张声势的长，而是用大量数据、案例、财务模型，一层一层往下剥，把现在整个 AI 行业最敏感、也最容易被忽略的一件事摊开了讲：
AI 的经济账，可能真的算不通。
GitHub Copilot 要改成按用量计费，OpenAI 和 Anthropic 的订阅模式本质上都在补贴用户，数据中心建得越来越大，成本越来越高，真实收入却远远没有想象中那么漂亮。再往深里看，连支撑这场 AI 军备竞赛的公司本身，可能都还没找到真正自洽的商业模式。
如果只看这篇文章表面，你很容易得出一个结论：
既然 AI 这么烧钱，这么亏钱，这么不稳定，那是不是说明这条路走错了？是不是说明整个 AI 热潮，最后会证明是一场泡沫？
但我读完后的感受，恰恰相反。
我反而更觉得，AI 这件事，我们不但不能退，反而必须往前走。
不是因为它现在已经多成熟，也不是因为它的商业模式已经完全跑通，更不是因为每一家 AI 公司今天都赚钱了。
而是因为，AI 在今天这个阶段，已经不能只被看作一个普通产品、一门普通生意，甚至不能只被看作一个单纯的技术工具。
它更像一种战略资源。
一
我越来越觉得，AI 其实应该和电力、石油、煤炭、铁路、通信这些东西放在同一个坐标系里看。
它们有一个共同点：在某个时代节点上，它们都不只是“能不能挣钱”的问题，而是“能不能掌握未来主动权”的问题。
电力刚刚出现的时候，也不是一上来就全国盈利、处处划算。石油工业崛起的时候，前期同样需要巨大投入、长期布局、国家力量托底。铁路、电报、互联网、芯片，也都不是简单靠短期账面利润就能说明价值的。
它们真正重要的地方在于：谁先掌握，谁就先掌握生产力；谁掌握得更深，谁就更有资格定义下一轮秩序，谁就能胜天半子。
今天的 AI，某种程度上就是这种东西，只不过，过去的资源看得见、摸得着。
煤是一车一车运的，油是一桶一桶烧的，电线杆、变电站、油井、矿山，摆在那里，你知道它是资源。
而现在的新型资源，看不见、摸不着。
它可能就是一块算力卡、一座数据中心、一套基础模型、一整条训练和推理链路，甚至在普通人的感知里，它只是一根网线，只是一个网页，只是一个类似dos界面的CLI聊天框。
可你要真往底下看，就会发现它背后连着的是 GPU、服务器、电力系统、冷却系统、芯片制造、编译框架、模型架构、云平台、开发工具、产业生态，最后连到国家竞争力本身。
所以我特别理解宝玉老师文章里所说的，他是从商业现实出发，看到了这里面巨大的烧钱、补贴、扭曲和泡沫。这部分判断，我并不觉得有问题，我觉得他说得很透。
很多 AI 公司今天确实是在用补贴用户、掩盖真实成本的方式扩张。很多所谓繁荣，确实建立在源源不断的资本输血上，很多看上去“每月 20 美元很划算”的服务，一旦你按真实 token 成本来算，可能根本就不是普通用户、普通公司愿意长期承受的东西。
这些都没错。
但问题在于，商业账算不通，并不自动等于战略账也不通。
这两本账，本来就不是一回事。
二
很多人一谈 AI，容易陷入一个误区：总想用今天的市场逻辑，去要求一项还处于争夺制高点阶段的技术，立刻表现出完全成熟的商业回报。
可历史上很多关键基础能力，在早期都不符合这种要求。
你很难要求电气化刚起步的时候，家家户户的用电模型就立刻跑通；你也很难要求一个国家在刚开始搞芯片、搞航天、搞高铁的时候，马上就用最漂亮的财务报表证明自己，最简单来讲，蒸汽机刚问世的时候还没马匹好用。
现实往往是：先有人愿意不计代价地堆，后面才有人有资格算账，简单讲，前人栽树，后人乘凉。
这不是说商业不重要，也不是说可以永远烧钱。而是说，在某些关键阶段，先解决“有没有”，比立刻解决“赚不赚钱”更重要。
这恰恰也是我对 AI 的基本判断。
AI 现在所处的位置，很像第三次工业革命中的关键岔路口——姑且这么说，我也不知道第三次工业革命跟AI是否挂钩。
在这个阶段，AI 已经不只是一个给文案润色、给程序员补全代码、给客服写回复的话术工具。
它正在往更深的地方走：操作系统层、软件开发、企业管理和产业协同、科研、教育、医疗、制造、交通等基础领域、国家治理、国防安全、信息主权这些更硬的地方等等。
到了这个层面，你就不能只问一句：
“它到底赚不赚钱？”
你还必须问一句：
“如果没有会怎样？”
这才是更关键的问题。
三
为什么大漂亮铁了心的限制最新算力卡，包括4090这种娱乐向的显卡？
它难道不知道限制别人，也会逼着别人自己造吗？它当然知道。
那它为什么还要这么干？
因为它心里非常清楚，AI 不是普通商品，而是下一轮生产力重组的关键底座。
限制最先进 GPU 出口，限制高端制造能力流动，限制底层工具链外溢，说白了就是不想让别人以同样的速度站上同一条起跑线。
这不是一般意义上的贸易摩擦，也不是简单的企业竞争。
这是在卡未来。
所以从这个角度看，我们今天发展 AI，某种程度上并不是在做一道可做可不做的选择题，而是在回答一个必须回答的问题：
如果别人把门关上，我们有没有自己把路走通的能力？
这件事的逻辑，其实和能源安全、粮食安全、工业安全非常像。
平时你可能觉得，买得到就行，何必自己折腾？
可一旦关键时候别人不给了，或者给你的永远是阉割版、落后版、次一级的东西，你就会明白，“能买到”和“真正掌握”之间，差得不是一点半点。比如Anthropic公司给普通大众能提供Opus4.7模型，但它目前泄露出来的最强大模型Claude Mythods到底谁在用，不言而喻。
今天别人限制高端卡，明天可能限制更完整的工具链；今天限制的是训练侧，明天可能限制的是推理侧；今天限制的是硬件，明天限制的可能是模型生态、开发平台、标准接口，甚至是产业协作的规则定义权。
所以这件事不能只从“这个月亏了多少钱”来看。
它更像是在决定，未来谁有资格坐在桌上制定规则。
四
也正因为如此，我反而觉得，我们现在这条路虽然难，但方向并没有问题。
从底层开始替代大漂亮的基座，从硬件到软件，从算力到框架，从模型到底层工具链，先解决有无，再解决好还是优秀，这是完全合理的路径。
很多事情都是这样。
你不可能在一开始就既有、又强、又便宜、又全面领先。
真正现实的路径，往往都是分阶段推进的：
第一步，先活下来。
第二步，先能用。
第三步，逐步可替代。
第四步，再谈体验、效率、生态和领先性。
我们现在做的国产算力卡、国产框架、国产大模型，在某些指标上确实还不如最顶尖的那一批，比如Claude、Gemini、GPT御三家。
但这不重要。
重要的是，我们在往那个方向走，而且每一步都在缩小差距。
更重要的是，我们在建立一套完整的、自主可控的体系。
这套体系可能一开始不够强，但它是我们自己的。
它不会因为别人一纸禁令就突然断供，不会因为地缘政治变化就突然失效，不会因为别人的战略调整就让我们的整个产业链陷入被动。
这才是真正的安全感。
而这种安全感，不是靠买来的，是靠一步一步走出来的。
五
回到宝玉老师那篇文章。
我完全理解他的担忧。
他看到的是，AI 公司在用一种不可持续的方式扩张，用补贴掩盖真实成本，用叙事掩盖真实问题，用资本输血维持表面繁荣。
这些判断，我认为都是对的。
但我想补充的是：
商业模式的不成熟，并不意味着技术方向的错误；短期账面的亏损，也不意味着长期战略的失败。
很多时候，恰恰是那些在早期看起来”算不通账”的东西，最后成了改变世界的基础设施。
电力刚出现的时候，也有人质疑它的经济性。
互联网刚起步的时候，也有人说它只是泡沫。
高铁刚建的时候，也有人算过账，说这个东西永远回不了本。
但今天回头看，这些东西早就不是”赚不赚钱”的问题了。
它们已经成了整个社会运转的底层逻辑，是不可或缺的战略物资、战略设备。
AI 也是一样。
它现在可能还在烧钱，可能还在补贴，可能还在摸索商业模式。
但这不妨碍它正在成为下一个时代的底层能力。
而在这个过程中，谁先把这套能力建起来，谁就有资格定义下一轮规则。
六
所以我的结论是，AI 的经济账可能确实算不通，但 AI 的战略账，必须算得通。
我们不能因为短期看不到清晰的盈利模式，就放弃对这个领域的投入。
相反，我们应该更清醒地认识到，这不是一场可以用季度财报来衡量的竞争，而是一场关乎未来主动权的长期角力。
在这场角力里，一步落后，可能就是步步落后。所以我们必须往前走。
从底层硬件开始，从基础框架开始，从模型训练开始，从工具链开始，从生态开始。
先解决有无，再解决好坏，最后解决领先。
这条路很难，很长，也很贵。
但这是我们必须走的路。
因为如果我们不走，别人就会把门关上。
而到那时候，我们连选择的余地都没有了。
最后说一句：
我非常感谢宝玉老师翻译了这篇文章。
它让我们看到了 AI 行业最真实的一面，也让我们意识到，很多看起来光鲜的东西，背后可能藏着巨大的风险和不确定性。
但也正因为看到了这些，我反而更坚定了一个判断：
AI 这件事，我们无路可退。
不是因为它现在已经完美，而是因为它关乎未来。
不是因为它的商业模式已经跑通，而是因为它是下一轮生产力重组的关键底座。
不是因为我们现在已经领先，而是因为我们必须确保自己不会被甩开。
这是一场关于未来的竞争，或者说，是一场看不到硝烟的战争。