AI应用的长期价值

“You (AI) really had me at Hello”，but I prefer a long-term relationship。

每次看完AI发布会或者自媒体的演示，都是这个心情：“You (AI) really had me at Hello”。9月底，特朗普把“人工智能”（AI）改叫“超级智能”（SI），马斯克也把SpaceXAI改叫SpaceXSI。名字一夜就能改，价值却要十年才能兑现。所以这篇不赶时髦，还是叫它AI；也不追每周一次的心动，聊点慢的东西。

一、快：每月AI都在换代

这一年多AI圈的节奏，可谓日新月异。

vibe coding：Claude Code、Cursor、Codex，国内的Trae、Qoder。写代码，是AI第一个真正跑通的场景。

超级智能体：Manus、OpenClaw、Hermes。

工作智能体：OpenAI的ChatGPT工作、腾讯的WorkBuddy、阿里的千问办公（QwenWork）、字节的豆包工作。

个人智能体是最近最热的一波：Meta的Muse、Manus的Cue、OpenAI的dots，在9月一个月时间里凑齐了。还要再加上Google 5月份发布的Gemini Spark。

有意思的是，今年1月，千问App就接通了淘宝闪购、支付宝、飞猪、高德，能替你买东西了；春节又砸了30亿搞奶茶免单，一句话下单、花1分钱喝奶茶，上线9小时千万单，App登顶排行榜，人多到服务器宕机。当时都说，这会是“AI超级Agent出圈的千问时刻”。结果热闹散场，什么也没留下，风头最后还是被半年后的Muse抢走。

千问差在哪？千问的钱花在了补贴上，用户为奶茶来、喝完就走；Muse的功夫下在了产品上——一个常驻云端的数字代理人，关掉App还在替你干活，干到要发邮件、要付款了才回来问你一声。再就是时机：年初的模型还撑不起“稳定地替你把活干完”，等于果子还青着就使劲摇；等秋天果子熟了，伸手摘的人是Meta。30亿买来的是“大家见过AI买奶茶”，Muse没花一分钱补贴，换来的是“大家想要一个个人智能体”。当然，千问也没出局，9月云栖大会宣布继续做Personal Agent，还在牌桌上，只是这一局的彩头归了Muse。

此外，几乎每周还有新的大模型发布。于是人人都在焦虑：做投资的怕踏空，做企业的怕掉队，写代码的怕被替代。一周不看AI新闻，就有种错过一个时代的恐慌。

二、慢：一周不用AI，生活依旧

这个国庆假期，我一周多没怎么碰AI。回来一看，生活依旧。

撑起生活的，还是那些最基本的要素——没有AI，这些东西照样运转。工作上也一样：其本质是创造价值，AI只是眼下最趁手的工具。

回头想想，那种“离不开AI”的感觉，多半是信息密度喂出来的错觉：每周一个重磅发布，每一次都在提醒你又错过了什么。手机放下一周，什么都没少。

何帆打过一个比方：海面上浪头一个接一个，你以为是今天有风；但决定潮汐的是月亮。发布会、demo、免单，都是风和浪；模型能力、产品形态、使用习惯，才是那个月亮——不上新闻，却决定水位。罗振宇讲“小趋势”也是这个意思：大趋势是巨头的存量，小趋势才是留给躬身入局之人的增量。

三、从发明到价值，隔着一代人

蒸汽机是1769年的事。瓦特改良完之后，它在很长时间里只用来给矿井抽水，英国生产率真正的跃升，要等到1850—1860年代——将近一百年。这中间普通工人的工资停滞了约50年，史称“恩格斯停顿”，狄更斯笔下的血汗工厂、工人怒砸机器，都发生在这个阶段。

电力等了40年。电灯1879年就亮了，但美国制造业的生产率到1920年代才提速。原因说穿了不复杂：蒸汽时代的厂房是围着一根中央传动轴盖的，用上电力，等于整个工厂要推倒重来，机器才能按生产流程排开。福特的流水线，就是这场重建的产物。

计算机等了25年。1970年代电脑就开始进办公室，1987年索洛抱怨“计算机无处不在，唯独不在生产率统计里”，要等到1995年之后，互联网的黄金年代才把这笔账兑现。

等的时间在缩短，但剧本没变：先是基建狂热，再是泡沫破裂，最后价值才慢慢兑现。当年铁路公司倒了一大批，铁轨留了下来；互联网泡沫破了，埋在地下的光纤留了下来。基础设施的价值，从不因为投资者破了产就消失。

今天轮到AI。英伟达市值5万亿，全世界一年往算力里砸一万亿美元，宏观的生产率数据却还没什么动静，“新索洛悖论”又在上演。斯坦福Erik Brynjolfsson教授用一条J曲线解释：通用技术落地的早期，钱都花在了看不见的地方——流程再造、数据、组织调整，统计上不讨好，甚至短期还拉低产出；等这些攒够了，曲线才会陡地翘起来。他预测这次大约10年。2022年11月，ChatGPT发布至今不到四年，行业应用还处在相对早期的阶段。

AI在千行百业的落地，注定是个慢变量。大厂每发一次新产品，确实意味着又有几个场景被AI化了；但一个场景被AI化，不等于一个行业被重构——中间隔着流程、数据、组织，只能一家企业一家企业地磨。

对做垂直行业的人。一是客观，demo好看不等于你能用、好用；二是保持Day 1的心态，模型不用每个都追，大厂会替你把能力卷到位、把价格打下来，但要及时把新模型拿进自己的数据和流程里试，找到自己的位置，让它服务于你的竞争力；三是结构上拎清楚，80%的企业场景，要的其实是用AI把存量流程自动化、数字化，更快更省更可靠，只有20%是真正重新发明流程的AI原生智能化。先把80%拿到手，再谈那20%。发明发电机的人赚了钱，但真正改写财富格局的，是围绕电力重建工厂的福特。

四、投资领域的长期价值

怎么在快时代里拿得住慢的东西？霍华德·马克斯写了几十年投资备忘录，又是《周期》的作者，其核心理念可以总结为：把时间拉长，盯住长期。

市场短期是投票机，长期是称重机。发布会、估值、融资，都是投票；生产率、利润、用户习惯，才是称重。称重的时刻，永远比投票晚。他在备忘录里写到：真正重要的，是你的持仓五年后、十年后是什么样子；长期来看，好的决策一定会带来收益，但短期内好决策赚不到钱的时候，你得忍得住。

《周期》讲的也是这件事。万物都有周期，技术也逃不掉——狂热、回调、兑现。而市场情绪那只钟摆，几乎从不停在中间，不是摆到“改变一切”，就是摆到“一文不值”。周期的顶和底没人能预测，能做的是知道自己大概站在周期的什么位置，在极端处多一分清醒。

放到AI上，道理也一样：重要的不是这周错过了哪个模型，而是五年后你的AI能力在什么位置。贝索斯问过巴菲特，你的道理这么简单，为什么没人学？巴菲特说，因为没人愿意慢慢变富。同样，也没多少人愿意慢慢用AI——但历史几轮下来，慢慢变富的人跑得最远，把工具用得最深的人壁垒最高。

五、出钱，或出力

最后一个问题，也是我一直在思考的。

长期看，AI是能端到端交付价值的：给它一个目标，它自己拆解、执行、交活，中间不太需要人。那时候，人的价值摆在哪？

答案没变：躬身入局。说到底，人面对一场技术革命，参与的方式就两种——出钱，或者出力。

出钱，是投资于AI，做它的股东而不是看客。马克斯在《Is It a Bubble?》中提到：适度的仓位，配合挑剔的选择和审慎的执行。只赚自己看得懂的钱。

出力，是去创造AI、使用AI。前几轮技术革命，红利都给了埋头参与重构的人：1820年学着开动力织机的工人，1920年懂电力流水线的工程师，2005年转身做互联网的程序员。这一轮轮到我们，把AI用到自己工作的骨头缝里。起点不必大，挑一个跟自己吃饭的本事最相关的工具，用一个，用深一个。

再往深问一句：AI把活都干快了，人为什么还要干？因为人要的从来不只是轻松。AI最擅长的是给定目标找路，但“定什么目标”这件事，它没有动机去做。how不再稀罕的时候，why就是人全部的地盘。

写在最后

AI会一次次让我们心动，这没什么不好。但心动是它的事，长期是我们的选择：让它去快，技术交给大厂；我们慢慢来，价值交给时间。

从发明到财富的距离，差不多就是把世界重建一遍所需要的时间。每一次，隧道都比人想的长，出口的光也比人想的亮。

做一件有价值的事，一直做，然后等待时间的回报。