🚂 

当全世界都在疯狂追逐AI概念股的时候，94岁的巴菲特正在用AI优化火车调度。

这句话听起来像个段子，但它是真的。

一场"深度伪造"的股东大会

2026年5月2日，伯克希尔·哈撒韦的年度股东大会在美国奥马哈举行。这是"股神"巴菲特正式退休后，新任CEO格雷格·阿贝尔的首次独立亮相。

全场最吸睛的，不是巴菲特穿着标志性的西装接受致敬，而是大会开始时的一段视频。

屏幕上，一个穿着西装的老头儿站起身，自称"沃伦，来自奥马哈"，向阿贝尔抛出一个问题："我今年95岁了，除了时间和樱桃可乐什么都没有。我想知道，为什么股东们应该长期持有伯克希尔的股票？"

现场一阵骚动——老爷子不是退了吗？怎么突然精神这么好？

阿贝尔露出一个意味深长的微笑。

"这是一个好问题，"他说，"但这段视频不是真的。"

全场哗然。

这是AI生成的"深度伪造"巴菲特，一个未经授权的伪造品。阿贝尔用这个"意外"给在场所有人上了一课：

你们每天都在讨论的AI革命，不只带来机会，它本身就是最大的风险。

最传统的公司，在用最前沿的AI

很多人对伯克希尔的印象还停留在"老派"。

卖保险的、挖铁路的、卖冰淇淋的——这是一家靠实业起家、靠耐心赚钱的公司。巴菲特的经典形象是坐在奥马哈的办公室里，读财报，喝樱桃可乐。

但就是这家"老古董"公司，AI用得比很多科技公司还扎实。

BNSF铁路：AI当"奥丁"，省了260台机车

BNSF铁路，伯克希尔旗下全球最大的货运铁路之一，每天有超过750列火车在跑。以前判断火车哪里可能出问题，靠的是老师傅的经验和定期巡检。

现在呢？

BNSF开发了一套叫ODIN的系统——翻译过来是"奥丁"，北欧神话中的智慧之神。这套系统安装在机车底部，用传感器实时监测铁轨的几何状态。每秒处理海量数据，AI算法比人眼更快、更准地找出潜在危险点。

铁路高管Katie在股东大会上透露了一个细节：

"通过改善单车运营效率，在今年第一季度，我们处理的货运量比去年同期更多，但我们少用了260台机车。"

260台机车是什么概念？

这意味着更少的油耗、更低的折旧、更低的人工成本。在货运量下降的行业压力下，BNSF靠效率提升实现了**"减脂增肌"**。

这不是噱头，这是实打实的利润。

保险板块：AI让核保员变成"超级核保员"

伯克希尔保险业务的副董事长阿吉特·贾恩说了一句大实话：

"AI现在主要是用来降低劳动力成本、处理日常重复性工作的工具。"

但就是这个"工具"，让核保效率大幅提升。

阿贝尔举了个例子：传统核保人员可能只看5个最大的风险点。但用上AI辅助后，"对另外15个风险也能形成清晰的判断"。

保险是一个靠"判断"吃饭的行业。风险评估越精准，定价就越合理，亏损的概率就越低。

AI不是取代核保员，而是让每一个核保员都变成了"超级核保员"。

为什么巴菲特不投AI股票，却把AI用得最欢？

这里有一个很多人想不通的反直觉现象：

伯克希尔几乎没有重仓任何AI概念股。英伟达、OpenAI、特斯拉——这些站在AI风口上的公司，巴菲特看都不看。

但伯克希尔却在大规模招聘工程师，自主研发AI系统，把AI塞进火车头和保险单里。

这不矛盾吗？

矛盾个屁。

巴菲特一辈子信奉的是：不投资自己看不懂的东西。 AI应用层的变化太快，今天的独角兽明天可能就倒闭。但铁路的轨道不会消失，保险的风险模型底层逻辑几百年不变。

所以他选择：不押注AI公司，押注AI能优化的实体业务。

这是一个**"卖铲子"思维的升级版。**

十九世纪加州淘金热，真正赚钱的不是淘金者，而是卖铲子的人。巴菲特更进一步：他不卖铲子，他自己开矿，用最好的铲子。

阿贝尔在股东大会上说了一句定调的话：

"AI必须对我们的业务有实质性的增益。我们不会为了AI而AI。"

这句话听起来保守，甚至有点无聊。但它的潜台词是：我们不是来做PPT的，我们是要赚钱的。

AI不是风口，是工具

现在很多公司是怎么做AI的？

CEO在发布会上喊"我们要All in AI"，然后花几百万请咨询公司做方案，采购一批最先进的服务器，挂上"数字化转型"的横幅，然后呢？

然后就没有然后了。

大部分企业的AI焦虑，本质上是一种FOMO——Fear of Missing Out。别人都在搞AI，我不搞是不是落伍了？媒体都在报道AI，我不说是不是out了？

这种焦虑催生了一个怪现象：AI变成了一个用来讲故事的工具，而不是用来解决问题的工具。

但伯克希尔不一样。

它不追风口，因为它本身就是风口。保险和铁路是刚需中的刚需，经济再怎么波动，货物要运，人要保命。这种业务不需要靠"AI概念"来吸引资本，只需要靠**"效率提升"**来增加利润。

所以对伯克希尔来说，AI不是用来"讲故事的"，是用来省钱的。

减少260台机车，一辆机车一年维护成本少说几十万人民币吧？AI辅助核保，一个核保员能覆盖的风险点从5个变成20个，人力成本效率提升多少？

炒AI股的人赚了钱，用AI的人省了钱。

这两件事都很聪明，但后者更可持续。

大多数公司的AI焦虑 vs 伯克希尔的AI务实

伯克希尔的AI部署有三个原则，写得清清楚楚：

说白了就是：技术要用，但要握在自己手里，不能被技术牵着鼻子走。

阿贝尔甚至用那段"深度伪造巴菲特"的视频来警示风险——AI最大的风险不是它不够聪明，而是它太容易被滥用。

普通人应该从伯克希尔学什么？

看到这里你可能会说：人家是万亿市值的集团，有钱有资源有技术，我们普通人和中小企业怎么学？

学思维方式，不是学技术细节。

1. 先问问题，再找工具

很多企业做AI的顺序是反的：先听说有个很火的AI工具，然后想办法套用到自己的业务上。这叫"拿着锤子找钉子"。

正确的顺序应该是：我的业务痛点是什么？这个问题能不能用AI解决？

伯克希尔选择AI落地铁路和保险，不是因为这两个领域"AI含量高"，而是因为这两个领域有大量重复性、规律性强的工作，AI恰好能优化。

2. 用AI放大人的能力，而不是取代人

阿贝尔说得很清楚：AI帮助核保员看更多风险，但最终拍板的还是人。

这不是"AI替代人类"，而是"AI赋能人类"。

对于普通人来说，道理一样：AI帮你写文案，但你得知道好文案长什么样；AI帮你做数据分析，但你得能读懂数据背后的业务含义。

3. 不要追风口，要追价值

巴菲特一辈子不追热点。他买可口可乐，不是因为饮料行业火，是因为他看懂了这门生意的现金流。他不投英伟达，不是因为AI没前途，而是因为他不懂芯片的未来。

对个人来说，这个原则同样适用：不要因为"AI很火"就盲目学AI，而是因为"AI能解决我的某个具体问题"才去学AI。

你的工作里有没有重复性劳动？有没有可以标准化处理的流程？有没有靠经验积累可以预判的风险？

找到这些点，用AI去优化它，而不是整天焦虑"我会不会被AI取代"。

真正的AI革命，是静悄悄发生的

在媒体铺天盖地的报道里，AI革命应该是这样的：

"OpenAI发布新模型，震惊业界！" "某公司宣布裁掉30%员工，全面拥抱AI！" "英伟达市值突破三万亿美元！"

这些确实是AI革命的组成部分，但它们只是台面上的故事。

真正的AI革命，发生在看不见的地方：

• BNSF的机车每天跑在铁轨上，系统在后台默默分析着每一个微小的振动数据，提前预判哪里可能出问题
• 保险公司的核保员坐在电脑前，屏幕上显示着AI整理出的20个风险点，他在逐项核实、打勾、签字
• 阿贝尔坐在奥马哈的办公室里，手里握着3970亿美元的现金储备，思考的不是"要不要追AI热点"，而是"哪个传统业务还能再优化一点"

最先进的技术，往往用在最不性感的地方。

这才是AI革命的真正形态——不是喧嚣，不是热搜，而是一个又一个的**"今年比去年少用了260台机车"**。

最后

有人问阿贝尔："AI能不能帮我们选股票？"

贾恩的回答很直接：

"如果你指望AI告诉你该买哪只股票、卖哪只股票，我认为那不会发生。"

这句话值得反复咀嚼。

AI能做的，是把确定性的事情做得更高效；不能做的，是替你在不确定的世界里做判断。

巴菲特一辈子做的，不是"预测未来"，而是"在不确定性中寻找确定性的价值"。

AI时代，这个原则比任何时候都重要。

工具会变，风口会换，但生意的本质不会变：

把成本降下来，把效率提上去，把风险管住，让现金流的雪球越滚越大。

至于AI——

它只是那个帮你推雪球的手。

但手不重要，雪球才重要。

💬 你觉得伯克希尔这种"务实派"AI路线，比追风口更靠谱吗？欢迎在评论区聊聊。

👇 觉得有启发？点个「在看」，转发给那个还在焦虑"要不要All in AI"的朋友吧！