夜雨聆风几百亿砸进 AI，财报上什么都没发生。不是 AI 没用，是你在重复一百年前那批工厂主犯过的同一个错。
过去一年，几乎每一家有点规模的中国公司，都在做同一套动作。
抢显卡——能抢到 H20 就抢 H20，抢不到上国产卡，机房一排排堆起来。私有化部署一套 DeepSeek，数据不出内网，领导放心。给全员开通账号，发《AI 使用指南》，开几场培训，要求各部门积极拥抱 AI。
然后等着生产率上去、成本下来、财报变好看。
等了大半年，财报上什么也没发生。
显卡的钱花了，模型部署好了，员工也确实在用——写周报、改 PPT、翻译材料、润色邮件。可那条本该往上走的曲线，平得像没事发生过一样。
有人开始怀疑：是不是 AI 被高估了？是不是 DeepSeek 不够强？要不要换个更大的模型再试试？
先别急着换模型。一百年前，美国工厂主们已经把这个剧本演过一遍了。
故事的主角是电。
经济史学家保罗·戴维（Paul David）1990 年写过一篇著名文章《计算机与发电机》，研究一个让所有人困惑的现象：电力技术明明 19 世纪末就成熟了，可美国工厂的生产率，等到 20 世纪 20 年代才真正爆发。
中间这 40 年，电去哪了？
答案藏在工厂的结构里。
蒸汽时代的工厂，命脉是一台巨大的中央蒸汽机。它通过房梁上一根贯穿全厂的主传动轴，再靠皮带和齿轮，把动力分给每一台机器。
这套结构决定了一切。机器必须密密麻麻挤在传动轴周围——离得越远，皮带越长，动力损耗越大。所以那时的工厂是多层的、拥挤的、昏暗的。它的形状不是为了人，也不是为了生产，而是为了迁就那根轴。
电来了，工厂主第一反应是什么？
把中央的大蒸汽机，换成一台中央的大电动机。
传动轴没动，皮带没动，车间布局一寸没改。
生产率纹丝不动。
因为真正卡住工厂的，从来不是动力从哪来，是那根轴决定的整套结构。你换了能源，却没换结构，红利自然无从谈起。
这一幕熟悉吗？把 DeepSeek 当成一个更快的打字员，塞进原有岗位，流程一寸没改，然后奇怪为什么没有回报。
真正的革命，藏在一个不起眼的发明里
后来工程师把中央大电机拆成几台中型电机，分别驱动不同车间。布局松动了些，生产率有改善，但有限。
底层逻辑没变——还是动力先集中、再分配，只是把一个大集中拆成几个小集中。
这对应今天的部门级 AI：客服部搭智能客服，法务部接合同审查，HR 拿模型筛简历。各自为政、数据不通、流程不打通，本质上还是先有现成的活法、再往里塞个 AI。
好于第一阶段，但远没到该有的样子。
真正的革命，发生在一个叫单元驱动的东西普及之后——
每一台机器，装上自己的小电动机。 那根贯穿全厂的传动轴和皮带系统，被彻底扔进了历史。
这一步打开的不是动力问题，是整座工厂的设计自由：
- • 机器不必再围着动力源转，可以按生产流程的顺序排列——流水线，由此才成为可能；
- • 工厂能盖成单层、宽敞明亮的大厂房；房顶腾空，能开天窗采光、装通风；
- • 每台机器独立开关，省电、安全、灵活；连选址都自由了，不必死守煤和水源。
生产率，就在这一刻井喷。
最早把这套吃透的，是福特。1913 年他干了件当时看很激进的事：机器不再按种类堆在一起，而是按一辆车的装配顺序一台台排开，让车在传送带上自己流过每一道工序。一台 T 型车的组装时间，从十二个多小时压到一个半小时。他没造出更强的电机，只是第一个想明白——电让工厂可以按流程重排，不必再迁就那根轴。
但记住这个时间差：从电力技术成熟，到这一跃升出现，整整过了一代人。
它要求的根本不是换设备，是组织、流程、厂房、技能、管理观念的整体重构。它甚至需要老一代工厂主退场、新一代在电气化思维里成长起来的管理者上位——这事才真正发生。
把这面镜子照向今天的 AI
把这个三阶段框架，原封不动照到 AI 进公司这件事上。
AI 的红利，几乎不取决于你囤了多少显卡、模型多强，取决于一家公司愿意在多大程度上围绕 AI 重构自己的流程。
- • 第一阶段：用 AI 替代单个动作——更快写周报、更快翻译。流程没动，红利微弱。
- • 第二阶段：各部门各自上工具——局部改善，互不打通。
- • 第三阶段：分水岭——不再问哪个环节能让 DeepSeek 提提速，而是开始问一个全新的问题：如果 AI 的能力在公司里随处可得、近乎免费，这件事本来该怎么干？
到第三阶段，岗位会被重组，审批链被压缩。那些原本因为人力太贵而压根不做的事——给每一个客户都做一份深度尽调、给每一份合同都做全条款比对、给每一个长尾客诉都做根因分析——现在突然变得可行了。
组织结构、人员技能、考核指标、管理观念，被整体推倒重来。
红利，在这里才爆发。
四条今天就能用的判断
第一，生产率悖论一定会重演。 当年电力普及初期，生产率统计不升反平，这是戴维当年最核心的观察。今天很多公司囤了卡、上了模型却看不到财报改善，不一定说明 AI 没用——更可能说明你还停在第一、第二阶段。换更大的模型，治不了这个病。
第二，瓶颈从来不在技术，在组织。 当年拖住工厂的是那根传动轴的遗留架构和工厂主的惯性思维。今天拖住 AI 的，是企业现成的审批流程、部门高墙、岗位定义和考核体系。模型再强、卡再多，灌进一个为人类手工流程设计的组织里，也只能跑出第一阶段的效果。
第三，时间滞后是常态，不是意外。 电力用了约 40 年、一代人才完成那次跃升。AI 也许会快得多，但模型能力曲线和企业生产率曲线之间，必然有显著时滞——而后者的速度，取决于人和组织的换代，不是显卡的到货速度。
第四，真正的赢家，是重新设计流程的人，不是买了最多显卡的人。 福特流水线的优势从来不在更好的电机，在于它最早围绕分散动力重构了整个生产。同理，AI 时代真正的护城河，属于最早敢把旧流程推倒重建的公司——不是机房里卡最多、采购清单最长的那家。
最后
100 年前，赢家不是最早买到电动机的工厂，是最早想明白"有了电，工厂本该长什么样"的福特。
100 年后这个问题，只是换了主角——把电换成 AI，把电动机换成你机房里那批显卡和那套 DeepSeek——又重新摆在每一家公司面前。
100 年前，电的故事不是关于电，是关于谁敢把工厂拆了重盖。
100 年后，AI 的故事也不是关于 AI，是关于谁敢把流程拆了重写。
别再问该买多少张卡了。真正决定生死的，是你敢不敢把现在这套活法，亲手拆了重来。
