AI目前呈现出来“重资产、重能源、重基础设施”的特征，更接近铁路、电气化这一类标准的技术革命。过去三年华尔街一直围绕GPU、电力、存储、互联反复定价，说明AI仍处于类似“1885年的电力”或“1865年的铁路”阶段，人们已经确定这项技术会改变世界，但世界还在建设承载它的基础设施。

AI的未来，可以从电气化的过程中找到一些启示：电气化是用一种可传输、可存储、易控制、即插即用、高效率的形式把各种能源标准化，AI正在把稀缺的智力能力标准化。AI的伟大之处，不只是一个写报告编程的软件，而是让企业甚至社会建立一个过去无法想象的组织方式。

所以未来真正的应用巨头，可能还没有完全出现，甚至还没有诞生。

当然，过去三年多的美股AI行情，应用股也有大涨的，也有PLTR这种10倍股，基本上可以分为两类：

第一种，围绕生成式AI从零开始的新业务，可收费，可提升ARPU，且证明可以直接变成收入，而不只是用AI改造原有业务，提升毛利或用户粘性，还要有一个稳定的现金流业务模型预期。

所以这些大涨的AI应用公司，基本上都是靠自己的阿尔法，没有板块效应。如果只有一类公司，那AI的巨额投资根本收不回来。

第二种，大模型公司

如果按互联网的传统思维，把大模型公司看成应用，从一级市场的估值增长看，真正大涨的才是应用类板块，Anthropic有可能成为有史以来最快万亿市值的公司。

但大模型公司是否算成应用，还是有争议的，“模型即应用”的叙事，暗含着“AI应用只是存量市场”的前提，才导致大模型抢了应用公司的市值，才会有“一鲸生，万物落”的担心。

可这么多基建砸下去，又怎么可能还是那个存量市场呢？

真正的原因在于，大模型公司不是简单的应用公司，而是兼具了基建设施和终端应用形态。

从铁路革命到电气革命，这些技术革命的真正受益者，都不是可以简单直接分析出来的，长期走牛的公司，都是产业趋势、自身战略和历史机遇结合的奇迹，从中也许可以挖掘未来真正的AI龙头公司的特质。

本文根据直播内容编辑，欢迎预约每周三中午的直播

系列前两篇文章，有一个问题我一直没有回答，它和今天AI最大的争议其实高度相关，那就是——铁路修好以后，究竟是谁赚到了钱？

不只是铁路公司，铁路建设竞争太激烈，资本投入过大，大部分铁路公司的结果，不是破产，就是重组兼并，最后只剩下摩根财团这一类资本玩家。

但铁路改变了几乎所有行业的组织方式，其中变化最大的，就是零售业。

铁路出现之前的美国，绝大部分零售都是本地生意。一个农民买东西，通常只能去附近的小店，而且东西太贵了，他们能买的都是最基本的生活必需品。

原因主要是运输成本太高，铁路革命之前，美国内陆运输成本往往占商品价值的20%-50%。

这也导致这些商品生产商的销售范围有限，每个小镇都是一个独立市场，彼此的价格差异也很大。举个简单例子，同一种缝纫机，生产效率高的纽约可能只卖25美元，生产效率低的堪萨斯可能要卖40美元。

铁路出现以后，运输成本骤降，有些线路甚至下降80%以上。这就让跨地区套利行为有利可图，纽约生产的缝纫机卖到堪萨斯州，结果消灭了区域价差。

这个变化被敏锐的零售商捕捉到，出现了一个历史性创新——邮购目录。

代表企业西尔斯，之前只是铁路代理，他们做了一件在今天看起来很普通的事，寄一本商品目录给客户，客户看中商品，寄回订单，再通过铁路送货。至1897年，其目录已厚达786页，包含20万种商品，被当时的消费者奉为“消费者圣经”。

这实际上是人类历史上第一次全国性零售网络，很多经济学史甚至把邮购目录鼻祖Sears称为“亚马逊的曾祖父”，它与亚马逊的区别只是今天用互联网，当年用铁路。

铁路之后，零售业开始出现规模经济，出现大型零售商，还有沿铁路的连锁商店，可以全国采购、全国配送、全国销售。

更重要的是，至此，全美历史上第一次出现全国统一市场，产生中央仓库、区域配送中心、全国物流体系，出现现代供应链的雏形。这就意味着，生产效率高成本低的厂商，潜在市场规模突然扩大了几十倍，而且不用降价，这就形成了正反馈，规模越大，价格越低，价格越低，规模越大。

铁路之前，消费者买的是本地商品；铁路之后，企业开始集中生产，然后向全国配送。于是，更重要的事件发生了。

19世纪末，香皂还是很昂贵的生活必需品，1879年，宝洁公司生产了一种可以漂浮在水面上的“象牙皂”，凭借这一特点和"It Floats!" 这个有点魔性的广告语，更重要的是远低于市场的价格，再加上巨额广告费用，并通过铁路网进行全国铺货，使“象牙皂”成为全美第一个真正意义上的大众品牌，一度占据美国香皂市场超过50% 的份额。

稍晚的桂格燕麦片和可口可乐也借此策略风靡全国，人类历史上第一批大众品牌诞生。

如果站在1880年的美国看铁路，很容易得出一个结论，铁路公司涨了十年，零售没怎么涨，看来铁路泡沫了。

泡沫是破裂了，但后来证明，铁路确实改变了世界，只是最大的价值留在了那些利用铁路重新组织商业活动的人手里。

从铁路建设高峰到西尔斯的邮购目录和宝洁的象牙皂，中间隔了20年，技术革命带来的全新“应用”，虽迟但到。

这或许也是今天AI投资最值得思考的问题，未来最大的赢家，会不会根本不是今天这些GPU、算力和数据中心公司，而是某个利用AI重新组织生产和消费的企业，只是我们现在还不知道它是谁？

1882年，爱迪生电气照明公司建成纽约珍珠街发电站，这是现代集中供电系统的起点之一。

随后美国出现数百家电力公司，当时的情况和今天的AI创业非常像，人人都在谈论电就是未来，人人融资，公司的名字只要带“Electric、Lighting、Power”等，就容易融资。

大量企业重复建设，大量项目没有盈利能力，大量公司最终消失。电气时代最终形成全国电网，但最初参与建设的企业绝大多数并没有活下来。

真正的赢家反而是行业整合者，代表就是GE通用电气，1892年，摩根财团出资，爱迪生电灯公司和汤姆森-休斯顿电气公司合并，成立了通用电气公司（GE），它是美国工业史上最重要的公司之一，也是2008年以前长期全球市值第一的公司。

而GE成为工业巨头，可以说是电气化革命中诞生的最大的“应用公司”。不过，GE最大的成功，不在发电，也不在电器，而在连接发电和用电，既是基础设施的一部分，又是应用生态的一部分。

电气产业链大致可以分成三层：

第一层能源层：煤矿、水电站、发电厂，负责产生能量

第二层电力层：发电机、输电设备、变压器、配电系统，负责把能量变成电并输送出去

第三层应用层：电灯、电梯等各种家用电器，最终创造用户价值

这和今天的AI有一个非常有意思的对应，如果类比的话：

发电公司，类似今天的例如大模型公司

电网公司，类似云计算平台和数据中心运营商，如AWS、Azure、Equinix等。

电器公司，类似AI应用，各种Agent、Copilot、垂直软件。

早在爱迪生时代，公司就意识到，仅卖灯泡是不够的，因此迅速拓展到配套的整套电力设备，换句话说，GE本身就是那个时代的“平台公司”，产品服务几乎覆盖了第二层和第三层，从发电与输电设备，到各类用电设备，并将电力引入交通和工业。

因此，GE不需要知道未来什么电器更重要，它直接受益于所有行业的增长。

所以，AI时代的大模型，每增加一个具体应用，都会引发原领域相对应的软件公司的市值大跳水，因为那就相当于GE进入发电用电设备领域，属于降维打击。

而且大模型公司不像发电公司有天然地域限制，有天然的垄断性，竞争力更可怕。

不过，早期的电气设备公司也有很多，GE后来能活下来，并成为20世纪最重要的工业公司之一，不是因为它单纯拥有某项技术，而是因为它做对了五件非常关键的事情，这五件事可以帮助我们判断，未来什么公司能够真正受益于AI技术革命：

第一件事：GE卖的不是产品，而是整个系统

从爱迪生时代，公司卖的就是整套电力解决方案，并凭借系统优势，打败了当时的弧光灯系统。他与特斯拉的竞争，也是比拼直流电系统和交流电系统，哪一个更有竞争力。

这点和今天的大模型非常像，现在的大模型比拼的不只是模型推理和多模态的能力，而是API成本、Agent框架、开发工具、企业部署等整套生态。

第二件事：押注基础通用技术，而不是单一应用

当时的投资者其实也面临一个问题：电到底有什么用？没人知道全部答案，未来应用充满不确定性，所以GE提供的不只是设备，还是一套成熟的电气化技术方案，既可以用于当时已有的电灯，也可以帮助开发未来的用电设备。

这也是今天的大模型的商业逻辑，它们也不知道最终哪个应用最成功，所以立足于目前已经成熟的编程和影视制作领域，帮助开发者、企业和个人用户使用AI，逐渐把能力推向更多领域，出现更多成熟的应用。

GE卖的是“电能力”，大模型卖的是“智能能力”，这是两者最核心的对应关系，而对于投资者，应该放弃互联网思维，这不是某一个产业的革命，不只是创造新产业，而是技术革命，使命是改造所有行业。

第三件事：推动标准化

这是GE最容易被低估的贡献，电力早期非常混乱。有直流和交流，有不同电压、不同频率、不同接口，如果这种状态持续下去，整个行业无法扩张。

标准化意味着网络效应，一旦形成统一标准，用户越多，设备越便宜，生态越完善，竞争壁垒越高。

GE早期经历的交流电与直流电之争，就是为了推动行业标准形成，GE真正伟大的地方，也是推动整个产业生态形成。GE会帮助工厂设计电力系统，帮助城市建设配电系统，帮助客户完成电气化改造，实际上是在创造需求。

今天的大模型公司也在做类似事情，从Agent框架、开发工具、API生态，到企业咨询、行业解决方案，甚至诞生了“前沿部署工程师（FDE）”“前沿部署研究员 (FDR) ”这样的新职业，派驻企业，帮助其更高效的利用AI，最终推动整个社会智能化。

第四件事：重视工程能力

爱迪生虽然是发明家，但GE真正强大的地方是工程化能力，比如，发明灯泡虽然很难，但同样重要的还有让几十万只灯泡稳定工作二十年，GE擅长把实验室技术变成工业系统。

顺便说一下，工程能力恰恰是中国产业的优势，不光是制造业，软件应用平台也有工程优势。

第五件事：通过并购完成行业整合

GE的成立本身就是一次大合并，当时行业已经出现大量重复建设导致的价格战，GE不是简单地消灭所有竞争者，而是不断整合资源，形成规模优势。

这种并购，除了背后站着的强大的摩根财团，还需要有收购后的系统性整合，产生1+1>2的效果，因此也是一种可持续发展的能力。

并购整合重组，也是未来诞生的AI巨头的必经之路。

回头再看这五件事：1. 卖系统；2. 押注通用；3. 推动行业标准化；4. 重视工程落地能力；5. 整合生态，几乎就是今天资本市场愿意给大模型高估值的原因。

为什么市场愿意给大模型公司天价估值？

本质上是一个预期问题，投资者愿意为未来付钱，大模型公司下面的三大特征，使其成为整个AI生态中，最有可能诞生未来的行业巨头的环节：

第一：平台属性

大模型作为技术核心推动者，未来最有可能成为企业智能入口、Agent运行平台、推理服务平台，而不是单一软件。

第二：规模效应

模型公司增加用户，都会增加推理成本，这一点似乎不利于模型效应，但如果能通过工程方法，让推理成本下降速度快于收入增长速度，模型公司仍然可能出现极强的经营杠杆。

第三：赢家通吃预期

资本市场倾向于认为，“平台属性+规模效应”决定了大模型可能是有一定垄断性的全球规模市场，未来行业最终可能只剩2-3家主流模型供应商，“剩者”的市值空间将极其巨大。

投资者赌的不是大模型会做出最好的聊天机器人和编程工具，而是，它们会在未来的智能时代掌握一种通用能力，并把这种能力嵌入整个经济体系。

当然，“大模型厂商成为诞生AI巨头的最大环节”这一判断的成立依赖于一些前提，包括：未来的智能能力能够像电力一样标准化，像电气设备一样有差异性，并长期集中在少数平台手中。

所以，这个机会不一定只属于大模型公司，并不排除AI巨头诞生在下游应用的可能性，应用并非价值一定下降，要看具体公司的战略选择。

如果只看财报，很多软件公司其实并没有崩，真正崩的是商业模式和估值逻辑。

以前，SaaS软件按席位付费，未来有非常稳定的现金流收入，因此可以获得极高的估值。

但AI取代人工的叙事，让SaaS软件按未来的席位付费数减少，更重要是，大模型按token付费的模式如果成为主流，必然会冲击SaaS商业模式的根本，未来的客户预算大概率是付给大模型公司，大模型公司再在云平台上调用各种应用软件和数据库，软件公司的议价能力会大大压缩。

当然，应用软件或平台如果要摆脱这一个命运，就必须建立另一种模式，让用户预算支付给具体的应用平台，再由这些应用到云计算平台调用相关大模型。

腾讯近期传闻要测试一款嵌入微信的AI智能体，只要主界面向右一滑，就可以直接调用AI对话窗口，这就是后一种模式，与大模型入口直接竞争。

谁会成为主流，需要抛弃互联网，作客观地观察。

当然，作为投资，还有另一种“商业模式”的思路。

上一次的直播中，有人问GE是谁？估计是一个很年轻的投资者。其实，再过一百年，本文提及的所有伟大企业如果只剩下一个，我会在宝洁和可口可乐中选择，它们的商业模式附着于人而非技术。

从长线投资的角度，巴菲特更重视商业模式的研究，不是没有道理的。

个人认为，AI产业链中，值得关注并可以给高估值的商业模式，必须要具备三个条件：

第一，不但在大规模基础建设时能赚钱，在未来大规模应用状态下，也能持续赚钱

AI有一个与电不太一样的地方，电所有环节都需要物理载体，但AI不一定，软件和平台都可能成为关键载体，所以不一定是硬件公司。如果是硬件，不但要在云计算平台，还要在端侧。

第二，技术与应用之间的中间层

制造的利润在微笑曲线的两边，但技术革命的最大价值，是中间层，掌握标准和关键部件，议价能力最强。GE的发电机、电机、变压器都属于这种位置。

AI产业链中最好的商业模式，应该是那些既掌握关键技术标准，又深度参与应用部署，成为整个生态不可替代的中介层。所以Anthropic不断推出应用，并不是看中这些细分市场，而是借助参与这些功能成为整体生态的核心定义者。

第三，有性能差异的标准化

GE时代，电气标准逐渐统一，因为用户不会同时接三套电网，最终电压标准、频率标准、插座标准逐渐收敛。但这种标准化跟发电环节不同，不同厂商之间有细微的性能价格差异，而这种微小的差异经过大规模生产被无限放大，从而产生行业巨头。

大模型具备同样的特征，有一定的标准化，用户并不会对特定模型产生强烈依赖，一个大模型的理论用户可以是所有人，但不同平台之间又有一定的性能成本差异，最终在主流大模型环节产生强者恒强、赢家通吃的几个最后赢家。

当然，这种效应同样可能在社交、电商、搜索等大众领域产生，现在并不能下定论。

最后，还要要强调一点，1882年的时候，谁都不知道GE会成为GE，GE成功并非商业模式的必然，并不是你只要站在这个赛道上，就可能笑到最后，更重要的是你的战略选择和管理能力，是否能走好未来的每一步。

特别是产业从“技术发明阶段”走向“规模化应用阶段”的过程中，能否一直站在价值链最关键的位置上。

产业发展和投资节奏不是一回事，产业革命成功之时，往往是投资泡沫破灭之日，当年看好亚马逊的人，可谓眼光超前，但他们还是要经历亚马逊股价下跌90%之后再跌90%，才能迎来超级牛股之路。

AI投资才刚刚开始，未来的走势远比我们想象的复杂。

1、微盘股为什么会持续下跌？

2、如何从不同指数的轮动中，发现大盘见顶的信号？

3、AI板块能不能抄底？

4、如何看待后市的有色行情

5、如果判断海外算力产业链的业绩拐点？

6、人形机器人板块会接替AI上涨吗？