夜雨聆风当智能成为资本品：从Scaling Law看AI投资的产权博弈
今年过完年我回学校上学之后，机缘巧合之下开始接触AI，也就这么顺理成章地涌入了AI投资的浪潮。我还是心急，在没有把形势完全认清的情况下匆忙入了场，但就像很多人都说的，被套住了再开始学吧。这不，学习的机会来了。
诚惶诚恐。这是我还没接触AI投资时对这件事情的态度，纳指四月13连涨，五月底8连涨，网上泡沫论的声音越来越大，我都数不清看过多少追溯互联网泡沫，铁路网泡沫的相关文章和资讯了。但是大家都会告诉你，泡沫对于整个行业来说到底是好事，没有资本前期实打实的堆砌就没有如今便利的交通及互联网产业。我不知道能不能这么说，泡沫的破灭，是数以万计的人赌上身家为人类作出的贡献
那说回AI投资，如果我们真的担心这会是一场泡沫，那不妨先看看我们的钱流向了何处。（但是就像泡沫破灭之后的思科用了二十多年才追上从前的最高股价一样，巨头，真正有收入的公司在泡沫面前也只能认栽，而最后真正能留下来并且越做越强的潜力股甚至有可能还没有出现，那我也只能从利润分配和两条不尽相同的逻辑来顺顺这到底是什么个事！仅供个人学习交流）
我觉得AI投资的逻辑，可以先从一篇论文讲起，其核心概念是，Scaling law。也是这个发现，让资本心甘情愿地相信AGI可是不是被研发出来的，而是被制造出来的。
2020年，OpenAI的Kaplan等人将Scaling Law凝练为了一个简洁的幂律关系：模型性能与算力、数据量、参数量呈现可预测的对数增长。这一发现的第一层冲击，是找到了智能与资本投入之间的函数关系。智能不再只是天才灵光的产物，而变成了一种可以被计算、被预算、被扩产的“资本品”。
紧接着第二层，AI被从科研活动推入了工业活动。实验室里调参的手感，变成了工厂里扩产的计划表。既然智能可以被规模生产，资本便开始相信它的可预见回报。于是第三层逻辑自然展开：万亿美元开始涌入AI基础设施，GPU、数据中心、电力网络成为新时代的铁路和钢厂。
到了第四层，大家其实已不再纠缠于“Scaling是否成立”，而是转向了更精细却也更残酷的问题：当前市场对Scaling持续时间的预期，是否已经过高？
Scaling Law的经济本质：成本函数
从第一性原理出发，Scaling Law描述的是一个物理层面的成本结构：每获得一个单位的“智能提升”，需要追加多少资本。它回答的是“生产可能性边界”在哪里。
但物理规律并不能自动告诉我们钱会流向谁的口袋。就像摩尔定律解释了晶体管的指数增长，却没有预言英伟达、台积电与苹果谷歌之间利润分配的版图。
同样，今天即便我们准确预判了GPT-6相对GPT-5的性能跃迁，也无法直接回答：钱更多流向了卖铲子的英伟达，还是把模型包进产品的应用层？
这需要第一性原理的第二次剥离：将智能生产的物理函数，与智能价值的产权归属剥离开来。当算力像电力一样变成同质化要素时，基础设施的超额利润将向均值回归；但如果算力架构本身构成一种难以替代的生态（如CUDA），那它就保有铁路式的定价权。而应用层若能在数据飞轮和用户习惯上建立网络效应，又会倒过来将基础设施矮化为无差异的管道。
剥离之后，真正的考验是预期差。市场当前处于一个典型的“全局博弈”之中：每个大型科技公司和主权基金都面临一个囚徒困境式的选择。如果竞争对手在扩建数据中心，而你没有，你可能会在未来智能供给上被卡脖子；但如果所有人都疯狂扩建，最终算力是否会过剩，变成类似2000年光纤泡沫后的廉价带宽？
这个博弈的聚焦点正是市场对“Scaling还能持续多久”的共识。一旦多数资金相信预训练Scaling还能沿着幂律曲线上行五年，那么现在的每张H100或B200订单就都在折现未来的智能霸权。在这种情况下，基础设施型资产（英伟达、数据中心REITs、电力供应商）会被赋予极高的稀缺性溢价，就像19世纪铁路狂潮中垄断路权的范德比尔特家族（当时绝大多数铁路公司最终破产，但控制了关键枢纽的人确实赚走了整个世纪的钱。）
然而，一旦预期逆转呢？比如合成数据遭遇“模型自噬”的退化，或者推理时Scaling带来的智能增益边际骤减，那市场会不会瞬间从“铁路逻辑”切换为“互联网逻辑”？彼时，光纤和服务器变得不值钱，而谷歌、Meta、亚马逊这类掌握用户和网络效应的平台捕获了绝大部分价值。此刻的博弈便不再是比谁卡多，而是比谁离用户更近、谁的生态粘性更强。
这正是当前投资最微妙之处。铁路和互联网两种单纯的类比，都不能在AI投资里发挥作用了，各自都只对了一半。
把AI与铁路类比，因为物理层（算力、电力）确实存在地域与能源瓶颈，无法无限复制，这赋予了基础设施阶段性的垄断租值。
与互联网类比，因为智能服务天然具备软件的可复制性和边际成本趋零特性（每单位推理所需的算力正变得便宜），如果这最终可能使模型本身沦为“平价的智能自来水”，此时产权重心必然滑向拥有数据护城河和用户触达的应用层。
市场就在这两个叙事之间来回摆荡。去年英伟达财报季时，全球资金讲的是“军备竞赛才刚开始”；而一旦GPT-5发布延迟或推理成本跳水，叙事又会迅速倒向“模型商品化，应用层受益”。真正的超额收益，恰恰来自对这两种叙事转换节奏的二阶判断，不仅要预测Scaling能否继续，更要预测“市场何时以及如何修正它对Scaling持续的预期”。
这正是博弈论中的“选美比赛”逻辑：你不需要知道哪位佳丽最美，你需要猜的是多数评委认为谁最美。同样，此刻你不需要仅仅算出Scaling Law的物理尽头在哪里，或许我们需要推演的是当下一季财报、下一次重大模型发布、下一个权重搅局者出现时，全球资本会如何重新定义“智能的产权归属”。
数万亿美元已经扣响了扳机。在我们面前铺开了一个重要问题：规模生产出的智能，利润最终沉淀在哪一层
持续学习中，祝你顺利！
