夜雨聆风聊 AI 投资的人，十个有九个拿着互联网那套估值模型就往里套。但 AI 不是软件，是重工业。
AI 和钢铁厂的逻辑很像。
你不会因为宝钢多卖了十吨钢就欢呼用户增长，你关心的是吨钢成本降了多少、产能利用率多高、技术节点领先对手几代。
互联网的逻辑呢？先烧钱圈用户，等人走不掉之后躺着收广告和抽佣。这个玩法能成立，是因为软件的复制成本趋近于零。服务 100 万用户和 200 万用户，成本差不多。用户越多，赚的越多。
AI 呢？每次回答问题都在烧算力、烧电、烧卡。用户越多，成本越高。你把人圈过来，还没找到赚钱的法子，光是用户用 AI 的费用，就把成本干上天了。
说 AI 是重工业，得先看成本结构。
AI 的成本主要就两块。第一是训练，属于分期摊销的重资本开支。AI 迭代太快，每一代模型都要重新训，这笔钱没法一劳永逸。
第二是推理成本，也就是使用成本。你和 AI 的每一轮对话，虽然你在免费用，但 AI 公司是要花钱的。用的人越多，成本越高。重工业的属性就在这里。
推理成本的单价降得很快，每一代工艺革新都在压低"吨钢成本"。但单价下降不等于总量不涨。只要每次推理的边际成本不为零，用户越多、用得越频，总成本就越高。
这跟钢铁厂一样：炼钢工艺一直在进步，吨钢成本一直在降，但只要订单量在涨，总支出就在涨。这不是软件的经济模型，是重工业的经济模型。
这就引出一个关键判断：互联网"先亏后赚"那套逻辑，在 AI 这里大概率不成立——至少对免费提供服务的 AI 公司而言。
推理成本跟着用户规模涨，用户越多，成本端的窟窿越大。如果变现手段还是靠免费拉新、等规模起来再想办法，这个模式很难跑通。
当然，如果 AI 公司从一开始就按量收费，单位收入可以覆盖单位推理成本——Anthropic 就比较倾向这条路。但这恰恰说明 AI 是重工业逻辑，你得从第一单就开始算成本账。钢厂不会先把钢材免费送出去再想怎么赚钱。
那 AI 的护城河在哪？
消费者端没有粘性：哪个好用切哪个，哪个免费用哪个，不存在"用了就离不开"这回事。
B 端倒是有：企业把 AI 嵌入工作流之后，数据沉淀、流程定制、合规配置都构成了切换成本。但那个护城河来自行业 know-how 和流程整合，不是来自 AI 本身。
AI 也有数据飞轮，用的人越多，模型积累的反馈越多。但到今天，这个效应还远没强到能锁住用户。十亿人用微信，第二个同类软件活不下去；但十亿人用 ChatGPT，明天切去 Claude 或 DeepSeek，代价很小。
所以 AI 的护城河不在用户规模。成本侧看推理效率——同样的回答，你烧一分钱电，我烧三厘，这就是重工业里的成本优势。收入侧看行业整合深度——一旦嵌入工作流，切换成本才真正出现。
问题是，现在大部分 AI 公司讲的故事，还是照着互联网的估值框架在画：用户增长、日活、份额、先亏后赚。但你用重工业的框架去看，这些指标几乎没意义。
对 AI 公司来说，更重要的指标是：训练效率、推理成本曲线、产能利用率、客户留存的单位经济。
这些才是重工业的估值语言。
我是周然，交个朋友。我们一起把投资这件事，不挖坑地讲清楚。
