【深度】 AI不是一个行业:它同时像电力、水泥、铜、软件和咨询公司一句话总结：AI并不是一个遵循同一种商业规律的“高科技行业”，而是一块由能源、重工业、大宗商品、软件和专业服务共同组成的五层蛋糕；你站在哪一层，决定了完全不同的行业周期、竞争逻辑和投资方法。很多人第一次看到AI，会天然把它归类为一个“高科技行业”。大模型。GPU。算法。Agent。机器人。听起来当然很高科技。于是一个非常自然的认知捷径就出现了：既然AI是高科技，那么AI产业链上的公司，大概都应该按照科技公司的方式理解。但这恰恰是今天大量AI讨论出问题的地方。因为真实的AI世界，反差极大。它的最上面可能是一家AI软件公司；往下一层，可能是一家卖GPU、光模块或者先进设备的公司；再往下一层，你看到的是数据中心、变压器和工业设备；继续往下，甚至会碰到电网、电厂、天然气、铜和铝。也就是说：AI的最上面像硅谷，最下面却可能像19世纪的工业革命。所以最近几年有很多看起来互相矛盾的争论。有人说：AI本质上是软件。有人说：不，AI真正的瓶颈是算力和芯片。还有人说：都不对，真正限制AI的是电力。也有人进一步说：未来AI根本不是互联网逻辑，而是重资产工业逻辑。这些观点往往都有一部分正确。但问题在于：它们都试图拿自己摸到的那一部分，定义整头大象。这其实是一种非常常见的人类认知偏误：我们习惯寻找一个统一的标签，把复杂系统压缩成一句话。但AI恰恰不是一个适合用单一标签理解的产业。它更像一块：五层蛋糕。从下往上分别是：第一层：能源第二层：基础设施与工业第三层：大宗商品与技术类 Specialized Product第四层：软件与互联网第五层：定制类服务真正重要的不是这五个名字。而是：这五层实际上代表五种完全不同的经济学。第一层：能源——AI再聪明，最后也得插电如果把AI一路往下拆，最后会得到一个非常朴素的东西：电。训练模型需要电。推理需要电。GPU需要电。数据中心需要电。制冷需要电。芯片制造需要电。甚至制造变压器、铜缆、服务器和工业设备，本身也需要能源。所以AI最底层不是算法。而是：能源。这一层甚至可以完全不按照“科技行业”来思考。它更像石油、天然气、电力和矿业。决定一家能源公司的利润，最重要的未必是：“AI模型又进步了多少？”而可能是：今年全球新增多少发电能力？电网有没有瓶颈？天然气价格是多少？核电审批需要多久？新增供给什么时候投产？因为能源最大的特点，是：供给极其刚性。一个App用户突然增长100%，服务器可以比较快扩容。但全社会电力需求突然增加10%，你不可能第二天就多建10%的电厂。新的能源供给往往需要几年甚至十几年形成。于是能源行业最经典的规律出现了：需求增长。价格上涨。利润上升。所有人开始扩产。几年后新产能释放。供给增加。价格下降。投资停止。然后几年后再次短缺。这是一套已经运行了上百年的周期。AI可以制造新的需求冲击。但它没有消灭能源经济学。所以站在这一层，最重要的问题不是：“AI有多伟大？”而是：“供需缺口有多大，多久能被新的资本开支填平？”第二层：基础设施与工业——别把它想成科技公司，把它想成水泥第二层是整个AI体系里最容易被“科技叙事”美化的一层。数据中心。机房。服务器。液冷。变压器。输配电设备。工业自动化。大型工程建设。因为它们服务AI，所以大家会天然给它们套上一层“高科技”滤镜。但如果只看商业逻辑，有时候一个更极端、也更有用的类比是：把它当成水泥行业。当然，数据中心设备的技术含量远高于水泥。我说的不是技术。而是商业规律。水泥有什么特点？第一，需求一旦爆发，订单会非常好。第二，扩产需要时间。第三，当所有人看到景气度以后，所有人都会扩产。第四，新产能最终一定会释放。第五，一旦需求增速下降，行业就从短缺迅速转向过剩。这正是大量基础设施行业的基本规律。假设AI算力需求突然暴发。第一年：现有数据中心供不应求。第二年：全球科技公司宣布巨额CapEx。第三年：服务器、变压器、液冷、工程设备订单爆发。第四年：大量新产能开始交付。第五年：如果需求还在高速增长，一切都很好。但如果需求只是“继续增长”，而不是“继续加速增长”，问题就来了。因为：今天最好的订单，可能恰恰是在制造三年后的产能过剩。这就是工业世界和软件世界最大的区别之一。软件公司用户增长100%，通常是好事。工业公司订单增长100%，你还得继续问：竞争对手是不是也在扩产？所以研究这一层，真正重要的指标往往是：订单。产能。库存。在建工程。CapEx。交付周期。客户资本开支计划。资产利用率。这也是为什么一个非常危险的分析方式，是：拿互联网估值框架去理解一家AI基础设施企业。因为你看到的是AI。但企业面对的，可能仍然是：一百年前水泥、钢铁和铁路就已经存在的周期规律。第三层：Commodity与Specialized Product——有些产品像铜，有些产品像“高级铜”第三层特别有意思。因为这里同时存在两种完全不同、却又经常交织在一起的产品。第一种是：Commodity。大宗商品。什么叫真正的大宗商品？一个非常极端的定义是：只要规格一样，你根本不在乎这一吨是谁生产的。比如铜。铝。石油。天然气。某些标准化化工品。这些产品有一个共同特征：运输方便、标准明确、全球定价、替代几乎无感。假设你是一家工厂。昨天买A公司的铜。今天买B公司的铜。只要纯度、规格、交付和价格一样，你可能根本感觉不到区别。这种商业模式最残酷的地方在于：品牌几乎没有意义。客户不会因为你在广告里讲了一个感人的品牌故事，就愿意为一吨铜多付30%。因此这一层最核心的竞争力是：成本。资源禀赋。规模。供应稳定性。运输。以及供需。换句话说：Commodity的极端状态就是：产品没有人格。它只是一个价格。但第三层还有另一类东西：Specialized Product。比如：GPU。高端芯片。光模块。先进制造设备。精密零部件。某些高性能材料。它们不像铜。因为不同供应商之间存在明显技术差异。但它们又不像软件。因为依然需要：工厂。设备。产能。良率。供应链。制造。资本开支。所以我喜欢把它们叫：“高级大宗商品”。这当然是一个故意夸张的说法。但它能够提醒我们一个非常重要的问题：技术领先，不等于没有周期。Specialized Product往往同时存在两套周期。第一套：技术周期。你的产品是不是领先？领先多久？下一代产品什么时候出现？竞争对手多久追上？第二套：产能周期。现在缺货吗？所有厂商是不是都在扩产？两年后的供给会增加多少？于是这类公司最复杂。你既不能把它当铜看。也不能把它纯粹当软件看。要同时研究：技术壁垒 × 供需 × 产能 × 市场份额。半导体为什么如此迷人，也如此残酷？原因就在这里。它既是科技行业。又是制造业。还是周期行业。AI并没有改变这一点。AI只是给这套周期注入了一次巨大的需求冲击。第四层：软件与互联网——这里才真正接近我们熟悉的“科技公司”再往上，商业世界突然改变了。因为我们终于进入：软件和互联网。这里最大的变化是什么？不是技术变先进了。而是：边际复制成本突然接近零。水泥卖100万吨，就要生产100万吨。铜卖100万吨，也要挖100万吨。服务器卖100万台，就得制造100万台。但软件不同。Microsoft做出一份Office，不需要为了第100万个用户再开发一次Office。软件的边际复制成本极低。于是一个全新的经济规律出现：Scale Economy。规模越大，单位成本越低。如果再加入：网络效应。数据积累。生态系统。用户迁移成本。品牌。平台效应。就可能出现一种工业世界非常少见的结构：Winner takes most。所以软件公司的核心指标完全不同。不是产能。而是：用户数。留存率。ARPU。LTV/CAC。网络效应。市场份额。生态。切换成本。单位经济模型。也正因为如此，我们才会看到过去二十年资本市场愿意给优秀软件公司远高于传统工业企业的估值。因为一家水泥厂有明显物理边界。但一个软件平台理论上可以服务全世界。但这里出现了AI时代一个非常有趣的新变化。传统软件有一句经典描述：Build once, sell infinitely。开发一次，无限复制。但AI软件并不是完全如此。每一次推理都需要GPU。每一次Agent执行任务都需要Token。每一个用户都在真实地消耗电力、服务器和计算资源。于是AI软件出现了一种非常奇怪的结构：软件重新长出了“工业成本”。这意味着未来分析AI软件公司，不能只问：有多少用户？还要问：服务这些用户到底花了多少钱？模型调用成本是多少？推理成本是多少？单位收入对应多少计算资源？所以AI软件仍然是软件。但它可能是过去几十年里：最不像传统软件的一类软件。第五层：定制类服务——如果每个客户的问题都不同，你卖的就不是软件再往上，是整个体系最“人”的一层。咨询。医疗。法律。设计。研究。投行。企业解决方案。战略顾问。各种高度定制化专业服务。软件的目标是什么？标准化。服务业恰恰相反。客户会说：“我的情况比较特殊。”而且很多时候，他真的很特殊。一家跨国公司的中国战略。一个患者的治疗方案。一场复杂并购。一个企业的组织变革。一个CEO正在面对的管理问题。都不存在完全一样的标准答案。所以这一层真正卖的不是一个产品。而是：理解具体情境之后作出的判断。传统专业服务为什么规模化困难？因为一个顶级律师只有24小时。一个优秀医生每天只能看有限数量的病人。一个优秀咨询顾问一年只能做有限数量的项目。收入大致等于：人数 × 时间 × 单价。这也是为什么过去专业服务公司很难获得软件公司的估值。它们没有无限复制能力。但AI正在第一次改变这件事情。一个行业专家过去一天能够处理5个问题。未来也许可以用10个Agent同时完成信息搜集、数据整理、竞品分析和初步推理。一个咨询顾问以前一个月完成一份研究。未来可能同时运行多个研究线程。于是服务行业出现一个非常重要的新可能：人的认知能力开始被部分软件化。但是，这并不意味着服务业会消失。恰恰相反。AI越强，一些过去昂贵的东西会迅速变便宜。比如：搜集信息。整理资料。生成PPT。基础分析。写初稿。甚至编程。那么什么会变贵？我认为是：定义问题。理解语境。做出判断。承担责任。获得信任。推动组织真正采取行动。因此未来顶级专业服务越来越可能卖的不是Knowledge。而是三个东西：Judgement。Trust。Accountability。知识会越来越便宜。真正能够为结果负责的判断，会越来越贵。五层蛋糕，其实是五个完全不同的世界现在把它们放在一起看。最底层：能源。它像石油、电力和矿业。再上一层：基础设施与工业。极端一点，可以把它想成水泥、铁路和重工业。第三层：Commodity / Specialized Product。一端像铜——标准化、全球运输、无感替换。另一端像高端芯片——有技术壁垒，但仍然受制造和产能周期约束。第四层：软件与互联网。边际复制成本骤降，规模经济与网络效应开始主导。第五层：专业服务。标准化能力再次下降，但判断、信任和责任变得极其重要。你会发现：这根本不是一个行业。甚至不仅仅是一条产业链。它是五种截然不同的商业文明，被同一个技术革命连接在了一起。越往下，是物理世界；越往上，是信息世界如果一定要给这五层寻找一个共同规律，我认为可以这样理解：越往下，越接近物理世界。能源。土地。设备。厂房。资源。工厂。运输。建设周期。资本开支。这些东西决定企业的命运。因此：资本密度高。供给弹性低。建设周期长。行业周期长。Commodity属性更强。越往上，越接近信息世界。代码。用户。知识。组织。品牌。关系。信任。判断。这些东西决定企业价值。因此：资本密度下降。边际复制成本下降。规模化速度上升。行业变化速度加快。人的作用重新增加。但这里还有一个很有意思的U型结构。软件是整个体系里最容易标准化、最容易规模复制的一层。继续往上到专业服务以后，标准化程度反而再次下降。因为：世界上最复杂的问题，往往无法完全产品化。所以，同一个AI Boom，会产生完全不同的行业周期假设AI需求突然增长。软件行业可能几个月就感觉到变化。模型调用量迅速上升。用户增加。新的应用爆发。然后需求向下游传递。GPU开始短缺。服务器开始短缺。光模块订单增加。然后数据中心开始建设。电力设备订单上升。最后电网和能源系统开始面对真实的长期需求变化。这个传递过程存在巨大的时间差。所以AI Boom不是一条整齐的直线。它更像一块石头扔进湖里以后形成的波纹。不同产业收到冲击的时间不同。反应速度不同。供给调整速度不同。繁荣持续时间也不同。甚至可能出现一种非常反直觉的情况：AI仍然高速发展，但某个AI产业链环节已经进入衰退。这两件事情完全不矛盾。比如互联网使用量过去二十年几乎一直在增长。但这并不意味着过去二十年每一个通信设备厂商都是好投资。智能手机行业持续发展。也不意味着每一家手机零部件公司都一直赚钱。因为：技术趋势是长期变量，产业利润却是周期变量。这是理解AI投资极其重要的一句话。AI投资最大的错误：给所有公司贴上同一个标签如果你接受五层蛋糕这个框架，那么一个结论自然出现：“AI概念股”其实是一个几乎没有分析意义的词。因为能源公司和软件公司虽然都受益于AI，但它们完全不是同一种资产。投资能源，你应该问：供给缺口在哪里？投资基础设施，你应该问：资本开支周期走到了哪里？投资Commodity，你应该问：边际成本是多少？新增供给在哪里？投资Specialized Product，你应该问：技术领先还能保持多久？两年后的产能是多少？投资软件，你应该问：网络效应是否成立？单位经济是否成立？投资专业服务，你应该问：人的能力能不能被AI放大？信任能不能形成复利？这几乎是完全不同的投资学科。所以如果有人说：“AI不是软件互联网。”这句话通常不完整。如果有人说：“AI就是软件互联网。”同样不完整。如果有人说：“AI最终就是能源。”还是不完整。它们的问题不是完全错误。而是：都在用一层蛋糕定义整块蛋糕。真正应该寻找的，不是“谁最AI”，而是“哪里最稀缺”我越来越觉得，AI投资最重要的问题可能根本不是：谁最AI？而应该是：此时此刻，这块五层蛋糕里，什么东西最稀缺？2023年可能是GPU。后来可能是先进封装。可能是HBM。可能是光模块。再后来可能变成数据中心。变成变压器。变成电力。当这些供给逐渐跟上以后，价值又可能重新向上移动。变成软件。变成数据。变成用户入口。最后甚至可能变成人本身：真正理解行业的人。真正知道应该问什么问题的人。真正有客户关系的人。真正敢于为判断承担责任的人。因为技术革命长期都在做同一件事情：把原来昂贵的东西变便宜，然后把价值推向下一个仍然稀缺的环节。蒸汽机降低机械动力成本。电力降低能源使用成本。互联网降低信息传播成本。AI正在降低认知劳动成本。而当认知劳动本身变便宜以后，我们迟早会发现：真正稀缺的，从来不是答案本身。而是谁知道：什么问题值得回答。最后所以，“AI五层蛋糕”不是一个产业链分类游戏。它真正提醒我们的是：不要把一个复杂系统压缩成一个标签。AI既是能源革命的一部分。也是工业资本开支周期的一部分。是半导体和先进制造革命的一部分。是软件革命的一部分。也是人类知识工作重新分工的一部分。它可以同时像：电力。水泥。铜。微软。以及：麦肯锡。这听起来矛盾。但恰恰因为这种矛盾同时存在，我们才真正开始接近AI经济的全貌。留给读者三个问题第一，如果AI未来十年仍然高速增长，你认为五层蛋糕里，哪一层会拿走最多利润？第二，今天看起来最稀缺的GPU、电力和数据中心，五年后还会同样稀缺吗？还是会像过去无数工业周期一样，从短缺走向过剩？第三，如果AI最终让知识和基础分析越来越便宜，那么在你自己的行业里，最后真正无法被Commodity化的东西，到底是什么？
夜雨聆风
