AI工业革命：我们现在正处于何种阶段

正文：

在过去的一年里，我参加了一些关于AI的行业会议。演讲者们不断展示AI的各种应用，而在场的观众却只是用手机拍摄屏幕，发完朋友圈后又继续刷手机。然而，回到办公室后，依然是那样的周会、审批和周报。大公司已经将Token消耗量纳入了KPI，有些人甚至通过脚本刷量成为了模范员工。朋友圈里的那些人，今天谈论Claude革命，明天又赞美Codex，后天又在庆祝Gemini——这真的是在拥抱革命，还是在快速赶场呢？

问题的关键并不是AI的能力有多强——蒸汽机已经被发明出来，关键在于谁会首先拆掉旧的车间。

工业革命的真正起点并不是瓦特改良蒸汽机的那一天，而是兰开夏郡的厂主决定不再依赖河流，围绕蒸汽机重建他们的车间。同样，AI革命的重要时刻也不是大模型问世的那天，而是第一个组织决定拆除旧流程，围绕AI重塑生产方式的那一天。这样的时刻尚未到来，但它正在路上。

两位早期观察者对此有深刻的见解。Notion的CEO赵伊万在2025年底发布的《Steam， Steel， and Infinite Minds》一文中冷静判断：我们仍然处于“替换水车”的阶段——仅仅是在现有工具上添加AI聊天机器人，却没有人去重新设计工厂。而OpenAI的前员工Leopold Aschenbrenner选择了另一条路径：撰写了165页的《Situational Awareness》，并成立了一只基金，从2.25亿美元增长到136.8亿美元，专注于AI基础设施的投资。他们的视角，一个向内看，一个向外赌。

( Power-loom weaving, engraving by J. Tingle after Thomas Allom, 1835 / Wikimedia Commons )

大多数人的一天通常是这样的：早上用AI写了一封邮件，省了十分钟；接着花两小时参加一个其实可以不开的周会；下午在三个工具之间复制粘贴同一组数据；晚上发条朋友圈说“AI真好”。节省的十分钟最终被旧流程完全吞噬。

同样，当蒸汽机问世时，工厂主最初也只是将水车替换为蒸汽机，其他一切保持不变——工厂依旧建在河边，依旧是多层建筑，依旧是中央传动轴驱动整条产线。我们如今将ChatGPT嵌入Slack，将Copilot整合进Office，将AI聊天窗口加入工作流——做的实际上是同一件事情。工具升级了，却没有改变车间的结构。

然而，更新机器并不意味着更新车间。麦克卢汉曾说：

我们通过后视镜驶向未来。用旧流程来适应新工具，就像早期的电影只是在拍摄舞台剧。真正的突破，需要有人完全摆脱河流，围绕新动力重新设计整个生产流程。

如果将工业革命的时间线与AI的发展相对照，或许可以更清晰地识别我们在地图上的位置：

当前的时间线被极度压缩。工业革命从蒸汽机到铁路热潮历时60年，而AI从Transformer到数据中心建设的浪潮仅用了7年。

速度并非问题，问题在于我们停留在何处——前四行依然是旧车间装新机器的阶段，蒸汽机已安装，铁路也在铺设，但生产方式却毫无改变。第六行才是真正的分水岭。我们大概率被卡在这两步之间。

基础设施通常会被过度建设。最终破产的往往是投资者，而非基础设施本身。

1846年，英国议会通过了263项铁路法案，批准建设9500英里新铁路。铁路投资的高峰期，曾占到英国GDP的13%。铁路股票只需10%的定金即可购买，中产阶级纷纷入市。泡沫在1847年破裂，三分之一获批线路从未建成，众多投资者损失惨重。达尔文在铁路股票上亏损了60%，而他的运气比大多数人好得多。

今天的AI基础设施也走上了同样的道路。高盛最新的估算显示，到2026年，全球AI基础设施资本支出将达到7650亿美元，到2031年预计每年将达到1.6万亿美元。超大型云厂商的资本支出占运营现金流的比例，从2023年的约40%上升至2025年的近70%。AI相关投资已占美国全部投资的约四分之一。Aschenbrenner的136.8亿美元，正是押注这一层——他赌的不是哪个应用会胜出，而是底层算力本身。

这个资本循环与房地产开发相似。建设数据中心就像盖楼：土地是电力，建筑材料是GPU和存储，承包商是数据中心建设方，开发商是云厂商，租户是AI应用公司，租金则是API收入。云厂商的商业模式是以租养贷——用API收入来覆盖数据中心的资本支出，期待AI应用爆发带来的估值提升。

核心风险同样存在：API单价的下跌速度，是否能被调用量的增长速度所抵消？如果租金跌破了还贷线——这是地产开发商最熟悉的噩梦。2008年的教训不是盖了太多房子，而是所盖房屋与真实需求的结构不匹配。AI面临的风险是：通用算力过剩，但能真正处理金融合规、医疗诊断等高价值场景的专业能力仍然稀缺。

铁路、地产、AI——这三个时代的基础设施投资，共同遵循着一条规律：过度建设是常态，建材商总是失去定价权，而长期回报总是属于持有“核心地段”的业主。看看华尔街第一季度基金的持仓就知道了——大概率80%的资金押注于这个基础设施层：NVIDIA、数据中心、云基础设施。然而，铁路热潮教会我们的，是这并不是AI革命的全貌，甚至不是回报最高的那一层。

AI的核心地段是什么？是独特的行业数据，以及深度嵌入的工作流。对于个人而言，真正的“核心地段”并不是持有的股票，而是不可替代的判断力和行业知识——前提是已经围绕AI重建了使用这些知识的方式。

真正的回报存在于下一层。但从基础设施到价值创造之间，并不是无缝衔接的。中间存在一道缝隙——历史上，这道缝隙吞噬了几十年。

拆卸车间的人与“用AI提升效率”的人，做的并不是同一件事情。

赵伊万的联合创始人西蒙，曾是“十倍速程序员”，如今很少亲自写代码——他同时操控三到四个AI编码代理，效率达到了30到40倍。Notion现在有1000名员工和700多个AI代理。差距在于工具的不同，而是西蒙拆除了自己的旧车间，而大多数人只是更换了一台水车。

6亿中国用户使用过生成式AI工具，同比增长142%——这是全球最大的AI需求池。然而，几乎没有一家中国公司围绕AI重建核心工作流。全球最大的需求侧与几乎不变的供给侧组织变革形成鲜明反差。这个反差本身就是一个信号：问题不在于工具的不足，而在于组织没有跟上。知识工作的上下文分散在几十个工具和数十个脑袋里，产出不可验证，没人知道如何判断一份战略备忘录是否有效。

(Labor market impacts of AI: A new measure and early evidence)

Anthropic已在更大范围内展开行动。他们发布了Economic Index，通过真实使用数据描绘了AI最先替代哪些任务和行业，并据此开展了行动：与高盛、黑石、Hellman & Friedman合资成立AI原生企业服务公司；与KPMG建立全球联盟，276,000名员工接入Claude