刚看了Raymond的硅谷见闻《硅谷国庆见闻 - 愿天下处处是泡沫》。
他在硅谷待了二十天,开了七十个会。
教授创业。
博士准备辍学。
大厂员工偷偷做 side project。
创业者一边融资,一边投资别人。
基金经理兜售自己的学术圈关系。
没有产品的公司拿着几十亿美元估值融资。
老股交易满天飞。
所有人都在问下一步去哪。
那种空气,他说很像 2014、2015 年的中国互联网。
钱很多。
人很忙。
机会很多。
泡沫也很多。
读到最后一句:
“愿天下处处是泡沫。”
我反而认为,真正值得投资人思考的,不是“硅谷现在到底有没有泡沫”。
当然有。
真正的问题是:
这些泡沫正在把钱、人和时间推向哪里?
以及更重要的:
等这些资源真的流过去以后,哪一层需求会先跑起来,而供给还没来得及跟上?
这可能比判断泡沫什么时候破,更接近投资本身。
一、技术革命刚开始时,资本往往先把基础设施建过头
回头看蒸汽机、铁路、电力、互联网,几乎都经历过类似的过程。
技术先出现。
然后资本开始狂热。
铁路时代,大量铁路项目同时融资。
电力时代,电厂、电网、电机疯狂扩张。
互联网时代,光纤、IDC、网络设备、门户网站一起上。
很多项目最后都失败了。
很多钱也确实被浪费掉。
可有一件事很容易被忽略:
那些被泡沫提前建出来的基础设施,并没有随着股价下跌一起消失。
铁路还在。
电网还在。
光纤还在。
数据中心也还在。
甚至正因为前一轮资本投得太多,后一轮真正使用这些基础设施的人,反而获得了极低的成本。
这可能是技术泡沫最有意思的一面:
对上一层投资人来说,它可能是过度投资; 对下一层创新者来说,它却可能是成本红利。
互联网泡沫以后,大量电信公司倒下。
但廉价带宽留下来了。
后来 Google、Amazon、Netflix、云计算,都是在这层便宜基础设施上长出来的。
所以今天再看 GPU、HBM、数据中心、电力建设,也可以多问一句:
如果这一轮真的建多了,谁会因此获得过去不可能拥有的廉价智能?
答案可能不是今天最热的 GPU 公司。
而是下一层:
Agent。
机器人。
企业 AI。
生物科技。
专业服务。
个人服务。
这才是历史真正值得借鉴的地方。
二、电力时代给 AI 的启发,可能比互联网更大
回看技术发展史,通过对比,我觉得,AI 最像的其实是电力。
电力刚进入工厂时,很多企业第一反应只是:
把蒸汽机换成电动机。
原来的工厂布局基本不变。
原来的传动轴不变。
原来的生产流程也不变。
效率当然会提高一点。
但电力真正改变生产率,不是在“换发动机”的那一刻。
而是在后来。
每台机器都可以独立用电以后,工厂开始重新布局。
流水线重新设计。
仓储、物流、工序、人员组织一起变。
这时候,电力才真正开始改变生产方式。
今天很多企业用 AI,其实还停留在“换电机”的阶段。
写邮件快一点。
做 PPT 快一点。
写代码快一点。
总结文档快一点。
这是有价值。
但它只是:
旧流程 + AI。
真正的下一步,是企业开始问:
既然 Agent 可以自己读数据、调用工具、完成任务,为什么原来的流程还要这样设计?
为什么一张发票需要五个人?
为什么一个采购流程要十个节点?
为什么销售、客服、财务之间的数据要来回搬?
为什么软件只是给员工用,而不能让 Agent 直接负责一段工作?
到了这个阶段,AI 才真正开始改造生产关系。
不是提高一个人的效率。
而是重新设计:
谁负责什么。
三、所以真正重要的分界线,是 Copilot 到 Agent
过去两年,大量 AI 应用本质上是 Copilot。
人在前面。
AI 在旁边。
人提出任务。
AI 辅助完成。
Agent 再往前一步。
人不再逐步操作。
而是告诉系统:
我要什么结果。
中间的路径由 Agent 自己完成。
这就是我们一直讨论的:
Find → Do → Delegate。
互联网解决的是:
帮我找到。
平台时代进一步解决:
帮我匹配。
Agent 开始进入:
帮我完成。
再往后则是:
这类事情,以后你替我持续处理。
这时候,软件就不再只是工具。
它开始接过一部分责任。
而一旦责任发生转移,整个商业体系都会跟着变化。
四、这也是为什么数据公司突然火起来
Raymond的见闻里,我最感兴趣的其实不是那些几十亿美元估值的 Neo Labs。
而是数据公司。
大模型最早拼的是 Pretrain。
后来拼 Scaling。
再后来,行业逐渐进入后训练、RL 环境、专业数据、专家反馈。
这意味着瓶颈已经在迁移。
模型还在进步。
算力还在增加。
但 Frontier Labs 真正越来越缺的是:
高质量数据。
专业专家。
好的 RL Environment。
快速交付。
复杂项目组织能力。
所以现在一些数据公司看起来一点都不像传统 VC 喜欢的软件公司。
它们很重。
要组织人。
要找专家。
要项目经理。
客户凌晨两点改需求,也得马上响应。
有些项目两天就得交。
过去很容易说:
这种生意不 scalable。
但如果客户愿意支付几百万美元,而且回款极快,这本身就是一个需要重新理解的商业结构。
AI 可能正在制造一种新的公司:
AI 原生的高杠杆专业服务公司。
它不一定拥有 SaaS 那种 90% 毛利。
但 AI 可以让一个专业人员覆盖过去几倍、十倍的产出。
这时候真正该看的不是:
它像不像软件。
而是:
单位员工收入。
交付速度。
客户复购。
毛利变化。
现金转换率。
AI 是否持续放大人的产能。
这可能是下一阶段很容易被传统估值体系忽略的一类公司。
五、产业机会和投资机会必须分开
Neo Labs 那部分也很有意思。
教授创业。
没有产品。
没有 PMF。
没有收入。
融资估值几十亿、上百亿美元。
从社会角度看,这未必是坏事。
我甚至同意那篇文章里的一句话:
教授、博士、研究人员应该有机会通过研究和创业获得很高的经济回报。
因为这会形成一个很强的正反馈:
最聪明的人愿意继续做研究。
愿意冒险。
愿意把实验室里的东西带到现实世界。
这对一个社会是好事。
但对投资人来说,另一件事也必须分清:
一个产业值得被资本资助,不等于任何价格都是好投资。
社会需要一百家公司去试错。
最后可能只剩三家。
这三家足以改变世界。
但另外九十七家仍然可能让后来进入的投资人亏钱。
所以:
技术方向正确,和股价值得买,是两件完全不同的事情。
铁路是真的。
但很多铁路公司是坏投资。
互联网是真的。
但大量 dot-com 公司最后消失了。
AI 也不会例外。
六、真正的大机会,往往出现在第二层瓶颈
投资最容易犯的一个错误,是所有人都在第一层最热的时候继续看第一层。
GPU 火了,就一直看 GPU。
数据中心火了,就一直看数据中心。
可历史上真正大的利润池经常不断迁移。
铁路铺完以后,新的商业中心和物流体系起来。
电网铺完以后,家电、电机、流水线起来。
互联网基础设施铺完以后,搜索、电商、云、社交起来。
所以真正值得一直问的是:
如果这一层真的成功,下一层什么会最先不够?
AI 这几年其实已经走过了一轮:
模型。
GPU。
HBM。
数据中心。
电力。
网络。
现在正在继续向:
数据。
Memory。
Agent。
身份。
权限。
支付。
审计。
现实执行。
迁移。
真正好的投资机会,往往就在:
上一层已经被验证,下一层刚刚开始供不应求的时候。
七、这也是为什么最近 Agent、Auth、支付越来越重要
如果 AI 只是聊天,它真正需要的是模型和算力。
但一旦 Agent 开始替人完成现实任务,就会遇到一堆过去不重要的问题。
它是谁?
它代表谁?
它可以做什么?
可以动多少钱?
任务到底完成没有?
如果失败,谁负责?
所以最近才会同时出现:
PAP。
Agent Wallet。
Stripe 的授权支付。
1Password for Agents。
Visa Trusted Agent。
银行限制第三方 Agent。
这些东西表面上分属于:
支付。
身份。
安全。
协议。
其实背后都是同一个问题:
当机器开始获得行动权以后,社会怎样给这种行动权划边界。
这就是生产关系开始重构的地方。
模型能力在前面冲得很快。
制度、权限、责任这些东西却是慢变量。
技术越快,这种错配越明显。
而错配本身,就是新的商业机会。
八、AI 和过去最大的不同,是它开始碰“决策本身”
蒸汽机放大的是力量。
电力改变的是动力分配。
互联网降低的是信息传输和搜索成本。
AI 更特别。
它开始降低:
认知、判断、协调和关系处理成本。
这意味着它不只是替代一个生产工具。
它开始进入:
管理。
金融。
研发。
销售。
采购。
法律。
这些岗位过去做的事情,本质上是在配置其他资源。
所以 AI 一旦进入这些层次,自然会继续向:
账户。
支付。
信用。
权限。
资源配置。
延伸。
这也是为什么我最近从 Agent 一直思考到金融、Auth、委托代理。
不是话题跑偏了。
而是 AI 真正进入决策层以后,它必然会碰到权利层。
九、AI 还有一个过去技术革命很少有的特点:它可以帮助制造下一代 AI
铁路不会自己设计下一代铁路。
电力不会自己设计新的发电机。
但 AI 可以:
写 AI 代码。
生成训练数据。
管理实验。
做科研辅助。
优化芯片设计。
帮助下一代模型训练。
所以这一轮技术革命有一种很特别的递归性:
它可以提高自己技术进步的生产率。
这不意味着一定会出现所谓“智能爆炸”。
但它意味着技术迭代的速度,可能会比蒸汽、电力时代快很多。
而社会制度、企业组织、监管不会同步加速。
所以今天一个很大的结构性错配可能是:
技术是快变量。
制度是慢变量。
而投资机会,往往就在两者交界处。
十、从历史看,真正值得珍惜的不是泡沫,而是泡沫背后的上行预期
Raymond的硅谷见闻最后写:
“愿天下处处是泡沫。”
我能理解这种情绪。
它怀念的并不是估值高。
而是一种整个社会都相信:
下一步可能更好。
教授愿意创业。
博士敢退学。
大厂员工敢出来。
年轻人愿意冒险。
创业失败还能再来。
资本愿意押注还没有被证明的未来。
这种环境本身,就会改变人的行为。
人的机会成本会重新计算。
这会形成一种非常强的正反馈。
更多人创业。
更多公司出现。
更多公司互相采购。
更多成功案例。
更多资本重新进来。
这就是一个真正的上行周期。
从社会角度看,当然值得珍惜。
十一、但投资人不能只跟着“上行感”走
我们真正的工作不是判断:
现在热不热。
而是把热度拆开。
哪些只是估值情绪。
哪些已经变成订单。
哪些订单正在改变供需。
哪些供需错配开始带来定价权。
最后,哪些企业真正把这些利润留在自己手里。
所以我现在越来越喜欢这样理解投资:
关系重构 → 资源重新流动 → 效率提高 → 新需求显形 → 瓶颈迁移 → 定价权出现 → 新产业结构稳定。
热度只是第一步。
真正的投资回报,发生在后面。
十二、所以 AI 有没有泡沫,可能真的不是最重要的问题
如果站在历史里看今天,真正有价值的问题其实是:
今天这些疯狂投入的资本,最后会把什么东西变得极其便宜?
然后再问:
这种东西变便宜以后,谁会第一次大量使用?
再往下:
当他们大量使用以后,下一样最先不够用的东西是什么?
这三步,可能比预测 AI 泡沫什么时候破有用得多。
因为历史上的技术革命,反复出现的从来不是:
新技术出现,然后所有相关资产上涨。
真正不断重复的是:
能力突破 → 资本过建 → 成本下降 → 新需求出现 → 瓶颈迁移 → 下一批公司崛起。
所以今天看 AI,我反而不会只盯着最热的地方。
我更关心:
下一层。
如果 GPU 足够多,会发生什么?
如果模型足够便宜,会发生什么?
如果 Agent 足够可靠,会发生什么?
如果企业真的开始把工作交给 Agent,什么会先不够?
可能是数据。
可能是 Memory。
可能是身份和权限。
可能是支付。
可能是机器人。
也可能是我们今天还没给它起名字的一层。
但那才是投资真正有意思的地方。
不是追着已经显形的东西跑。
而是提前站到:
下一处即将显形的瓶颈前面。