今日AI如同1882年的电答案出人意料

回顾过去三年的AI市场发展，本质上是一场不断寻找“硬件瓶颈”的过程。最初上涨的是GPU，随后转移至服务器、数据中心、电力系统，接着是HBM存储，如今市场焦点又集中在CPU、高速互联和ASIC上。

一路演变下来，清晰地揭示出两个核心规律。

第一，市场行情几乎完全集中在硬件领域。AI技术爆发速度过快，旧的瓶颈刚被突破，新的限制便迅速浮现。哪个环节成为卡脖子位置，哪个环节就潜藏着丰厚的利润空间；而一旦该瓶颈被攻克，利润便会集中释放。这便是三年多来持续生效的市场底层逻辑。

第二，与互联网革命对比，两者的差异便一目了然。当年的互联网明星股票大多属于平台型企业，在尚未获得可观收入时，市场便赋予其极高的估值。原因非常简单：互联网平台的边际成本趋近于零，同时具备强大的网络效应。

这两种模式的不同，可以归结为一句话：互联网是在创造新场景，而AI是在创造新供给。

在互联网时代，许多需求本就存在，只是被迁移到了线上。用户学习成本低，用户增速极快，因此投资价值高度集中在应用端。如今的Mag7中，有三家公司正是那个时代诞生的平台巨头。

但AI则不同，它代表了一种全新的生产力形式。写文章、制作PPT、编写代码、提供客服——这些行为的使用场景并未发生变化，但其能力得到了质的提升。正因如此，它才被称为“技术革命”。一种全新的技术供给形式出现后，旧的产业链自然难以适应，处处是瓶颈。于是，产业链的重新整合便成为投资核心逻辑，哪个环节卡位，哪个环节便聚集财富。

以上内容来自系列第一篇《AI牛市三年半复盘》的核心观点。

许多人心中总有一个执念，觉得“硬件炒完之后就该轮到应用了”。这很大程度上源于我们对科技投资的历史记忆，主要来自1995年至2010年的互联网时代。但如果将视野拉长至两百年的技术革命史，互联网其实是一个特例，而AI更像是历史常态。

下面，我们从更长的时间周期来审视技术革命的一般规律，重点分析铁路革命和电气化革命。尤其是电气化，它与当前的AI革命具有极高的相似度。

技术革命的三大共性特征

如果将技术革命的复盘周期拉长到200年，审视铁路革命、电气化革命、汽车革命以及石油时代，你会发现一个共同的规律：与AI革命相似，第一批最大的赢家往往不是最终的应用端，而是基础设施和瓶颈环节。我们以铁路和电气化为例展开分析。

在铁路革命时期（1860—1900年），美国铁路里程从1860年的约3万英里，增长至1900年的超过19万英里，40年间增长了6倍多。

那么，当时最赚钱的行业是什么？很多人会下意识认为是铁路公司，但事实并非完全如此。大量铁路公司投资巨大，最终并未盈利，甚至出现大规模破产重组。

真正持续盈利的，是钢铁、煤炭、机械设备、土木工程等“铲子行业”。无论铁路公司是否赚钱，建设铁路的投入必不可少：你需要购买钢轨、制造火车、燃烧煤炭。钢铁大王卡耐基早期的巨额财富，很大一部分便来源于铁路建设带来的强劲需求。

而铁路革命真正改变的那些行业——比如零售业和大众品牌，在当时几乎无人能够预见。这个过程，我们留到第三篇文章中详细探讨。

再看电气化革命（1880—1930年）。这与当前的AI非常相似：当时人们都知道电很重要，但除了电灯（类似今天的聊天和编程），很少有人能准确预判未来能用它做什么来盈利。

于是，资本率先涌向了发电厂、输电网、电机设备。早期最大的投资主题，便是如何将电力输送到每一家工厂和家庭。当时的代表性企业是电气设备公司GE，而不是几十年后才出现的冰箱、空调、电视等家电巨头。

对照铁路革命和电气化革命，甚至是汽车革命和石油革命，你会发现互联网革命（1995—2010年）才是真正的特例——它的基础设施在很大程度上已经提前建好了一半。

在1995年之前，美国已经拥有全国性电网、电话网络、光纤骨干网以及PC服务器产业链。互联网传输的物理介质，并非像电气革命那样从零开始建设，而是在已有基础设施上运行。这导致互联网的启动成本极低：开设一个网站，只需要购买或租用几台服务器和数据库，放在公司甚至车库里，便能运转起来。

再加上上一篇《AI牛市三年半复盘》中分析的互联网“场景革命、边际成本趋近于零、网络效应显著”这三大特征，应用端自然能够迅速爆发。

不过，到了2005年前后，互联网公司规模越来越大：Google需要索引整个互联网，Facebook管理数亿用户，YouTube存储海量视频，Amazon处理全球订单。传统IT架构开始不堪重负。因此，在2010年前后，云计算和大型数据中心应运而生，大量互联网企业和传统企业接入云平台，按需购买算力。有趣的是，云计算架构的灵感直接来源于电网——电气化正是将过去每家工厂自行发电的模式，转变为统一发电、接入电网、按需购买。

这本质上是一种早期基础设施建设不足，后期再“补课”的过程，但始终没有脱离“大规模基础设施——大量新应用爆发”这一范式。

从这个角度看，AI只是回归了技术革命的一般规律。从铁路、电气化到互联网、AI，都具有三个共同特点：

第一：资本密集投入。需要先期投入巨额资本，大规模建设芯片、电力、数据中心、网络等基本设施。

第二：存在现实世界的物理瓶颈。互联网创造的是新场景，主要依赖软件扩张。而AI作为新技术，存在大量现实世界的物理约束。无论是GPU产能、互联架构、电网容量，还是冷却技术，都源自上一个时代，无法适应AI的需求，需要逐个改造。因此，市场仿佛陷入了一场不断寻找“瓶颈”的游戏。

第三：出现了一种全新的通用基础技术。并非所有新技术都能被经济学界定为“通用技术”。它必须符合“渗透到各行业、性价比持续提升、创新底座”这三大特征。所谓“创新底座”，是指能够催生大量互补性创新应用的底层技术，早期用途不明确，但理论上所有行业都能受益。因此，资本率先建设基础设施，让“马儿先跑起来”，然后才能知道最终会创造怎样的奇迹。

当然，技术革命有共性也各有差异。就像互联网摆脱了“大规模基建先行”的规律，AI、铁路和电力也各有特点。铁路至少可见可触，人们知道它的功能。而电气化刚出现时，很多人只知道“电一定会改变世界”，但具体如何改变、现有工具如何改造、未来会出现什么全新事物、哪些行业能真正盈利，其实无人知晓。因此，在许多特征上，电甚至比互联网更接近AI。

电，为什么如此特殊？

我们通常将电力理解为一种能源，但电力革命真正伟大之处，并非发现了一种新能源，而是发明了一种极其通用的“能量中介”。煤炭、天然气、石油、水力、核能，这些都属于一次能源；而电是二次能源，其作用是所有能源的“通用接口”。

为什么电如此特殊？

假设你有一吨煤，你能做什么？无非是烧水、取暖、做饭。但如果你想看电视、制冷、通信、计算，那就困难重重。煤炭只能释放热能。人类工业革命的第一台机器“蒸汽机”，其革命性在于将热能转化为机械能。但更现代化的设备需要更精细化、可控的机械能，还需要光能、信息处理能力，因此需要更合适的能源中介形式。

而电恰好具备这种能力。

首先，电是一种可传输的能源，输送距离远、损耗相对可控且调度方便，这使得发电和用电能够实现空间分离。

其次，电几乎可以转换成任何形式：通过电机转化为机械能，通过灯泡转化为光能，通过电热丝转化为热能，通过扬声器转化为声能，通过计算机转化为信息处理能力……

最后，电易于控制。空调能够实现恒温，并非空调本身多么智能，而是电容易被控制。开关、继电器、晶体管，都建立在电信号的基础之上。

这三大特点至关重要。大家可以猜测一下，电气革命之前，冰箱、空调、电视能否存在？

答案可能有些出人意料：这三样东西其实之前都已经被发明出来了。以前就有蒸汽制冷机，现代的一些老式房车和大型工厂仍在使用烧天然气、石油、煤的制冷设备；20世纪初也曾存在过机械扫描电视。但问题在于，如果不用电能，这些设备的效率都太低，根本无法普及。

蒸汽时代还有一个点错技能树的“差分机”。这是一种利用机械原理制造的人类历史上最早的计算机，通过齿轮间的啮合、旋转和平移进行运算，具备计算机的存储单元、运算单元、控制单元以及数据传输结构单元。设计图纸包含25000个零件，总重达4吨。

不妨开个脑洞：假如电气革命从未发生，今天许多电子电器产品可能仍然存在，但会以一种完全不同的、低效率的形式运行。这个判断背后的第一性原理在于：电子运动速度接近光速，而机械运动速度与之相差数个数量级。

说到电的应用，一般人自然会想到各种电器和电子产品。但有一样东西对现代社会的改变同样巨大，那就是“现代化工厂里的大规模流水线”。

18世纪末到19世纪中叶的蒸汽机时代，英国和美国已有大量蒸汽机驱动的工厂，例如纺织厂、钢铁厂、面粉厂。但这些工厂的动力分配方式非常落后：一切围绕蒸汽机运转，由蒸汽机带动主传动轴，再通过大量皮带驱动各台机器。所有机器被绑定在同一个动力系统上，围绕动力轴排列。结果工厂的设计服从于机器，而非服从生产流程。工厂无法改变生产流程，更无法生产不同规格的产品。所有工厂都以同样的效率生产同样的商品，如同农民耕作一般。

而电气化改造带来的关键变化是：每台机器都拥有了独立的电机。这样一来，车床、钻床、输送带都能独立运行。于是，机器可以自由地按照生产流程而非动力系统来摆放，生产流程也能够不断优化设计。这直接催生了现代流水线。

很多人认为，福特流水线的核心创新是“工人不动，产品移动”。但其实背后还有一个重要前提：整个工厂已经实现了电气化。因为流水线所需的输送带、电机、精确同步、连续运转，全都依赖电力。

所以说，虽然蒸汽机创造了工厂，但电动机创造了现代工厂。

那么，电究竟是什么？

从物理角度：电是一种能量载体。

从工程角度：电是一种通用控制信号。

从经济学角度：电是一种标准化中介。

电就是工业时代的“货币”。没有货币，贸易也可以以物易物，但效率极低。电和货币一样，让社会运转和社会生产变得更加高效。

而AI，正在做同样的事情。

智力接口

说到电，很多人立刻想到的是家电和电子产品，而非大规模流水线。

同样，说到AI的应用，大家都会想到聊天、编程、写作。谈及AI应用，人们总在思考“软件”——这仍然是互联网思维的一种惯性。

如果将AI比喻为电，大模型比喻为发电厂，那么提供信息与数据处理的公司就是电气设备公司。编程等未来出现的AI应用，只是类似家电和电子产品的产业。但更大的变革，在于它对所有行业乃至企业组织形式的彻底改造，就像大规模流水线对蒸汽工厂的改造一样。

如果说电气化是用一种可传输、可存储、易控制、即插即用、高效率的形式，将各种能源标准化，那么AI正在做的事情，就是把稀缺的智力能力标准化。

智力一直存在，但在2022年之前，它高度依赖个体。无论是律师的分析能力、程序员的编码能力、医生的诊断能力，还是研究员的信息整合能力，都需要16年以上的教育，需要大量职业培训，无法被低成本、规模化复制。它们无法存储，只存在于某个人的大脑中，离职即被带走。它们的调用成本（工资）高昂且不稳定。

AI正在改变这一切。你可以将其理解为一个“智力工厂”，把原本依赖个体知识工作者的认知能力，从人脑中抽离出来，转化为未来社会的基础设施。

它把不可以标准化的智力服务——包括写作能力、翻译能力、编程能力、信息检索能力、基础推理能力等等，未来还将涵盖更多——变成7×24小时持续输出的标准化API；

它把难以跨境贸易的社会服务，转变为可以跨境贸易的token。未来，某个美国人所接受的法律服务，很可能来自中国内蒙古某个数据中心的token流。

这种将智力与人强行分离的做法，直接冲击了生产力三要素——“劳动者、劳动工具和劳动对象”。AI究竟是劳动者还是劳动工具？这将会彻底改变整个社会的形态。

这可能才是AI应用的第二阶段，是AI真正改变世界的时刻。

当然，这个“电”的类比是否成立，仍有待验证。但它确实解释了资本市场为何现在愿意给予基础模型公司极高的估值。投资者并非在押注它们会成为未来的谷歌或亚马逊，而是认为，这些公司可能成为未来世界的“通用接口”。

总结

最后，提炼几个核心判断：

第一，AI目前呈现出的“重资产、重能源、重基础设施”特征，更接近铁路、电气化这一类标准的技术革命。

第二，过去三年，华尔街围绕GPU、电力、存储、互联反复定价，这本身就说明，AI仍处于“1885年的电力”或“1865年的铁路”阶段。人们已经确认这项技术会改变世界，但全球仍在建设承载它的基础设施。

第三，AI的未来，可以从电气化的过程中获得启示。电气化是用一种可传输、可存储、易控制、即插即用、高效率的形式，将各种能源标准化。而AI，正在将稀缺的智力能力标准化。

电气化的伟大之处，不仅在于创造了家电和电子产业，更在于让人们能够建设起过去根本不可能存在的工厂。同样，AI的伟大之处，应该也不只是一个能写报告、能编程的软件，而是让企业乃至整个社会，建立起一种过去无法想象的组织方式。

未来真正的应用巨头，可能尚未完全出现，甚至还未诞生。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：今日AI如同1882年的电答案出人意料要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题