AI 野火即將來臨：疼痛無比，卻極其健康 |【經緯低調出品】

當下，對于AI大規模投資的“泡沫”討論熱火朝天，投資者應該如何理性地看待AI科技革命熱潮？

但其實，AI領域的狂熱從不是轉瞬即破的泡沫，而是一場重塑生態的野火。這里面蘊藏著疼痛卻暗藏健康生長的力量。野火歷來是行業周期的清醒劑，清理冗余、沉淀養分，為新物種騰挪空間，2000年初的互聯網泡沫和2008年的金融危機的浪潮早已印證，每一次燃燒后的修正，都能催生一批核心強者。

如今硅谷資本充盈但賽道擁擠，人才稀缺且同質化競爭凸顯，地表增量枯竭，野火的糾偏已然臨近。這場火勢更集中于核心領域，算力既是燃料也是關鍵約束，過度建設的產能終將轉向實際需求，而能源根基的比拼更決定長遠格局。

不同參與者如同生態里的各類植物，或易燃成養分，或耐火更堅韌，或借火獲新生。唯有扎根核心能力、筑牢商業閉環、適配真實需求，方能扛過周期考驗。野火必然燒盡浮華，而真正的價值與機遇，正藏在灰燼之后的新生之中，見證AI生態的迭代與進化。

AI 不會崩盤，它會燃燒。關鍵是：你是哪一種“植物”？以下，Enjoy：

本文編譯自丨https://ceodinner.substack.com/p/the-ai-wildfire-is-coming-its-going?r=6mm5aq&utm_campaign=post&utm_medium=web&triedRedirect=true文｜Dion Lim

圖源｜Unsplash，攝影：Fachy Marín

01

火季來了

前不久的一場 CEO 私宴上，有人問了那個老生常談的問題：我們現在是在 AI 泡沫里嗎？

在場一位經歷過多輪硅谷周期的老將卻換了個比喻。她說，與其說是泡沫，不如把當下看作一場“野火”（wildfire）。這個隱喻立刻擊中了所有人。

野火并不只是毀滅，它對生態系統其實是“必要之惡”：清理過于密集的灌木叢；把養分歸還土壤；為下一代森林的繁茂生長創造條件。

我越想這個比喻，越發現它能構建一個更深層次的框架：幫我們對 AI 周期中的參與者做一個“生態分類”——誰能活下來，誰會被燒掉，為什么——以及，衡量“耐火力”的具體指標是什么。

上一輪的互聯網大潮，燒掉了狂熱的“dot-com”幻夢，卻留下了 Google、Amazon、eBay 和 PayPal 這些頑強的幸存者。下一輪由社交和移動驅動的周期，在 2008–2009 年再燃一場，把地表燒平，為 Facebook、Airbnb、Uber 和一大批 YC 系列公司騰出了空間。

兩場火的路徑高度相似：過度增長 → 突然修正 → 文藝復興。

而現在，AI 又一次讓我們站在一片干燥的灌木叢中。

這一次的修正，更像是一場野火，而不是瞬間破裂的泡沫。理解這個區別，決定了你該如何在接下來這段時間里活下來、并活得好。

02

過度繁茂的森林

當灌木長得太密，陽光就照不到地面。植物之間爭奪的是光、水和養分，而不是適應環境。

今天的硅谷，就是這種狀態。

資本極度充沛，甚至可以說過于充沛。但人才？這是真正稀缺的資源。幾乎每一個看得過去的工程師、設計師或運營，都同時被 3、5、甚至 10 家 AI 初創公司瘋搶，大家盯著的還是同樣幾個賽道：編程 Copilot；小眾/特色數據集；客服、法律科技、營銷自動化等等。

從上空看，這是一片“郁郁蔥蔥”的生態：綠意盎然、生長旺盛、聲勢浩大。但在地表，土壤已經干裂，根系互相裹挾，真正的增量變得困難。

在這樣的森林里，火不再是災難，而是糾偏機制。

03

火的生態學：誰會燒、誰會扛、誰靠火重生

野火不會簡單地“毀掉”一個生態系統，它會重塑生態：有的物種遇火即燃；有的能抵抗烈焰；還有的反而依賴火才能繁殖。

創業公司也一樣。

1. 易燃的“灌木叢”

這些是生態里的枯草和含松脂的松樹：在錢多易拿的季節里看上去很繁榮，一旦氣溫升高卻毫無抵抗力。

典型代表包括：

• 沒有自有數據、沒有自有分發的 AI “應用殼子”（API 包裝層）。

• 擁擠賽道里的基礎設施克隆品（再來一個 LLM 網關、再來一個向量數據庫）。

• 一味追逐 DAU而不是忠誠用戶的消費級應用。

它們靠敘事和溢價估值驅動。當溫度上升——資本收緊，客戶認真算 ROI——它們會在幾秒鐘內被點燃。

但易燃灌木并非毫無價值：它們吸引資本和人才涌入、制造市場緊迫感。一旦燃盡，又把資源以養分形式釋放到土壤里，供更耐活的物種吸收。燒掉 AI 殼子公司的工程師，很可能會成為下一批幸存者公司的核心骨干。

2. 阻燃巨木：耐火的大公司

這些是生態里的多肉、橡樹和紅杉：它們能儲存水分，保護自己的樹心。

• 厚樹皮：強大的資產負債表，穩固的客戶關系；

• 深根系：在云、芯片、數據基礎設施上的結構性產品市場契合；

• 含水量高：真實且多元的收入、長期護城河。

對應到現實，就是 Apple、Microsoft、Nvidia、Google、Amazon。

它們會吸收熱量，最后變得更強。等煙霧散去，這些巨頭會站得更高——
樹皮被火烤黑，但主干完好無損，周圍被燒成灰的，是那些中小型樹木。

3. 火后“再生者”

有些植物（如熊果、矮橡、Toyon）地上部分會燒死，但地下根系仍然存在，一場大火之后又“鳳凰涅槃”般重新發芽。對應到創業世界，就是那種經歷燒毀后的轉型（pivot）和重新創立（re-founding）：

他們擁有：

• 深厚的專業積累，

• 即便產品失敗，仍在地下存活的 IP 和數據資產，

• 愿意“修枝砍干、從頭再生”的決心。

火后，他們以更精干、更聰明、更適應新地形的姿態重生。真正深刻的學習就發生在這里：2024 年做錯產品、但找對團隊的創始人；到 2027 年很可能帶著這支經戰火驗證的團隊，做出正確的產品。失敗會像養分一樣儲存在根里，等待下一季，而不是白白浪費。

4. “火隨者”

還有一類是火種觸發的野花：只有當舊森林被燒光，他們的種子才得以萌芽。這是“崩盤之后”才開始起步的創始人。

• 他們在灰燼中招聘人才，

• 在更便宜的基礎設施上構建產品，

• 從先前“燒掉的公司”身上汲取經驗教訓。

LinkedIn（2002）、Stripe（2010）、Slack（2013）都屬于這一類“火隨者”。

下一代真正AI 原生的偉大公司，極有可能出現在這里：它們不是用 AI 來“裝飾”工作流，而是把智能深度嵌入；真正重要的是推理層（inference layer）——模型在生產環境中運行的那一層；隨著算力商品化、Agent 工具極度豐富，戰場將從“誰訓練的模型最大”轉向“誰能以最低成本，在規模化場景中高效交付智能”。

04

火的真正功能：人才與基礎設施的再分配

每隔幾十年，硅谷就會變成一片過度生長的叢林。前幾次泡沫都證明了同一個事實：過度生長最終會扼住自己的喉嚨。

互聯網泡沫破裂，不只是清理了初創公司，還清除了噪音。2008年的金融危機的下行周期，雖然更多是由次貸危機而非科技本身引發，但邏輯類似：拿了太多錢的競爭者倒下，人才四散，而幸存者則能招到更好的人，跑得更快，筑得更牢。精明的公司甚至借機變得更精瘦，裁掉表現不佳的人，把從基層到高管的崗位都升級給那些從失敗競爭對手中“出逃”的饑餓人才。

這種“人才再分配”可能是每一輪崩盤最強有力的成果之一。谷歌許多最優秀的早期員工（那些設計出歷史上最耐用商業模式之一的人）都曾是互聯網浪潮創業公司的創始人或者早期員工。

而且這遠不只是 “人才數量” 的轉移，更是 “人才氣質” 的遷移。具有創業精神、不安分、對文化充滿不耐煩的這類人才，直接塑造了谷歌內部的氣質。

這種 DNA 造就了谷歌那種實驗性、進攻性、永遠處在 beta 狀態的文化，并在之后 10 到 20 年里向整個生態擴散。那場大火并不只是破壞，它重新配置了智能，也重塑了文化線路。

05

兩場“好”火：2000和2008

1. 2000 的首次大火

2000 年那場野火幾乎是一次徹底的焚毀。過度建設的基礎設施、泛濫的資本和投機狂熱一起，把幾乎所有“無利潤的增長故事”都燒成了灰。但留下來的，是根系：數據中心、光纖網絡，以及那些學會“長得慢、扎得深”的幸存公司。

亞馬遜看起來幾乎已經死透，股價跌去 95%，卻最終成為數字商業的脊梁。eBay 率先穩定下來，成為第一個盈利的平臺型市場。微軟和甲骨文把自己的軟件壟斷轉化為持久的企業級現金流。思科在產能嚴重過剩的灼燒下，緩慢重建，隨著網絡逐漸成為全球商業的“水電管道”，重新長成支柱。

如果把蘋果、谷歌和 Salesforce 加進來，這個故事就不僅是“幸存”，也是“接班”和“換代”。蘋果不僅是活過了那場大火，更是徹底改寫了之后一切的氣候。谷歌則在別人被燒毀的地方發芽，燃料來自那些在烈火中倒下的創業公司工程師和創始人。Salesforce 則利用企業預算被燒得精光的時刻，出售云端彈性，定義了 SaaS 模式。

2. 那些建立互聯網的“灰燼”

上世紀 90 年代末，電信公司通過股權融資大約籌集了 2 萬億美元，又通過債務籌集了 6000 億美元，來喂養這場所謂“新經濟”。代表這場狂潮的股票也走出了一條經典泡沫曲線。英特爾、思科、微軟和甲骨文四家公司在 1995 年總市值約 830 億美元，到 2000 年膨脹到近 2 萬億美元。高通一年內漲了 2700%。

這些錢鋪出了超過 8000 萬英里的光纖，占當時美國歷史上已鋪設數字線路的四分之三以上。隨后是大崩盤。

到 2005 年，近 85% 的光纖處于閑置狀態，埋在地下的“暗光纖”無人使用。這是因過度自信而生的嚴重過剩。但光纖還在，服務器還在，人也還在。這些“多出來”的東西，轉眼就成了現代生活的骨架。在崩盤后的四年之內，帶寬價格下降了 90%，這一大把廉價連接，直接推動了之后的一切：YouTube、Facebook、智能手機、流媒體、云計算。 這就是“生產型泡沫”的悖論：它在資產負債表上毀滅價值，卻在現實世界中建設基礎設施。當火焰退去，管道、代碼和人才還在——準備好以原來一小部分的成本，被下一代人充分利用。

3. 2008 年另一場大火

大衰退引發的是另一種野火。互聯網泡沫的火焰燒的是投機性基礎設施，200年的火則燒穿了商業模式和幻覺。風險投資凍結，廣告預算蒸發，信貸環境驟緊。然而幸存者不僅撐過了高溫，還把“熱量”轉化成了養分。

蘋果在逆境中走向主導，把 iPhone 從一個新奇玩意變成社會基礎設施。亞馬遜在熬過了互聯網泡沫的煉獄之后，悄然成為互聯網的氧氣供應商：AWS。Netflix 為流媒體時代重塑自我，它的增長字面意義上跑在上一輪泡沫鋪下的光纖之上。Salesforce 證明了即便資本開支被凍結，云軟件依然可以茁壯成長。谷歌發現，可度量的效果廣告在衰退中仍然可以擴張。而那時還只是幼苗的 Facebook，很快就在灰燼中扎根，依靠廉價智能手機和過剩帶寬滋養。

2008 年的火，篩選出的，是能把硬件、軟件和服務整合成自我維持生態系統的公司，而不僅僅是“燒掉一片，騰出空間”。結果不是簡單的恢復，而是進化。

06

這一輪的“樹冠問題”

但這一輪周期，點燃的是另一種燃料——“樹冠火”。

過去，火焰主要燒的是灌木叢：規模小、估值虛高的創業公司。如今，熱量集中在最高大的樹上：Nvidia、OpenAI、微軟，以及少數幾家相互之間花費驚人金額的超級云廠商。

在這個市場里，“算力”既是氧氣又是助燃劑。每 1 美元的 AI 需求，變成 Nvidia 的 1 美元收入，又反過來推動更多模型訓練投資，而這又需要更多 GPU，如此形成一個互相放大的收益回路。

這種格局更接近“工業泡沫”，而非傳統意義上的“投機泡沫”。資本不是撒在上千家 doc-com 上，而是集中在少數幾條巨大的雙邊關系上，復雜的交叉投資讓“真實部署”和“資本循環”之間的邊界變得模糊。

當野火到來——無論是 AI 需求回歸正常，還是資本成本上升——風險的形態就變化了。我們面臨的，不再是幾十家創業公司破產，而是算力利用率的階段性崩塌。Nvidia 的股價未必會燒成灰燼，但哪怕 GPU 訂單的溫和收縮，都可能暴露整個生態對少數幾個大買家的高度依賴。

這就是“樹冠問題”的本質：當最高的樹長得太近，它們的樹冠會糾纏在一起，一旦其中一棵被點燃，火勢就會沿著樹冠橫向蔓延，而不再只是從地面往上燒。

作為事實標準數據庫的甲骨文，股價從 2000 年的 46 美元跌到 7 美元，之后又爬到 ChatGPT 發布前后的 79 美元，并一路漲到今天的 277 美元。第二輪互聯網的那場火中，作為效果廣告“供給商”的谷歌，從 17 美元跌到 6 美元，后來一路漲到 ChatGPT 發布時的 99 美元，再到今天的 257 美元。 在這一輪周期里，相似角色可能會是 Nvidia——不是因為它缺乏基本面，而是因為它的客戶都在從同一池“投機熱量”里取火，這一池水又被復雜的交叉投資燒得沸騰，以至于外界不得不質疑：這些資本到底是在真正部署，還是只是在循環自我實現的故事。

07

下一步：算力大過剩

相比以往，這次 AI 野火的一個積極之處在于：我們今天過度建設的基礎設施，不再只是躺在地里的光纖，而是算力——目前限制 AI 創新的根本資源。

如今的 AI 市場是殘酷的供給約束型市場。初創公司拿不到足夠的 GPU 配額，云巨頭在對最優質客戶“配給”算力，研究機構為了訓練模型排隊數月。瓶頸不在于想法和人才，而在于機器本身。

正是這種稀缺，引爆了當下的狂熱。公司簽下跨越數年的數十億美元合同，以溢價鎖定算力，自己建數據中心，像囤彈藥一樣囤芯片。恐懼的核心不是“錯過 AI 浪潮”，而是“根本沒有資格下水”，因為你根本拿不到算力。

那么，火燒過之后會怎樣？

類似 2000 年后帶寬的那一幕，很可能會在大約 2026 年，在算力身上重演。數十億美元正涌入 GPU 集群、數據中心和電力基礎設施。大量新建產能帶著高度投機色彩，前提是 AI 需求會永遠指數級增長。

推動建設加速的另一股力量，是一場高風險的“膽小鬼游戲”：沒有人輸得起。當微軟宣布要投入 1000 億美元建數據中心時，谷歌就必須以相似規模回應。當 OpenAI 承諾要吃進相當于 10 吉瓦規模的 Nvidia 芯片，競爭者也會覺得必須跟上甚至超出這個承諾。恐懼的焦點在于：如果需求真的到來，而你沒有鎖定產能，你可能會被整個市場永久排除在外，而不僅僅是“需求沒來怎么辦”。

這就形成了一個危險的反饋回路：每一次巨額支出公告都會迫使競爭對手加大支出，從而抬高“賭注”的感知，再反過來為更大的承諾提供合理性。沒有一個高管愿意成為那個“在時代技術上投得太少”的人。投少了，一旦判斷錯了就是滅頂之災；投多了，一旦錯了不過是未來某個季度的減值損失，而不是今天的戰略失敗。

正是這種結構，孕育了所謂“生產型泡沫”。單個公司的理性決策（匹配對手投資），匯聚在一起卻導向集體的不理性結果（巨量產能過剩）。但正是這種過剩，給下一片森林埋下了種子。被過度建設的，不僅是“躺在地下的光纖”，而是算力（compute）本身——當前 AI 創新最核心的約束資源。

08

兩種算力，兩種截然不同的未來

不過，在有關泡沫的討論中，有一個關鍵的區別常常被忽略：算力并不是同質的。整個市場實際上可以分為兩塊底層邏輯截然不同的算力池。

第一塊是“訓練算力”，也就是用于訓練新模型的超大規模集群。這正是那場“膽小鬼游戲”最激烈的地方。沒有哪家實驗室有一個真正“原則性”的標準來決定自己該花多少錢；大家都只是在根據對手的投入情報做出反應。如果對手花的錢是你的兩倍，他們也許就能把未來提前一年拉到現在。所以這場軍備競賽更多是由競爭恐懼而不是實際需求驅動，而 Nvidia 則居中扮演那個愉快的“軍火商”。

第二塊是“推理算力”，即在真實環境中運行模型、服務用戶所需要的算力。在這里，供需邏輯完全不同。

社會對“智能”的實際需求幾乎是無限的。每多出來一點智力，被用來分析數據、自動化決策、提升生產率，都會被立刻消化。約束采用率的，不是需求，而是供給。企業現在不會問“我們要不要 AI？”，而是在問“我們能要多少？能多快得到？”

隨著 GPU 商品化、算力變得充沛，推理能力會成為下一個關鍵市場，尤其是在“智能體工具”需求不斷膨脹的背景下。大模型推理正在變成一場規模巨大的競賽。誰能以最低的單 token 成本、單決策成本輸出最大量的智能，誰就能截取不成比例的大塊價值。在今天這個階段，“誰訓練的模型最大”不再那么重要，“誰能在行星級規模上高效運行模型”才更重要。

這與互聯網泡沫有本質不同。那個時代的主要燃料是廣告支出。公司燒錢在超級碗上打廣告，希望未來有一天能夠變現這些用戶——那是用“投機需求”去追逐“投機價值”。 AI 推理的需求則直接指向實際利潤的改善。企業部署智能，是為了降低獲客成本、減少運營費用、提升員工生產率。這種回報可度量，且往往是即時的，而不是紙上談兵。

這意味著，AI 泡沫的“軟著陸”可能比前幾次要溫和。沒錯，現在的市盈率看起來很夸張。但不同于純投機，這一輪確實在建設真實的生產能力。如果在調整之后，算力價格大幅下降，而推理需求依然強勁（所有跡象都表明會這樣），公司可以做的事情很多：讓模型跑得更久，采用更算力密集的方法，或者把智能部署到那些以現價看“勉強不劃算”但在未來價格下就“完全合理”的場景。

換句話說：即便我們在訓練端嚴重過度建設（這看起來幾乎是必然的），推理端仍然有足夠多“潛在需求”來吸收這些多余的算力。這些算力可以從“膽小鬼游戲”的戰場，被重新分配到大規模、生產性的智能應用，而不是像暗光纖那樣長期躺著不動。

09

折舊問題

就像互聯網泡沫破裂四年后，帶寬成本暴跌 90%，使 YouTube 和 Netflix 變成可能，同樣地，在 AI 調整之后，算力成本也很可能出現斷崖式下跌。今天被云巨頭嚴加配給的 GPU 集群，將來可能會變成任何人刷張信用卡就能用的“公用設施”。

但這個類比在一個關鍵點上失效了。

光纖的經濟壽命極長：一旦鋪進地里，就可以幾十年持續提供價值。互聯網泡沫時期的那些光纖，25 年后的今天仍然在傳輸數據。那是一種“只付一次錢、價值卻能復利數十年”的禮物。

GPU 集群不是光纖。

一個用于訓練的大規模集群，經濟上可競爭的壽命也許只有兩三年。芯片并不是物理上壞掉，而是被新架構淘汰——后者擁有更高的每瓦性能、更好的內存帶寬、更高效的互聯。在經濟學意義上，訓練算力更像一種需要快速回本的運營開支，而不是長期耐用資產。

這使得“火燒之后”的格局完全不同。

泡沫破裂、訓練算力變得充裕之后，成本的確會下降。但“后來者”接手的，不再是像當年公司接手光纖那樣的“最先進基礎設施”，而是“上一代”的硬件——可以用，但不再是尖刀。如果你想獲得最新最快的算力來訓練具有競爭力的模型，仍然需要向那些持續更新集群的玩家支付溢價。

這造就了一種與以往不同的護城河。幸存者的優勢，不只是“手里有很多算力”，而是他們已經把當前這一代硬件的成本攤銷得差不多了，而后來者想要追趕時手上只有舊硬件可用。真正的壁壘在于：你能否持續擁有“對的那一代算力”，并且不斷刷新，而不是簡單地“有或沒有算力”。

推理算力的經濟邏輯又不一樣。一旦模型訓練完成，它在舊硬件上也可以高效跑很多年。但在訓練這一側，我們不會像帶寬那樣看到同程度的民主化。火的確會清掉灌木，但最高的樹仍然能截取大部分陽光。

10

更深層的根系：算力之下，是能源之戰

如果我們只盯著算力，可能是在盯錯那片著火的森林。

有人認為，在國家乃至全球尺度上，贏得這場 AI 競賽的關鍵，并不是誰拿到了最多 GPU 或誰有最好的模型，而是誰先解決“能源問題”。

歸根到底，算力只是“被高度濃縮的電力”。一個現代 AI 數據中心的用電量，可以相當于一座小城市。真正稀缺的是千瓦時，而不是硅片。你可以通過擴大產能制造更多芯片，但你無法憑空制造更多電力，除非去建設極其基礎的能源設施：電廠、輸電線路、電網容量——這些東西以年甚至十年為單位建設。

這時，“野火”這個比喻尤其有啟發。我們盯著算力這片森林如何焚燒、如何再生，但在這場戲下面有個更深的問題：我們有沒有在同時建設足夠多的“能源基礎設施”，來為下一片森林提供能量？

互聯網泡沫留下的是“暗光纖”，需求一旦回來，拉線接通、立刻能用。但沒有電力的數據中心，就只是昂貴的房地產。真正的基礎設施缺口，很可能在“發電和輸電”上，而不在“算力”上。

如果這一輪泡沫最終推動了對電力基礎設施的大規模投入——核電站、可再生能源基地、電網現代化、先進儲能——那對未來 50 年來說，將是一份真正“耐久”的禮物。能源基礎設施不像 GPU 五年就過時，而是隨著時間價值不斷累積。

真正能在火后稱王的公司，很可能是那些今天就開始鎖定明日能源產能的，而不是只是囤積算力的玩家——到了明天，當所有 AI 相關基礎設施都變得充盈，唯獨“電力”依然稀缺時，真正的護城河會顯形。

算一筆賬：一個大型 AI 訓練集群，持續功率需求就可以超過 100 兆瓦，相當于一座小城市。美國當前總發電能力大約是 1200 吉瓦。如果 AI 相關算力按預測速度增長，十年內就可能吃掉全國 5–10% 的發電總量。 這里的問題，是極其根本的能源基礎設施問題。 而與光纖或 GPU 不同，電力基礎設施無法快速部署。核電站需要 10–15 年建設期，大型輸電線路往往要在漫長的審批和博弈中耗費十數年。即便是大型光伏電站，從規劃到并網也要 3–5 年。

這意味著，真正決定 AI 上限的約束，也許已經被今天正在做出（或沒有做出）的電力決策鎖死了。

那些如今花費數千億美元購買 GPU 的公司，最終發現自己真正的瓶頸，可能是“能給這堆芯片供電的千瓦數”，而不是芯片本身。而那些今天大力建設電力基礎設施的地區，將在未來承載 AI 負載方面獲得幾乎無法超越的地理優勢。

那些真正為“稀缺時代”做準備的公司，并不僅僅是在囤算力，而是在把根系扎得足夠深：簽下跨幾十年的能源合同，維持 120% 以上的凈留存率，在擴張中不斷提升利潤率，并搭建可在訓練與推理之間靈活切換的基礎設施。

不動聲色間，我們已經進入一個以“瓦特數”和“稀土資源”作為新型核武器的冷戰時代。

11

如何判斷誰“耐火”？這一輪的生存指標

現在有一個迫切的問題是：在這一輪周期里，我們該如何評估“耐火性”？不同類別的公司經受的是不同的“火考”。理解這些考驗，才能分辨什么是真正有韌性的生態力量，什么只是“暫時長得高”。

基礎模型實驗室面臨的根本問題是：

收入能不能跑在算力成本前面？訓練成本是指數級增長的（大致是 10 倍算力換來 3 倍性能），而收入則跟隨客戶采用速度增長。如果一家實驗室花 1 億美元買算力只能掙 5000 萬，再花 3 億只漲到 1.2 億，這條軌跡就是致命的——他們在“原地狂奔”。耐火的實驗室會呈現出：收入增長速度快于算力投入，證明每一次能力提升都能解鎖更大規模的客戶價值。

企業級 AI 平臺則必須證明，自己的 AI 不是一個貼在原有產品上的營銷標簽。如果一家公司總毛留存率有 95%，但 AI 功能的真實使用率只有 12%，那么客戶留下來的原因，是傳統的平臺能力（數據倉庫、CRM 等），而不是 AI 增強功能。當資本環境收緊，這類公司會被市場猛烈重估——因為市場意識到它們本質上只是“基礎設施公司”，只是貼了個 AI 的標簽。真正的 AI 平臺，會呈現出“因為 AI 使用率高，所以留存率高”，而不是“盡管 AI 使用率低，客戶還是留下來”。

應用層公司則陷入另一種獨特陷阱：建立在自己無法控制的模型（如 OpenAI、Anthropic）之上，就會面臨利潤被擠壓、功能同質和被上游“吃掉”的風險。唯一的逃生路徑是深度嵌入客戶工作流。那些凈收入留存率高于 120%，獲客回本周期短于 12 個月的公司，通常已經完成了“工作流級整合”：客戶會自然擴大使用，獲客成本也能快速收回。那些 NRR 低于 100%，回本期超過 18 個月的，則更多是“好用但可有可無”的功能，一旦預算緊張就會被砍掉，只能依賴持續不斷的外部資本輸血維持增長。

推理 API 提供商在 GPU 過剩時代會面臨商品化壓力。“每 GPU 小時收入”是觀察其定價能力的關鍵指標。一家每小時能從一塊 GPU 上掙 50 美元的公司，相比另一家只能掙 5 美元的，有 10 倍的利潤空間，可以用來做技術優化、產品差異化或者渠道護城河。推理成本的“價格彈性”也揭示了市場結構：如果價格降低 50% 會帶來 500% 的需求增長，這就是典型的“商品地獄”；如果價格彈性很低，說明客戶重視的是超出“原始算力”的其他價值。

能源和基礎設施公司，則最終掌控著 AI 的根本約束。數據中心的經濟性由“利用率”和“電價”共同決定。在每千瓦時電價 3 美分、利用率 85% 的情況下，有效電價約為 3.5 美分；在 8 美分、利用率 50% 的情況下，有效電價接近 16 美分——劣勢高達 4.5 倍。當 AI 需求在泡沫破裂后出現下滑時，高電價設施無法通過降價來填滿產能。而那些擁有結構性能源優勢（如水電或長期核電合同）的運營商，則可以在仍保持正利潤率的前提下大幅降價，通過承接其他“受傷設施”的客戶來填滿自己的機房。

貫穿這些指標的元模式是：它們都在從不同角度追問同一件事——當外部資本消失，你的商業模式還能自我維持嗎？耐火的公司實現了一種“熱力學上的可持續”：每一單位投入（資本、算力、電力）都能產出超過一單位的回報（收入、價值、效率），于是它們能在稀缺環境中照樣成長。而那些易燃的“灌木叢”，消耗的總是多于創造的，只是靠充裕資本補貼撐著，一旦補貼消失，它們就會被點燃。

在這樣的比較中，我們就能看清：誰是在真正構筑生態耐久力，誰只是靠暫時的“長高”顯得氣勢洶洶。

12

紅杉樹的啟示

要知道巨杉這種樹，如果沒有火，是無法繁衍的。它的球果只有在高溫下才能打開。火焰清理掉林下的雜物，讓種子有機會接觸到富含礦物質的土壤。樹冠被燒開，陽光才得以下到林地。如果沒有燒毀，就不會有新生。

在巨杉與火的關系里，還有一個更深的事實：不是所有的火都對巨杉有利。

數千年來，巨杉適應的是每 10–20 年一次的低強度地表火。這類火溫度足以焚掉灌木、打開球果，但不至于傷到成熟大樹。巨杉厚達兩英尺的樹皮，就是為抵御這種周期性火焰而進化出來的。

然而，過去一百年里，人類一直在“撲滅一切火焰”。沒有了定期的小燒，林下可燃物不斷積聚，灌木和小樹長高變粗。當火最終無法避免地發生時，火勢比巨杉歷史上經歷過的任何一次都更熾烈、更高聳。

2020 年的 Castle Fire 一場火，就燒死了估計占全球 10–14% 的成年巨杉。這些樹曾在 2000 年間挺過幾十場火，最終卻在一個下午倒下。差別在于：火的強度。被累積燃料喂養的樹冠火，連巨杉傳奇般的耐火性都壓倒了。

對硅谷而言，教訓很清楚：規律性的燃燒——周期性修正、正常的破產、持續不斷的創意破壞——是健康的。它們清空灌木，釋放資源，讓新生長成為可能。但如果我們長期壓制一切燃燒，對所有被高估的公司進行救助，對每一種失敗的商業模式都悉心托底，我們并不是“避免了火災”，而是在為一場災難性的火災儲備燃料。

這也在提醒我們，時間尺度極其重要。它們需要數百年才能長成參天巨木。即便是已經成熟的巨杉，在熬過一場火以后，也需要幾十年才能重新修復樹冠。我們今天很難判斷：哪些看起來已經很高的樹還會繼續長，哪些其實已經達到高度極限。真正的巨人，是那些花了幾代時間去把根扎得足夠深，能汲取到別人夠不到的水源，同時讓樹皮厚到足以承受別人承受不了的高溫。

我們的目標，不是“消滅一切火”，而是保持火的節奏。小而頻繁的燃燒，可以避免毀滅性的山火。最糟糕的政策不是火本身，而是那種不斷延后一切火災，直到燃料負荷高到只剩下大爆炸這一種結局的做法。

13

兩道核心問題

如果這一輪確實是泡沫，那它也是一種“生產型泡沫”——更像一次可控的計劃燒而不是徹底崩塌。

但“可控”并不意味著“舒服”。易燃的灌木終究會被點燃，資本會蒸發，估值會塌陷，崗位會消失。這不是系統的失敗，而恰恰是系統應有的運作方式。

每一個創始人和投資人真正要回答的考題，是你能否在“稀缺期”中活下去，而不是你能否在“豐裕期”里長得足夠快。

煙塵散盡之后，我們會看見誰是多汁的多肉植物，誰是干燥的引火柴，誰長出了保護性的樹皮，誰本身就是樹脂。

野火一定會來，那本身不是問題。

問題是：你是哪一種植物？

更重要的是：你是否正在構筑足夠深的根系，不只是為了活過這一季，而是為了在接下來十年的稀缺中仍然能夠持續生長？

因為真正的機會，都在火后——在那些還能繼續長的樹木身上，也在那些從灰燼中冒頭的全新品種身上。

我并不把野火浪漫化為“自然母親維持平衡的智慧之舉”。事實上，并不是所有生態系統都依賴野火。許多生態系統是與火共同進化的，火在其中是自然且有時必需的過程；也有不少生態系統并未適應火，一場野火對它們只有傷害，沒有任何“自然適應機制”。這個類比只是想表達：在硅谷的生態中，野火是一種自然且必要的存在。

值得進行道德判斷的部分，是大火之后——所有營養、人才、注意力和榮耀最終流向哪里。這才是這一輪周期對人類的真正“試金石”。

資源會不會繼續流向那類公司：它們只想攫取更多“注意力份額”，通過推送淺易而刺激的內容，讓你在多巴胺和腎上腺素的驅動下無意識地刷屏？這一輪技術的最高目標，會不會只是讓你不停買自己并不需要的東西，把時間花在那些只能暫時緩和 FOMO 的活動上？AI 會不會只是加速一套資本主義“終極關切追逐—存在性失落”的循環，加深“擁有者”和“未擁有者”之間的鴻溝？

哈佛的羅伯特·帕特南的研究顯示，“技術民主化”并不會自動拉平賽道。他寫道：“與貧窮同齡人相比，出身上層階級的年輕人（以及他們的父母）更有可能將互聯網用于求職、教育、政治與社會參與、健康信息以及新聞獲取，而較少用于娛樂與消遣。富裕美國人使用互聯網的方式是推動向上流動的，而更貧窮、受教育程度更低的美國人，則往往只以無助于向上流動的方式使用互聯網。”這種鮮明的對比強調了一件事：我們必須有意識地引導 AI 去“解放”而不是“束縛”人的能動性。

更樂觀一點地說，我希望帕卡德定律的“手銬”會在這輪火后有所松動，讓當下的創業公司以及未來的野花，有機會追求真正值得的使命。在《從優秀到卓越》中，吉姆·柯林斯引用惠普聯合創始人戴維·帕卡德的看法，提出“帕卡德定律”：一個組織的增長速度，受限于其獲取“足夠多合適的人”的能力。 在火燒過后，我希望如下這些公司，能夠因人才獲取變得更容易，而獲得更充足的成長氧氣與陽光。

Montai Therapeutics正在用 AI 開創治療和預防慢性疾病的新藥物。他們采用一種“多重智能”的發現方式——讓人類、AI 與自然共同參與，創造此前無法解決疾病的全新分子。

Eudia在構建一個“增強智能”平臺，從法律行業切入，讓人類效率提升幾個數量級——不是取代律師，而是增強他們。增強法律服務可以同時提供精度與速度，并且首次將“成本”與“質量”的對立打破。它正在推動用“基于結果的定價”取代“計時收費”。對于任何一個法律服務消費者來說，這幾乎是無需多想的好主意。

Listen Labs則是一個由 AI 驅動的用戶研究平臺，幫助團隊在數小時內，而不是數月內，從客戶訪談中提煉洞察，從而放大“客戶之聲”。在過去，公司從實踐角度來看，只能和很小一部分客戶對話；而現在，他們可以即時“傾聽”一整張覆蓋各個年齡、地域和心理畫像的“全樣本面板”。諷刺的是：當受訪者面對 AI，而不是真人時，反而更可能提供坦率且有價值的反饋，因為他們不會有意識或無意識地擔心對方在“評價自己”。

Netic則是在幫助那些“基礎服務行業”實現自動化增長。AI 浪潮已席卷軟件與創意行業，但家庭服務、汽車服務和消費者醫療等領域卻大多被落下。這些行業構成了經濟的骨干，卻依舊依賴落后的工具、疲于應對的呼叫中心和彼此割裂的系統。他們的操作流程復雜，嚴重依賴人工，接觸不到支撐數字原生企業的前沿技術。在一個“創業公司大多只為創業公司造工具”的世界里，Netic 選擇服務那些真正支撐美國運轉的“實體行業”。

很明顯，AI 會抬高“擁有者”的天花板；如果它無法同時抬高“未擁有者”的地板，那么社會必然——也許理應——出現“舉著干草叉”的人群。

我一直盡力以一種“機會視角上的豐裕心態”和“自然資源視角上的稀缺心態”來教育我的孩子。而整個社會卻似乎正好相反。我時常在想，我們有機會逃離這樣的宿命嗎？

這場即將到來的野火，幾乎可以肯定會對“硅谷生態”本身有好處，但它對“整個人類”而言，又會是好事嗎？