在技术革命的浪潮推动下，企业家与投资者不断创造财富。从铁路、贝塞麦转炉工艺、电力、内燃机，到微处理器，每一次颠覆性技术都像烟火工厂里的一束火花，引爆了一连串创新，引发社会结构的深刻变革，也将一批发明者和投资人推向了财富与权力的巅峰。
然而，并非所有革命性技术都会带来巨大的财富创造。有些技术虽然改变了社会运行方式，却未能打破现有的经济格局。比如早于微处理器15年的集装箱化运输，其革命性不亚于ICT技术，却因为身处技术进步缓慢的时期，在激烈竞争与资本密集压力下，极少数人真正从中获益。
每一位投资者在押注新兴技术时，都必须回答两个问题：第一，这项技术将创造多少价值？第二，这些价值最终由谁掌握？信息与通信技术（ICT）是一个典型例子，其价值主要由初创企业掌控，催生了成千上万位富有的创始人、员工和投资人；而集装箱运输的价值则分散得太广，最终只让极少数人获利。
那么，生成式人工智能属于哪一类？它是未来工业财富的基础，还是一场让投资界整体失望、仅产生少数赢家的零和博弈？
当前的投资路径，若基于后者的假设，似乎更加理性——即AI模型公司与应用企业将竞争到形成寡头垄断，最终，技术带来的大部分收益将流向消费者，而非建设者。因此，大量涌入AI领域的资本很可能流向了错误的方向，只有极少数眼光独到、及时退出的投资者能成功获利。
当年，微处理器的发明者并未意识到其革命性。1971年Intel团队仅希望减少重复设计计算器芯片的工作量，却无意中赋予了后来者巨大的想象空间。数以千计的技术爱好者用微处理器构建出Intel难以想象的应用生态。这种“分布式且无需许可”的发明过程，正如经济学家卡洛塔·佩雷斯所说，是由技术触发、由经济与社会力量驱动的“伟大发展浪潮”。
上世纪70年代初，个人计算机市场并无真正需求，它们被视为昂贵的玩具。但爱好者们打下了技术基础并建立了用户社群。1975年前后，微处理器价格骤降，使市场走向可行。MITS公司依靠Intel 8080勉强维持运营，而当MOS Technologies将6502定价为25美元后，沃兹尼亚克便得以开发出苹果原型机。6502及Zilog Z80进一步压低了Intel的价格，催生了个人电脑创业热潮。
当时，即使在1976年苹果公司创立的年份，《纽约时报》全年仅提及个人电脑四次。没人认为它是严肃的商业机会，真正关注者仅限于一小群“疯子、叛逆者与搅局者”。
然而2025年的AI却不同，它成为大众与企业关注的焦点。大型企业厌恶不确定性，而AI的到来不再是“惊喜”，从一开始就成为现有ICT系统的自然延伸，主导地位已被科技巨头牢牢把控，创新空间有限，竞争激烈且即时展开。
经济学家佩雷斯将每一波技术浪潮划分为四个阶段：爆发期（irruption）、狂热期（frenzy）、协同期（synergy）与成熟期（maturity）。其中爆发与成熟两个阶段投资回报最难预测。AI被捕捉的速度之快，直接跳过了真正的爆发期，进入了价格战与寡头垄断阶段。模型建设成本高昂，利润空间被压缩，竞争异常激烈——正如当年的集装箱运输。
海运集装箱革命由马尔科姆·麦克莱恩于1956年启动。他的理念是：运输的任务是将货物从发货人运到目的地，而非局限在卡车、火车或船只本身。他的公司SeaLand通过改造战后剩余船只、与工会协商、避开主要港口竞争，以低成本推动标准化运输系统。然而，行业巨头快速入场，导致利润被竞争侵蚀，麦克莱恩最终于1969年出售公司，成为极少数全身而退的创业者。
集装箱运输显著降低了海运成本，使制造商将工厂迁至低工资国家，推动全球化。但真正从中致富的人屈指可数。其商业价值最终体现在客户层面，如宜家（IKEA）与沃尔玛等零售商因运输成本降低、库存管理优化而受益巨大。而传统家具制造重镇如北卡罗来纳州的企业则因转型缓慢而被取代。
同样地，AI的投资机会并不在“模型公司”本身。像Sam Altman这样早期进入者或许能获利，但其背后庞大的基础设施支出与竞争压力，注定大部分企业难以维持高利润。即便是细分模型公司（如Cursor、Harvey），也面临被大型模型公司收购整合的命运。生成图像、音频等内容的公司，如Midjourney或Runway，表面上技术架构不同，但也难逃被大型语言模型侵蚀。
应用层公司的命运同样堪忧。即使它们目前看起来蓬勃发展，如Perplexity、Writer、InflectionAI等，但一旦盈利，其上游模型公司便可能通过价格歧视或垂直整合夺取其市场。成功反而成为失败的前奏。除非建立起强大的客户关系或被收购，否则这些公司很难形成真正的壁垒。
某些中间层公司可能具备投资价值，如Hugging Face或Glean，它们定位于模型与客户之间的接口管理或数据保护，但也难以获得战略控制权，规模有限。
从供应链上游看，芯片、数据、云计算与数据中心公司或许能受益，如SambaNova、Scale AI、Lambda、Nvidia等。但因预期已反映在估值中，缺乏“超额惊喜”。若AI投资周期下行，这些高资本投入企业将面临巨大压力，尤其在产能过剩时，定价能力将遭受打击。
因此，投资机会应聚焦于“下游”——即那些能从模糊信息中生成高质量结果的公司，尤其是在专业服务、医疗、教育、金融与创意产业中。这些领域占全球GDP的三分之一至一半，却长期未受益于自动化，AI的应用可提高效率、降低成本。
这些行业中，最先受益的将是那些已将“降低成本”作为战略核心的企业。就如当年的IKEA和沃尔玛一样，他们能迅速将节省成本转化为产品多样化与全球扩张的机会。未来也将有新企业崛起，以低价、高量的策略挑战现有市场格局。
但需要指出的是，这类企业往往不需要大量风险投资。IKEA从未融资，Costco仅在1983年融资一次便于1985年上市。技术触发到最佳投资窗口之间存在长期滞后。在这种结构下，投资人获利机会有限，但创业者将迎来黄金时代。
股票市场中的投资者需精准挑选标的。在最高预期下，AI对GDP的贡献每年仅增加约2%，若旧有ICT技术红利减少，这一增幅将进一步压缩。企业是否能根据AI带来的战略影响进行重塑，才是关键。正如沃尔玛最终取代未能转型的西尔斯（Sears），那些能在AI带来效率提升的基础上重新定义业务模式的公司将获得最大回报。
然而，最大的受益者仍是消费者。过去，机械化提升制造业劳动生产率，降低了产品价格，节省了消费者支出。制造业工资上涨迫使服务业也提高薪资，尽管后者并未获得相应的生产力提升。这导致服务价格持续上涨。1918年，家庭支出中食品与服装占比为55%，而到2023年已降至16%。但教育、医疗等知识密集型服务的成本却远高于通胀。
AI将带来类似的结构性变化。知识密集型服务将因AI降低成本而更易获取，消费者将购买更多此类服务；而需要人与人互动的服务将价格上升，占据更大支出比例。这一趋势不仅揭示双重投资机会，也表明AI创造的大部分新价值将由消费者获得——包括更丰富且价格合理的知识型产品，以及更广泛、可负担的医疗、教育与咨询服务。
技术浪潮初期，总充满构想、发明与创造世界级企业的机遇，伴随财富、声望与荣耀。但对于投资者与创业者而言，最危险的正是“愿景主义”的自我欺骗。过去50年的科技投资经验已不再适用。要在AI中获得成功，关键在于理解知识工作者效率提升的深远影响，思考这种效率将释放哪些新市场，并押注于这些机会。过去的成功之道是押注“下一件大事”，而现在则需押注“大事所带来的机会”。