AI利润悖论：从瓦特蒸汽机到大模型，为何伟大的技术总是先亏钱？
2025年，科技界最昂贵的悖论摆在了所有人面前。
一方面，人工智能的营收增长速度令历史上的任何技术都相形见绌。最新的财务数据显示，OpenAI的年化营收已突破200亿美元，是史上增长最快的软件公司。
但另一面，OpenAI的亏损同样在创造历史：其在2025年的现金消耗高达85亿美元。它的主要竞争对手Anthropic虽然也达到了90亿美元的营收规模，但同样深陷数十亿美元的亏损泥潭，并预计要到2028年才能实现真正的盈亏平衡。
这不仅仅是“烧钱换增长”的老套路。我们面对的是一种前所未有的商业怪圈：需求极度旺盛，产品供不应求，但卖得越多，亏得似乎越多。
这是一场注定破裂的泡沫吗？这是通往新经济范式的必经之路吗？我们不能只顾盯着今天的财报，而必须把目光投向两百年前：今天的AI巨头们踩过的每一个坑，瓦特和爱迪生都已经踩过一遍了。
1. 为什么大基建总是伴随着泡沫？
要理解当下的疯狂，我们首先需要借用委内瑞拉经济学家卡洛塔·佩雷斯（Carlota Perez）的“技术-经济范式”理论。她研究了过去两百年的五次技术革命，发现每一轮革命的生命周期都可以分为两个不同的阶段：
安装期（Installation Period）
在这个阶段当中，资本疯狂涌入，基础设施过度建设，贫富差距拉大，以及不可避免的金融泡沫。这一阶段的核心任务便是把新技术的基础设施（当年的运河、铁路、电网，今天的GPU集群）铺设到位。
当下，我们正处于AI的安装期。Meta、微软和谷歌在2024-2025年的资本支出（Capex）总和甚至超过了许多国家的GDP。这种过度建设并非由于CEO的疯狂，而是因为在安装期，如果不抢占基础设施的高地，未来就会具备未见。
部署期（Deployment Period）
在部署期，基础设施已经由“投机资本”买单并建设完毕（往往伴随着泡沫破裂后的低价重组），实体经济开始广泛利用这些已经架设好的设施，真正的生产力爆发和广泛盈利在这一阶段真正出现。
在安装期，亏损几乎是基础设施建设者的命运。1840年代的英国铁路公司、2000年的光纤公司，大多都在泡沫破裂中灰飞烟灭，但他们留下的铁路和光纤，却成为了下一个时代繁荣的基石。OpenAI和Nvidia今天正在铺设的，正是通往未来的数字高速公路。
2. 瓦特大战SaaS
很多人认为，只要技术够强，赚钱是水到渠成的事。但第一次工业革命的灵魂人物——詹姆斯·瓦特身体力行的告诉我们：商业模式的创新往往比技术创新更难，也更滞后。
瓦特改良蒸汽机后，他与合伙人马修·博尔顿（Matthew Boulton）立刻遭遇了一个棘手的困境：新机器造价高昂，矿主们根本无力购置。
于是，他们开创性地设计了一套极具前瞻性的商业模式——这简直就是工业时代的SaaS（软件即服务）雏形：允许矿主免费安装机器，但要按“瓦特蒸汽机比老式纽科门机节省燃料费用的1/3”收取特许权使用费。
然而，这套逻辑超前的模式落地后，却与设想大相径庭：
- 计量难题让双方撕破脸：为了统计节煤量，瓦特不得不发明专用计数器，但矿主们要么破坏计数器，要么在煤炭质量上做手脚，想尽办法少付费。
- 信任危机直接动摇根基：矿主们普遍不服气——机器是我用、煤是我买、工人是我雇，凭什么瓦特坐享1/3利润？
- 盗版泛滥彻底冲垮模式：为了逃避高昂的“订阅费”，大量矿主转向盗版蒸汽机引擎，专利维权的诉讼官司让博尔顿和瓦特焦头烂额。
就这样，两人在亏损与诉讼的泥沼中挣扎了20年。直到核心专利到期，他们被迫放弃“专利收租”模式，转型为直接制造、销售硬件的“工厂模式”，才终于收获了稳定的工业利润。
这段往事，对当下AI行业的商业模式极具启示：如今主流的按Token收费（即API调用付费）模式，与瓦特当年“按节省燃料量收费”的模式如出一辙。这种模式的核心痛点在于，AI为企业创造的价值难以精准量化——企业很难说清每一次API调用到底转化了多少业务增长。
同时，它还要直面开源模型的激烈冲击：正如当年的盗版蒸汽机引擎分流了瓦特的客户，Llama等系列开源模型的普及，正让纯粹的“AI智力”以每年10倍的速度贬值（这一现象被业内称为“LLMflation”，即大模型通胀）。
由此可以预见：未来的AI企业或许会像瓦特当年一样，被迫放弃单纯“卖Token”的轻资产模式，转而聚焦于售卖“端到端的行业解决方案”，甚至直接交付“可落地的业务结果”——从“卖算力”转向“卖价值”，才是AI商业闭环的破局之道。
3. 从电力革命看生产力悖论：为什么装配了AI却没提效？
如果说瓦特教给了我们商业模式的课，那么第二次工业革命则教给了我们关于“生产力”的课。
1880年代，爱迪生就建成了发电站。但在随后的40年里，美国制造业的生产力并没有显著提升。这就是著名的“索洛悖论”的早期版本——“发电机悖论”。
斯坦福经济史学家保罗·戴维（Paul David）揭开了谜底。在电气化的早期，工厂主们犯了一个致命的错误：替代（Substitution）而非重构（Transformation）。
- 旧模式： 蒸汽时代的工厂依靠一根巨大的中央传动轴，通过无数皮带带动所有机器。
- 错误的电气化： 工厂主只是把那台巨大的蒸汽机换成了一台巨大的电动机。工厂的布局、流程、管理方式完全没变。结果，效率提升微乎其微。
- 真正的革命： 直到1920年代，新一代管理者明白了电力的真谛——可分散性。他们给每台机器配了独立的小电机，剪断了皮带，不仅让工厂更明亮、更安全，更重要的是，这允许机器按照生产流程而非传动轴位置排列——流水线诞生了。生产力瞬间爆发。
回到2025年的AI： 目前90%的企业应用AI的方式，都停留在“替代”阶段。
- Copilot模式： 给每个程序员、每个客服配一个ChatGPT，就像当年给大蒸汽机换个大电机。这能帮个人省点力气，但并没有改变企业的工作流。只要中间的审批、协作、决策流程还是老样子，整体效率就不会有质变。
瑞典金融科技公司Klarna，已经走出了“重构”的新路：他们没有给客服批量配备Copilot，而是直接重构了整个客服系统——AI Agent独立处理了2/3的客服对话（相当于700名全职员工的工作量），问题解决时间从11分钟缩短到2分钟，预计年增利润4000万美元。
这就是“智能体工作流”（Agentic Workflow）。只有当人们不再把AI当工具，而是把它当“员工”，并围绕它重构组织架构时，利润才会真正爆发。
4. 为什么AI泡沫可能比历史上任何一次泡沫都更坚挺？
虽然历史韵脚相似，但2020年代的AI热潮与1840年代的铁路狂热或2000年的互联网泡沫有一个本质的区别：谁在出钱？
- 1840s铁路泡沫&2000s互联网泡沫：资金主要来自外部融资——银行贷款、垃圾债券、散户热钱蜂拥而入，资金链极其脆弱，一旦市场情绪反转，债务违约就会引发系统性危机（如1847年大恐慌）；
- 2020s AI热潮：万亿级投入主要来自微软、谷歌、Meta、亚马逊等科技巨头的内部现金流。这些公司拥有人类商业史上最强悍的资产负债表，用搜索广告、云服务、Office订阅的稳定利润为AI买单——只要核心业务不垮，这场“军备竞赛”就能持续下去。
这是一个由“富人”而非“借贷者”支撑的泡沫，因此它比历史上任何一次都要更持久、更具韧性。
5. 写在浪潮初起时的海啸生存指南
对于想在大潮中学游泳的同志们来说，两次工业革命的经验对于当下的“AI利润悖论”也可以起到一些启发作用：
- 不要被亏损吓倒： 在“安装期”，亏损是常态，是通往未来的门票。
- 警惕“卖铲子”的陷阱： 单纯依靠卖算力或卖模型API（类似卖煤或卖电）的利润空间会被迅速压缩。真正的机会在于应用层。
- 寻找“重构者”： 关注那些像Klarna一样，敢于用AI彻底重塑业务流程的企业，而不是那些仅仅在现有软件上加个“AI按钮”的公司。
从瓦特的蒸汽机到奥特曼的大模型，历史反复验证一个真理：新技术的红利，永远不属于最早拥有技术的人，而属于那些最先懂得用技术重构世界的人。
