糟糕的类比：并非每一家烧钱的公司都是 Amazon
基本上，一个人说：“OpenAI 在没有一项真正跑通的业务的情况下居然还能融到 1220 亿美元，真是令人惊讶。”另一个人回应说：“他们当然有，他们有很多不同的业务线，营收都已经达到数十亿美元。”原帖作者随即反驳：“是，但没有一项是盈利的，他们亏了很多钱。”而回应者又回道：“你同样也可以这么说 Amazon！”
Amazon 的成功，已经对大量公司造成了极大的伤害。
显然，它带来的好处更多。AWS 堪称奇迹。但请先顺着我的思路往下看。
Jeff Bezos 是一位几十年一遇的企业家，出身于对冲基金行业，并经过精密权衡后作出决定：如果短期亏损能换来长期赚得更多，那就接受亏损。在他作为上市公司 CEO 写下的第一封 1997 年致股东信中，他把自己愿意作出的这种取舍讲得很清楚：“如果必须在优化我们 GAAP 会计报表的表面表现和最大化未来现金流的当前价值之间作出选择，我们会选择现金流。”
他在整封 2004 年致股东信中都在向投资者阐释其中的逻辑。
盈利并不会直接转化为现金流量，而股票的价值只等于其未来现金流量的现值。营运资本和资本支出同样重要；如果一家公司的盈利增长所需的资本投入超过由此产生的现金流现值，那么这种增长实际上可能会毁灭股东价值。
Bezos 牢牢掌控着方向盘，而他身后则有一个负营运资本引擎在推动。让 Bezos 的计划奏效的细节多到数不胜数，而所有这些细节及其相互联系都经过了周密考量。按品类逐步做到规模化， 从那些最适合互联网的品类开始 ，构建无可匹敌的分销与物流网络，压低价格和送货时间，获得更大规模，扩展分销网络，进一步压低价格，让“神圣地不满足”的客户对任何比他们在 Amazon 所习惯的更慢或更贵的东西都无法接受，让他们迷上 Prime，支付订阅费并下更多订单，持续扩大优势，提升每股 FCF。与此同时，得益于负营运资本，增长会产生现金，现金为更多基础设施提供资金，基础设施又带来更低的价格和更快的送货，从而推动进一步增长。
我们都或多或少知道 Amazon 的故事，对吧？现在我不需要比这讲得更详细。我们也可以讲一个关于 Facebook 的类似故事：他们当时没有收入！甚至连商业模式都没有！
你当然可以，而且很多人也确实这么做了，用它来为你自己的企业、你所投资的企业中的各种问题开脱；或者，就像那些 AI 实验室的情况一样，为一家互联网上一群怪人似乎觉得自己有责任去捍卫的公司辩护。
也许是因为在创办 Not Boring 之前，我曾在与 WeWork 同一行业待了六年，所以我对这种说法多少有些敏感。WeWork 亏了很多钱，于是人们就拿 WeWork 和 Amazon 作比较。也许有人会说，做房地产当然需要投入大量资金，因为你需要先做装修、布置空间，还要提前买很多啤酒和龙舌兰酒， 预先投入 ，但随后你就拥有了一整套长期租约网络，未来多年都将持续产生现金流。Bezos 不惧今天花钱换取明天的现金流，Neumann 又为什么要怕呢？但我们经常和 WeWork 竞标同样的场地，我们有一套调校得极其精细的承保模型；把我们的模型与他们为在某些场地中压过我们而开出的价格一比较，就很明显，无论你对月度收入预测有多乐观，他们都根本不可能在每一个场地上赚到钱。 这还没有算上他们为签订两年合约的客户垫资定制建设的成本（而这些建设在下一位客户入驻时可能还得重做），也没有算上他们向经纪人支付的 100%佣金——也就是任何一位经纪人带来的客户，其整整一年的收入都作为佣金付出。Adam Neumann 最近做客 Rick Rubin 的节目 ，那期内容非常精彩，让我对他更有好感，甚至也让我更看好 Flow，但就连 Adam Neumann 自己也承认，在 2018 年和 2019 年那段黄金时期，他让经济账失控了。
如果你曾通过把 WeWork 类比为 Amazon、并反复对自己说“要赚钱先花钱”来为一笔对 WeWork 的投资寻找理由，那么你会在其 2023 年的破产中血本无归。也许如今这家经过瘦身整顿的公司，比起当年那个臃肿不堪的版本，确实合理得多——我没有研究过，所以不得而知——但即便如此，也绝不是因为它像 Amazon。
当然，类比可以成为一个有用的起点。“这件事原本我可能会不假思索地嗤之以鼻，但它或许值得更仔细地审视，因为过去那些看起来明显错误的事情，后来却证明其实相当不错。”这样的思路是可取的。
Uber 也亏了他妈的一大笔钱。Uber 亏的钱比 WeWork 多得多。WeWork 在最糟糕的一年大约亏损了 20 亿到 30 亿美元。Uber 在 2022 年烧掉了 91 亿美元。相比之下，WeWork 的亏损简直像新手级别。
然而……Uber 依然是一家上市公司，市值徘徊在约 1500 亿美元左右。
如果你当时看到 Uber，心想：“嘿，Amazon 当年也亏过钱，让我再仔细看看，”然后你发现，Uber 烧钱的方式某种程度上确实和 Amazon 很像——都是为了让其产品尽可能贴近顾客，从而改善顾客体验——尤其是如果你是在 2022 年低谷时期、它现金消耗最严重的时候去看的话，你本可以做出一笔明智的投资。
话虽如此，把 Uber 当作类比——字面意义上的“Uber-for-X”——却着实让创业坟场的经营者们有了生意。唯一一家称得上“Uber-for-X”的成功公司是 DoorDash，而它之所以奏效，恰恰是因为团队研究了 Uber，说“这里面有些有意思的东西”，然后再根据当下的具体情况加以调整。它们没有去拥挤的城市市场正面竞争，而是把这一模式带到了服务不足的郊区；在那里，竞争更少，获客成本更低，平均订单价值更高，留存率更高（因为替代选择更少），取餐和送达也更容易（商店和住宅都有车道和停车场）。随后，正如 Dan Hockenmaier 所说，他们坚持不懈地执行：“他们每周都让配送速度再快一点、可靠性再高一点。他们严格审视每一家合作餐厅和每一位配送员的服务质量。他们不断从系统中优化成本，并通过 Dashpass 把这些节省回馈给消费者（Dashpass 于 2018 年推出，也正是在这张图表的起点）。”
那么，前沿 AI 实验室究竟是好生意还是坏生意？我不知道。比我更聪明的人正在通过大量不依赖类比的方法，试图回答这个问题。整个经济都系于此。
但我确实知道，不能因为它们在亏钱，就断定它们一定是坏生意。
它们无疑正在以极快的速度创造大量收入，而且以其当前规模来看，增长速度前所未有。Anthropic 增长自 2025 年底 90 亿美元的收入运行率，到 2 月份达到 190 亿美元的收入运行率（而传闻称，3 月份这一数字又高得多）。在宣布其 1220 亿美元融资时，OpenAI 表示：“在推出 ChatGPT 后的一年内，我们实现了 10 亿美元营收。到 2024 年底，我们的季度营收已达到 10 亿美元。如今，我们每月营收达到 20 亿美元。在这一阶段，我们的营收增长速度是定义了互联网和移动端时代的公司——包括 Alphabet 和 Meta——的四倍。”
仅仅因为一点现金消耗就否定这些数字，和声称这种现金消耗与 Amazon 的是一回事一样愚蠢。
另一方面，值得更仔细地审视一下这种烧钱模式，看看究竟换来了什么。
Amazon 是一种高固定成本、收入却具有可变性的业务。它服务的顾客越多，每增加一位顾客的边际成本就越低。你每次让 Claude 为你构建一个提醒你何时洗衣的应用，Anthropic 都要为此花钱。你每次让（曾经让）Sora 生成一段 Sam Altman 跳电臀舞的视频，OpenAI 都要付出成本（以及本可用于其他用途的稀缺算力），这也是他们将其关闭的原因。不过话虽如此，Anthropic 和 OpenAI 的利润率都在改善，而利润率每提高一个点，这种可变成本问题带来的痛感就会减轻一些。
有一点需要考虑：API 令牌业务很可能是一门好得多的生意，因为 Anthropic 是按消耗的令牌数量收费的。好笑的是，当我就此询问 Claude 时，它给我链接到了一份由他人借助 Claude 完成的公开研究成果 ，其中写道，Pro 和 Max 的普通用户能为 Anthropic 赚钱，Pro 和 Max 的重度用户则会让 Anthropic 亏钱，而 API 业务（占营收的 70%-75%）在“Sonnet 工作负载上的毛利率为 50%-65%，在 Opus 工作负载上的毛利率为 35%-50%。”买者自慎。这是一门规模惊人的生意，但我怀疑它在多大程度上也受益于另一种糟糕的类比：linesofcodemaxxxxxing。
在过去，代码行数（LOC）的产生成本很高。真正懂得如何编写代码的人只有极少数。需要解决的问题比能够解决这些问题的人或代码行数都更多，因此公司会建立待办事项清单，让工程师通过编写更多代码来逐项处理。 代码行数本身并不是有价值的东西；它们之所以有价值，是因为被用来解决公司必须解决的问题。你可以看看一家成功的软件公司，发现他们写了大量代码，于是懒洋洋地类比说：LOC 与成功相关，代码行数本身就是目标。古德哈特定律再次应验。
他们会告诉你：“你得把 tokenmaxxxxxing 做到极致。”我确实在想，一旦这场集体狂热消退、我们把一切能 maxxxx 的都 maxxxx 到头了，这部分业务会不会随之放缓。总会有那么一刻，当你陷得太深，Jeff Bezos 的幽灵会出现，问你：你正在极限拉满的这些 tokens，究竟给你的客户带来了什么。
总之，Amazon 业务的另一点在于，尽管它有大量直接竞争对手——Barnes & Noble、eBay、Walmart，以及一大批已经倒下的互联网公司竞争者——但在其战略层面 ，它实际上并没有真正的对手。如果 Bezos 的判断是对的，即按类别逐步实现规模化， 从最适合互联网的品类开始 ，建立无可匹敌的分销和物流网络，压低价格并缩短送货时间，获得更大规模，扩大分销网络，进一步压低价格，让那些“神圣地不满足”的顾客对任何比他们在 Amazon 所习惯的体验更慢或更贵的选择都感到不满，让他们离不开 Prime，支付订阅费并下更多订单，持续扩大优势，并提升每股 FCF，那么一旦这一切投入见效，Amazon 将成为唯一一家把这一整套体系全部建立起来的公司，并拥有伴随市场主导地位而来的定价权，以及对盈利杠杆的掌控力。
Uber 面临直接竞争，但对手较弱，而 Uber 当时下了一个非常明确的赌注：真正重要的只有规模和网络效应。事实也证明他们是对的；在经历了那一切烧钱之后，Uber 脱颖而出，成为唯一一家建立起正确网络的公司，并拥有伴随市场主导地位而来的定价权，以及对盈利杠杆的掌控力。
你能对任何一家 AI 实验室作出同样的判断吗？
我们不必花太多时间来回答这个问题。直接竞争非常激烈。从外部看，这些公司的策略似乎非常相似。当然，不同公司会尝试瞄准不同的终端用户，也许 OpenAI 会把广告发展成一门大生意，而 Anthropic 将主导企业市场（ 尽管看起来 OpenAI 正把几乎所有资源都投入到在编程和企业领域展开直接竞争上 ），但核心策略都是现在先在资本支出上投入巨资，构建越来越强大的模型，而谁知道在这一切投入的彼岸，是否真有“上帝”存在。
不妨去问问任何一个多神教：诸神之间的竞争，难道就不那么激烈吗？ 要是我们把这些公司比作众神，Google 大概就是宙斯。Meta 则像赫尔墨斯——商业之神、盗贼之神、诡计之神，让其他所有人的东西都变得更贵。 那 DeepSeek 呢？它像孙悟空——那位偷吃并吞下仙桃的齐天大圣，直到玉皇大帝不得不恳请佛祖出手，而佛祖最终将他压在了五行山下。
我们的竞争对手信奉多种“教派”，而且大家手里拿的基本上是同样的武器。似乎每一家主要实验室都在同一座祭坛前祈祷——缩放定律之祭坛。
但是！你会说。但是！递归式自我改进！快速起飞！那些 token 不只是在生成代码——它们还在打造一个专有的数据飞轮！最终将只剩下一位真神。
也许吧！
我之所以对这类类比和外推有些过敏，另一个原因是我自己也干过这种事。我同样犯过罪。我也曾把加密协议类比成一些并不完全贴切的公司。我写过我，指数式增长和疯狂复利 。不管你自以为多么迷恋漂亮的指数曲线，我都可以向你保证，我比你更迷恋。所以每当我胆敢质疑：AI 是否会在让我们这些无足轻重的“肉身机器”变得无关紧要之前，就先撞上天花板；然后迎来那句意料之中的反驳——“你根本不懂指数增长！这跟 X 一模一样！你到底看没看过 Tim Urban 那张图？！”——你只需要知道，我懂这些套路。我已经从中学到了痛苦的教训。
并非所有指数增长都生而平等。上帝的思考是永恒延续，还是在一瞬间便洞悉一切？
自从 Leopold 第一次发推称，相信 ASI 会在 2027 年后不久到来，“并不需要相信科幻；只需要相信图表上的直线”，我就一直在对此提出质疑 。（公平地说，在这期间，他赚到的钱比我多了几十亿美元。）
就在本周，METR 的 Joel Becker 发文，试图帮助人们理解“ 图表上的直线 ”这一论点。其核心意思是，即便这看起来说不通，那条线也会继续向上延伸。我们总会找到办法。但我的观点是，即使模型能够进行更长时间的思考，也并不意味着我们将创造出上帝。我认为，我们最终会得到极其出色的软件——这很好——而不是一个无所不知、无所不爱的 AI。
而且，更贴近关于 Amazon 的讨论的是，如果各家实验室的模型都能以大致相同的速度延长思考时间、变得更聪明，且没有任何明显一骑绝尘的赢家，那么这种局面就无法类比 Amazon，甚至也无法类比 Uber——后两者都曾忍受短期阵痛，以换取长期战略上的独处空间。
我并不是想挑 AI 实验室的刺，我甚至不认为是它们自己在制造这种错误类比；只是如今人人都在谈论它们，所以它们也就成了错误类比最丰富的来源。而且我确实不知道这最终会如何发展。十年后，我们醒来发现 OpenAI 和 Anthropic 成了全球最有价值的公司，这种可能性是存在的。它们也有可能成为这整件事里的 AOL。还有一种可能是，十年后最大的企业，会是那家在崩盘后大量买入廉价 tokens 的公司，就像 Rockefeller 当年买下所有值得买的过剩铁路运力一样。
AOL 和 Rockefeller 也都是类比，对吧？想避开它们很难，因为它们确实是有用的出发点。事实上，它们太容易被拿来引用了，以至于单独使用时，往好了说不过是共识，往坏了说则可能具有危险性。
决定你最终会成为下一个 Hummer Winblad，还是下一个 J.P. Morgan 的，是你从这些起点出发所做的工作。（该死）
