洛克菲勒并非靠钻油致富
而这或许是对人工智能最重要的教训

我总觉得自己做得不够。总觉得自己不够快、工作不够努力、时间不够——即便已经全速前进。如果你是创始人、投资人,或任何试图建立重要事物的人,我想你也会有这种感觉。
一直以来帮助我应对这种感觉的方式之一是读传记。不是效率书籍,不是方法框架,而是传记。因为传记证明了生活中真正有价值的东西需要很长时间去构建。它们让你看到人们如何构造有分量的事物的内部过程——更重要的是,看到构建过程的不同阶段。那些混乱的、非线性的、常令人痛苦的阶段。
上周末——总统纪念日,一个罕见的交易间隙的闲暇时光——我抽空重读了两本一直放在书架上、催促我再读一遍的书:Titan,Ron Chernow 关于 John D. Rockefeller 的权威传记(在 Acquired 播客中也有涉及),以及 The People’s Tycoon,Steven Watts 对 Henry Ford 的描绘。两位截然不同的人物。两种截然不同的性格。但他们都活跃在历史上最具影响力的技术转型之一:石油从奇事到商品再到现代文明支柱的时代。
当我再次翻阅这些故事时,忍不住一直在想它们与我们当前人工智能处境之间的相似之处。
并不是那种表面化的比喻“人工智能是新的石油”——这个比喻已经被用烂了,而且本就不够贴切。我指的是更具结构性的相似:石油经历了不同的阶段,每个阶段都有其自身逻辑、胜出者以及构建财富和影响力的玩法。而人工智能似乎正沿着极为相近的轨迹发展。
变革性资源的三个阶段
石油的故事并非单一事件。它分三个阶段展开,真正积累财富并获得持久影响力的人,都是那些看清所处阶段并相应行动的人。
第一阶段:发现与开采。 在 19 世纪 50 至 60 年代,原油已被认知但难以利用。 Abraham Gesner 想出从原油中提炼煤油的方法,创造了可行的鲸油替代品。由此引发了一场野猫钻井者的热潮——投机者在宾夕法尼亚各地钻井,希望一夜暴富。大多数人破产了。真正开创行业的德雷克油井的经营者并未建立起家族王朝。抢先进入这种资源 反而证明是个糟糕策略,因为资源很快变得丰富。到处都是石油。稀缺的是其它一切。
第二阶段:精炼与分销。 这是洛克菲勒的业务所在,也是创造最集中过的财富的阶段。洛克菲勒并不钻油井。他炼油。他理解一件深刻的事:当原料丰富时,价值会流向能够使其变得可靠、稳定且可分发的人。标准石油的主导地位并非来自控制供应——而是控制将一种易变的大宗商品转化为人们每晚可在灯中信赖的产品的体系。炼油厂。铁路交易。管道。质量标准。那些位于原始能力与现实用途之间、乏味且不光鲜的基础设施。
第三阶段:应用扩展。 这是大多数人完全忽视的部分。煤油原本应该才是产品。这才是重点。但汽油——最初是危险的废副产物,炼油商曾经把它直接倒进河里——一旦内燃机产生了对它的需求,就成了真正的产品。煤油大亨并未主导这一阶段。像亨利·福特这样的人主导了,他通过让汽车大众化,使汽油对上亿人而非几千人变得必不可少。梅隆家族也参与其中,他们通过资助 Gulf Oil 在新用例显现之前就进行了布局。石化工业家们也认清了石油并非一个照明生意——它是一个无所不包的生意。塑料。肥料。制药。合成材料。副产品在数量级上远远超过了原始产品。
人工智能目前处于何处?
我认为我们正处在第一阶段与第二阶段的过渡期。这是整个进程中最关键的时刻,也是大多数人误判的时刻。
人工智能的第一阶段——大致为 2020 年至 2024 年——是发现与开采的时代。OpenAI、Anthropic、Google DeepMind 等公司竞相构建基础模型,在算力和人才上投入数十亿美元。这些就是淘金者(或野外钻探者)。正如宾夕法尼亚的石油钻探者一样,率先获得原始资源并不一定能转化为占据大部分价值。智能,像原油一样,正在快速变得丰富。
第二阶段现在开始了。我从《Rockefeller》得到的结论再贴切不过: 当一种商品变得充裕时,价值将转向那些能让它可靠、一致并能够分发到有需要的具体场景中的人。
AI 的“精炼厂”并不是模型提供者,而是构建集成与可靠性层的公司——让 AI 输出可信、可审计,并足够一致,能够部署到医疗、法律、金融和运营等错误会带来真实后果的工作流中。它们是将原始模型能力转化为在“基本正确”还不够的情境中真正可用的平台。
我写过很多关于我所称的“ 软件的困惑化 ”——AI 如何将多步骤工作流压缩为单一以目标为导向的交互。如果这一论断成立,那么第二阶段的赢家将是那些创始人:他们着迷的不是哪个模型最聪明,而是如何将可靠的智能交付到具体的、高价值的决策流程中。就像洛克菲勒痴迷于向美国每一盏灯提供一致等级的煤油一样。
第三阶段——应用扩展阶段,即“汽油时刻”——正在到来,这一阶段最应当引起创始人和投资者的高度关注。当前人工智能的煤油是聊天机器人和助理。这是显而易见的第一代应用。但汽油——将远远超出原始用例的副产品——才是我们刚刚开始隐约看到的东西。我押注它将是数字技能(稍后会详细说明),但也可能是那些不再辅助人类而是取代整套工作流程的自主代理。也可能是将人工智能应用于材料科学、药物发现或科学研究,创造目前尚不存在的万亿美元市场。也可能是我们现在称之为模型训练“副作用”的某些东西,最终以我们未曾预见的方式重构日常生活。来自石油的教训很清楚:最大机会将来自那些目前没有人专门优化的应用。
如果你正在建设,这意味着什么
如果你是一个创始人 ,最重要的问题不是“我该如何使用人工智能?”,而是“我是否在为这个阶段而构建,我的策略是否相匹配?”
第二阶段的创始人——那些现在最有可能打造出持久公司的创业者——具有洛克菲勒式的特质:对流程、可靠性着迷,并致力于在特定情境下将技术做得平凡且可靠。他们并不追逐前沿模型,而是在建设炼油厂。他们也具有福特式的特质:在思考如何让人工智能对 95%非技术性的企业和从业者有用。福特并没有为富人造更好的马车,他为所有人造了 T 型车。人工智能的对应物不是为开发者提供更好的聊天机器人,也不是仅供 YC 创始人使用的 OpenClaw——而是一种全新的交互范式,使智能像电力一样既可获得又无处不在。
如果你是投资者 ,梅隆的教训适用:那些从石油中创造持久财富的风险投资者并不是在挑选哪口油井会出油。他们资助的是炼油厂、输油管道,以及那些能够顺应系统性采用曲线的公司。在人工智能领域,这意味着要支持基础设施、应用和整合类项目,而不仅仅是模型层。同时也意味着要愿意为回报期较长的项目提供资金,因为系统性变革会奖励耐心的资本。
如果你是立法者或政策制定者 ,石油的类比既是一个警示故事,也是一个机会。塑造石油行业的监管框架——从反垄断到环境法——几乎总是被动跟进,总在最后一刻才出现。那些产生最积极影响的立法者,正是那些理解这一资源的系统性、本着在行业固化之前就考虑标准、准入和长期后果的人。人工智能的“精炼与分配”阶段正是深思熟虑的监管能发挥最大杠杆作用的时候:在基础设施硬化之前,制定关于可靠性、透明性和准入的标准,从而影响智能如何在经济中被分配。
在这三种角色中,有一个特质把那些建立了持久财富与影响力的人与未能如此的人区分开来: 他们没有固守于最初的产品。 他们关注的是副产品。他们对那件他们曾认为技术“用途”的事只是开场白这一可能性保持开放。最大的一些石油财富并非来自照明,而是来自交通、材料和化学——这些是煤油先驱们从未想象到的应用。
易逝的知识
我反复想到的是这样一点。煤油到石油的故事揭示了在变革性转折期间关于竞争性洞见的本质。最有价值的洞见并不是“这项技术很重要”——每个人都很快能看出来。更有价值的洞见可能更依赖于辨识你处于哪个阶段,以及在那个特定阶段取胜的策略是什么。
那些在错误阶段实施错误策略的人破产了。那些在第三阶段还按第一阶段剧本行事的人被打乱了。此刻关键的洞见——且有时效性——是我们很可能正进入第二阶段,取胜的策略将侧重于精进、可靠性和分发,而非发现。
最终,第三阶段的动力将会接管,游戏规则将再次改变。但此刻,分阶段推出技术的通用策略仍然适用。那些将这一点内化的创始人、投资者和政策制定者,事后看起来才会像天才——不是因为他们预测了未来,而是因为他们更清晰地理解了当下。
传记的妙处就在于此。它们不仅让你对过去和自身进步的步伐感到安慰,还能让你对当下有更清晰的认识。