从稀缺到富足

来源: Aspiring for Intelligence
发布时间: 2026-04-24T15:04:49+00:00

数十亿美元正流入那些为“五年后可能不存在的世界”而优化的 AI 公司。

目前，AI 严重受到计算能力（Compute）的制约。仅仅在过去的几周里，证据就在不断堆积：
* H100 的租金价格从 2025 年 10 月到 2026 年 3 月飙升了 40%。
* 目前的 DRAM 内存短缺现在预计将持续到 2027 年，甚至可能更长。
* 台积电的 N3 逻辑晶圆产能已接近上限。
* 数据中心开发商预计电力短缺将持续到 2028 年。
* Anthropic 宣布了新的节流措施和使用限制。
* SpaceX 与 Cursor 的交易暴露了 GPU 集群的需求有多么旺盛。
* 甚至连 Allbirds 这样的硅谷鞋履品牌，现在都宣称自己是一家 AI 计算公司。

所有这些都是真实的。稀缺性是真实的。利用这种稀缺性赚钱的公司正在交出令人难以置信的数据，并建立了有意义的业务。但是：之前每一次的技术周期，其核心都有一种稀缺资源；而每一次，这种稀缺最终都会被打破。当稀缺被打破时，价值版图会发生巨大洗牌——在稀缺时代看似无懈可击的公司，往往不是长期的赢家。

我们的观点：风险投资界当前严重超配了（Overweighting）“今天正在被需求的东西”，而低配了“未来十年将被需求的东西”。

历史的教训：稀缺变为富足

在之前的每一个创新周期中，那些稀缺资源最终都变得富足了。

19世纪的石油
在 19 世纪末，原油实际上是充足的。真正的瓶颈是炼油能力和分销渠道，这就是为什么约翰·D·洛克菲勒（John D. Rockefeller）围绕这些层面而不是钻探建立了标准石油公司。但一旦炼油技术成熟并且管道网络扩大，这个瓶颈也被打破了。有趣的是接下来发生的事情：汽车经济、石油化工、塑料、商业航空。福特的 T 型车之所以有意义，只是因为燃料变得便宜了。这些都是在稀缺时代没有人真正想到的整个行业，它们最终使石油开采和炼制的价值相形见绌。

90年代的电信
90 年代末的电信繁荣遵循了类似的轨迹，只是略有不同。带宽（Bandwidth）是稀缺资源，电信公司筹集了数千亿美元来控制它。然后泡沫破裂；而破裂本身创造了富足。当 Global Crossing 和 WorldCom 破产时，那些光纤并没有消失。它们被以极低的价格买下。接下来发生的事情很有启发性。Google、YouTube、Netflix、Spotify——这些企业在 1999 年的带宽价格下在经济上是不可能生存的。它们需要廉价带宽才能存在。同时，那些曾经“因为带宽昂贵而变得有价值”的公司被摧毁了。RealNetworks 曾经因为其流媒体压缩技术而估值超过 300 亿美元，却几乎在一夜之间变得无关紧要。当你可以直接发送完整的流媒体时，谁还在乎巧妙的压缩技术呢？CDN 技术也从高利润的独立业务变成了云平台内置的功能。
赢家不是那些拥有稀缺资源的人，也不是那些围绕它建立优化技巧的人。赢家是那些为资源变得廉价的世界而建设的人。

2010年代的云 / SaaS
云和 SaaS 再次重复了这个模式。在整个 2010 年代，瓶颈是工程人才和可扩展的基础设施。工程师的薪水飙升。然后 AWS、Azure 和 GCP 将基础设施商品化，开源项目将组件商品化，价值再次迁移——从横向平台转移到具有深厚领域知识的垂直 SaaS，从“工程作为护城河”转移到“分销作为护城河”。同样的故事：当稀缺资源变得便宜时，价值在技术堆栈中向上移动，流向了最接近最终用户和实际解决问题的人。

这些先前的浪潮证明，随着稀缺资源变得富足，价值会向上层转移（Migrates UP THE STACK）。应用程序、工作流和接触用户的事物会积累价值；而在稀缺期间很有价值的“优化”层将会受到挤压。

当下的 AI 狂热与资源层

如今，AI 市场中的融资和商业化似乎严重偏向于利用计算资源短缺的公司。在公开市场上，像英伟达这样的芯片公司、存储公司、台积电、甚至电力公司都在迎来创纪录的收入。这是有道理的——在稀缺期间，资源提供者总是拥有最好的经济效益。问题是，这其中有多少是结构性的，有多少是周期性的。

我们在私募市场看到了同样的动态。那些本质上处于“昂贵计算资源下游”的类别正在获得巨额资金、快速的 ARR 增长和庞大的估值，这包括：
1. 推理优化和 RL（强化学习）推理。 当计算昂贵时，这些技术极具价值。但是当计算资源变得便宜时，你可以通过暴力计算（Brute-force）来实现这些技术的大部分目标（运行更大的模型，运行多次传递）。核心定价权可能会被商品化。
2. GPU 访问和计算资源中介。 像 CoreWeave 等一批 GPU 云公司在 GPU 稀缺的背景下筹集了大量资金。它们的核心价值主张是“我们有分配配额（allocation）”。如果供应不再受限，这种护城河还能持续多久？
3. 模型训练和工具。 当一次前沿训练运行要花费数千万或数亿美元时，让该过程变得更可靠、更高效的付费意愿是巨大的。如果计算成本下降一个数量级，这种数学计算很快就会改变。

这并不意味着这些是糟糕的公司。过去的规律并不是说稀缺资源公司会归零——埃克森美孚依然庞大，AWS 依然在印钞机般赚钱。

重点是，在稀缺时期，市场倾向于“高估”这些层级，而“低估”接下来会发生的事物。石油时代最好的回报不是来自炼油；互联网时代最好的回报不是来自拥有光纤。同样，AI 领域最好的回报，可能并非来自目前看起来最有价值的层级。

便宜的算力将带来什么？

当计算和基础设施不再是瓶颈时，AI 将从“供给受限”走向“需求受限”。在需求受限的市场中，那些一直以来都很重要的护城河将再次确立自己的地位：用户的注意力、分销渠道、品牌、工作流集成和转换成本。

那么，我们认为在计算资源廉价的时代，哪些领域会繁荣呢？

• 拥有用户关系的垂直应用程序。 那些深入真实工作流程、通过成千上万次客户互动积累了专有数据的公司。考验在于：如果明天每一个模型都变得同样强大且便宜，你的公司还有意义吗？如果是因为你拥有分发渠道或者你嵌入得太深而无法被拔除，那你就站在了正确的一边。随着计算变便宜，这些公司的利润率实际上会扩大。
• 物理 AI、机器人和太空。 当计算便宜时，限制因素从“我们能运行这个模型吗”变成了“我们能与物理世界互动吗”。这些领域的护城河与纯软件的 AI 截然不同——它们是制造、硬件设计、监管审批和供应链。你无法在 GitHub 上克隆一家机器人制造工厂。
• 安全、安保和治理。 当每家公司从拥有几个 AI 工具变成拥有几十个代理（Agents）时，痛点将从“访问”转移到“控制”——管理代理行为、审计输出、管理安全性和合规性。就像云计算普及后成就了 Palo Alto Networks 一样。
• 甚至还不存在的类别。 商业航空在发现石油 30 多年后才出现；互联网花了十多年才爆发。在 AI 时代，产生最大价值的类别很可能还没有被发现。

当稀缺性被打破时，定价权会转移，资源层的利润率会被压缩，价值会在堆栈中向上移动。我们并不是说计算公司会消失。但是，巨额回报往往来自于那些为“富足使之成为可能的事物”而构建的公司，而不是那些围绕“稀缺造成的痛苦”进行优化的公司。

留给创始人和投资者的问题很简单：你是在为稀缺时代建设，还是在为富足时代建设？因为翻转（The Flip）即将到来。