大重置：在后AI动荡世界中航行

来源：https://scribe.rawbit.ninja/breadcrumb-vc/the-great-reset-navigating-a-turbulent-post-ai-world-4b5b4d434c5b

Sameer Singh 发布于 2026-02-28

在上一篇文章中，我解释了当前AI建设为何具备所有周期末期泡沫的特征。周期末期的泡沫会在输入短缺和价格飙升导致经济不可行时破裂，从而为下一个技术周期的出现扫清道路。正如预期，始于2025年底的内存危机已蔓延至算力短缺、AI配给制和螺旋式上升的成本。伊朗战争似乎通过额外的供应冲击加速了这一过程——这令人不安地呼应了上一次周期末期泡沫和1970年代的大重置。如果这又是一次重置，唯一重要的问题是：哪些技术将催生下一个周期？

纵观技术史，周期末期泡沫后的崩溃会引发一次代际重置——成熟技术周期的终结，以及向新的（且未经证实的）周期过渡。要完全理解这次重置背后的机制，我强烈建议在继续阅读前先阅读我的上一篇文章。

正如我所解释的，Shiller PE比率和Carlota Perez关于历史技术周期的框架是识别这些重复模式和过渡的关键工具。下图将Shiller PE比率叠加在Perez模型的时间线上，清晰展示了这些模式在过去两个时代——汽车周期（1900年代-1970年代）和当前计算周期（1970年代至今）——的重复。
Multpl.com

我对周期末期泡沫的分析应该能清楚地表明，我们正在接近计算周期的终点——相当于汽车周期的1970年代。当前周期达到极限有两个原因：首先，集中式、基于云的AI在经济上不可持续——它需要的资本、半导体和电力超出了世界所能提供的范围。其次，对生产力的可量化-productivity-economy-30-percent-in-2-areas/)影响微乎其微，因为它已变得越来越脱离现实世界。

为了克服这些限制，下一个技术周期的早期阶段需要成本低廉且根植于现实世界。新技术周期诞生于爱好者/修补匠将（1）一种新的廉价输入与（2）关键使能技术结合，创造出（3）一个全新的产品类别。例如，汽车的出现是因为爱好者将（1）石油、（2）内燃机和硫化橡胶轮胎结合，创造了（3）汽车。本文的目标是识别这些新兴元素，并为建设者和投资者创建一个框架。

新输入：本地AI模型

新技术周期的第一个也是最重要的元素是一种既廉价又丰富的新输入——要么是新的组件，要么是新的能源。例如，1971年微处理器的发明大幅降低了逻辑的成本、尺寸和能耗，直接催生了1970年代中后期PC的发明。

要识别下一个周期的输入，我们首先需要解构当前周期末期泡沫核心的信念体系——对“平台转移”一词的根本误解。AI不是——也从来不是——像PC、浏览器或智能手机那样的平台转移。正如我在上一篇文章中所解释的：

……平台转移只有在采用一种新的底层技术能让用户访问该时代的新产品时才会存在。这会在技术采用和基于该技术进行构建的建设者之间创造网络效应。具有这些特征的新底层技术的大规模采用可以被称为平台转移……

……让我们将其应用于过去两次平台转移：

互联网时代：随着更多人采用浏览器，构建网站变得更具吸引力。而随着网站越来越多，浏览器也变得更加有用。浏览器是解锁平台转移的底层技术。显然，Netscape和Internet Explorer等特定浏览器并没有网络效应或任何平台特征——但浏览器作为一个产品类别确实有。随着浏览器采用率的增加，构建在线初创公司的价值也随之增加，即能够访问浏览器用户（即分发渠道）的经济效益。

移动时代：随着更多人采用iPhone和Android手机，为它们构建应用变得更具吸引力。而随着应用越来越多，智能手机也变得更加有用。智能手机是解锁平台转移的底层技术。在这种情况下，iOS和Android各自拥有自己的网络效应。

……

应该很明显，这种（特定的）平台转移定义并不符合我们目前看到的AI情况……

实际上，没有人为了聊天机器人用户而“在AI模型之上”构建应用。每一次尝试都失败了——包括ChatGPT插件、GPT商店、OpenAI的应用SDK以及每一次代理购物的尝试。相反，开发者只是将模型API集成到他们的应用中——浏览器或智能手机才是真正的平台。换句话说，基于云的LLM只是边际成本极高的输入。

我们已经有了新的输入——只是它恰好稀缺且贵得离谱。幸运的是，我们有一个现成的解决方案。现在Hugging Face上有超过200万个公开模型，下载量超过450亿次。它们可以免费下载并在本地硬件上运行，即边际成本为零且无使用限制。

诚然，边缘/本地模型比前沿的、基于云的模型更小、能力更弱。事实上，Hugging Face上92.48%的下载量来自参数少于10亿的模型——这反映了当前硬件的限制。当周期末期泡沫消退时，由于牛鞭效应，芯片短缺将转为过剩，边缘硬件将得到改善。到那时，本地AI模型将成为新的廉价输入——就像微处理器降低了逻辑成本一样，它将大幅降低智能的成本。

使能技术：单板计算机（SBC）

既然我们知道了输入，就需要使能技术将其从计算机屏幕中解放出来，带入现实世界。当世界被周期末期泡沫分心时，一些关键的硬件使能技术已经开始出现。

第一个使能技术是运行本地模型的硬件。在过去十年中，我们看到了一系列“DIY硬件”的进步——相对廉价的单板计算机（SBC），如Raspberry Pi系列。Raspberry Pi的板卡拥有蓬勃发展的开发者社区，并且过去几年已经能够运行边缘/本地计算机视觉模型。
Google Trends

我们可以从搜索量中看到这一点的影响。对Raspberry Pi的搜索兴趣最初在2016年物联网/智能家居炒作高峰期达到顶峰。在2021年触底后，现在已上涨超过60%——由本地AI视觉部署驱动。这也加速了该公司的收入增长，达到多年来的最快速度。此外，该公司正在互补性HAT（硬件附加板）方面取得进展，这些HAT配备了针对运行本地LLM（最高15亿参数，有一定延迟）优化的NPU。虽然这方面仍处于早期阶段，但像Nvidia Jetson Nano这样更昂贵的板卡已经可以运行能力更强的本地LLM，最高可达70亿参数范围。

使能技术：“即插即用”3D打印

第二个，也是可以说更重要的使能技术是“即插即用”3D打印。这已经是比科技界所意识到的更为重大的事件。在过去一年中，对3D打印的搜索兴趣呈爆炸式增长，大幅超过了AI代理的搜索兴趣。事实上，在此期间3D打印搜索量的增长超过了AI代理的总搜索量。
Google Trends

为什么现在发生这种情况？消费级3D打印在2010年代早期到中期经历了由MakerBot等公司推动的炒作周期，但需求从未跟上，因为打印机不稳定且容易发生“意大利面”故障。这种情况随着Bambu Lab的出现而改变——该公司成立于2020年，被广泛认为是3D打印界的苹果。通过集成LiDAR和AI视觉摄像头等技术，他们的打印机将复杂的过程变成了真正的即插即用体验。这大幅降低了消费者和爱好者的实验门槛。
Appfigures
Google Trends

到2024年，Bambu Lab已经创造了8.4亿美元收入和2.8亿美元净利润，出货120万台。根据其Bambu Handy应用的下载量，2025年销售额似乎翻了一番以上。对Bambu Lab的搜索兴趣现在超过了Cursor——这家AI代码编辑初创公司在2025年大部分时间风靡一时。Bambu Lab还运营着MakerWorld——一个拥有1000万月活跃用户和260万个模型的网络，用户可以在其中分享3D模型（通过Bambu Handy一键打印）。得益于所有这些进步，Bambu Lab的3D打印机已成为创客和爱好者的必备工具。

新产品类别：个人机器人

现在我们进入了更具推测性的领域，这很自然，因为这个周期的组成部分仍在汇聚。你能用免费的本地AI模型、改进的边缘芯片组和易于使用的3D打印创造什么产品类别？我合理的猜测是某种类型的机器人。

机器人已经存在了一段时间，但一直局限于远程操作或预编程运动。人形机器人已经有一个炒作周期。不幸的是，今天的AI模型还不足以支持通用人形机器人。这有点像在1970年代谈论智能手机。也许有一天，但不是现在。

工业机器人呢？虽然这是一个有明确需求的有效市场，但工业产品不够显眼，无法推动文化叙事——每个新技术周期的核心。这种势头需要真正的消费者采用，即使它从边缘的爱好者开始。用于个人用途的实验性小型机器人（可以将其视为机器人领域的Apple I）自然对AI模型的要求较低，并且对失败的容忍度更高。这使得今天的边缘模型完全可行。这也降低了计算需求，使实验更便宜、更容易获得——在计算资源稀缺的环境中起步时，这是一个关键优势。

早期迹象

我们目前看到的是实验的早期迹象，这与PC硬件的早期有一些相似之处。

PC硬件的采用始于两个并行分支——（1）为喜欢修补/编程的爱好者提供的DIY计算机套件，以及（2）用于家庭娱乐的视频游戏机。在小型机器人领域，有类似的早期分化迹象——（1）一个由AI驱动的机器人套件组成的小众产业，以及（2）针对消费者的交互式机器人玩具实验。

我自己也在尝试一个基本的机器人套件。花费约150英镑，我使用Raspberry Pi 4搭建了一个机器人小车，语音识别、语音和（大部分）视觉模型都在本地运行。通过简短的语音指令，我可以让它扫描、视觉识别并驶向特定物体。我强调这一点不是因为它是“最先进的”——远非如此。而是因为现在使用廉价的现成组件就能实现。这就是技术革命开始的方式。

我知道这信息量很大。周期末期泡沫的看空理由感觉很具体。但将个人机器人作为新产品类别的看多理由充其量只是模糊或推测性的。在新技术周期的这个阶段，不确定性是自然的。即使是处于新周期核心的成功企业家也难以预测未来。以下是计算周期早期的一个例子：

“没有任何理由让个人在家里拥有一台电脑。”

——Ken Olsen，Digital Equipment Corporation联合创始人，1977年

以下是汽车周期开始时的一个例子：

“最多只会制造5000辆车。因为没有更多的司机来驾驶它们。”

——Gottlieb Daimler，DMG创始人，1895年

Ken Olsen和Gottlieb Daimler都是推动计算和汽车周期向前发展的企业家。然而，他们的观点后来被证明是出了名的短视。这不是批评，而是展示了新周期这个阶段固有的不确定性。我关于机器人的看法可能不对——也许新产品类别是建立在类似元素上的其他东西。或者机器人可能是正确的产品类别，但正确的形态和用例仍然完全是盲猜。即使出现了主导形态，价值链中最有利可图的部分仍然是个谜。有很多未知数。

我们可以相对确定地说的是：（1）本地AI模型是一种新的、廉价且丰富的输入，（2）SBC允许你将其部署在任何地方，（3）3D打印正在大规模兴起。所以，如果你是一个使用这些元素中的一个或多个进行构建的“创客”，我很乐意交流！

总而言之，我们正生活在一个巨变的时代——一个庞大、成熟的技术周期接近枯竭，而下一个周期混乱开始的时期。像这样的重置可能会动荡不安，但它们是必要的机制，可以将资本从旧周期中释放出来，并重新引导到新的实验中。

注：所有观点均为个人观点。