AI 野火即将来临：疼痛无比，却极其健康

当下，对于AI大规模投资的“泡沫”讨论热火朝天，投资者应该如何理性地看待AI科技革命热潮？

但其实，AI领域的狂热从不是转瞬即破的泡沫，而是一场重塑生态的野火。这里面蕴藏着疼痛却暗藏健康生长的力量。野火历来是行业周期的清醒剂，清理冗余、沉淀养分，为新物种腾挪空间，2000年初的互联网泡沫和2008年的金融危机的浪潮早已印证，每一次燃烧后的修正，都能催生一批核心强者。

如今硅谷资本充盈但赛道拥挤，人才稀缺且同质化竞争凸显，地表增量枯竭，野火的纠偏已然临近。这场火势更集中于核心领域，算力既是燃料也是关键约束，过度建设的产能终将转向实际需求，而能源根基的比拼更决定长远格局。

不同参与者如同生态里的各类植物，或易燃成养分，或耐火更坚韧，或借火获新生。唯有扎根核心能力、筑牢商业闭环、适配真实需求，方能扛过周期考验。野火必然烧尽浮华，而真正的价值与机遇，正藏在灰烬之后的新生之中，见证AI生态的迭代与进化。

AI 不会崩盘，它会燃烧。关键是：你是哪一种“植物”？

01 火季来了

前不久的一场 CEO 私宴上，有人问了那个老生常谈的问题：我们现在是在 AI 泡沫里吗？

在场一位经历过多轮硅谷周期的老将却换了个比喻。她说，与其说是泡沫，不如把当下看作一场“野火”（wildfire）。这个隐喻立刻击中了所有人。

野火并不只是毁灭，它对生态系统其实是“必要之恶”：清理过于密集的灌木丛；把养分归还土壤；为下一代森林的繁茂生长创造条件。

我越想这个比喻，越发现它能构建一个更深层次的框架：帮我们对 AI 周期中的参与者做一个“生态分类”——谁能活下来，谁会被烧掉，为什么——以及，衡量“耐火力”的具体指标是什么。

上一轮的互联网大潮，烧掉了狂热的“dot-com”幻梦，却留下了 Google、Amazon、eBay 和 PayPal 这些顽强的幸存者。下一轮由社交和移动驱动的周期，在 2008–2009 年再燃一场，把地表烧平，为 Facebook、Airbnb、Uber 和一大批 YC 系列公司腾出了空间。

两场火的路径高度相似：过度增长 → 突然修正 → 文艺复兴。

而现在，AI 又一次让我们站在一片干燥的灌木丛中。

这一次的修正，更像是一场野火，而不是瞬间破裂的泡沫。理解这个区别，决定了你该如何在接下来这段时间里活下来、并活得好。

02 过度繁茂的森林

当灌木长得太密，阳光就照不到地面。植物之间争夺的是光、水和养分，而不是适应环境。

今天的硅谷，就是这种状态。

资本极度充沛，甚至可以说过于充沛。但人才？这是真正稀缺的资源。几乎每一个看得过去的工程师、设计师或运营，都同时被 3、5、甚至 10 家 AI 初创公司疯抢，大家盯着的还是同样几个赛道：编程 Copilot；小众/特色数据集；客服、法律科技、营销自动化等等。

从上空看，这是一片“郁郁葱葱”的生态：绿意盎然、生长旺盛、声势浩大。但在地表，土壤已经干裂，根系互相裹挟，真正的增量变得困难。

在这样的森林里，火不再是灾难，而是纠偏机制。

03 火的生态学：谁会烧、谁会扛、谁靠火重生

野火不会简单地“毁掉”一个生态系统，它会重塑生态：有的物种遇火即燃；有的能抵抗烈焰；还有的反而依赖火才能繁殖。

创业公司也一样。

易燃的“灌木丛”

这些是生态里的枯草和含松脂的松树：在钱多易拿的季节里看上去很繁荣，一旦气温升高却毫无抵抗力。

典型代表包括：

没有自有数据、没有自有分发的 AI “应用壳子”（API 包装层）。

拥挤赛道里的基础设施克隆品（再来一个 LLM 网关、再来一个向量数据库）。

一味追逐 DAU而不是忠诚用户的消费级应用。

它们靠叙事和溢价估值驱动。当温度上升——资本收紧，客户认真算 ROI——它们会在几秒钟内被点燃。

但易燃灌木并非毫无价值：它们吸引资本和人才涌入、制造市场紧迫感。一旦燃尽，又把资源以养分形式释放到土壤里，供更耐活的物种吸收。烧掉 AI 壳子公司的工程师，很可能会成为下一批幸存者公司的核心骨干。

阻燃巨木：耐火的大公司

这些是生态里的多肉、橡树和红杉：它们能储存水分，保护自己的树心。

厚树皮：强大的资产负债表，稳固的客户关系；

深根系：在云、芯片、数据基础设施上的结构性产品市场契合；

含水量高：真实且多元的收入、长期护城河。

对应到现实，就是 Apple、Microsoft、Nvidia、Google、Amazon。

它们会吸收热量，最后变得更强。等烟雾散去，这些巨头会站得更高——树皮被火烤黑，但主干完好无损，周围被烧成灰的，是那些中小型树木。

火后“再生者”

有些植物（如熊果、矮橡、Toyon）地上部分会烧死，但地下根系仍然存在，一场大火之后又“凤凰涅槃”般重新发芽。对应到创业世界，就是那种经历烧毁后的转型（pivot）和重新创立（re-founding）：

他们拥有：

深厚的专业积累，

即便产品失败，仍在地下存活的 IP 和数据资产，

愿意“修枝砍干、从头再生”的决心。

火后，他们以更精干、更聪明、更适应新地形的姿态重生。真正深刻的学习就发生在这里：2024 年做错产品、但找对团队的创始人；到 2027 年很可能带着这支经战火验证的团队，做出正确的产品。失败会像养分一样储存在根里，等待下一季，而不是白白浪费。

 “火随者”

还有一类是火种触发的野花：只有当旧森林被烧光，他们的种子才得以萌芽。这是“崩盘之后”才开始起步的创始人。

他们在灰烬中招聘人才，

在更便宜的基础设施上构建产品，

从先前“烧掉的公司”身上汲取经验教训。

LinkedIn（2002）、Stripe（2010）、Slack（2013）都属于这一类“火随者”。

下一代真正AI 原生的伟大公司，极有可能出现在这里：它们不是用 AI 来“装饰”工作流，而是把智能深度嵌入；真正重要的是推理层（inference layer）——模型在生产环境中运行的那一层；随着算力商品化、Agent 工具极度丰富，战场将从“谁训练的模型最大”转向“谁能以最低成本，在规模化场景中高效交付智能”。

04 火的真正功能：人才与基础设施的再分配

每隔几十年，硅谷就会变成一片过度生长的丛林。前几次泡沫都证明了同一个事实：过度生长最终会扼住自己的喉咙。

互联网泡沫破裂，不只是清理了初创公司，还清除了噪音。2008年的金融危机的下行周期，虽然更多是由次贷危机而非科技本身引发，但逻辑类似：拿了太多钱的竞争者倒下，人才四散，而幸存者则能招到更好的人，跑得更快，筑得更牢。精明的公司甚至借机变得更精瘦，裁掉表现不佳的人，把从基层到高管的岗位都升级给那些从失败竞争对手中“出逃”的饥饿人才。 

这种“人才再分配”可能是每一轮崩盘最强有力的成果之一。谷歌许多最优秀的早期员工（那些设计出历史上最耐用商业模式之一的人）都曾是互联网浪潮创业公司的创始人或者早期员工。 

而且这远不只是 “人才数量” 的转移，更是 “人才气质” 的迁移。具有创业精神、不安分、对文化充满不耐烦的这类人才，直接塑造了谷歌内部的气质。

这种 DNA 造就了谷歌那种实验性、进攻性、永远处在 beta 状态的文化，并在之后 10 到 20 年里向整个生态扩散。那场大火并不只是破坏，它重新配置了智能，也重塑了文化线路。

05 两场“好”火：2000和2008

2000 的首次大火

2000 年那场野火几乎是一次彻底的焚毁。过度建设的基础设施、泛滥的资本和投机狂热一起，把几乎所有“无利润的增长故事”都烧成了灰。但留下来的，是根系：数据中心、光纤网络，以及那些学会“长得慢、扎得深”的幸存公司。

亚马逊看起来几乎已经死透，股价跌去 95%，却最终成为数字商业的脊梁。eBay 率先稳定下来，成为第一个盈利的平台型市场。微软和甲骨文把自己的软件垄断转化为持久的企业级现金流。思科在产能严重过剩的灼烧下，缓慢重建，随着网络逐渐成为全球商业的“水电管道”，重新长成支柱。 

如果把苹果、谷歌和 Salesforce 加进来，这个故事就不仅是“幸存”，也是“接班”和“换代”。苹果不仅是活过了那场大火，更是彻底改写了之后一切的气候。谷歌则在别人被烧毁的地方发芽，燃料来自那些在烈火中倒下的创业公司工程师和创始人。Salesforce 则利用企业预算被烧得精光的时刻，出售云端弹性，定义了 SaaS 模式。

那些建立互联网的“灰烬”

上世纪 90 年代末，电信公司通过股权融资大约筹集了 2 万亿美元，又通过债务筹集了 6000 亿美元，来喂养这场所谓“新经济”。代表这场狂潮的股票也走出了一条经典泡沫曲线。英特尔、思科、微软和甲骨文四家公司在 1995 年总市值约 830 亿美元，到 2000 年膨胀到近 2 万亿美元。高通一年内涨了 2700%。 

这些钱铺出了超过 8000 万英里的光纤，占当时美国历史上已铺设数字线路的四分之三以上。随后是大崩盘。 

到 2005 年，近 85% 的光纤处于闲置状态，埋在地下的“暗光纤”无人使用。这是因过度自信而生的严重过剩。但光纤还在，服务器还在，人也还在。这些“多出来”的东西，转眼就成了现代生活的骨架。在崩盘后的四年之内，带宽价格下降了 90%，这一大把廉价连接，直接推动了之后的一切：YouTube、Facebook、智能手机、流媒体、云计算。 这就是“生产型泡沫”的悖论：它在资产负债表上毁灭价值，却在现实世界中建设基础设施。当火焰退去，管道、代码和人才还在——准备好以原来一小部分的成本，被下一代人充分利用。

2008 年另一场大火

大衰退引发的是另一种野火。互联网泡沫的火焰烧的是投机性基础设施，200年的火则烧穿了商业模式和幻觉。风险投资冻结，广告预算蒸发，信贷环境骤紧。然而幸存者不仅撑过了高温，还把“热量”转化成了养分。 

苹果在逆境中走向主导，把 iPhone 从一个新奇玩意变成社会基础设施。亚马逊在熬过了互联网泡沫的炼狱之后，悄然成为互联网的氧气供应商：AWS。Netflix 为流媒体时代重塑自我，它的增长字面意义上跑在上一轮泡沫铺下的光纤之上。Salesforce 证明了即便资本开支被冻结，云软件依然可以茁壮成长。谷歌发现，可度量的效果广告在衰退中仍然可以扩张。而那时还只是幼苗的 Facebook，很快就在灰烬中扎根，依靠廉价智能手机和过剩带宽滋养。 

2008 年的火，筛选出的，是能把硬件、软件和服务整合成自我维持生态系统的公司，而不仅仅是“烧掉一片，腾出空间”。结果不是简单的恢复，而是进化。

06 这一轮的“树冠问题”

但这一轮周期，点燃的是另一种燃料——“树冠火”。 

过去，火焰主要烧的是灌木丛：规模小、估值虚高的创业公司。如今，热量集中在最高大的树上：Nvidia、OpenAI、微软，以及少数几家相互之间花费惊人金额的超级云厂商。 

在这个市场里，“算力”既是氧气又是助燃剂。每 1 美元的 AI 需求，变成 Nvidia 的 1 美元收入，又反过来推动更多模型训练投资，而这又需要更多 GPU，如此形成一个互相放大的收益回路。 

这种格局更接近“工业泡沫”，而非传统意义上的“投机泡沫”。资本不是撒在上千家 doc-com 上，而是集中在少数几条巨大的双边关系上，复杂的交叉投资让“真实部署”和“资本循环”之间的边界变得模糊。 

当野火到来——无论是 AI 需求回归正常，还是资本成本上升——风险的形态就变化了。我们面临的，不再是几十家创业公司破产，而是算力利用率的阶段性崩塌。Nvidia 的股价未必会烧成灰烬，但哪怕 GPU 订单的温和收缩，都可能暴露整个生态对少数几个大买家的高度依赖。 

这就是“树冠问题”的本质：当最高的树长得太近，它们的树冠会纠缠在一起，一旦其中一棵被点燃，火势就会沿着树冠横向蔓延，而不再只是从地面往上烧。 

作为事实标准数据库的甲骨文，股价从 2000 年的 46 美元跌到 7 美元，之后又爬到 ChatGPT 发布前后的 79 美元，并一路涨到今天的 277 美元。第二轮互联网的那场火中，作为效果广告“供给商”的谷歌，从 17 美元跌到 6 美元，后来一路涨到 ChatGPT 发布时的 99 美元，再到今天的 257 美元。 在这一轮周期里，相似角色可能会是 Nvidia——不是因为它缺乏基本面，而是因为它的客户都在从同一池“投机热量”里取火，这一池水又被复杂的交叉投资烧得沸腾，以至于外界不得不质疑：这些资本到底是在真正部署，还是只是在循环自我实现的故事。

07 下一步：算力大过剩

相比以往，这次 AI 野火的一个积极之处在于：我们今天过度建设的基础设施，不再只是躺在地里的光纤，而是算力——目前限制 AI 创新的根本资源。

如今的 AI 市场是残酷的供给约束型市场。初创公司拿不到足够的 GPU 配额，云巨头在对最优质客户“配给”算力，研究机构为了训练模型排队数月。瓶颈不在于想法和人才，而在于机器本身。 

正是这种稀缺，引爆了当下的狂热。公司签下跨越数年的数十亿美元合同，以溢价锁定算力，自己建数据中心，像囤弹药一样囤芯片。恐惧的核心不是“错过 AI 浪潮”，而是“根本没有资格下水”，因为你根本拿不到算力。 

那么，火烧过之后会怎样？ 

类似 2000 年后带宽的那一幕，很可能会在大约 2026 年，在算力身上重演。数十亿美元正涌入 GPU 集群、数据中心和电力基础设施。大量新建产能带着高度投机色彩，前提是 AI 需求会永远指数级增长。 

推动建设加速的另一股力量，是一场高风险的“胆小鬼游戏”：没有人输得起。当微软宣布要投入 1000 亿美元建数据中心时，谷歌就必须以相似规模回应。当 OpenAI 承诺要吃进相当于 10 吉瓦规模的 Nvidia 芯片，竞争者也会觉得必须跟上甚至超出这个承诺。恐惧的焦点在于：如果需求真的到来，而你没有锁定产能，你可能会被整个市场永久排除在外，而不仅仅是“需求没来怎么办”。 

这就形成了一个危险的反馈回路：每一次巨额支出公告都会迫使竞争对手加大支出，从而抬高“赌注”的感知，再反过来为更大的承诺提供合理性。没有一个高管愿意成为那个“在时代技术上投得太少”的人。投少了，一旦判断错了就是灭顶之灾；投多了，一旦错了不过是未来某个季度的减值损失，而不是今天的战略失败。 

正是这种结构，孕育了所谓“生产型泡沫”。单个公司的理性决策（匹配对手投资），汇聚在一起却导向集体的不理性结果（巨量产能过剩）。但正是这种过剩，给下一片森林埋下了种子。被过度建设的，不仅是“躺在地下的光纤”，而是算力（compute）本身——当前 AI 创新最核心的约束资源。

08 两种算力，两种截然不同的未来

不过，在有关泡沫的讨论中，有一个关键的区别常常被忽略：算力并不是同质的。整个市场实际上可以分为两块底层逻辑截然不同的算力池。 

第一块是“训练算力”，也就是用于训练新模型的超大规模集群。这正是那场“胆小鬼游戏”最激烈的地方。没有哪家实验室有一个真正“原则性”的标准来决定自己该花多少钱；大家都只是在根据对手的投入情报做出反应。如果对手花的钱是你的两倍，他们也许就能把未来提前一年拉到现在。所以这场军备竞赛更多是由竞争恐惧而不是实际需求驱动，而 Nvidia 则居中扮演那个愉快的“军火商”。 

第二块是“推理算力”，即在真实环境中运行模型、服务用户所需要的算力。在这里，供需逻辑完全不同。 

社会对“智能”的实际需求几乎是无限的。每多出来一点智力，被用来分析数据、自动化决策、提升生产率，都会被立刻消化。约束采用率的，不是需求，而是供给。企业现在不会问“我们要不要 AI？”，而是在问“我们能要多少？能多快得到？” 

随着 GPU 商品化、算力变得充沛，推理能力会成为下一个关键市场，尤其是在“智能体工具”需求不断膨胀的背景下。大模型推理正在变成一场规模巨大的竞赛。谁能以最低的单 token 成本、单决策成本输出最大量的智能，谁就能截取不成比例的大块价值。在今天这个阶段，“谁训练的模型最大”不再那么重要，“谁能在行星级规模上高效运行模型”才更重要。 

这与互联网泡沫有本质不同。那个时代的主要燃料是广告支出。公司烧钱在超级碗上打广告，希望未来有一天能够变现这些用户——那是用“投机需求”去追逐“投机价值”。 AI 推理的需求则直接指向实际利润的改善。企业部署智能，是为了降低获客成本、减少运营费用、提升员工生产率。这种回报可度量，且往往是即时的，而不是纸上谈兵。 

这意味着，AI 泡沫的“软着陆”可能比前几次要温和。没错，现在的市盈率看起来很夸张。但不同于纯投机，这一轮确实在建设真实的生产能力。如果在调整之后，算力价格大幅下降，而推理需求依然强劲（所有迹象都表明会这样），公司可以做的事情很多：让模型跑得更久，采用更算力密集的方法，或者把智能部署到那些以现价看“勉强不划算”但在未来价格下就“完全合理”的场景。 

换句话说：即便我们在训练端严重过度建设（这看起来几乎是必然的），推理端仍然有足够多“潜在需求”来吸收这些多余的算力。这些算力可以从“胆小鬼游戏”的战场，被重新分配到大规模、生产性的智能应用，而不是像暗光纤那样长期躺着不动。

09 折旧问题

就像互联网泡沫破裂四年后，带宽成本暴跌 90%，使 YouTube 和 Netflix 变成可能，同样地，在 AI 调整之后，算力成本也很可能出现断崖式下跌。今天被云巨头严加配给的 GPU 集群，将来可能会变成任何人刷张信用卡就能用的“公用设施”。 

但这个类比在一个关键点上失效了。 

光纤的经济寿命极长：一旦铺进地里，就可以几十年持续提供价值。互联网泡沫时期的那些光纤，25 年后的今天仍然在传输数据。那是一种“只付一次钱、价值却能复利数十年”的礼物。 

GPU 集群不是光纤。 

一个用于训练的大规模集群，经济上可竞争的寿命也许只有两三年。芯片并不是物理上坏掉，而是被新架构淘汰——后者拥有更高的每瓦性能、更好的内存带宽、更高效的互联。在经济学意义上，训练算力更像一种需要快速回本的运营开支，而不是长期耐用资产。 

这使得“火烧之后”的格局完全不同。 

泡沫破裂、训练算力变得充裕之后，成本的确会下降。但“后来者”接手的，不再是像当年公司接手光纤那样的“最先进基础设施”，而是“上一代”的硬件——可以用，但不再是尖刀。如果你想获得最新最快的算力来训练具有竞争力的模型，仍然需要向那些持续更新集群的玩家支付溢价。 

这造就了一种与以往不同的护城河。幸存者的优势，不只是“手里有很多算力”，而是他们已经把当前这一代硬件的成本摊销得差不多了，而后来者想要追赶时手上只有旧硬件可用。真正的壁垒在于：你能否持续拥有“对的那一代算力”，并且不断刷新，而不是简单地“有或没有算力”。 

推理算力的经济逻辑又不一样。一旦模型训练完成，它在旧硬件上也可以高效跑很多年。但在训练这一侧，我们不会像带宽那样看到同程度的民主化。火的确会清掉灌木，但最高的树仍然能截取大部分阳光。

10 更深层的根系：算力之下，是能源之战

如果我们只盯着算力，可能是在盯错那片着火的森林。 

有人认为，在国家乃至全球尺度上，赢得这场 AI 竞赛的关键，并不是谁拿到了最多 GPU 或谁有最好的模型，而是谁先解决“能源问题”。 

归根到底，算力只是“被高度浓缩的电力”。一个现代 AI 数据中心的用电量，可以相当于一座小城市。真正稀缺的是千瓦时，而不是硅片。你可以通过扩大产能制造更多芯片，但你无法凭空制造更多电力，除非去建设极其基础的能源设施：电厂、输电线路、电网容量——这些东西以年甚至十年为单位建设。 

这时，“野火”这个比喻尤其有启发。我们盯着算力这片森林如何焚烧、如何再生，但在这场戏下面有个更深的问题：我们有没有在同时建设足够多的“能源基础设施”，来为下一片森林提供能量？ 

互联网泡沫留下的是“暗光纤”，需求一旦回来，拉线接通、立刻能用。但没有电力的数据中心，就只是昂贵的房地产。真正的基础设施缺口，很可能在“发电和输电”上，而不在“算力”上。 

如果这一轮泡沫最终推动了对电力基础设施的大规模投入——核电站、可再生能源基地、电网现代化、先进储能——那对未来 50 年来说，将是一份真正“耐久”的礼物。能源基础设施不像 GPU 五年就过时，而是随着时间价值不断累积。 

真正能在火后称王的公司，很可能是那些今天就开始锁定明日能源产能的，而不是只是囤积算力的玩家——到了明天，当所有 AI 相关基础设施都变得充盈，唯独“电力”依然稀缺时，真正的护城河会显形。 

算一笔账：一个大型 AI 训练集群，持续功率需求就可以超过 100 兆瓦，相当于一座小城市。美国当前总发电能力大约是 1200 吉瓦。如果 AI 相关算力按预测速度增长，十年内就可能吃掉全国 5–10% 的发电总量。 这里的问题，是极其根本的能源基础设施问题。 而与光纤或 GPU 不同，电力基础设施无法快速部署。核电站需要 10–15 年建设期，大型输电线路往往要在漫长的审批和博弈中耗费十数年。即便是大型光伏电站，从规划到并网也要 3–5 年。 

这意味着，真正决定 AI 上限的约束，也许已经被今天正在做出（或没有做出）的电力决策锁死了。 

那些如今花费数千亿美元购买 GPU 的公司，最终发现自己真正的瓶颈，可能是“能给这堆芯片供电的千瓦数”，而不是芯片本身。而那些今天大力建设电力基础设施的地区，将在未来承载 AI 负载方面获得几乎无法超越的地理优势。 

那些真正为“稀缺时代”做准备的公司，并不仅仅是在囤算力，而是在把根系扎得足够深：签下跨几十年的能源合同，维持 120% 以上的净留存率，在扩张中不断提升利润率，并搭建可在训练与推理之间灵活切换的基础设施。 

不动声色间，我们已经进入一个以“瓦特数”和“稀土资源”作为新型核武器的冷战时代。

11 如何判断谁“耐火”？这一轮的生存指标

现在有一个迫切的问题是：在这一轮周期里，我们该如何评估“耐火性”？不同类别的公司经受的是不同的“火考”。理解这些考验，才能分辨什么是真正有韧性的生态力量，什么只是“暂时长得高”。 

基础模型实验室面临的根本问题是：

收入能不能跑在算力成本前面？训练成本是指数级增长的（大致是 10 倍算力换来 3 倍性能），而收入则跟随客户采用速度增长。如果一家实验室花 1 亿美元买算力只能挣 5000 万，再花 3 亿只涨到 1.2 亿，这条轨迹就是致命的——他们在“原地狂奔”。耐火的实验室会呈现出：收入增长速度快于算力投入，证明每一次能力提升都能解锁更大规模的客户价值。 

企业级 AI 平台则必须证明，自己的 AI 不是一个贴在原有产品上的营销标签。如果一家公司总毛留存率有 95%，但 AI 功能的真实使用率只有 12%，那么客户留下来的原因，是传统的平台能力（数据仓库、CRM 等），而不是 AI 增强功能。当资本环境收紧，这类公司会被市场猛烈重估——因为市场意识到它们本质上只是“基础设施公司”，只是贴了个 AI 的标签。真正的 AI 平台，会呈现出“因为 AI 使用率高，所以留存率高”，而不是“尽管 AI 使用率低，客户还是留下来”。 

应用层公司则陷入另一种独特陷阱：建立在自己无法控制的模型（如 OpenAI、Anthropic）之上，就会面临利润被挤压、功能同质和被上游“吃掉”的风险。唯一的逃生路径是深度嵌入客户工作流。那些净收入留存率高于 120%，获客回本周期短于 12 个月的公司，通常已经完成了“工作流级整合”：客户会自然扩大使用，获客成本也能快速收回。那些 NRR 低于 100%，回本期超过 18 个月的，则更多是“好用但可有可无”的功能，一旦预算紧张就会被砍掉，只能依赖持续不断的外部资本输血维持增长。 

推理 API 提供商在 GPU 过剩时代会面临商品化压力。“每 GPU 小时收入”是观察其定价能力的关键指标。一家每小时能从一块 GPU 上挣 50 美元的公司，相比另一家只能挣 5 美元的，有 10 倍的利润空间，可以用来做技术优化、产品差异化或者渠道护城河。推理成本的“价格弹性”也揭示了市场结构：如果价格降低 50% 会带来 500% 的需求增长，这就是典型的“商品地狱”；如果价格弹性很低，说明客户重视的是超出“原始算力”的其他价值。 

能源和基础设施公司，则最终掌控着 AI 的根本约束。数据中心的经济性由“利用率”和“电价”共同决定。在每千瓦时电价 3 美分、利用率 85% 的情况下，有效电价约为 3.5 美分；在 8 美分、利用率 50% 的情况下，有效电价接近 16 美分——劣势高达 4.5 倍。当 AI 需求在泡沫破裂后出现下滑时，高电价设施无法通过降价来填满产能。而那些拥有结构性能源优势（如水电或长期核电合同）的运营商，则可以在仍保持正利润率的前提下大幅降价，通过承接其他“受伤设施”的客户来填满自己的机房。 

贯穿这些指标的元模式是：它们都在从不同角度追问同一件事——当外部资本消失，你的商业模式还能自我维持吗？耐火的公司实现了一种“热力学上的可持续”：每一单位投入（资本、算力、电力）都能产出超过一单位的回报（收入、价值、效率），于是它们能在稀缺环境中照样成长。而那些易燃的“灌木丛”，消耗的总是多于创造的，只是靠充裕资本补贴撑着，一旦补贴消失，它们就会被点燃。 

在这样的比较中，我们就能看清：谁是在真正构筑生态耐久力，谁只是靠暂时的“长高”显得气势汹汹。

12 红杉树的启示

要知道巨杉这种树，如果没有火，是无法繁衍的。它的球果只有在高温下才能打开。火焰清理掉林下的杂物，让种子有机会接触到富含矿物质的土壤。树冠被烧开，阳光才得以下到林地。如果没有烧毁，就不会有新生。

在巨杉与火的关系里，还有一个更深的事实：不是所有的火都对巨杉有利。 

数千年来，巨杉适应的是每 10–20 年一次的低强度地表火。这类火温度足以焚掉灌木、打开球果，但不至于伤到成熟大树。巨杉厚达两英尺的树皮，就是为抵御这种周期性火焰而进化出来的。

然而，过去一百年里，人类一直在“扑灭一切火焰”。没有了定期的小烧，林下可燃物不断积聚，灌木和小树长高变粗。当火最终无法避免地发生时，火势比巨杉历史上经历过的任何一次都更炽烈、更高耸。

2020 年的 Castle Fire 一场火，就烧死了估计占全球 10–14% 的成年巨杉。这些树曾在 2000 年间挺过几十场火，最终却在一个下午倒下。差别在于：火的强度。被累积燃料喂养的树冠火，连巨杉传奇般的耐火性都压倒了。 

对硅谷而言，教训很清楚：规律性的燃烧——周期性修正、正常的破产、持续不断的创意破坏——是健康的。它们清空灌木，释放资源，让新生长成为可能。但如果我们长期压制一切燃烧，对所有被高估的公司进行救助，对每一种失败的商业模式都悉心托底，我们并不是“避免了火灾”，而是在为一场灾难性的火灾储备燃料。

这也在提醒我们，时间尺度极其重要。它们需要数百年才能长成参天巨木。即便是已经成熟的巨杉，在熬过一场火以后，也需要几十年才能重新修复树冠。我们今天很难判断：哪些看起来已经很高的树还会继续长，哪些其实已经达到高度极限。真正的巨人，是那些花了几代时间去把根扎得足够深，能汲取到别人够不到的水源，同时让树皮厚到足以承受别人承受不了的高温。 

我们的目标，不是“消灭一切火”，而是保持火的节奏。小而频繁的燃烧，可以避免毁灭性的山火。最糟糕的政策不是火本身，而是那种不断延后一切火灾，直到燃料负荷高到只剩下大爆炸这一种结局的做法。

13 两道核心问题

如果这一轮确实是泡沫，那它也是一种“生产型泡沫”——更像一次可控的计划烧而不是彻底崩塌。

但“可控”并不意味着“舒服”。易燃的灌木终究会被点燃，资本会蒸发，估值会塌陷，岗位会消失。这不是系统的失败，而恰恰是系统应有的运作方式。 

每一个创始人和投资人真正要回答的考题，是你能否在“稀缺期”中活下去，而不是你能否在“丰裕期”里长得足够快。 

烟尘散尽之后，我们会看见谁是多汁的多肉植物，谁是干燥的引火柴，谁长出了保护性的树皮，谁本身就是树脂。

野火一定会来，那本身不是问题。

问题是：你是哪一种植物？

更重要的是：你是否正在构筑足够深的根系，不只是为了活过这一季，而是为了在接下来十年的稀缺中仍然能够持续生长？

因为真正的机会，都在火后——在那些还能继续长的树木身上，也在那些从灰烬中冒头的全新品种身上。 

我并不把野火浪漫化为“自然母亲维持平衡的智慧之举”。事实上，并不是所有生态系统都依赖野火。许多生态系统是与火共同进化的，火在其中是自然且有时必需的过程；也有不少生态系统并未适应火，一场野火对它们只有伤害，没有任何“自然适应机制”。这个类比只是想表达：在硅谷的生态中，野火是一种自然且必要的存在。

值得进行道德判断的部分，是大火之后——所有营养、人才、注意力和荣耀最终流向哪里。这才是这一轮周期对人类的真正“试金石”。

资源会不会继续流向那类公司：它们只想攫取更多“注意力份额”，通过推送浅易而刺激的内容，让你在多巴胺和肾上腺素的驱动下无意识地刷屏？这一轮技术的最高目标，会不会只是让你不停买自己并不需要的东西，把时间花在那些只能暂时缓和 FOMO 的活动上？AI 会不会只是加速一套资本主义“终极关切追逐—存在性失落”的循环，加深“拥有者”和“未拥有者”之间的鸿沟？

哈佛的罗伯特·帕特南的研究显示，“技术民主化”并不会自动拉平赛道。他写道：“与贫穷同龄人相比，出身上层阶级的年轻人（以及他们的父母）更有可能将互联网用于求职、教育、政治与社会参与、健康信息以及新闻获取，而较少用于娱乐与消遣。富裕美国人使用互联网的方式是推动向上流动的，而更贫穷、受教育程度更低的美国人，则往往只以无助于向上流动的方式使用互联网。”这种鲜明的对比强调了一件事：我们必须有意识地引导 AI 去“解放”而不是“束缚”人的能动性。

更乐观一点地说，我希望帕卡德定律的“手铐”会在这轮火后有所松动，让当下的创业公司以及未来的野花，有机会追求真正值得的使命。在《从优秀到卓越》中，吉姆·柯林斯引用惠普联合创始人戴维·帕卡德的看法，提出“帕卡德定律”：一个组织的增长速度，受限于其获取“足够多合适的人”的能力。 在火烧过后，我希望如下这些公司，能够因人才获取变得更容易，而获得更充足的成长氧气与阳光。

Montai Therapeutics 正在用 AI 开创治疗和预防慢性疾病的新药物。他们采用一种“多重智能”的发现方式——让人类、AI 与自然共同参与，创造此前无法解决疾病的全新分子。 

Eudia 在构建一个“增强智能”平台，从法律行业切入，让人类效率提升几个数量级——不是取代律师，而是增强他们。增强法律服务可以同时提供精度与速度，并且首次将“成本”与“质量”的对立打破。它正在推动用“基于结果的定价”取代“计时收费”。对于任何一个法律服务消费者来说，这几乎是无需多想的好主意。

Listen Labs 则是一个由 AI 驱动的用户研究平台，帮助团队在数小时内，而不是数月内，从客户访谈中提炼洞察，从而放大“客户之声”。在过去，公司从实践角度来看，只能和很小一部分客户对话；而现在，他们可以即时“倾听”一整张覆盖各个年龄、地域和心理画像的“全样本面板”。讽刺的是：当受访者面对 AI，而不是真人时，反而更可能提供坦率且有价值的反馈，因为他们不会有意识或无意识地担心对方在“评价自己”。

Netic 则是在帮助那些“基础服务行业”实现自动化增长。AI 浪潮已席卷软件与创意行业，但家庭服务、汽车服务和消费者医疗等领域却大多被落下。这些行业构成了经济的骨干，却依旧依赖落后的工具、疲于应对的呼叫中心和彼此割裂的系统。他们的操作流程复杂，严重依赖人工，接触不到支撑数字原生企业的前沿技术。在一个“创业公司大多只为创业公司造工具”的世界里，Netic 选择服务那些真正支撑美国运转的“实体行业”。

很明显，AI 会抬高“拥有者”的天花板；如果它无法同时抬高“未拥有者”的地板，那么社会必然——也许理应——出现“举着干草叉”的人群。

我一直尽力以一种“机会视角上的丰裕心态”和“自然资源视角上的稀缺心态”来教育我的孩子。而整个社会却似乎正好相反。我时常在想，我们有机会逃离这样的宿命吗？

这场即将到来的野火，几乎可以肯定会对“硅谷生态”本身有好处，但它对“整个人类”而言，又会是好事吗？

本文来自微信公众号 “经纬创投”（ID：matrixpartnerschina），作者：经纬创投主页君，36氪经授权发布。