商业

最近我一直在思考一个问题： 为什么美国的科技公司，尤其是 AI 公司，可以在中短期内不那么重视业务利润，甚至长期亏损，却依然能融到很多金融资本，支持它们做早期、长期、昂贵，甚至短期看不到回报的科技研发？ 反过来，为什么中国的科技公司，却总是非常重视业务利润、项目收入和短期 ROI？ 后来我逐渐意识到，核心问题之一可能是： 美国科技公司背后有一个更成熟的金融退出系统，而中国目前的金融退出机制没有那么活跃和成熟。 这会直接决定科技公司能不能长期亏损研发，能不能不急着赚钱，能不能把科技研发本身变成一种抬升估值的方式。 一、投资人买的不是利润，而是股权 如果从传统生意的角度看，一家公司最重要的当然是利润。 做产品，卖出去，收钱，扣掉成本，留下利润。企业赚钱，投资人分红。 但科技投资，尤其是美国式风险投资，并不完全是这个逻辑。 在美国的科技投资体系里，投资人更关注的往往不是一家公司的当期利润，而是这家公司的股权未来能否升值。 而股权的价值，不只取决于公司现在赚多少钱，也取决于市场相信它未来能变成什么。 所以它的核心逻辑不是： 企业先赚钱，投资人再分利润。 而是： 企业通过技术研发、市场叙事、用户增长和战略稀缺性，抬升股权估值，投资人再通过股权流转退出。 也就是说，投资人买的是未来。 我投你 1 亿美元，不一定是因为你今年能赚 2000 万美元，而是因为我相信你未来有机会变成一家 100 亿、500 亿，甚至 1000 亿美元估值的公司。 只要这个故事能够成立，公司短期亏损就不一定是失败，而可能是一种必要投入。 二、科技研发为什么能抬升估值？ AI 公司是非常典型的例子。 训练模型要钱，买算力要钱，招研究员要钱，做数据要钱，构建生态要钱，做产品增长也要钱。 从利润表上看，这些都是成本。 但在金融估值体系里，它们不只是成本，也可能是未来资产的一部分。 比如一家 AI 公司持续投入模型训练、算力集群、顶尖研究团队、开发者工具、企业 API 和 Agent 产品，它短期内可能完全不赚钱，但这些投入会强化几个东西—— 技术壁垒、战略稀缺性、市场想象力、平台潜力、被大厂投资或收购的价值、下一轮融资时的估值理由、未来 IPO 时的成长股叙事。 所以科技研发在美国资本市场里，很多时候不仅是研发本身，更是一台估值制造机器。 这就是为什么美国 AI 公司可以出现一种看似奇怪的状态： 亏损扩大，但估值上升 现金流为负，但融资能力增强 业务还没盈利，但股权越来越贵 公司还没有证明利润模型，但已经证明了战略价值 在这种机制里，利润不是不重要，而是在某个发展阶段，它被“股权升值”暂时替代了。 三、金融退出系统才是关键 但还有一个问题： 股权升值之后，谁来接？ 如果我是投资人，我买了某家 AI 公司的股权。几年后，这家公司估值涨了 10 倍。 问题来了：我怎么把账面收益变成真实收益？ 美国市场有很多可能的退出路径： 被微软、谷歌、亚马逊、Meta 等科技巨头收购 进入下一轮融资，让新投资人接盘 通过私募二级市场转让老股 ...

结合自己最近一段时间在 AI 工作中的实际体会，在知乎上看到一个很合自己感觉的回答，里面对中国市场下 AI 机会的分析，和我这段时间自己的观察不谋而合，顺手记录一下，并分享出来： 为什么这波 AI 浪潮没有带来大量的就业岗位? - Simon Zhang的回答 - 知乎 我自己比较认同的几个点，大概是这些： 在这两年的经济环境下，AI 在资方的眼里就是用来降本增效的。也许长期看会重塑整个社会对于劳动力的定义和商业模式，但短期看并不会带来大量的就业岗位； 国内这波 AI 浪潮，一是大厂和明星独角兽做 ToC，二是海量的小微初创企业在寻找 ToB 的机会； 小微企业在这轮 AI 浪潮中，实际上成为了有 AI 需求的大中型企业的外包合同工。这既来源于经济环境降本增效的需求，也可以归因于业务本身难以泛化复用的困境； 目前几乎所有 AI 产品和服务的死穴：生成式 AI 解决不了最后 10% 的不确定性问题，正如同快递和外卖行业最难的是最后的一公里。 在这波 AI 浪潮的乙方市场当中，头部的聚集效应极其明显，前 1% 的人和团队拿到 80%-90% 的融资，后 99% 的人和团队以灵活就业的外包模式去争夺市场上剩下的 10%-20% 的融资和业务。 （这个判断和我的另一篇随记 《当创新不再诞生在居民楼里》 不谋而合）

一个还不太成熟的想法：AI 应用的第一性原理，或许是输出有业务价值的 Token。 比如 Claude Code，输出的 Token 是高质量代码，能够直接替代程序员的人力成本，这是业务价值； OpenClaw 输出的 Token 是能够直接操作计算机，执行工作的 CLI 命令，从而减少人工工作成本，这同样具备业务价值。 而如果放在 AI 游戏里，这个 Token 可能是高精度的 3D 建模（类似 Hunyuan 3D ），也可能是有趣好玩的文本内容（AI 文字冒险游戏）。 Sora 输出的 Token 是视频（🪦R.I.P） 但它们的共同点，都在于：Token 本身具备可兑现的价值。 图源：腾讯研究院-Token经济学七问 从这个角度看，NVIDIA 提出的「AI 工厂」概念，其实也是在抽象 AI 应用的本质—— 输入电力与数据，输出 Token； 而阿里最近新增的事业群「Alibaba Token Hub」，某种程度上也像是在推动行业对 AI 应用价值的共识。 NVIDIA 不只是单纯的 GPU 芯片公司，更像在建造一种新型基础设施：AI 工厂。 原料是电力和数据，产出是 Token。 —— Jensen Huang: NVIDIA - The $4 Trillion Company & the AI Revolution | Lex Fridman Podcast ...

我目前认为，在国内做 AI 创新，更可能落地的方向大致有四类： 1. AI 硬件创新：做 AI 领域的大疆 相较于软件，硬件在商业模式上天然更容易变现（直接售卖产品），再结合以深圳为代表的中国完整工业制造体系，以及大疆、影石等硬件领域的先行者作为参照，这条路径蕴含着巨大的机会空间。 相关资讯： 蚂蚁、美团入局 AI 硬件，Looki 完成超 2000 万美元 A 轮融资 2. 成熟业务模式 + AI：电商 + AI、游戏 + AI 等 这对国内绝大多数的公司而言，是最稳定的 AI 落地范式，也是我目前在实际工作中接触最多的路径：不改变原有商业模式，AI 主要用于降本增效、提升转化和留存。ROI 可计算，组织也更愿意为此买单。 但这种方式往往带来的只是“增量改良”，创新很容易被 KPI 吸收，最终沉淀为工具或能力组件，而非真正意义上的新产品。 3. 成熟互联网生态 + AI：头部互联网平台产生业务增量 在腾讯、字节、阿里等成熟互联网生态中，由于其本身已具备显著的规模化能力——有流量、有场景、有数据、有分发——因此 AI 更容易实现规模化落地。 但关键并不在于“是否引入 AI”，而在于：能否将 AI 转变为用户习惯性的流量入口；否则，它也可能只是短期热度，难以转化为实质性的业务价值。这也是近期字节布局手机端系统级 Agent、以及阿里高度重视并推进 C 端产品「千问」 APP 的原因之一。 4. 具身智能供应链：在产业链中寻找可落地的机会 尽管人形机器人的研发与制造门槛极高，真正具备全面下场能力的玩家有限，但顺着产业现实，切入具身智能的供应链环节，仍然存在可行空间，例如零部件、模组、系统集成、渠道与交付等。 在国家层面的具身智能战略与完整工业制造体系的基础之上，通过供应链与工程能力获取产业红利，而非依赖技术叙事去赌终局，本身也是一条具备现实可行性的路径。 延伸阅读 《创新是一场充满激情的远行，却未必是明智的商业选择》 《任正非：要支持美国科技文明的发展》

从互联网到AI，科技创新的浪潮此起彼伏。极客们追逐着技术的革新，投机者们寄望于泡沫的繁荣，而那些秉持着长期主义的理性的投资者与创业者们，则以审慎而又乐观的姿态躬身入局，积极投身于“Make the World A Better Place”的事业之中。 创新，无疑是一场充满激情的远行。无论是对前沿科技的探索，还是对泡沫中财富的渴求，抑或是对开创一番新事业的热情，都令人心潮澎湃。然而，创新，却未必是好的商业选择。尽管无数商业著作不断强调“创新的重要性”，但与之相伴的风险与潜在亏损，同样不容我们忽视。 什么才是“好的商业选择”？ 在我看来，一个好的商业选择至少要能实现一个基本目标：盈亏平衡，进而可以在此基础上建立长期可持续的盈利能力。 回顾互联网早期的“烧钱换规模”，以及AI领域在模型预训练与算力基础设施上的巨额投入，这些模式在特定阶段都呈现出“亏损远大于利润”的不健康状态。如果撇开泡沫带来的虚假繁荣，任何商业模式最终都要回归商业的本质——供需平衡与盈利可持续。 值得庆幸的是，互联网行业在经历早期的野蛮生长后，最终找到了一些健康的商业模式。以“电商”为例，电商平台可以通过广告服务与平台佣金，将早期的巨额投入通过规模效应进行回收，进而实现更加长远可持续的发展。而在这个模式下，也诞生出了诸如亚马逊、阿里巴巴、京东这样的新兴商业巨头。 反观当前的AI领域，依然尚未探索出一条明确可以回收早期巨额投入的商业模式，AI应用层面的市场需求尚未完全验证，这其中潜藏的商业风险不容小觑。 诚然，即便没有实现盈亏平衡，企业依然可以通过银行借贷、股权融资或政府补贴等方式维持运营。但这无异于饮鸩止渴——没有人愿意永远供养一个无法自我造血的孩子。长期的亏损会让组织变得“脆弱”：管理层焦虑、员工迷茫、投资者动摇。当融资环境收紧、现金流面临压力、组织压力增大时，这种脆弱最终会引发系统性风险，导致企业的失败。 创新与商业成功并不对立 我们热爱创新，热衷于钻研新兴事物，渴望用新的可能取代旧的秩序。这既是主观的浪漫理想，也符合客观的发展规律，无可指摘。 然而，现实的残酷在于——创新是要消耗资源的。说的更直白些：创新，是要“花钱”的。 “（投资人）他们要的是结果，我在乎的是过程。可过程……有时候会饿死人。” 《一个 RISC-V 理想主义者的幻灭：柯一冉的再次创业》 假若在一个拥有无尽资源的理想国里，我们自然可以无惧失败，让创新成为一场纯粹而自由的激情远征。 可当资源注定有限，投入可能血本无归，资源消耗殆尽就会失败的时候，现实的寒意便扑面而来——创新，是理想高举的火焰；而盈利，则是生存必须穿越的冰山。 因此，那些真正高明的创新者们，既不是纯粹的理想主义者，也不是完全向现实低头的投降派，他们是一群走钢丝的艺术家，永远在“理想的引力”与“现实的张力”之间，寻找一个精妙的动态平衡。 他们用理想定义方向，确保创新不迷失于短视的利润；他们用现实约束脚步，确保每一步都迈得坚实有力。正是这种永恒的、微妙的拉扯，催生出了许多既颠覆想象，又切实可行的伟大产品。创新与盈利，从来不是非此即彼的单选题。 即便是风险投资和长期资本的介入，也并未背离商业本质，而是对创新节奏的优化与改良——将原本“一年定生死”的生存窗口期，延长为“十年磨一剑”的战略探索期；将原本“零容忍”的失败压力，转化为“十个项目中成一个即可”的容错机制。这并不是对商业逻辑的否定，而是对其更深层次的理解与运用。 纵观亚马逊、特斯拉、SpaceX这些卓越的企业，虽然它们早期都曾经历过高风险的投入期，但最终都走向了可持续的盈利之路。这恰恰证明：创新与商业成功，并非背道而驰，而是可以共生共长的同一旅程。 后记：《谷歌14年工作生涯中的21个经验教训》 原文链接： 21 Lessons from 14 Years at Google 我在这篇博客中，找到了一句和我观点不谋而合的一段话： The punchline isn’t “never innovate”. It’s “innovate only where you’re uniquely paid to innovate.” Everything else should default to boring, because boring has known failure modes. 关键不在于“永远不要创新”，而在于“只在那些你因创新而获得独特报酬的领域进行创新”。其他一切都应该回归平庸，因为平庸的失败模式是众所周知的。 延伸阅读 《在中国，哪些 AI 创新路径更可能落地》