AI行业周期本质 - 当前AI发展周期被比喻为一场“野火”而非泡沫，具有清除过度竞争、释放资源并促进生态系统健康更新的作用 [2][5] - 与2000年互联网泡沫和2008年金融危机类似，AI野火将遵循过度增长、突然修正、随后复兴的模式 [3][20] - 行业当前面临资本充裕但人才稀缺的“过度生长”局面，初创公司在相同垂直领域激烈竞争人才和资源 [7][8] 不同类型公司的生存能力 - “易燃的灌木”类公司包括没有专有数据或分发渠道的“套壳”AI应用，它们依赖炒作和高估值，在资本收紧或客户审视ROI时极易失败 [12] - “防火的巨头”如苹果、微软、英伟达、谷歌、亚马逊拥有强大资产负债表、深厚客户关系和结构性产品市场契合，能吸收冲击并变得更强大 [13][16] - 具备深厚专业知识的团队属于“浴火重生”类，能在失败后转型重组，以更精干、更聪明的姿态适应新环境 [17][18] - “逐火者”是在行业修正后才创业的创始人，他们利用更便宜的基础设施和前人教训，如2002年的LinkedIn、2010年的Stripe [19] 历史泡沫的启示 - 2000年互联网泡沫崩盘清除了投机性增长故事，留下了数据中心、光纤等基础设施以及亚马逊、eBay等根系扎实的幸存公司 [21][24] - 互联网泡沫期间电信公司筹集约2万亿美元股权和6000亿美元债务，铺设超8000万英里光纤电缆，崩盘后85%电缆闲置，但过剩产能最终催生了YouTube、Facebook等下一代应用 [25][26] - 2008年金融危机后，苹果、亚马逊、Netflix等公司通过整合硬件、软件和服务成为自我维持的生态系统，实现了进化而不仅是复苏 [27][29] 当前AI周期的独特挑战与机遇 - 当前周期存在“树冠火”风险，热量集中在英伟达、OpenAI、微软等少数超大规模企业，资本高度集中而非分散 [30] - AI市场存在“训练计算”和“推理计算”两个根本不同的动态池，训练计算受竞争恐惧驱动，而推理计算面临近乎无限的智能需求 [36][37] - AI推理需求旨在提高实际收益，如降低客户获取成本和提高生产力，回报可衡量且立竿见影，这使得AI泡沫的着陆点可能比之前更软 [38] - 与互联网泡沫留下的长效光纤不同，GPU集群折旧迅速，有效使用寿命仅2-3年，这改变了泡沫破裂后“逐火者”能继承的基础设施质量 [40][41][42] 能源成为终极瓶颈 - AI发展的根本约束可能不是计算芯片，而是能源供应，现代AI数据中心耗电堪比小型城市 [44] - 美国总发电量约1200吉瓦，若AI计算按预期增长，十年内可能需要全国总发电量的5-10% [45] - 电力基础设施部署缓慢，核电站需10-15年建成，这意味当前关于能源的决策已锁定未来AI发展的瓶颈 [45] - 在稀缺中生存的公司需构建深根系，如锁定长期能源合同、实现高收入留存率和利润增长 [46] 评估公司耐火性的关键指标 - 基础模型实验室的耐火性取决于收入增长是否快于计算成本 [47][48] - 企业AI平台需证明高客户留存率是因为高的AI功能采用率，而非尽管采用率低 [49] - 应用层公司需实现净收入留存率>120%且客户获取成本回收期<12个月，以深度嵌入工作流程 [49] - 推理API玩家的耐火性体现在每GPU小时收入的高低，高收入意味着更强的定价权和利润空间 [50] - 能源和基础设施公司的优势取决于利用率和能源成本，结构性能源优势可使其在泡沫破裂后通过降价吸收竞争对手客户 [50]