AI产业体系与平台迁移 - AI是一次平台迁移，正在重造整个计算栈，历史上每次平台迁移都会带来新的应用生态，从大型机到PC，从PC到互联网，从互联网到移动与云计算[3][4][5] - AI产业体系可分为五层：最底层是能源，第二层是芯片和计算基础设施，第三层是云基础设施与云服务，第四层是AI模型，第五层是模型之上的应用层[7][8][9][10] - 应用层是最重要的一层，是真正产生经济收益的层级，其爆发得益于模型层的快速进步，应用层覆盖金融服务、医疗健康、制造业等领域[10][11] AI模型层的关键进展 - 2025年AI模型层发生了三件颠覆性大事：第一是Agentic AI，语言模型演化为能进行推理、制定计划并执行任务的智能体系统[14] - 第二是开源模型的突破，以DeepSeek为代表的开源推理模型出现，使各行业公司能够以此为基础开发领域专用模型[14] - 第三是物理AI的巨大进展，AI开始理解物理世界，在理解蛋白质结构、化学物质及物理规律方面进步迅速，正推动制造业和药物发现等领域取得显著突破[15] AI驱动的投资与基础设施建设 - AI正在驱动人类历史上规模最大的基础设施建设浪潮，目前仅投入几千亿美元，而真正需要的是数万亿美元级别的投入[11][12] - 芯片和计算基础设施层增长迅速，具体表现为台积电宣布新建20座晶圆厂，富士康、纬创、广达在建设数十座计算机工厂，存储厂商美光、SK海力士、三星全面扩张[13] - 2025年是风险投资规模最大的年份之一，全球风险投资超过1000亿美元，其中大部分资金投向了AI原生公司[13][32] AI对就业市场的影响 - AI不会导致失业潮，反而可能因大规模基础设施建设创造大量工作，特别是需要水管工、电工、建筑工、钢铁工人、网络技术员等技工岗位，在美国这些岗位薪资已接近或超过六位数[17] - 判断AI对工作的影响应区分工作目的与具体任务，自动化任务可能强化工作目的，例如放射科医生和护士的核心目的是照护病人，AI辅助提升效率后，相关从业人数反而增加[18][19][21] - 以医疗行业为例，AI提升影像分析效率后，医院接诊能力和收入提升，从而雇佣了更多放射科医生，AI辅助病历记录则让护士能更专注于病人照护，提升了医院运转效率，进而可能雇佣更多护士[18][19] AI的全球影响与行业机会 - AI对新兴经济体是缩小鸿沟的机会，AI本身是一种基础设施，开源模型降低了训练门槛，语言和文化成为国家的“自然资源”[22][23] - AI是人类历史上最容易使用的软件，用户规模在短短两三年内已接近10亿人，极大降低了技术门槛，使更多人能参与数字经济[23][25] - 对欧洲而言，AI与工业制造、机器人及物理世界建模深度融合是关键机会，欧洲有望在Physical AI/Robotics时代实现跃迁，但需增加能源供给和基础设施投资[26][28] AI发展现状与未来展望 - AI发展并非泡沫，而是尚未投入足够的长期建设周期，GPU租赁的现货价格（包括最新一代和两代前的产品）正在上涨，反映了AI公司数量和研发预算的增长[30] - 越来越多公司的研发预算正转向AI，例如Eli Lilly在三年前研发预算几乎全在湿实验室，现在则投入了大型AI超级计算机和AI实验室[30] - 参与AI世界成长对全球养老金而言是一笔很好的投资，这是人类历史上最大的基础设施机会之一，需确保普通储蓄者和公众能分享增长[34][35]

网络与网络效应的力量 - 许多最重要的互联网服务都是网络，随着更多人使用，服务价值会显著提升，例如电子邮件、万维网、YouTube和Facebook [5] - 网络效应是一种强大的指数级力量，使公司能从无到有，最终影响数亿或数十亿用户，变得非常有价值 [6] - 构建网络在初期非常困难，但创业者可采用策略使产品从第一天起就有用，例如借助其他现有网络进行冷启动 [10] 科技中的指数级力量 - 科技领域存在三种重要的指数级力量：摩尔定律（半导体性能约每18-24个月翻倍）、软件的可组合性（开源软件像乐高积木可重用复合）以及网络效应 [6][7][8] - 对于创业者和投资者而言，最重要的事是首先识别并顺应这些指数级力量，因为它们将压倒一切战术性的产品工作 [6][10] - 可组合性使得开源软件能利用互联网的集体智慧，例如Linux从业余项目成长为全球主导操作系统 [7] 创业策略：为工具而来，为网络而留 - 创业者的一种有效战术模式是“为工具而来，为网络而留”，即先提供有价值的单用户工具，再逐步构建网络效应 [10] - Instagram早期通过提供免费酷炫滤镜和借助Twitter等外部网络进行分享，最终在自己的网络上获得吸引力 [10] - 现代生产力工具如Figma、Notion和Stripe的Link产品也体现了这一模式，它们对单人用户有用，但社交功能层变得至关重要 [11] 人工智能时代的竞争与商业模式 - 人工智能领域目前涌现出许多强大的工具，但缺乏明显的网络效应，如何超越一时风尚构建长期吸引力是关键挑战 [12] - 观察到消费者为AI软件支付高额费用的现象，例如Google最高套餐250美元/月，Grok 300美元/月，预示着付费软件的复兴 [14] - 人工智能领域的资本效应显著，筹集大量资金（如10亿美元）本身可以成为护城河，因为保持技术前沿需要巨大投入 [15] 利用社区与运动寻找投资机会 - 关注互联网上极度热情、拥有自己语言和规范的技术爱好者社区，是发现下一个大趋势的重要方法 [17] - 许多重要的科技运动最初由相对较小的核心爱好者群体领导，例如开源软件、加密项目和早期的神经网络研究 [17] - 判断一个运动能否成功的关键在于其背后是否有指数级力量驱动，而不仅仅是线性力量 [18] 平台迁移与想法迷宫 - 在平台迁移中，企业家需要进入正确的“想法迷宫”，即一个动态的、充满未知的领域，并具备在迷宫中保持敏捷和坚持的能力 [24] - 成功的公司如Netflix，其核心是进入正确的迷宫（互联网将导致订阅电影），并通过多次转型实现目标 [24] - 人工智能作为一个元过程，类似于半导体行业的摩尔定律，极有可能在长期内持续指数级扩展，为创业者创造巨大机会和挑战 [26] 原生技术与拟物化技术 - 新技术平台发展初期常出现拟物化设计，模仿先前的媒体形式，随后才会发展出真正原生于新平台的应用和语法 [28][29] - 人工智能目前可能处于拟物化阶段，例如图像生成模仿插画师，未来可能出现全新的、难以预测的原生媒介，如虚拟世界 [30] - 新一代“AI原生”的年轻人可能更善于发现和创造原生于AI技术的新应用和体验 [30] 开源AI与技术的民主化 - 开源软件是技术民主化的关键力量，它极大降低了初创公司和用户获取软件的成本，例如使廉价Android手机成为可能 [35] - 对于AI，开源面临的挑战在于训练顶级模型需要巨大的资本支出，这可能影响其长期的稳态资助模式 [36] - 一个可能的乐观结果是开源AI模型始终稍微落后于顶尖闭源模型，但足以满足大多数初创公司和消费者的需求，形成良好平衡 [36][38]