要判斷一個行業是不是熱，就看有沒有人連虧錢都顯得理直氣壯。AI大模型的世界，就是這樣一個“虧得理直氣壯”的地方。

過去兩年，幾乎所有行業中有錢或能融到錢的公司都往里沖：互聯網巨頭、科研機構、創業團隊，甚至地產公司都要蹭上AI的熱點。有人說，這像互聯網早期的“群雄逐鹿”，而我們采訪的一位資深投資人就此打比方為：我覺得，它像街頭的油條攤——剛開始人人都能擺，最后只剩下幾家能活。

從商業史的角度看，熱鬧的地方往往結局最寡淡。因為真正能留下來的，不是最聰明的那群人，而是最懂成本、最能熬的人。

科技革命表面看是技術的較量，本質上是經濟規律的復現。鐵路、石油、互聯網都走過這條路：最初是狂歡，后來是洗牌，最后是寡頭。AI也不會例外。

所以，今天這篇內容，我們不聊技術參數，也不討論哪家模型更聰明。我們聊更本質的事——5年之后，中國的大模型會收斂成幾家公司？它們憑什么留下？

歷史的鏡子

從石油、鐵路到互聯網的“收斂宿命”

我們很多人應該都讀到過一句話：“人類學到的唯一教訓，就是人類從來不記得教訓。”放在科技行業尤其貼切。

鐵路的故事

19世紀的美國，鐵路像今天的AI一樣，是全民狂歡的投資主題。那時候到處都是鋪軌的公司，大家都覺得“鐵軌鋪到哪，財富就到哪”。十年后，大部分公司破產。留下的，只是幾家能掌控全線資源的巨頭——他們擁有土地、融資與運輸體系。

這像不像今天的大模型？訓練算力就是軌道，數據是燃料，生態是運力。鋪軌容易，保養難。到最后，能跑通全國線路的，永遠是少數。

石油的故事

石油行業初期也有上百家公司。可煉油是重資產生意，虧得起的人才能笑到最后。當年洛克菲勒并不是技術最強的那個，但他最懂“整合”：他不跟人比油價，而是比運輸和分銷；不爭眼前利潤，而是做長期壟斷。結果，所有對手都在比產量，他卻贏在結構。

這像極了今天的大模型：大家都在比參數，他在比飛輪。技術不是決定勝負的唯一變量，系統才是。

互聯網的故事

2000年前后，互聯網像一場新大陸探險。到處是.com公司，口號比盈利多。最后，留下的不過亞馬遜、谷歌、阿里、騰訊這幾家。真正的原因是什么？因為他們掌握了復利的三件事——用戶、數據、現金流。

科技行業就像一場撲克牌局——短期看牌技，長期看籌碼。回望整個科技史，人們會發現一個規律：產業的早期屬于夢想家，產業的成熟期屬于復利者。

經濟學的鐵律

大模型為何逃不出“收斂”

現在的AI行業，看上去百花齊放，也可以說是百家燒錢。從經濟學的角度來看，大模型的“收斂”幾乎是寫在算術里的結局。

成本這一關，門檻就寫在顯卡上

訓練一次GPT-4級模型要燒掉上億美元。中國的通義千問、文心一言、月之暗面等項目，每一次更新都要消耗數千張高端GPU。這不是創業故事，這是資本鐵礦。成本的門檻，就是行業的圍墻。誰能持續燒錢，誰才配擁有“規模效應”的鑰匙。

數據的積累，是一場復利的雪球

模型越用越聰明——這聽上去像一句雞湯，但背后是經濟學的飛輪。百度有搜索，阿里有電商，字節有短視頻，它們都在喂自己的AI吃數據。創業公司再聰明，也喂不出這頓“數據盛宴”。當使用反饋成為模型成長的燃料，規模優勢就成了不可逆的雪球。

資本的選擇，往往是錢主動找贏家

資本市場的嗅覺像鯊魚——只聞血，不問道義。OpenAI拿到微軟數百億美元的支持，Anthropic背后有Amazon；中國的資金，也早已集中到百度、阿里、字節、騰訊、月之暗面和智譜等公司。這意味著，收斂的過程已經在進行。資本會不斷強化頭部，弱者的“希望融資”只是延遲淘汰。

歷史告訴我們，沒有哪個行業能逃出寡頭律

操作系統剩下Windows與Mac；手機系統只剩iOS與安卓；AI也一樣，只是參數更多，算力更貴。當行業的進入門檻變成億級美元時，創業精神只能靠信念存活。