image

昨晚两点多，我钻进微信读书里尝试找点儿东野圭吾的书读一读。

翻了半天没找到，倒是系统推荐给了我一本金融史。书籍封面看着有些互联网远古时代的vibe，书名却依然很扎眼，放在今天铺天盖地的AI新闻旁边，居然一点都不过时。

我本来只想随手翻两页，结果一路看到了法国的密西西比泡沫和英国的南海泡沫。故事发生在三百年前，公司、国债和殖民贸易这些外壳早就过时了，但里面的人看起来还是很熟悉：害怕错过，相信这次不一样，明知道价格已经有些离谱，还是觉得自己能赶在最后一个傻子之前离场。两场泡沫的历史背景

三百年过去了，金融工具换了好几轮，人似乎没怎么变。

铁路狂热

如果一定要在这些历史泡沫里，给今天的AI找一个参照物，我觉得1840年代的英国铁路狂热可能比南海公司更合适。至少，铁路和AI卖的都不完全是空气，而是一种确实有可能改变社会的基础设施。

早期铁路公司赚到了钱，也让人们第一次直观地看到，更快的交通、更低的运输成本和更大的市场意味着什么。于是资金开始疯狂涌入铁路公司，议会不断批准新的线路，地图上的铁轨也越画越密。仅1845年至1847年，英国议会就授权建设了8590英里铁路。英国议会资料

现在故事里的名词换成了数据中心、GPU和算力集群，背后的逻辑却没有太大变化：既然它会改变一切，那么越早投入、投入越多，就越容易抢到未来。

问题就在这儿。

“未来会需要”与“现在建多少都不嫌多”之间，其实差得很远。技术最终会改变世界，不代表所有基础设施都必须在今天建好；未来可能存在巨大的需求，也不代表今天付出的任何价格，都能靠未来的利润赚回来。

很多铁路项目后来失败，并不是简单的“运得越多亏得越多”，而是它们在开工之前就高估了客流和货运需求，同时低估了土地、工程、融资和运营成本。有些线路互相重复，有些公司甚至没能熬到通车。铁路网络整体仍然有价值，但继续投入的每一笔钱，回报却越来越低。铁路狂热时期的经营研究

今天某些大模型公司也有类似的问题。用户变多不一定意味着利润变多。如果每增加一个用户带来的收入，仍然覆盖不了推理、带宽和算力成本，那么规模扩大时，被放大的也可能只是亏损。

当然，这并不意味着大模型天然赚不到钱。它更像是一个商业模式还没完全跑通时的单位经济问题。

技术有用，不代表每一家经营这项技术的公司都能赚钱。这个区别听起来很简单，但在市场最热的时候，人往往最容易忘掉。

泡沫破了

铁路狂热退潮之后，不少项目直接夭折，铁路股从高点到低点累计下跌约三分之二，大量投资者损失惨重。但不列颠人并没有因此把火车赶回博物馆。

已经铺好的线路、建成的车站和逐渐形成的运输网络还在那儿。此后，铁路继续扩大客货运输，降低时间和物流成本，也让城市能够更稳定地获得食物、煤炭和工业原料。

这大概是技术泡沫破掉后的无情一面：股东亏钱了，但技术似乎成功了。最早投入资金的人承担了低回报、破产和资产减值，后来的人却可能以很低的价格继续使用他们留下来的基础设施。

不过，也没必要因此把泡沫当作科技进步必须缴纳的学费。

铺错的铁路是没有终点的，建错的站点也没有乘客。重复建设、错误选址和缺乏实际需求的项目，即使后来打折出售，本质上仍然是浪费。

而且GPU也不是铁轨。它的折旧速度更快，还需要持续的电力、维护和软件适配。今天高价买来的算力，在泡沫破裂后可能变成便宜的基础设施，也可能只是仓库里一批耗电、过时，又没人愿意接手的机器。

所以，“每一代伟大的科技都必须先经历一次产能过剩”，最多只能算一种反复出现的历史模式，还称不上什么已经被证明的规律。

我现在更倾向于认为，技术泡沫最麻烦的地方，并不是它建立在一个彻底的谎言上。恰恰相反，它往往建立在一个大方向基本正确的判断上，只是时间、价格和需求都被提前透支了。

“未来会需要它”，不知不觉就被换成了“现在无论多少钱都应该买它”。

这两句话看起来只差了一点，最后造成的结果却可能完全不同。

互联网

互联网泡沫算是离我们最近的一次示范。

纳斯达克综合指数从2000年3月的收盘高点，跌到2002年10月的阶段性低点，整个峰谷过程持续了约31个月，累计跌去77.9%。这里并不是说它连续31个月每个月都在下跌，期间当然也出现过反弹。只是每一次看起来像是见底的反弹，后来都被证明还没有真正结束。

直到2015年4月，纳斯达克才在名义点位上重新超过2000年的收盘高点，前后大约花了15年。FRED历史数据

互联网当然还活着呢。死掉的是大量公司，以及很多投资者对价格和兑现时间的判断。

互联网的发展方向是对的，但2000年的许多股价依然可以错得很离谱。这两件事并不矛盾。

AI大概也是如此。我不知道它现在到底算不算一个完整意义上的泡沫，更不可能知道泡沫会在什么时候破。现在能够确认的，只是AI确实有可能提高生产力，而今天所有与AI有关的公司和资产，都值它们现在的价格，则是另一回事。

未来真正赚到钱的，也未必是今天最早、最大规模购买GPU和建设数据中心的人。

也许过几年，会有一批公司以很低的价格租到重组后的数据中心，调用越来越便宜的模型，再把AI塞进制造、零售、物流和那些看起来并不性感的传统行业里。它们不需要讲一个特别宏大的故事，只要能实实在在地降低成本、提高效率，就可能成为这一轮狂热最后的受益者。

到了那个时候，人们会说AI果然改变了世界，却未必还记得，最早为整套基础设施买单的人是谁。

等我息屏pad，天已经蒙蒙亮。

东野圭吾的书还是没有找到想看的。