AI也许不是新工业革命，而是数字时代的“收官之战”

当所有人都喊“下一波”，有人开始怀疑：会不会这其实是最后一波？

过去两年，AI几乎成了科技媒体的万能标题。你很难在一天之内刷完所有“AI重塑一切”的文章，也很难分辨其中哪些是信号，哪些只是资本市场加班制造的噪音。在这样的氛围里，英国未来学与趋势观察作者 Andrew Curry 抛出了一个很有意思、也很不合群的判断：眼下的AI热潮，也许不是一场全新的技术浪潮开端，而是始于上世纪70年代的信息与通信技术革命，走到成熟末期时的一次“终局式冲刺”。

这不是文字游戏，而是对整个行业叙事的一次反转。因为如果AI不是“新大陆”，而只是旧大陆被更高效地开发，那么很多事情都要重新理解：为什么大模型的主要玩家不是车库创业公司，而是微软、谷歌、Meta、亚马逊这些老牌巨头？为什么钱烧得比以往任何技术周期都猛，但商业模式却至今没有特别漂亮地站稳？为什么普通用户嘴上聊AI聊得热闹，真到付费时却突然沉默？

Curry 引用了策略分析师 Nicolas Colin 的“后周期投资理论”。这套理论借用了经济学者 Carlota Perez 的技术长波模型：每一轮重大技术革命，大致会持续50到60年，前半段是基础设施铺设，后半段是大规模部署与商业化，等市场渐渐饱和、增长变缓，资本就会开始寻找下一场革命。照这个框架看，AI更像是数字浪潮后半段最强的一次效率升级，而不是一个从零开始的新技术范式。

AI为什么更像“成熟技术的增强包”

这个判断之所以扎心，是因为它恰好击中了当下AI产业最真实的一面：它确实强大，但它的强大，大多体现在优化、渗透、压缩成本和提高效率上。

想想今天AI最落地的场景。客服自动化、代码补全、广告投放优化、搜索摘要、文档生成、会议纪要、医学影像辅助判读、教育内容个性化，这些应用很有价值，也能省下真金白银，但它们大都不是凭空创造新需求，而是在原有数字系统上加一个更聪明的“涡轮增压器”。这有点像上世纪70年代的精益生产：它没有推翻大规模工业生产，而是把那套体系打磨得更高效、更便宜、更难被挑战。

如果真是一轮全新技术革命，通常在早期你甚至认不出它。蒸汽机刚出现时，人们并不知道自己站在工业革命门口；微处理器诞生时，也没人会在第一天就拍着桌子说互联网文明来了。真正改变时代的技术，最初往往模糊、零散、看不清。但AI不是。ChatGPT 的爆发极其“可见”，甚至可以说是被精心编排和放大的。它在诞生的瞬间就被全球媒体、资本和平台公司联手推上舞台中央。一个技术从亮相开始就如此清晰可辨，某种程度上反而说明，它更像成熟周期中的“集大成者”，而不是混沌早期的新物种。

另一个细节也很关键：新周期初期的投资，往往是碎片化、试探性的，市场也未必看得懂。但AI这一轮，恰恰相反。资本投入高度集中，参与者也相当明确，尤其集中在头部云计算公司、芯片公司和超大模型实验室。OpenAI 背后是微软，谷歌、Meta、亚马逊各自砸下数十亿甚至更多。它不像一片野蛮生长的新边疆，倒更像一场“巨头包场”的基础设施加码战。

用户未必真的热爱AI，他们只是被迫和它同住

我觉得这篇文章最有现实感的地方，不是那些宏大的技术周期理论，而是它提醒我们去看一个经常被忽略的问题：用户到底有没有像平台公司想象的那样拥抱AI？

答案恐怕没那么乐观。

今天很多人对AI的体验，并不是“终于等到了未来”，而是“怎么又多了一个我关不掉的按钮”。谷歌把AI摘要塞进搜索结果，Notion 把AI功能打包进更贵的套餐，Office、Photoshop、剪映、邮箱、客服系统，几乎所有数字工具都在忙着把AI功能糊到用户脸上。平台的逻辑很简单：既然用户未必愿意单独付费，那就捆绑销售。你本来只是想要文档协作、单点登录或者企业集成，结果被迫一起买下“AI智能体”的宏伟梦想。

这种场景非常像一个成熟行业的末期动作：增长见顶后，企业不再靠开辟全新市场，而是靠提高客单价、提高渗透率、加强捆绑来榨出最后一段增长。对公司来说，这可能是合理的财务策略；对用户来说，体验常常是“被升级”。

更微妙的是，社会层面的反弹已经出现了。美国各地对数据中心建设的地方性抵制越来越多，原因并不玄乎：耗电、耗水、噪音、土地占用、房价影响。说白了，当AI从云端幻想落到现实世界，它首先变成的是一排排服务器机柜、巨额电费和社区居民的投诉电话。每一轮技术革命走向成熟时，都会碰到这样的摩擦。汽车时代有高速公路与城市拆迁的争议，互联网时代有平台垄断和隐私危机，AI时代则把冲突集中到了能源、基础设施和劳动替代上。

这也是为什么我越来越觉得，AI的真正问题不是“能不能更聪明”，而是“值不值得这么大规模地部署”。技术上可行，不等于社会上欢迎；模型上惊艳，也不等于商业上划算。

中美AI路线之争，可能不是谁更先进，而是谁更像这个时代

如果把AI看成数字浪潮的后周期技术，那中美当下的AI竞争，味道就完全变了。

美国模式是我们最熟悉的版本：巨量资本投入、顶级算力军备竞赛、AGI叙事拉满，再配上一点“人类命运即将升级”的硅谷宗教感。Sam Altman 们描绘的未来，常常带着一种半科幻、半布道的气质。它非常适合融资、适合推高估值，也适合制造时代性情绪。

中国的路线则更务实一些。按照 RAND 和 Exponential View 的观察，北京对AI的讨论重点并不集中在抽象的“通用人工智能竞赛”，而是更强调工业、经济和行业场景，比如医疗分析、教育系统、制造流程、政务应用。再加上算力资源相对紧约束，中国团队更倾向于做更轻量、更可部署、也更容易出口的模型和方案。

这并不意味着中国模式一定领先，但如果AI的历史位置真的是“成熟周期的效率工具”，那么偏应用、偏产业、偏成本控制的打法，确实更符合这个阶段的规律。说得直白一点：如果你面对的是一次大规模“补课式渗透”，那拼的未必是谁最会讲未来，而是谁最会把现有体系改造得更省钱、更稳、更能落地。

这也解释了一个行业里的尴尬现实：如今AI最赚钱的，短期看往往不是模型本身，而是卖铲子的——云服务商、GPU厂商、电力和数据中心基础设施玩家。技术浪潮走到后半场，常常就是这样，热闹都在前台，利润多半在后台。

真正值得问的，不是“AI会不会颠覆一切”，而是“数字时代之后，下一波到底在哪”

我并不认为“AI是数字浪潮的尾声”这件事会让AI变得不重要。恰恰相反，它可能意味着AI会比很多人想象得更深入、更无聊，也更难逃开。它不会像科幻电影那样一夜改天换地，而是像电梯、条形码、ERP系统和智能物流那样，安静地嵌入每一个行业，把剩余的人力、时间和成本一点点挤出来。

可问题也就在这里：如果AI主要是在完成数字技术对现实经济的“最后征服”，那下一轮真正能够定义未来50年的技术基础设施会是什么？清洁能源与储能？合成生物学？新材料？机器人与自动化的物理世界重构？还是某种今天仍不够显眼、甚至还没有统一名字的东西？

历史常常喜欢和人开玩笑。最喧闹的，未必最深刻；最贵的，未必最持久。互联网泡沫破裂后，真正塑造世界的是宽带、智能手机、云计算和移动支付这些后来才逐渐组合成熟的东西。今天AI站在聚光灯中央，当然值得认真看，但也许更该留一只眼睛，去看舞台边缘那些暂时还不那么性感的技术。

从这个意义上说，Curry 的文章像一盆冷水，但不是坏冷水。它逼着我们把“AI万能论”里的兴奋剂成分滤掉，重新回到产业史、资本周期和用户体验这些更硬的现实上。科技行业最怕的不是乐观，而是把一切都误判成开端。因为一旦你把收官阶段当成起跑线，动作就容易变形，钱也会烧得格外冤。

AI当然会继续改变世界，只是它改变世界的方式，可能没那么像一场新革命，更像一次声势浩大的系统升级。升级很重要，但升级不是重生。这两者之间，差了整整一个时代的想象力。