这篇文章的想法，来自最近我和父亲的一次聊天。

我们讨论的是：人工智能浪潮真正具有长期确定性的投资机会，究竟在哪里？最直观的答案似乎是那些研发最先进大模型的公司。它们处在聚光灯中央，吸引着最多的资本和人才，也最接近技术进步的最前沿。

但我们聊得越久，就越不确定：这个时代最重要的公司，是否必然也是最值得投资的公司。

我一直认为，AI大模型厂商很可能成为这个时代最具影响力的一类企业，却未必是最适合重仓投资的一类企业。

原因并不是大模型没有价值。恰恰相反，大模型可能像互联网和电力一样，最终渗透到几乎所有行业，成为绝大多数知识工作背后的基础设施。

但一个产业足够伟大，并不意味着产业中最耀眼的参与者，就一定能获得同等惊人的商业回报。投资者最终获得的回报，并不取决于一项技术有多么震撼，而取决于企业能否建立持久的护城河、保持定价权，并把技术价值转化为持续稳定的利润。

目前来看，大模型行业最大的问题，正是领先优势并不稳固。

今天某一家公司的模型可能排名世界第一，几个月后，另一家公司便可能凭借更大的算力、更优质的数据、更强的研究团队，或者更高效的训练方法完成反超。不同厂商之间不断相互追赶，技术路线本身也尚未完全收敛。

所谓“全球最强模型”的位置，更像是短暂领先，而不是可以长期维持的垄断。

这意味着，大模型厂商必须持续投入巨额资本，才能勉强留在第一梯队。一旦放慢研发、基础设施或人才方面的投入，原有的领先优势便可能迅速消失。

这并不像传统意义上的强护城河，更像是一场无法停下来的军备竞赛：所有参与者都必须不断烧钱，才能避免掉队，却没有任何一家能够保证，今天的巨额投入一定能够换来明天的领导地位。

更重要的是，绝大多数普通用户其实并不需要最顶尖的模型。

假设全球最强模型的综合能力是100分，那么价格低廉得多的次高端模型，可能已经能够达到80分甚至90分。对于前沿科研、复杂编程、高等数学或者高价值专业决策而言，剩下的10分或20分也许极其重要。

但对于绝大多数普通用户来说，这些差距往往没有那么重要。

写邮件、翻译文件、整理资料、制作表格、生成营销文案、回答日常问题，或者辅助一般办公，本身并不需要最前沿的机器智能。一个“足够好”的模型，往往已经能够满足用户绝大部分实际需求。

消费者不会因为一辆汽车的最高时速能够达到350公里，就愿意为它支付数倍的价格。因为在日常道路上，这种额外性能几乎没有实际价值。大模型也是如此。大多数用户根本无法充分利用顶尖模型的全部能力，因此最终影响他们选择的，可能不是排行榜上的第一名，而是价格、速度、稳定性、便利程度，以及能否顺利接入现有工作流程。

这也正是中国大模型厂商可能拥有竞争力的地方。

它们未必需要在每一个技术指标上做到世界第一。只要能够以更低的价格，提供接近顶尖模型的能力，就可能在大量普通消费者和企业客户中获得市场。对这些用户而言，模型从90分提升到95分所带来的价值，未必足以覆盖成本从一倍上升到两倍甚至三倍的差距。

于是，大模型行业可能出现一种看似反常的局面：技术上最强的公司，未必拥有最好的商业模式；性能略低但价格更便宜的厂商，反而可能依靠性价比和规模获得更大的使用量。

但“以量取胜”本身，也不代表一定能够创造丰厚利润。

随着模型能力逐渐接近、价格持续下降，基础大模型本身可能逐渐走向商品化。一家公司即便拥有数以百万计的用户，也未必能产生足够高的利润。更大的使用量，也意味着更高的芯片、服务器、数据中心、电力和推理成本。

如果一家厂商缺乏真正差异化的应用、强大的生态系统、专有数据，或者深度嵌入企业客户工作流程的能力，那么规模可能带来的，只是一张更大的基础设施账单。

因此，我并不是完全看空大模型厂商。我只是不会因为它们处在AI革命的中心，就自动把它们视为高确定性的投资，更不会仅仅因为某个模型暂时排名第一，便把它当成适合长期重仓的资产。

相比之下，我更愿意关注这场AI淘金热中的“卖铲人”。

无论最终是哪一家模型公司胜出，无论美国厂商继续占据技术前沿，还是中国厂商依靠低价迅速扩大市场，只要人工智能继续发展，整个行业都需要更多的芯片、存储、光模块、服务器、数据中心、冷却系统和电力。

训练模型需要算力，算力需要芯片；芯片需要先进封装、存储和高速互联；服务器需要越来越复杂的液冷系统；数据中心需要电网、变压器、天然气、核能、铜、铝以及其他能源和矿产资源。

模型厂商之间可能彼此替代，但它们对基础设施的依赖却是共同的。

这正是“淘金热”比喻真正有意义的地方。淘金者彼此竞争，有人找到金矿，也有人血本无归；但只要足够多的人涌向矿区，铲子、运输、帐篷、设备和基础设施就会产生真实需求。

对于投资者而言，与其押注某一家模型公司最终成为赢家，或许不如投资所有潜在赢家都必须购买的东西。

当然，“卖铲子”也并不意味着绝对安全。

AI基础设施同样可能出现估值泡沫、重复建设和周期性过剩。当所有人都看到需求增长后，资本便会一拥而上，企业也会迅速扩大产能。一旦AI资本开支的增速放缓，铲子的价格同样可能大幅下跌。

所以，真正值得投资的，并不是所有贴上“AI基础设施”标签的企业，而是那些拥有真实稀缺性、技术壁垒、成本优势、扩产纪律和供给约束的公司。

尤其是能源、铜等矿产资源，以及电力设备、先进封装、高速互联、功率管理和液冷等环节，长期确定性可能高于那些被迫不断投入巨资、争夺短暂技术领先的大模型厂商。

这最终也是我和父亲在那次聊天中得到的结论。

我们并不是在否认全球顶尖大模型公司的重要性，也不是认为其中不可能诞生真正具有平台垄断能力的企业。我们的判断只是：在行业格局尚未稳定的阶段，看清AI需求会继续增长，或许比准确判断谁能最终获取最多利润要容易得多。

大模型公司正在竞争由谁来定义未来，基础设施公司却已经在因为建设这个未来而获得收入。

模型决定了我们如何想象未来，能源、材料、芯片、数据中心和物理基础设施，则决定了这个未来能否真正存在。

现阶段，我更愿意投资几乎所有潜在赢家都需要的东西，而不是把筹码集中押在某一家最终可能胜出的模型公司上。

毕竟，淘金者争夺的是尚未找到的金矿。

而卖铲子的人，赚的是已经发生的需求。