“ 交易桌前看天下，付鹏说来评财经 ”
《付鹏说·第五季》重磅来袭！立即订阅
—
本期内容
>>本文仅限作者观点，点击上方视频收看！
交易桌前看天下，付鹏说来评财经。
本期课程我想跟大家分享长白山论坛里聊到的一个核心话题。最近市场也在快速做出反应，包括美股在内的全球市场基本上都在应变。
在长白山跟大家交流时，我提到一个可供思考的点。首先，我要说明的是，我不是科技人员，也不是程序员。我只是大概听了关于 AI 产业链的内容，在此基础上加入了一些我对产业链的理解。有些事情是相通的。一旦你对产业链有深刻的理解，其实就能看到万事万物的本质。
虽然任何新鲜事物都会创造出一堆所谓的“创新词”，让很多人感到新鲜、兴奋，甚至热血沸腾，但本质上这些都离不开产业链的逻辑。之前我也写过两篇日记跟大家分享，但我发现文字版虽然看起来规整，语音表达的效果可能会更好一些。
AI产业链
我根据自己的理解，简单做了一个产业链图表。
我们可以把产业链切分为上中下游。
上游主要是电力以及人工智能所需的硬件，比如算力硬件GPU，如果加上服务器会更准确。服务器也包括云服务等，但本质上它属于上游的算力硬件。至于英伟达的 GPU 为什么具备这样的能力，这里涉及技术细节，我们就不展开了。
中游则是加工工艺，我们都生活在工业时代的产业体系，用工业体系的话来简单描述一下产业链。工业体系里有基础性硬件，比如炼油或炼钢的基础性硬件是反应炉或高炉。AI 产业链上游的基建投资，就像工业生产一样，需要建工厂，工厂有土地、厂房，重点是设备，包括催化设备、冶炼设备等等——我们可以把它们统称为“大基建高炉”。高炉的好坏，本质上决定了算力硬件、GPU 和服务器的质量，而硬件可以看作是高炉反应塔的每一层。
我们需要往高炉里投料，这里所说的“投料”实际上就是大数据的投入。这个“料”就是大数据，让高炉预热，也就是先把它热起来。之后，高炉会根据不同的处理方式产生不同的结果，比如铁水、汽油、柴油、沥青等——这和工业生产其实是一样的。
在投喂大数据时，有一个过程叫预训练。从广义上讲，就是将数据投入高炉的每一层，观察反馈。之后还有一个修正过程，也就是调整比例，这会改变最终的结果。比如某种成分多一点，就会用于不同的用途——这一部分可以看作是广义的大数据投喂产生的“铁水”。
经过进一步修正后，会得到专用的成品或半成品。这些在上游产生的“铁水”并不是最终产品，而是半成品。对于下游来说，它们是原材料。这个过程比较抽象，我们可以把它理解为是数据处理后产生的“能力”，比如运算能力或推理能力。这种能力虽然不是物化的，但可以作为叠加其他应用端的“原料”。
进入应用端就相当于进入了下游。就像把铁水拿出去可以制成钢材、板材一样，数据经过进一步加工后可以用于更多场景。越往下游，应用场景就越细分。有些专用的半成品会用于特定行业和应用端。
在今年讨论 Deepseek 的时候，尤其是在涉及模型和算法时，其实这和我1月春节后写日记时提到的比特币BTC问题是一样的。不过我还是要强调：我们目前还不明确，所以需要冷静地观察它到底激活了什么，又带来了什么。
在整个产业链中，如果把模型和算法放到工业体系中其实并不难理解。它们相当于生产工艺，也就是加工工艺。我常举一个例子：以前冶金院的院士们手上掌握着一些配方，通过调整高炉的温度、投入数据的比例、冶炼的工艺，可能会得到相同的结果，但成本更低、效率更高。
在投入原料到高炉的过程中，所有的反应模式就是大家一直在寻求的模型和算法。所谓“通用模型”，指的就是通用的链条。而再往下的细分领域，由于投喂的数据不同，算法和模型也会不同，最终产出的可能是专用的——这和产业链的逻辑体系并没有太大的差异。
比如，以前的冶炼工艺或配方可以实现降本增效。这时，配方是保密的还是公开的就很重要了。公开就是大家常说的“开源”，你会发现：人工智能的生产工艺这端一定是开源的，不像以前的产业链还有对应的保密期。因为有保密期，算法和模型就可以获得估值。
怎么理解呢？以OpenAI为例，它目前仍然是收费的，原因就在于它不想完全公开模型和算法，而是想通过保密来获取利润。只要能够获取利润，本质上就有了估值的条件。
万事万物是相通的，这与投资的逻辑是一样的。假设我是高炉的投资方，投入了大量资金用于购买硬件设备、采购原材料，准备通过高炉生产来赚取利润。这时老教授找到了，声称他的配方能够帮助我的高炉实现降本增效。
在这种情况下，我会算一笔账：比如我的高炉能挣多少钱？如果他的配方在三年内无人能抄袭或破解，那么每年能帮我降本增效多少？如果这个配方真的能让我多挣5个亿，那么分给老教授2个亿也完全值得。
所以，我给他的估值本质上还是来自于他能带给我的利润，包括在降本增效中和最终结果上带来的利润。这可能不是降本，而是对GPU的依赖度下降。以前我可能需要两个高炉才能产出这么多，但效率提高后，现在一个高炉就能产出这么多“铁水”，数据投喂的成本也降低了，最终成本也就进一步下降了，这就是我们给模型和算法估值的逻辑链条。
我注意到很多专业投资人其实已经仔细思考过这个链条。其实不难发现，生产工艺的迭代周期在工业时代是有周期性的。比如，你能凭借某项工艺赚钱三年，但三年后大家都掌握了这套工艺，那么这项工艺也就不再值钱了，估值也就没了。对于模型和算法来说，如果三年后大家都达到了同样的成本和效率，你的优势也就消失了，开源与否也就没有意义了。
不同行业有不同的周期性。比如医药行业，如果没有强大的专利法保护，生产一款新药的垄断时间会更短。但模型和算法的迭代周期实在太快了。Deepseek是一个现象，它直接挑战了降本增效的环节，同时也激活了模型和算法的高效进化，把中间的周期压缩了。
如何给AI产业链估值
那么，我们怎么给Deepseek估值呢？是基于它在未来的一到两年内保持领先、商用且有价值，还是基于一到两个月，甚至一到两周的短期表现？
虽然现在大家都在用Deepseek，但如果它变成收费模式呢？下游、中游的厂商，甚至其他人会不会去开发更好的替代品？这些情况都会使估值发生变化。开源模式也存在竞争，效率不断提高，螺旋式循环和进化。只有不断投入，才能保持领先。
那么，应用端会不会为此买单呢？可能暂时会，但周期太短了。同时，全球竞争激烈，中国这边刚推出Deepseek，那边GPT、埃隆·马斯克的Grok 3也在进化。因此，我认为绝对领先并不存在，因为人工智能的进化周期比工业中获取垄断领先性的周期短得多。如果估值，我可能最多给半年到一年。
人工智能的特点不是一条斜线，而是一条曲线。在单位时间t内，其斜率在后半段会呈几何倍数扩张，这意味着时间被几何倍数压缩。比如，前期硬件开发可能需要10年，中间环节可能需要3年，但算法进化、推理能力形成，甚至末端应用的叠加，可能只需要一天。在短短一个月内，大家会发现几乎所有下游场景都可以叠加降本增效的功能，中游的成品也可以快速向下游扩散。
从产业链角度看，这是好事吗？当然是好事。从另一个维度来看，价值T函数衰减的速度太快了，这正是整个产业链的模式。当然，在下游的应用端，这个问题会变得更加明显，因为从产业链的上中下游来看，下游的准入门槛是最低的，就像做衣服一样。
举个例子，当你获取了AI+，意味着你获得了竞争优势。但如果大家都同时获取了AI+，相当于大家都失去了这个竞争优势。当大家大家都接入了AI工具，竞争优势也就消失了。
对于产业链下游末端来说，这是一个巨大的问题：你的优势在哪里？如果你无法获取优势，也就无法获取利润。最终你会发现，这一定是个赢家通吃的逻辑。就像埃隆·马斯克一样，我不断进化算法，但如果我没有竞争对手出现，我肯定不会把最新的算法开源给你用。如果有竞争，那么在开源和竞争之间就很难获得利润。到了末端，大家只是为了获取流量，利用竞争优势去获取一定的领先性。
随着中间环节的时间窗口被压缩，下游的时间窗口也被压缩了。最终你会发现，最难的其实是上游。掌控上游的人，例如GPU、服务器或云服务算力的人，才是真正的赢家。因为如果没有上游的支持，下游的工艺和应用再好也没用。光有模型和算法，但没有算力支持，又有什么用呢？
所以，所谓的“互联网+”逻辑，如果单纯依赖下游或中游都是不行的。即便对于大厂来说，它们的中下游可能很强，但核心一定在上游的能力上。
那么，还有谁能在产业链上获得额外收益呢？答案是掌握通用大数据的人。当然，训练数据的成本很高，如果没有算力支持，光有数据也没用。但如果未来数据可以交易，那么你也可以把数据卖给有算力的人。
还有一些专业领域需要精准调整的数据和人才，他们可以服务于这条产业链。但最终的利润将全部归属于上游，也就是算力成本的部分。服务器、电力和GPU等构成了“高炉”，如果没有“高炉”，就很难获得利润。
这和我们的产业链类似。传统工业产业链发展到最后，你会发现下游不挣钱，中游白打工，而上游只要不扩产，利润就会逐渐向上游集中，最终上游会变成一个“现金奶牛”的定价模式。虽然大家都用上了这些技术，但利润的归结和周期性就是这样滚动的。
在传统产业链中，周期较长，每一环都能在一定时间内获得优势，进而获得利润。但人工智能本身不断进化，效率极高。我对于这种高效率感到担心，它可能会快速压缩原有的产业周期逻辑。
对我们来说，对模型和算法进行估值成了一个棘手的挑战。前几年，我们对产业链上游进行估值。经过证明和证伪，我们发现上游基本形成了寡头垄断，因此市场会逐渐往下走，对中游和下游进行估值。
但大家很快发现：这种估值的确定性和持续性面临诸多挑战。一方面，中下游企业的盈利能力并不稳定；另一方面，产业链特征的快速变化进一步加剧了估值的不稳定性。
所以在这种情况下，估值可能难以维持一两年的稳定期，产业链的重心便会迅速向下游和应用端转移。当产业链转向下游和应用端后，市场可能会意识到方向的偏差，随之大幅杀估值，出清泡沫。随后，行业将进入整合阶段，通过收并购形成综合性的平台。
在这个过程中，“有高炉者得天下”成为核心逻辑——掌控上游算力资源的企业将占据主导地位。收并购完成后，下游产品甚至可能不再追求盈利，而是作为平台的一部分存在。
从更宏观的视角来看，我们似乎仍未摆脱互联网思维的逻辑。准确地说，这并非早期互联网的思维，而是近十年互联网产业链发展的逻辑。从传统工业到互联网，再到如今的AI产业，其底层逻辑是相通的：互联网已经大幅压缩了传统工业的发展周期，而AI技术的出现将进一步加速这一进程。这正是我们在长白山论坛上深入探讨的话题，也是我在微观层面所担忧的核心问题。
希望本期内容对大家有启发，我们下期再见。
