7.6
深览指数
科技虎嗅·嗅友yn9cC··AI 生成
《第一性思考》13｜AI最前沿的未来，为什么正在复活一批30年前的老公司？
文章指出AI行业虽然表面由模型驱动，但一批如康宁、思科、西部数据等成立30年以上的老公司正因AI需求重新变得重要。核心论点是：AI是一种极其消耗物理资源的软件，其指数级需求正撞上物理世界（光纤、硬盘、电力、厂房等）线性供给的瓶颈，从而奖励那些拥有“已建成资产”、“长期积累能力”和“重新成为瓶颈位置”的老公司。作者强调，真正稀缺的不是技术，而是时间，并警示当基建供给跟上后，这些公司可能面临周期回落与巨头压价的压力。适合关注AI产业链、科技投资与基础设施逻辑的深度读者。原文 ↗
核心观点
- ▍AI革命正‘复活’一批成立30年以上的老公司（如康宁、思科、西部数据、核电站），原因在于AI是极其吃物理资源的软件，其指数级需求与物理世界线性供给之间的矛盾，使得掌握‘已建成资产’、‘长期积累能力’和‘重新成为瓶颈位置’的企业重新获得价值。
- ▍科技行业应抛弃‘新/旧’的二分法，转而采用‘可压缩与不可压缩’的分类。软件高度可压缩，但光纤、电厂、工程师经验等物理世界要素不可压缩，AI发展越快，就越会撞上这些无法加速的瓶颈。
- 01康宁（1851年成立）与英伟达签下长期合作，将美国光连接产品产能扩大10倍，光纤产能提高超50%。
- 02思科（1984年成立）2026财年从超大规模云厂商获得的AI基础设施订单达93亿美元。
- 03西部数据最新季度营收同比增长44%，89%收入来自Cloud；三里岛核电站（曾于2019年因经济性关闭）准备重启，微软签署20年购电合同。
- 04AI模型迭代以月为单位，而基础设施（核电、燃机、光纤）的建设以年甚至几十年为单位。过去二十年“软件吞噬世界”的范式导致对边际成本趋近于零的迷信，而AI后台消耗的GPU、网络、存储和电力构成了新的物理成本。
- 05AI产业瓶颈传导路径：模型→GPU→HBM→先进封装→网络→光纤→电力→燃机、变压器，每一步解决“高级问题”的同时，都会暴露更“基础”的瓶颈。
反方 / 局限
- — 这些老公司当前的高议价权源于供给短缺，但未来3-5年后产能扩张、竞争者回归，可能面临周期回落。且客户高度集中于微软、亚马逊、Google、Meta等最善于压价的巨头，上行时订单大，下行时风险也大。
- — 两个时间钟不同步构成风险：AI模型更迭以月计，基础设施投资却是20年合同。2029年的AI是否还会按2026年的方式消耗算力未知，可能因模型效率提升、芯片架构变革或大量计算迁到终端而改变。
- — 不能简单外推“AI基建需求旺盛所以不会泡沫”，互联网方向正确但2000年光纤仍出现产能过剩，铁路改变美国但铁路公司照样破产。
11 分钟 · 5 卡片 · 15 资料
读原文 →