AI、文创、社企的创兴思考 · AI双创
AI泡沫前七巨头的“七宗罪”

科技与资本交织的推波助澜,人工智能的浪潮以前所未有的速度席卷全球,将数万亿美元的财富和期望投入到一场壮观的豪赌中。
然而,在这场由算力、算法和无限憧憬共同构建的盛宴背后,我们嗅到了一丝熟悉的,带着原罪气息的味道。
市场共识坚定地相信,Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia 和 Tesla这七家科技巨头是创新和智能的绝对驱动力,它们的投入保证了技术的未来。
但是,若我们以一种另类的视角审视,这场泡沫的推手,恰恰可能是它们身上那与七宗罪遥相呼应的七种深层问题。
这不是对它们技术成就的否定,而是对它们驱动市场行为动机的一次深思。
每个巨头在AI狂热中展现的惊人举动,都精确地暴露了其长久以来植根于企业文化和商业模式中的那份“原罪”,而正是这份原罪,而非纯粹的创新,正在将AI的未来引向泡沫边缘。
## 傲慢:Alphabet与对永恒桂冠的偏执
在AI的盛世中,Alphabet(谷歌)商业叙事中所承载的是无可比拟的傲慢。
这种傲慢并非源于成功本身,而是源于对自身作为AI领域“圣徒”身份的固执。
他们拥有DeepMind、Google Brain,掌握着海量的知识和顶尖人才,这让他们产生了一种错觉:无论后来者如何崛起,他们总能凭借积累的智慧和资源,在关键时刻迎头赶上,并以压倒性优势超越。
近期,这种傲慢在Bard和在Gemini的高调发布中,也暴露了其对真实技术能力的过度包装和夸大让人瞠目结舌的产品发布中表露无遗。
在竞争对手快速迭代、精准打击市场痛点的时候,Alphabet的策略却时常显得草率且狂妄。他们急于向世界证明自己依然是无可争议的领导者,推出的旗舰模型有时显得未经深思熟虑,带着一种“我们做了,所以你们必须接受”的态度。
这种偏执的追逐,导致了产品在伦理、常识和用户体验上的明显疏漏,引发了全球范围内的质疑和嘲讽。
这种失误,并非简单的技术瑕疵,而是根植于企业深处的一种结构性自负。
他们相信,凭借无与伦比的规模和品牌光环,即使是带着瑕疵的“神作”,也能被市场照单全收。
他们的挑战,是从“守成者”到“创新者”的心态转变,这种对永恒桂冠的偏执,使得他们在竞争中反而暴露了自身的脆弱,将资源投入到了一场不必要的、证明自身优越性的内耗之中。
## 暴食:Amazon永不满足的基建饥渴
Amazon(亚马逊)所代表的,是AI生态中最明显的暴食。
这并非指向商业模式本身的过度扩张,而是指向对底层资源的无限囤积和消耗。
Amazon云计算服务(AWS)是全球AI基础设施的基石,而他们对数据中心、电力和算力芯片的投入,已达到了令人咋舌的,甚至可以说是病态的级别。
他们不断宣布创纪录的资本支出,动辄数百亿美元投入到新的数据中心园区建设中,其扩张速度让人联想到一种不可遏制的吞噬。
Amazon的逻辑简单而粗暴:AI的未来是一条收费公路,而他们必须拥有这条公路上每一个收费站。
这种对“市场份额”和“基础设施霸权”的贪得无厌,使得他们成为了AI泡沫最主要的燃料消耗者。
他们不断地抢夺资源、推高土地和能源的价格,其行为的后果是,所有新兴的AI创业者都必须在AWS上付出高昂的“过路费”。
这种暴食策略,其目的并非单纯为了提供更优质的服务,而是为了系统性地排挤那些无法承担高昂资源成本的竞争者,确保未来所有创新都必须在他们的领地内进行。
他们以资本的体量,将AI基础设施的竞争变成了一场零和博弈,其本质是对资源的掠夺性垄断。
## 色欲:Apple与对完美隐私的诱惑
Apple(苹果公司)的AI战略,偏执于客户对完美私密性的渴望,这正是色欲的体现。
在所有科技巨头中,Apple希望将AI包装成最“纯洁”和“安全”的私人物品,创造了一种排他性的、充满诱惑的数字亲密关系。
他们将“端侧智能”和“个人隐私”推向极致,仿佛在耳语:“只有在我的生态系统中,你的数据才是真正的处女地,你才能体验到完美无瑕、无缝融入的智能。”
这种诱惑的营销策略,正是对市场焦虑的精准把握。
在数据泄露和模型偏见日益泛滥的今天,苹果利用其封闭的生态系统,构建了一个令人向往的避风港。
他们不惜投入巨大资源来完善芯片和操作系统,以实现用户在设备上的私密,这种努力与其说是一种技术创新,不如说是一种高明的商业勾引。
它诱导用户相信,只有购买最昂贵的硬件,才能获得这种“独家”的智能体验。
苹果的色欲,在于创造了一种数字世界的“原罪之果”:虽然市场上充斥着唾手可得的开放AI模型,但只有尝到苹果的“禁果”,才能获得那份独一无二、令人沉溺的个性化数字伴侣。这种对完美的追求和对用户的独占渴望,构成了其AI战略的深层驱动力,也导致蠢笨的Siri和不断延后自研AI产品的推出。
## 嫉妒:Meta追逐平台转型的痛苦
Meta(脸书)的AI行动,完全可以被理解为一种对失去先发优势的嫉妒所驱动。
这种痛苦源自他们错失了移动互联网的早期红利,如今又眼睁睁看着OpenAI/Microsoft抢占了生成式AI的头把交椅。
当他们快速、激进地推进大型语言模型Llama的开源和普及时,其背后燃烧的,正是对竞争对手地位的强烈觊觎。
Meta的策略是反其道而行。
既然在封闭生态中追赶困难,不如将整个赛道“开膛破肚”。
他们选择将高质量的模型以近乎慷慨的姿态开源给全世界,这种行为的本质是一种以退为进的破坏性竞争。
这不是纯粹的利他主义,而是基于一种深刻的嫉妒心理:如果我不能成为唯一的领导者,那么至少我要保证没有人能够拥有绝对的垄断地位。
这种做法的戏剧性在于,它看似解放了AI生产力,实际上却是对既有秩序的颠覆和侵蚀,迫使竞争对手不得不改变策略,以应对这种突如其来的“免费”威胁。
Meta的每一步,都带着一种不甘示弱的急切,试图通过数量的堆砌和生态的扩张,来弥补他们在时代前沿的缺席和滞后。
## 懒惰:Microsoft对外部智慧的路径依赖
在AI的淘金热中,Microsoft(微软)所犯下的,并非传统意义上的怠惰,而是一种原创上的懒惰。
作为一家拥有强大研发能力的巨头,他们在基础模型的突破性创新上,却选择了付费外包给OpenAI。
他们投入了数百亿美元,不是为了从零开始建立下一代基础模型,而是为了直接购买并绑定那个最闪耀的火花。
这种懒惰,是巨头式的路径依赖。
凭借其无可匹敌的企业分销渠道(Windows、Office、Azure),Microsoft意识到,比起进行艰苦、高风险的十年基础研究,更轻松、更具确定性的做法是利用其资本和分发优势,将外部的创新者变成自己的垄价工具。
他们迅速将OpenAI的能力以Copilot的形式植入到每一个角落,这种无所不在的集成虽然带来了巨大的商业价值,但其核心能力却源于对他人创新的“搭便车”。
这种模式的风险在于,一旦OpenAI的模型遭遇瓶颈或内部变故,Microsoft的核心AI战略将面临釜底抽薪的威胁。
他们用资本的便捷,取代了科研的艰辛,将企业的核心竞争力建立在了一个脆弱的外部契约之上。
## 贪婪:Nvidia对算力咽喉的无度索取
如果说有一家公司完全符合驱虎吞狼贪婪的原型,那无疑是Nvidia。
他们凭借在GPU领域的先发优势,成功地在AI军备竞赛中,占据了唯一的、不可替代的军火供应商地位。
这种贪婪,体现在他们对AI芯片的定价和超高利润率上。
他们所提供的GPU,成为了驱动万亿AI泡沫的绝对咽喉要道。
Nvidia的定价策略,是对整个AI生态系统的一次无度索取。
每一家初创公司、每一个科技巨头,乃至每一个国家,都不得不向他们缴纳高昂的“算力税”。
这种定价,早已超出了正常的成本加成和研发溢价,而是一种对稀缺资源的垄断性榨取。
他们通过建立CUDA这个封闭的软件生态系统,进一步巩固了其不可撼动的市场壁垒,让所有竞争对手望尘莫及。
这种单方面的、不平等的财富转移,使得Nvidia成为了这轮AI狂欢中最大的赢家,其暴利正以惊人的速度推高着自身的市值和整个行业的估值。
而这种贪婪是具有系统性风险的,它使得AI的门槛被不合理地抬高,限制了创新主体的多样性,并将未来的技术进步抵押给了一个单一的、以利润为导向的寡头。
## 愤怒:Tesla与以情绪驱动的技术叙事
Tesla(特斯拉)的AI故事,则以愤怒为基调,充满了情绪化的推力和争议。
这种愤怒并非来自对竞争的冷静反应,而是源于其领导者对传统世界的叛逆、对质疑者的蔑视,以及对“不可能”的技术目标的固执和激进。
特斯拉的AI,无论是全自动驾驶(FSD)还是人形机器人(Optimus),其叙事方式常常充满好战性和戏剧性的断言。
每一次FSD的激进宣传和不断延期的承诺,都带着一种对现实技术限制的对抗情绪。
这是一种将技术研发过程转化为意识形态斗争的愤怒,它将技术挑战者塑造成“敌人”,要求用户和投资者必须以宗教般的信念来接受其愿景。
这种以情绪驱动的商业模式,在市场上制造了极端的两极分化:狂热的追随者和坚定的批评者。
而愤怒的副作用,就是使得特斯拉的AI技术评估常常脱离客观的工程标准,变成一场关于信念和意志的心理战。
它的存在,提醒着我们,在科技的最前沿,非理性的情绪同样可以成为推动万亿市值扩张的强大动力。
我们看到,愤怒不仅是情绪的爆发,它也成为了一种高效的、具备高度争议性的市场营销工具。
AI创业者如何自处?
我们已经看到,支撑这轮AI泡沫的七家巨头,它们的每一个惊人动作背后,似乎都隐藏着一些古老的人性弱点。
这些观察提醒我们当前的AI繁荣,与其说是纯粹的“智能”驱动,不如说是“原罪”驱动的决策路径。
巨头们的傲慢、暴食、色欲、嫉妒、懒惰、贪婪和愤怒,共同构筑了一个极度不稳定且充满矛盾的泡沫结构。
对于正在或即将进入AI赛道的创业者而言,看清这一点至关重要。
我们不应该只在巨头的优势(如算力、数据)上进行追赶,而应该在它们的缺陷和原罪上寻找机会:**避开傲慢的盲区**:巨头们因自负而忽略的细微伦理、特定文化和社群需求,正是创业者应该深耕的垂直应用场景。专注那些对大模型而言太小、太边缘、太耗费人力的定制化解决方案。
**化解暴食的成本**:接受算力成本高昂的现实,专注于模型蒸馏、边缘计算和硬件-软件协同优化。与其向巨头购买算力,不如开发能以十分之一算力实现百分之八十效果的够用就好的精简模型。
**洞察色欲背后的真实需求**:专注提供私密体验的后果,肯定与生态过于封闭距离不远。创业者应开发开放、可互操作,但仍具备可验证隐私机制的中间件或协议,打破独占诱惑。
**利用嫉妒创造的开源红利**:积极利用开源系列模型,将其作为免费的基础设施,避免从零开始。将创业精力集中于模型的微调、场景落地和商业模式创新,而不是基础研究。
**填补懒惰留下的创新真空**:巨头依赖外部模型,其产品同质化严重。创业者应将注意力转向多模态融合、具身智能或下一代模型结构,进行微软通过外包无法获得的原创性、基础性突破。
**对抗贪婪的垄断**:推动非GPU硬件加速器(如FPGA或ASIC)的发展,寻找开源软件生态系统来替代CUDA,以平价化的路线挑战巨头们的算力壁垒。
**超越愤怒的叙事**:避免以情绪化、愿景驱动的宏大叙事来融资和宣传,转而以扎实、可验证的阶段性工程成就来建立客户信任和产品壁垒,回归冷静且务实的循证主义。
## 写在最后
不要忘记了问问自己“What’s in the Box?”的简单初心?
我们究竟是在追逐真正的美好未来,还是仅仅在膜拜资本和算力堆砌出的幻象?
这场肉眼可见泡沫,最终将以悔恨收场,但对于看清泡沫本质的创业者和投资人来说,在那即将到来的临界点背后,恰恰是反向创新的绝佳机会。
本文首发于麟朗创兴公众号
本文为麟朗创兴早期存档版本,与公众号发布稿可能存在个别文字差异。
读到这里,想知道自己的项目卡在哪一步? 做一次十来分钟的初诊 →
十来分钟,一个问题一个问题地问,最后给你一份初诊报告。
