大模型瓦解传统SaaS与品牌壁垒 投资人指物理硬件成最后确定性

AI浪潮下，未来十年的财富格局将如何改变？ — 涌现EmergenceHK

涌现EmergenceHK

由于信息非守恒特性催生赢家通吃并击穿代码迁移与品牌溢价，无法压缩制造周期的底层物理硬件成为跨周期资产配置的唯一坚固护城河。

AI-assisted summary of AI浪潮下，未来十年的财富格局将如何改变？ — original source. Check the original for full context.

Source published:

Key ideas

  • 技术扩散周期急剧缩短而算力硬件折旧周期压缩至3到5年，这种资本支出与资产折旧的巨大错配构成了AI时代资本焦躁的底层动因。 (0:00)
  • 信息革命打破了基于质能守恒的传统稀缺经济学假设，其非守恒与零边际成本扩散属性催生出极端的幂律分布与赢家通吃格局。 (2:07)
  • 在理性智能体与自动编程工具冲击下，巴菲特经典护城河中的迁移成本、品牌忠诚度与传统成本优势面临失效，唯有底层物理制造门槛依然坚固。 (6:33)
  • 企业AI原生化演进正在经历L1至L5的层级跃迁，组织核心壁垒正从单纯积累数据转向将独特商业品味与上下文沉淀为知识图谱。 (11:34)

Detailed notes

## Background 该内容由YouTube频道“涌现EmergenceHK”于2026年8月28日发布。节目为在香港科技大学举办的「涌现对谈」，由唐博主持，特邀科技投资人Bill Qian、科普创作者所长林超以及明略科技副总裁孔誉干，共同探讨AI浪潮下技术革命如何重塑资本周期、资产定价、企业护城河及未来十年的财富格局。

## TL;DR 对谈指出，当前AI技术扩散极快但GPU硬件折旧周期被极限压缩至3到5年，带来了前所未有的资产重置压力；从底层物理法则来看，信息非守恒性打破了传统稀缺经济学，引发极端赢家通吃。随着算力基建迈向智能体与具身智能，巴菲特传统的迁移成本和品牌护城河正被瓦解，仅剩半导体制造等物理门槛具备确定性。家族办公室等长期资本必须超配先进生产力，并清退易被AI替代的中间层资产以防双重失血。最后，对话提出了企业从L1（Token投入）到L5（多Agent协同）的AI原生化演进阶梯，警示无法沉淀组织Context与决策品味的公司将在洗牌中迅速被淘汰。

## Atmosphere & style 整场对谈兼具严密的物理学第一性原理思辨与一线投资的冷峻实战感，节奏紧凑且充满时代剧变前的智识张力。嘉宾们既能将宏大的热力学定律、资本周期与通俗风趣的文学隐喻举重若轻地结合，又能尖锐指出传统软件与IT外包行业所面临的残酷现实。聆听过程既让人为无界扩张的算力未来感到兴奋与震撼，又深刻传递出一种资产可能被新技术无情蚕食的紧迫感与清醒审慎。

## Bulletin - [00:00](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=0s) 技术扩散周期急剧缩短而算力硬件折旧周期压缩至3到5年，这种资本支出与资产折旧的巨大错配构成了AI时代资本焦躁的底层动因。 - [02:07](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=127s) 信息革命打破了基于质能守恒的传统稀缺经济学假设，其非守恒与零边际成本扩散属性催生出极端的幂律分布与赢家通吃格局。 - [06:33](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=393s) 在理性智能体与自动编程工具冲击下，巴菲特经典护城河中的迁移成本、品牌忠诚度与传统成本优势面临失效，唯有底层物理制造门槛依然坚固。 - [11:34](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=694s) 企业AI原生化演进正在经历L1至L5的层级跃迁，组织核心壁垒正从单纯积累数据转向将独特商业品味与上下文沉淀为知识图谱。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=0s) 大模型用户破十亿仅用不到三年，技术扩散速度远超PC时代的14年与早期工业时代的数代人周期。 - [00:00](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=0s) 传统重资产基建如铁路折旧期长达50年，而当前核心AI资产GPU的有效寿命仅3至5年，资产折旧压力逼近共享硬件逻辑。 - [02:07](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=127s) 人类前两次工业革命本质是遵循热力学守恒定律的能量革命，而从PC到AI的信息革命则脱离了能量守恒，具备无损复制与倍增的非守恒特性。 - [02:07](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=127s) 信息革命的非守恒性颠覆了古典经济学的稀缺性基石，使高效模型能够以近乎零边际成本对传统SaaS软件展开降维打击。 - [04:47](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=287s) PC管网受地理边界限制，移动互联网受人类每日24小时注意力上限限制，而AI代表的计算能力在理论上几乎不存在物理需求天花板。 - [04:47](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=287s) AI演进必须穿越感知智能、生成式智能、智能体以及物理智能四大阶段，每一个阶段都需要5到15年的深层技术积累。 - [06:33](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=393s) 自动代码生成消解了生态迁移成本，理性的AI Agent消解了品牌忠诚度溢价，而模型代差削弱了单纯的低价成本优势。 - [06:33](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=393s) 在数字化全面颠覆的背景下，半导体先进光刻、超洁净室环境与物理化学材料构成的物理门槛，是未来十年前景最确定的长期壁垒。 - [09:05](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=545s) 从庄园农业地主、工业制造巨头到ICT科技新贵，富豪榜财富重心始终严格伴随时代最先进生产力的转移而重塑。 - [09:05](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=545s) 长周期资本配置需遵从正面超配先进生产力以防被全球经济大盘稀释，同时警惕因存量资产被AI替代而沦为时间的敌人。 - [09:05](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=545s) 以印度传统初级IT外包为代表的存量资产，在生成式代码工具普及下正面临底层业务被无情吞噬的双重失血风险。 - [11:34](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=694s) 黑客松实操证明AI能够在数天内复刻既有应用，传统软件公司的功能壁垒已极其脆弱，明年将迎来激烈的商业价值重估。 - [11:34](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=694s) 企业AI成熟度L1至L3要求将Token视作高回报生产力投资、实现全业务上下文在线化，并具备智能体工作流自建能力。 - [11:34](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=694s) 企业迈向L4与L5高阶形态的核心标志，是将组织内部独特的战略思考、价值取向与商业品味沉淀为深度知识图谱，并实现跨组织智能体协同。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=0s) 资本周期的极端压缩与算力折旧带来的增长焦虑

在香港科技大学的对谈现场，嘉宾们首先探讨了这轮人工智能浪潮与以往历次科技革命在资本周期上的根本差异。回顾人类历史上的技术迭代，周期的推演呈现出一种“从极慢到极快”的指数级加速轨迹：早期的一项重大变革往往需要跨越四代人、历经近百年才能被社会完全消化；到了PC个人电脑时代，周期缩短至约14年；移动互联网时代只用了数年时间；而到了以ChatGPT为代表的大模型时代，全球用户规模突破10亿仅仅用了不到三年。如今翻开全球富豪榜的前列，前二十名几乎全被AI巨头垄断，偶尔穿插着一两位加密货币新贵。市场的纠偏机制也变得前所未有的迅猛，许多所谓的估值回调与看空情绪，往往在巨头交出一份超预期的财报后被瞬间击溃。

这种前所未见的演进速度，本质上建立在对过去几次技术革命红利的叠加之上：它不仅继承了PC时代对全球物理世界的数字化成果，还依托了互联网与移动互联网所建立的全面在线化底座，以及云计算带来的算力与数据纵深。然而，“快”也带来了前所未有的资产折旧压力。历史上修建铁路的折旧期长达50年，光纤网络的投资回报期也有20年，而当前全球疯狂投入的GPU算力基础设施，物理与技术寿命通常只有3到5年——这种资产折旧速度几乎逼近了共享充电宝或共享单车的逻辑。每一代投入千百亿美元采购的算力设备，必须在短短几年内通过惊人的收入增长来证明自身合理性，一旦商业化变现跟不上设备贬值的节奏，便会引发剧烈的泡沫质疑。这种资本支出与资产折旧的巨大错配，正是当前AI时代无论在资本情绪还是业务增长上都显得异常焦躁的底层动因。

- **技术扩散周期演进**：农耕与早期工业时代需4代人（约80年）消化，PC时代缩短至约14年，移动互联网缩短至数年，而大模型时代（以ChatGPT为代表）仅耗时不到3年即席卷全球10亿用户。 - **资产折旧周期的极限缩短**：传统重资产基础设施（铁路50年、光纤20年）拥有漫长回收期，而现代AI的核心资产（GPU集群）有效折旧寿命仅有3至5年。

---

[02:07](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=127s) 重新定义革命：信息与能量在物理法则上的本质割裂

针对外界将AI称为“第四次”或“第五次工业革命”的普遍说法，所长林超在对谈中提出需要从物理学的第一性原理厘清核心定义。严格意义上讲，“工业革命”是一个植根于物理世界与物质转化的概念。如果从“物质、能量、信息”这构成宇宙的三大维度来看，人类历史上的前两次工业革命本质上是“能量革命”：第一次革命解放了蒸汽动力，第二次革命掌握了电力驱动；直到PC与互联网的出现，人类才真正开启了第一次“信息革命”，随后的小型机、移动互联网和如今的人工智能，都是信息革命在不同阶段的深化与演进。

物质与能量在物理世界中遵循爱因斯坦质能方程（$E=mc^2$）以及热力学第一定律（能量守恒定律）。正因为能量守恒且无法凭空产生，物质与能量天然具备“稀缺性”，而古典与现代经济学的整套大厦正是建立在“资源稀缺”这一基石假设之上。然而，信息产业彻底脱离了热力学的守恒定律——信息是不守恒的。一个人将某种信息分享给另一个人，原持有者不仅没有失去信息，信息的总量反而成倍增加。这种“非守恒性”瓦解了传统的稀缺经济学逻辑，催生出了极端的“幂律效应”与“赢家通吃”。当某一个大模型将写代码（Coding）的效率提升到极致时，整个市场便会立刻形成一致预期：它将以近乎零边际成本的边际扩散能力，瞬间降维打击甚至彻底颠覆传统的SaaS软件公司。

```mermaid flowchart TD accTitle: Physical vs Information Revolution accDescr: 比较物质能量革命与信息革命在底层物理法则与经济学属性上的本质差异

subgraph EnergyRealm ["物理与能量革命（第一、二次工业革命）"] A["物理法则：能量守恒定律 & E=mc²"] --> B["本质属性：资源具有绝对稀缺性"] B --> C["经济规律：边际成本递增，受物理空间与时间限制"] end

subgraph InfoRealm ["信息革命（PC、互联网、人工智能）"] D["物理法则：信息不守恒（复制无损且倍增）"] --> E["本质属性：非稀缺性，边际成本趋近于零"] E --> F["经济规律：幂律分布与极端的赢家通吃效应"] end ```

- **物理学视角的文明演进分类**： - **能量革命**：蒸汽机（第一次）、电力技术（第二次），依赖热力学转化。 - **信息革命**：PC与互联网（第一次信息革命）、移动互联网、人工智能（信息生产与处理能力的指数级跃升）。 - **经济学假设的重构**：传统经济学依赖物质与能量的守恒定律（稀缺性）；信息革命则在非守恒状态下运行，使得数字化能力可以零边际成本无限边际扩张。

---

[04:47](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=287s) 算力基建的无界扩张与AI演进的四个物理阶段

进一步对比历代基础设施建设的演进，可以清晰看到技术边界的质变。PC互联网时代的基建始于1990年代，耗时约10年铺设了全球光纤管网与路由器硬件；移动互联网时代的基建则转变为对“用户时长”的争夺，先通过免费应用将数十亿用户的时间圈占起来，再摸索出信息流广告与电商等变现闭环。但这两代基建都存在不可逾越的物理天花板：全球铺设的光纤有地理边界，全球70多亿人口每天拥有的时间上限也就是固定的24小时。而AI时代的基建核心是“计算能力的扩张”，这种算力扩张在理论上几乎看不到物理天花板。物理学中的“泛计算论”认为，整个宇宙的本体实际上就是一个巨大的量子计算实体，人类从微观量子运动轨迹到宏观天体宇宙的探索，需要无限的算力去模拟和追溯各种可能性。“计算供给是有天花板的，但计算需求看起来似乎是没有天花板的。”

虽然当前大模型最耀眼的变现场景集中在Coding（代码生成）和视频生成领域，但大众对AI的实际运用还停留在极度初级的浅水区，大部分人仅仅将其当作问答对话机器人，真正懂得调动AI Agent执行长程自动化工作流的用户凤毛麟角。Coding这一核心生产力场景的潜力仍被严重低估，甚至仅是算力消耗的沧海一粟。

从英伟达首席执行官黄仁勋在GTC大会上反复阐述的技术路径来看，整个人工智能的演进必须穿越四大阶段： 1. **Perception AI（感知智能）**：始于2016至2017年前后，初期虽然在人脸识别等场景落地，但直到今天面向物理世界时，机器人对环境的全维度感知（摄像头加多模态传感器）仍未真正迭代完成。 2. **Generative AI（生成式智能）**：通过自然语言与扩散模型实现文字、图像、音频与代码的即时生成。 3. **Agentic AI（智能体）**：具备规划、记忆、工具调用并自主完成长程复杂任务的代理智能。 4. **Physical AI（具身/物理智能）**：与机器人及物理世界软硬件深度融合，实现对现实物理环境的理解、交互与实体改造。

整套AI迭代链条绝非十到十五年就可以草草收场的短期风口，每一个大阶段都需要经历5到15年的深层技术夯实。

- **三代科技基建的核心资源对比**： - **PC互联网**：物理管网与路由通信（受地球地理空间物理限制）。 - **移动互联网**：用户注意力与使用时长（受全球人口总数与每日24小时生命限制）。 - **人工智能**：全维度计算能力（算力需求面向宇宙认知与模拟，理论上无上限）。 - **黄仁勋提出的AI演进四阶段**：感知智能（Perception AI） $\rightarrow$ 生成式智能（Generative AI） $\rightarrow$ 智能体（Agentic AI） $\rightarrow$ 物理智能（Physical AI）。

---

[06:33](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=393s) 巴菲特传统护城河的瓦解与物理门槛的绝对壁垒

在探讨如何评估一家AI公司的长期投资价值时，对话切入了对沃伦·巴菲特（Warren Buffett）经典价值投资护城河理论的反思。巴菲特时代定义的四大护城河包括：**网络效应**、**成本优势**、**无形资产（品牌忠诚度）**与**迁移成本**。而在大模型能力的降维打击下，其中三大护城河正面临被彻底击穿的危机：

首先是**迁移成本**。以往英伟达依托CUDA生态构筑了坚不可摧的软件壁垒，开发者在其上沉淀了大量算子和业务代码，导致跨生态迁移的代价极其昂贵。然而在当下自动写代码与代码翻译能力呈指数级提升的环境中，跨平台代码重写与迁移的门槛被拉低到了近乎零的水平。其次是**无形资产与品牌忠诚度**。在未来三到五年内，随着个人智能体（Agent）全面接管购物、差旅和日常决策，AI是完全冷血理性的，它根据性价比与参数做最优解，根本不存在传统人类消费者的“品牌忠诚度”，品牌溢价的护城河正在失效。最后是**成本优势**。成本优势在当下变得异常微妙（Tricky）：虽然像DeepSeek这样的模型以极致的工程优化将成本打到了极低水平，但如果模型的核心推理能力落后于顶级梯队一个身位，用户依然会毫不犹豫地花更多钱去调用更高级、体验降维打击的模型。

```mermaid flowchart LR accTitle: Deconstruction of Moats in AI Era accDescr: 展示巴菲特四大护城河在AI浪潮下的重塑与物理门槛的稳固性

subgraph VulnerableMoats ["面临AI降维打击的传统壁垒"] direction TB M1["迁移成本<br>（被AI极速自动编程击穿）"] M2["无形资产/品牌<br>（AI Agent决策缺乏品牌忠诚度）"] M3["成本优势<br>（体验差一档即被更贵的顶级模型淘汰）"] end

subgraph SolidMoats ["依然坚固的长期壁垒"] direction TB S1["网络效应<br>（双边/多边飞轮效应）"] S2["物理硬件门槛<br>（半导体洁净室/化学材料/光刻极限）"] end ```

然而，所有的数字化颠覆依然无法跨越物理限制。即便信息革命再汹涌，由于现实世界并未发生颠覆性的能源革命与基础材料革命，半导体产业的物理瓶颈依然坚不可摧。例如先进制程存储芯片的短缺，背后涉及极紫外光刻、超洁净室环境、极其复杂的物理化学反应与材料配方，研发与建厂周期必须按年计算，毫无捷径可言。信息革命的指数级爆发越猛烈，对物理硬件底座的需求就越饥渴，底层的物理限制就越发突出。“如果说要穿越到未来五年、十年，目前看得懂的长期投资逻辑只有‘物理门槛’，这个逻辑是最大最大的一个确定性。”

- **巴菲特传统护城河在AI面前的失效检验**： - **迁移成本**：被自动生成代码与算法自动化迁移工具极大削弱。 - **品牌护城河**：面临理性智能体代理决策对人类感性品牌溢价的消解。 - **成本优势**：受制于性能代差，优质大模型的“降维打击体验”远比单纯的低价更具吸引力。 - **物理世界的硬门槛**：信息与数据无论如何爆发，都受限于半导体制造、物理光刻工艺、洁净室制造周期与化学材料等不可压缩的物理法则。

---

[09:05](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=545s) 家族办公室视角的资产重配：紧跟生产力与警惕“时间的敌人”

科技投资人Bill Qian从家族办公室（Family Office）长期资产配置的视角，阐述了资产价值如何随先进生产力转移的规律。他风趣地指出，从古至今的流行文艺作品中，女主角的人设往往保持一致（年轻漂亮、直率善良），但男主角的职业背景却严格折射出不同时代的“先进生产力”： - 早期古典庄园文学中，男主角多为拥有庞大土地与农场庄园的世袭贵族，其核心现金流来源于**农业收租**； - 到了《泰坦尼克号》时代，女主角Rose那位来自匹兹堡的富豪未婚夫，背后代表的是钢铁冶炼与重工制造业，即当时鼎盛的**工业资本**； - 而到了现代名模米兰达·可儿（Miranda Kerr）的时代，她所嫁的丈夫则是Snapchat创始人埃文·斯皮格尔（Evan Spiegel），代表着**互联网科技新贵**。

每一代文艺作品中的男主角不仅代表先进生产力，随后也都会登上福布斯全球富豪榜。回看今天全球前五十名富豪，除了少数如LVMH的顶级奢侈品操盘手，绝大部分清一色来自金融与ICT信息科技产业。

对于家族办公室等追求跨越周期的长期资本而言，核心配置策略必须遵从两大铁律：

第一，**确保资产规模不被先进生产力稀释**。尽管陈天桥等投资家在当下成为了美国极具规模的农田大地主，但放眼全球超过900万亿美元的资产总盘子，农业的整体资产估值份额早已被工业和科技边缘化。如果在过去两百年里没有主动超配工业制造和信息技术，财富的增长速度必将被全球经济大盘彻底甩下。

第二，**全面排查现有资产组合中谁是“AI的敌人”**。很多时候投资者的亏损并非因为动作太慢，而是存量资产被新技术直接蚕食。以近年火爆的印度股市为例，其核心权重板块之一是IT外包服务，背后支撑着350万初级印度IT工程师的中产阶级梦想。然而，随着Anthropic的Claude Code以及各大代码生成工具的崛起，大量基础编码与软件外包业务正被无情吞噬，直接冲击了印度股市的底层逻辑。这正如过去二十年间固执地重仓商业地产却拒绝配置电商的投资者一样，不仅错失了电商爆发的红利（少赚一笔），存量商业物业还被线上电商严重分流蚕食（再赔一次），沦为了“时间的敌人”。

- **生产力财富图景演进**： - 农业时代（土地地主） $\rightarrow$ 工业时代（匹兹堡钢铁与重工巨头） $\rightarrow$ 移动互联网时代（社交软件与ICT巨头） $\rightarrow$ AI时代（算力与智能基础设施控制者）。 - **两维配置法则**： - **正面拥抱**：超配代表先进生产力的AI原生与ICT信息资产，紧跟全球财富增长盘子。 - **排查风险**：清退易被AI替代的脆弱资产（如依赖廉价初级代码外包的传统IT服务业、低效存量中间环节），防止资产遭遇“双重失血”。

---

[11:34](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=694s) 企业AI Native进阶评估：从L1到L5的组织进化与淘汰预警

在对谈的最后，明略科技集团副总裁孔誉干分享了判断一家企业能否穿越周期、实现AI原生化（AI Native）的实操评估框架。传统软件公司的商业价值明年就将面临极其激烈的重新定价，其动力一方面来自Anthropic等底层模型公司能力的狂飙突进，另一方面则源于垂直领域内率先完成AI原生化改造的企业——这些公司通过将内部成本结构进行断崖式优化，正在各自市场中建立极强的统治地位。明略内部曾开展过一场“五天时间全面复刻一款既有软件”的极限黑客松，证明了传统软件的功能壁垒正在被快速瓦解。

```mermaid flowchart LR accTitle: Enterprise AI Maturity L1 to L5 Framework accDescr: 企业AI原生化能力评估的五个层级，从最基础的认知转变到最终的跨组织智能体协同

L1["L1: Token Ready<br>（视Token为投资而非成本）"] --> L2["L2: Context在线<br>（全链路业务数据沉淀进大模型）"] L2 --> L3["L3: Loop Engineering<br>（智能体长程任务与应用自建）"] L3 --> L4["L4: Graph Engineering<br>（知识图谱沉淀组织Context与Taste）"] L4 --> L5["L5: Multi-Agent协同<br>（人人/人机/机机与跨组织Agent协同）"] ```

为了科学量化企业的AI生存能力，行业内建立了一套类似于自动驾驶L1到L5的企业成熟度评估指标：

- **L1：Token Ready** 企业在战略理念上是否将Token消耗视为“高ROI的生产力投资”，而非“IT维护成本”。仍然在计算Token支出舍不得投入的企业，注定在认知第一步就落后了。 - **L2：Context全量在线化** 企业内部的财务金融数据、日常组织沟通协作信息、销售打单的全过程数据，是否全部能够被数字化、被大模型索引并实时调用。做不到上下文在线的企业，未来极易被彻底淘汰。 - **L3：Loop Engineering（工作流/智能体循环工程）** 企业技术与业务团队能否熟练调动AI Agent的思考与行动闭环（Loop），在几天时间内快速完成高难度长程任务（例如短时间内复刻一款行业应用）。 - **L4：Graph Engineering（图谱工程）** 这是由Anthropic等前沿机构极力推崇的核心阶段。单纯依靠智能体工作流已无法解决组织内深层、复杂的决策流转。企业必须将内部特定的Context、企业团队价值观、战略竞争策略以及高层在复杂情境下的商业品味与决策偏好（Taste），结构化沉淀在底层知识图谱（Knowledge Graph）中，从而驱动Agent完成长周期的复杂战略决策。 - **L5：Multi-Agent与跨组织协同网络** 在最高阶形态下，组织彻底打通“人与Agent”、“Agent与Agent”的高效内生协同，甚至实现跨企业边界的“Agent对Agent”直接对接与商业履约。

在即将到来的产业格局洗牌中，市场上将会涌现出一大批向L4、L5迈进的高效率新型企业。如果投资者或企业管理者手中的标的无法在这套五级进化阶梯中找准位置并快速向上攀升，那么在这轮轰轰烈烈的人工智能浪潮中，被市场无情淘汰出局将是不可避免的确定性结局。

- **传统SaaS的重新定价危机**：明略科技内部通过“5天时间复刻某款既有软件”的实战，验证了AI重构传统应用的速度，企业原有的功能性壁垒已极其脆弱。 - **AI成熟度核心衡量要素**： - **战略态度**：视Token为驱动增长的资本投入，而非削减支出的成本负担。 - **核心护城河演变**：从单纯积累数据，升级为将组织内部独特的战略思考、价值取向与商业品味（Taste + Context）沉淀为深度知识图谱，作为顶层智能体的决策引擎。

## Notable quotes > [00:00](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=0s) 大模型时代，全球用户规模突破10亿仅仅用了不到三年。

> [00:00](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=0s) 历史上修建铁路的折旧期长达50年，光纤网络的投资回报期也有20年，而当前全球疯狂投入的GPU算力基础设施，物理与技术寿命通常只有3到5年——这种资产折旧速度几乎逼近了共享充电宝或共享单车的逻辑。

> [02:07](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=127s) 信息是不守恒的。一个人将某种信息分享给另一个人，原持有者不仅没有失去信息，信息的总量反而成倍增加。 — 所长林超

> [04:47](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=287s) 计算供给是有天花板的，但计算需求看起来似乎是没有天花板的。

> [06:33](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=393s) 如果说要穿越到未来五年、十年，目前看得懂的长期投资逻辑只有‘物理门槛’，这个逻辑是最大最大的一个确定性。

> [06:33](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=393s) 在未来三到五年内，随着个人智能体（Agent）全面接管购物、差旅和日常决策，AI是完全冷血理性的，它根据性价比与参数做最优解，根本不存在传统人类消费者的‘品牌忠诚度’，品牌溢价的护城河正在失效。

> [09:05](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=545s) 全面排查现有资产组合中谁是“AI的敌人”。很多时候投资者的亏损并非因为动作太慢，而是存量资产被新技术直接蚕食。 — Bill Qian

> [09:05](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=545s) 不仅错失了电商爆发的红利（少赚一笔），存量商业物业还被线上电商严重分流蚕食（再赔一次），沦为了“时间的敌人”。 — Bill Qian

> [11:34](https://www.youtube.com/watch?v=KjrSLLANyYQ&t=694s) 企业在战略理念上是否将Token消耗视为“高ROI的生产力投资”，而非“IT维护成本”。仍然在计算Token支出舍不得投入的企业，注定在认知第一步就落后了。 — 孔誉干

## Mentioned 唐博, Bill Qian, 所长林超, 孔誉干, 香港科技大学, 明略科技集团, ChatGPT, 英伟达, 黄仁勋, GTC大会, 沃伦·巴菲特, CUDA, DeepSeek, 米兰达·可儿, 埃文·斯皮格尔, Snapchat, 陈天桥, LVMH, Anthropic, Claude Code, Perception AI, Generative AI, Agentic AI, Physical AI

## Video description AI 时代，技术革命正以前所未有的速度重塑产业、公司与资产价格。当计算需求似乎没有天花板，巨额算力投入究竟是新一轮基础设施建设，还是正在膨胀的泡沫？传统的品牌、成本和迁移壁垒还能否构成护城河？投资者又该如何避免站在先进生产力的对面？ 本期「涌现对谈」来到香港科技大学，香港科技大学金融研究院助理院长唐博与科技投资人 Bill Qian@billitup 、所长林超@所长林超 及明略科技集团副总裁孔誉干展开深度对谈。从 AI 与互联网、移动互联网的资本周期差异，到当财富增长的动力从物质与能量转向信息，哪些资产将被重新定价，哪些公司能够穿越周期？

[Source](https://www.youtube.com/watch?v=KjrSLLANyYQ)

中文简报

大模型瓦解传统SaaS与品牌壁垒 投资人指物理硬件成最后确定性 由于信息非守恒特性催生赢家通吃并击穿代码迁移与品牌溢价，无法压缩制造周期的底层物理硬件成为跨周期资产配置的唯一坚固护城河。 对谈指出，当前AI技术扩散极快但GPU硬件折旧周期被极限压缩至3到5年，带来了前所未有的资产重置压力；从底层物理法则来看，信息非守恒性打破了传统稀缺经济学，引发极端赢家通吃。随着算力基建迈向智能体与具身智能，巴菲特传统的迁移成本和品牌护城河正被瓦解，仅剩半导体制造等物理门槛具备确定性。家族办公室等长期资本必须超配先进生产力，并清退易被AI替代的中间层资产以防双重失血。最后，对话提出了企业从L1（Token投入）到L5（多Agent协同）的AI原生化演进阶梯，警示无法沉淀组织Context与决策品味的公司将在洗牌中迅速被淘汰。 技术扩散周期急剧缩短而算力硬件折旧周期压缩至3到5年，这种资本支出与资产折旧的巨大错配构成了AI时代资本焦躁的底层动因。 (0:00) 信息革命打破了基于质能守恒的传统稀缺经济学假设，其非守恒与零边际成本扩散属性催生出极端的幂律分布与赢家通吃格局。 (2:07) 在理性智能体与自动编程工具冲击下，巴菲特经典护城河中的迁移成本、品牌忠诚度与传统成本优势面临失效，唯有底层物理制造门槛依然坚固。 (6:33) 企业AI原生化演进正在经历L1至L5的层级跃迁，组织核心壁垒正从单纯积累数据转向将独特商业品味与上下文沉淀为知识图谱。 (11:34)

Reading summary

对谈嘉宾指出，人工智能作为一场非守恒的信息革命，正以极端压缩的技术与资产折旧周期颠覆传统商业护城河，促使长期投资确定性转向底层物理制造壁垒，并推动资本配置与企业组织向AI原生形态加速演进。 技术周期压缩与算力资产折旧焦虑 (0:00) 大模型普及速度打破历史纪录，ChatGPT仅耗时不到三年即覆盖全球10亿用户，远快于PC时代（约14年）和工业时代。然而与传统重资产（铁路折旧期50年、光纤20年）不同，AI核心资产GPU集群的技术寿命仅有3至5年，资产折旧速度逼近共享单车。这种巨额资本支出与极短折旧周期的错配，迫使算力投入必须在数年内获得超额商业回报，构成了当前市场焦虑与泡沫担忧的底层根源。 信息非守恒法则与算力无界扩张 (2:07) 所长林超认为，前两次工业革命属于受制于热力学定律与资源稀缺性的“能量革命”，而AI深化了“信息革命”。信息具有非守恒性，复制不仅无损耗且能倍增，零边际成本的扩散打破了稀缺经济学假设，带来极端的幂律分布与赢家通吃效应。在此背景下，全球基建从受空间与时间限制的管网及用户时长，转向理论上无物理天花板的算力扩张。英伟达黄仁勋设定的技术演进需历经感知、生成式、智能体到物理智能四大阶段，各阶段均需5至15年的深层技术积累。 传统商业护城河失效与物理门槛壁垒 (6:33) 巴菲特经典的四大护城河理论在AI面前遭遇重塑。自动生成代码与跨平台重写大幅削弱了软件的迁移成本；理性决策的AI Agent取代人类感性消费，正在消解品牌忠诚度与溢价；单纯的低价成本优势也难以抵挡顶级模型的代差降维打击。相比之下，未经历能源与材料革命的物理世界构成了最确定的壁垒，半导体先进制程、极紫外光刻、超洁净室环境与精密化学材料等长周期硬门槛，依然是抵御数字冲击的核心屏障。 先进生产力配置与排查“时间的敌人” (9:05) 投资人Bill Qian从家族办公室视角指出，财富分配历史始终沿着土地、工业制造向信息科技等先进生产力迁移，长期资本必须超配AI基础设施以避免资产规模被稀释。同时，投资者需排查存量组合中易被AI替代的脆弱资产。例如依赖低阶编码的传统IT外包服务业正受到生成式工具直接冲击，若继续固守此类资产，将如电商浪潮下固守商业地产一样，面临错失技术红利与存量业务被蚕食的双重损失。 企业AI Native成熟度与组织淘汰预警 (11:34) 明略科技孔誉干提出量化企业AI原生成熟度的L1至L5分级框架：从视Token为生产力投资（L1）、业务数据全量在线化（L2），进阶到构建长程智能体工作流（L3）。前沿竞争的关键在于L4图谱工程，即将企业价值观、竞争策略与高层商业品味（Taste）沉淀为结构化知识图谱以驱动决策，最终走向跨组织多智能体协同（L5）。鉴于传统软件功能壁垒可在数日内被黑客松快速复刻，无法沿阶梯进化的企业将面临激烈的价值重估与淘汰。 该讨论总结了AI对生产力、商业壁垒和资本流向的全面重塑，但巨额算力投入能否在极其短暂的设备折旧期内实现预期的商业化变现闭环，仍是贯穿整个产业链的根本考验与未决问题。

Source quotes

[0:00] 大模型时代，全球用户规模突破10亿仅仅用了不到三年。 [0:00] 历史上修建铁路的折旧期长达50年，光纤网络的投资回报期也有20年，而当前全球疯狂投入的GPU算力基础设施，物理与技术寿命通常只有3到5年——这种资产折旧速度几乎逼近了共享充电宝或共享单车的逻辑。 [2:07] 所长林超: 信息是不守恒的。一个人将某种信息分享给另一个人，原持有者不仅没有失去信息，信息的总量反而成倍增加。 [4:47] 计算供给是有天花板的，但计算需求看起来似乎是没有天花板的。 [6:33] 如果说要穿越到未来五年、十年，目前看得懂的长期投资逻辑只有‘物理门槛’，这个逻辑是最大最大的一个确定性。 [6:33] 在未来三到五年内，随着个人智能体（Agent）全面接管购物、差旅和日常决策，AI是完全冷血理性的，它根据性价比与参数做最优解，根本不存在传统人类消费者的‘品牌忠诚度’，品牌溢价的护城河正在失效。 [9:05] Bill Qian: 全面排查现有资产组合中谁是“AI的敌人”。很多时候投资者的亏损并非因为动作太慢，而是存量资产被新技术直接蚕食。 [9:05] Bill Qian: 不仅错失了电商爆发的红利（少赚一笔），存量商业物业还被线上电商严重分流蚕食（再赔一次），沦为了“时间的敌人”。 [11:34] 孔誉干: 企业在战略理念上是否将Token消耗视为“高ROI的生产力投资”，而非“IT维护成本”。仍然在计算Token支出舍不得投入的企业，注定在认知第一步就落后了。

Original transcript

[0:00] 计算供给是有电话板的但计算需求看起来似乎是没有电话板的其实你们看着文艺作品的男主角一般都代表着一个先进生产力今年的这个范式下面传统的软件公司它的价值都发生非常大的重塑每一轮通用技术革命其实都会重塑资产的估值我们看到这波AI的浪潮跟当年我们有互联网浪潮还有移动互联网浪潮如果我们从资本周期上来看的话这波AI的浪潮和当年的互联网浪潮和移动互联网的滥潮在资本周期上面有什么本质的区别我们看过去的每一代的技术周期其实都是从慢到快然后刚开始的时候可能你需要四代人每一代是20岁所以在那个过程中你可能是有时间去消化的然后到PC的时候差不多是14年左右然后到移动互联网的时候可能是几年然后再到GBT的时候差不多我们是三年全球就有10亿的用户我们会看到全球可能前20名的富豪基本上全部都是AI然后可能新来两个做加密货币的然后第二点就是说市场的correction很多时候又会被业绩超过预期而迅速的打回来AI时代跟其他所有的技术周期相比它会特别的快这个特别的快其实最后也是来源于说我是叠加了前面几次的这个技术周期的增长从PC对于这个全球的数字化然后再到这个移动互联网和互联网对全球的这个在线化还有这个比如说云对全球的这个进一步的这个数字化那第二点我觉得这个快时可能就是说资产折旧的这个快之前可能比如说铁路是50年然后呢光纤可能是20年但今天的话其实大家在讨论泡沫的时候更多的是在讨论说你的这个GPU这一批下去可能是3到5年3-5年的话差不多其实跟充电宝或者共享单车式的一个逻辑了在这个逻辑下面就是说你每一代的设备最后怎么样能够被收入的增长来运凭大家对它的质疑这是我今天可能看到就是说AI时代就不管是大家在情绪上还是在增长上都会就是说变得特别的焦躁的一个核心的一个逻辑有人说这次AI是叫做第四次工业革命或者叫第五次工业革命首先我觉得大家要厘清一个非常基本的概念就是严格意义上讲工业革命这个词是一个错误的一个词工业的这个词它实际上是一个物理世界的一个概念如果我们用物理学的名词来定义的话就是信息能量物质的角度来讲那其实前两次工业革命它是能量革命第一次是蒸汽第二次是电力到了上一次的这个我们叫PC的这个革命它实际上已经是一个第一次信息革命严格意义上讲现在其实已经有好几次小型的信息革命了从我们的小型机到我们的互联网到人工智能所以从这个角度上来看这个定义先厘清楚因为信息和能量或者信息和物质它本质上是完全不同的游戏规则如果从低信原理的角度来讲1等于Nc平方那物质和能量它是有一定的等加性的但信息是完全不等加的因为物质和能量的等价性就是大家都会是这个热力学的定律就是能量守恒所以能量守恒的情况下它就会有稀缺性现代经济学的基本的假设是稀缺其实现代经济学的整个基本假设的基石是热力学是能量守恒但是信息产业是不一样的信息产业是不稀缺的我今天告诉你一个信息你也有这个信息我有这个信息信息是不守恒的那么所以就会产生秘率效应产生赢家通吃一旦有一个大模型它把一个coding的效率做到极致的时候市场会觉得说它会干掉所有的SARS公司那首先说现在AI应该还是主要还是在基建的时代PC互联网时代的基建实际上是从1990年开始大概有持续了10年那个时候是光纤和路由移动互联网时代基本上就过渡到要用户失踏它的基建是用户时长用户时长堆上来了之后并没有产生收益就先有用户然后大家再去想商业模式然后到了我们这个时代的它的基建其实上是叫做计算能力把这三个东西定义出来之后你就发现前两个东西它是有物理边界的就你铺光纤铺路由你是有物理边界的用户时长也是有天花板的假设70亿人全部上网70亿人每天24小时满了这就是天花板但是有一个问题就这一轮的基建有一个很核心的特点是它是叫做计算能力的扩张计算能力的扩张有没有可能是一个天花板目前来讲我们看不到的就计算能力的扩张它可能涉及到一个物理学一个非常底层的一个特征就是说物理学如何认识我们这个宇宙有一个学科叫做这个泛计算论他们认为我们整个宇宙的本体其实上就是一个计算实体逻辑上来讲你要去研究每个量子的运动轨迹你要研究所有微观层面你上到最宏观下到最微观你其实整个对于我们现存的宇宙的研究和探索是几乎是没有边界的通过计算能力的极大的拓展我们是能够不断不断的追溯各种各样的可能性而现在这个大家都知道就是说变迁最好的是coding还有就是说生成视频AI我相信大家都用对吧但是是要用AI做问答对不对那其实还没有任何用过AI的真正用它写在 [5:00] 或者是用agent的一些很自动化的能力去帮自己去工作那么这个事情你们看到的它的普及还远远不够啊就coding这件事情现在是被大量的低估的但是我想讲的东西就是说计算能力在coding这个层级的普及现在还有这么大的空间的情况下还有视频多么碳但这些都还可能只是一个非常沧海一树我们从第一信源理想来讲计算供给是有电话板的但计算需求看起来似乎是没有电话板的是一个很大的差别虽然这一轮的建设周期和迭代非常的快但是迭代的周期也会非常的长从去年开始2025年开始黄智勋在DTC上讲过好几次这样的一个概念就是从Perception AI到Generative AI再到Agentic AI最后再到Physical AI还有四个大的阶段如果我们往回去看的话可能Perception AI在2016-2017年左右的时候它就已经在发生了但是直到今天为止已经过去了进去实践我们去讲Perception AI人脸识别这样的一些简单场景但是回到今天我们去看Facial AI它需要的Perception AI的一个能力你需要去机器人感知它的周围的物理世界不光需要有这种摄像头还需要各种各样的传感器那我们回来就去看这个Perception AI它其实仍然没有完成这样的一个阶段的迭代我们去看这个外部互联网或者这个移动互联网在过去它的建设周期挺快的和这次AI的浪潮非常的相似但是从整个的迭代周期上来讲我觉得它不是一个我们比如说10年15年能够结束的这么一个事情每一个可能都是一个差不多五到十五年的一个周期的一个事情其实投资AI的话无论是一级市场还是二级市场本质上都是要投公司怎么评判一家AI公司是有长期投资价值的好公司它是一个非常大的一个问题跳高上来看老八那个时代他定义的这个傅成和的四个概念网络效应成本优势无形资产迁移成本这四个东西现在看起来似乎只有网络效应牵引成本这个问题现在正在被AI击穿英伟达的软件护城河叫Kuda这个护城河看起来很厉害那么大家在上面要写很多的程序所以沉淀了很多的成果那你使得你完全跳不出这个系统但现在自动这个写代码写代码的速度极度的快的情况下它使得你的牵引成本瞬间变得很低很低另外一个叫无形资产品牌护城河三到五年之内这个AI对于你的建议能力或者agent带你去购物你会发现这个护城河似乎也没有了对于AI来讲,他没有这种品牌中天度,然后成本优势也很崩溃,Deep Seek我们知道,Deep Seek一向来是一个成本最低的解决方案,但是如果你的模型,你的能力就是比别人差一大档,那你会发现很多人还是宁愿用更高级更贵的模型,那你会发现成本优势今天也很Chicky,所以这三个东西都可能会被更优质的体验,我说的这个更优质体验是降维打击的优质体验,去覆盖掉老八的那个时代的这些护城河,感觉一个一个都被拆掉,但是我们反过来,反过来讲就是说如果引入我们最开始的叫做信息能量物质的三个东西的这个区分的角度来看那么今天的所有革命说到天上去它都是信息革命没有发生能量产业的饭店服务地的革命新材料也没有发生饭店服务地的革命你像比方说为什么存储这么金贵对吧一直短缺人家做捷径式人家的这个整个的时刻整个的这个化学方案物理学的这些所有的方案他就得那么长时间他在现实世界去做那个东西他那个物理的瓶颈在哪里一些所谓半导体产业,为什么它之前会那么强劲,而且逻辑看起来还是很solid的,为什么会愿意别人花那么多的钱,因为确实在这些层面上来讲,你信息革命再强,你没有办法去穿透它。而我今天想讲的东西就是说这个半导体的这个整个周期也没有结束,因为信息革命的指数性爆发还远没有结束,那么它的物理限制就一直存在。如果说要穿越到五年十年,我目前看得懂的逻辑只有物理门槛,这个逻辑是最大最大的一个逻辑。今天站在长期投资的这个视角,那AI资产纳入我们家族的资产组合对吧它会给传统的这个配置的逻辑带来哪些改变呢我不知道大家这个关注文艺作品的话有没有发现就是每一代的文艺作品里女主角都是一样的都是这个年轻漂亮之处打脸但男主角的从业背景会发生改变这个早期的男主角一般都是贵族然后继承很多的土地就他的核心的现金融其实是来自于农业对吧农业的收租然后呢到这个探塔尼克那个时候呢是Rose对吧他的这个未婚夫来自比斯堡的工业是干老工业的也就是现在铁锈地带那到比如说这一代的这个Mirana Co最后它架的好像是互联网的巨富我想表达的一点其实你们看文艺作品你们男主角一般都代表着一个先进生产力而那些男主角最后又会重新的上福布斯的榜单所以你会发现现在比如说全球前20的富豪里面当然有LVMH但我们看比如全球前50基本上都是金融跟科技而且科技是ICT科技是信息技术 [10:00] 核心有一个大逻辑,就是说你要确保你自己的资产,不会被先进生产力给吃掉那个份额,大家可能会说,陈天桥现在是美国最大的地主,但你要知道农业其实占整个全球今天,900万亿的总资产的市值,其实已经比较少了,如果你在过去的200年,你不去超配工业,超配比如说信息技术,那到最后你肯定是赶不上地球整个的盘子的增长的,所以我觉得第一点就是说,加班是要确保你是不是赶上了,这个我觉得很重要,而且赶上的话,你可能是要时刻的去观察,他们要去配中国那配中国你可以每年去观察然后逐渐的增加对于中国的配置那第二个点我觉得就是说你要去看现有的资产配置里面哪些是AI的敌人就可能你配的不够快你存量资产又被AI给吃了比如说前几年很多人去投印度的股市然后印度股市现在一下子就下来很厉害很重要的一个原因就是印度里面很重要的成分股市IT而IT里面有350万的出街的印度IT工程师是整个印度国家就本土中产阶级梦的基石这些东西最后他们很大程度上都消化在了这个Athropec的Cloud Code和Codex里面,那这个事情我就觉得就是说大家是需要看看自己的portfolio里面有哪些东西是时间的敌人,就好像说你很多年以来你比如说一直持有商业地产,然后你不配电商,你不配电商你少赚了一笔钱。而且因为你配置商业地产,你又输给了电视这样的话就相当于是赔两次了,这是我想分享的两点。最后我们请孔总给我们分享一下,您觉得AI长期的配置逻辑,您有什么看法?AI资产的配置在未来肯定是能带领咱们的一些资产加班,然后能去穿越周期的这么一件事情。原因是因为这样,我举个简单的例子,我们去年的时候内部产业搞了一个内部的比赛,然后叫做五天复刻某一个软件。一些偏传统软件的没有很好呢把自己的公司AI native化的这样的一些标的它的价值肯定会被重新定价我们自己认为是说这事儿明年可能就会快速的发生这里面可能是因为anthropic这样的一些计谋公司它的迭代非常的快使得有一些业务它可能就不太存在了也有些可能是因为我们这样的一些存域公司然后因为我们做了一些这样快速迭代赋能的跑在前面的做AI native的一些行业企业然后这些行业企业把它的成本结构然后做了很大的幅度的计划在这个市场里面去dominate我们自己有一个类似于自动驾驶L1到L5的一个频繁标准L1的话就是看这个公司它是否已经是个Token Ready的一个公司它如果在把Token试作成本没有把Token试作投资我觉得它不是一个领先理念的公司然后第二个点的话就是这家公司它有没有做到它的所有的context在线这个context在线指的是什么就是它的公司的金融数据它的内部的沟通数据是不是能够被存下来能够被大脑进来利用起来销售的环节能不能被在线化掉他如果做不到这件事情他未来被淘汰的概率也很大第三件事情是5月份6月份比较火的就是IT群的一个词Lube Engineering然后你能不能通过Agent去快速的完成一些简单的一些常常人物比如说去写一个应用类似我前面讲的五天复刻一个body这样的一些事情再到第四个节奏我们认为是Graph Engineering这是Anthropic内部在提的一件事情也就是说你想要去做一些组织内部公司内部流程的事情的时候通过路法安全链已经做不到了你在这个阶段里面能不能把组织内部的各种context你的团队结合你的价值观你的企业的竞争的策略战略然后去怎么去判断一个一个决策的这样一些taste能不能把它沉浸下来context加taste沉浸在知识图里面然后你才能够借助agent更好的去做一些更长城的然后更复杂的一些进行决策任务包括战略决策再到最后一个阶段的话一家企业或者组织他没有办法做到在LOA体系里面让人和agent,agent和agent能够协作去做些事情,甚至在未来能够夸组织的agent和agent直接去做事情。这个阶段里面的话,今年明年大家能看到在行业里面会有很多这样一些公司,然后能够产生出来。如果在行业里面的竞争态势里面,咱们手里面的标的做不到这样的一个我们认为的一个五个阶段的这样的一个发展阶段的话,这次的AI浪潮里面被淘汰的概率就非常非常的大。优优独播剧场——YoYo Television Series Exclusive