作者：Arvind Narayanan、Akash Kapur
本文的目标是超越“AI 是否处于泡沫之中”的争论。我们将通过两种方式实现这一点：明确区分当前的财务状况与长期来看由谁捕获价值这一问题，并认识到这些实验室并不局限于充当模型提供商。它们可以向技术栈上游迁移，而且已经在积极这么做。这很可能帮助它们摆脱商品化陷阱，但也带来了新的担忧——客户锁定和竞争减弱。
Akash Kapur 是普林斯顿大学访问学者，也是 New America 高级研究员。他与 Sayash Kapoor 没有亲属关系。
随着领先的 AI 公司继续大举投资算力，并竞相迈向轰动性 IPO，关于其商业模式的严肃问题依然存在。这些公司，以及依赖于它们的芯片制造商、超大规模云服务商和基础设施合作伙伴所组成的庞大生态系统，将如何收回预计到 2030 年代初投入 AI 基础设施的 4 万亿至 8 万亿美元？
当前的讨论分为批评者和支持者两派。批评者指出不断累积的亏损、资本支出与收入之间的差距，以及有关领先实验室巨额现金消耗的报道。支持者则强调快速增长的收入、企业采用率，以及诸如 Anthropic 首个盈利季度这样的里程碑。两派都有合理之处。但两者都关注错了地方——相同的季度报表，以及这个仍处于剧烈变化之中的行业的相同短期视角。
近几个月来，我们一直在思考 AI 业务的性质及其可持续性，最终得出的结论与现有大多数评论不同。如今，AI 公司很大一部分收入来自对推理服务收费，但前沿模型推理所处的条件，使其成为一种异常难以维持的业务。模型之间基本没有差异化，领先实验室采用相似的资本结构，转换成本很低，价格也可以自由调整。所有这些因素似乎共同构成了商品化陷阱，给打造高利润乃至盈利的业务带来真正的挑战。
与此同时，我们认为这个行业仍处于过渡阶段，成熟后的产业结构将大不相同。结合历史证据与经济学理论，我们认为，在这种均衡状态下，竞争很可能会把模型推理价格压低至生成 Token 的边际成本附近，从而使模型层几乎没有实现持久利润的空间。然而，这并不意味着 AI 业务本质上不可行。同样的分析也为 AI 实验室提供了一条前进路径，并引出了本文的核心论点：
实验室实现持久盈利的最可能路径，并不是依赖迄今为止占据投资大头的基础层（芯片、数据中心和模型），而是向技术栈更上层迁移，通过垂直整合、嵌入式企业部署，以及有意构建转换成本和其他“护城河”等方式实现。
实验室通过向技术栈上层迁移来捕获价值的策略，其中许多借鉴了企业软件的做法，已经开始实施。除了当前 AI 生态系统的可持续性之外，这些策略还引发了更广泛的社会层面问题——涉及竞争、创新，以及经济和政治权力的整体分配。迄今为止，公众围绕 AI 的讨论呈现出一种颇为矛盾的二分法：一方面担忧垄断性集中和失控的市场力量，另一方面，较低的转换成本以及相对可以相互替代的模型又似乎与这些担忧相悖。但如果我们的判断正确，即各实验室将越来越多地向技术栈更上层迁移，那么我们现在就应该认真对待市场集中和竞争问题，而不是等到锁定效应开始显现之后再采取行动。我们将在结论中回到这些更广泛的问题，并将在即将发布的论文中深入探讨本文涉及的许多主题。
历史分析：基础设施层几乎无法捕获其创造的价值
《作为普通技术的 AI》（AI as Normal Technology）这一框架致力于在适用的情况下，从过去的变革性技术中汲取经验。我们认为，AI 受到许多与投资、竞争和价值捕获有关的相同动态影响，而这些动态曾塑造了此前几轮技术创新浪潮。因此，作为研究的一部分，我们从更广阔的历史视角出发，研究了 AI 价值捕获这一难题，以及各实验室可能采取的应对方式。
我们考察了六个资本密集型基础设施行业的历史案例：铁路、电力、电信与光纤、云计算、半导体制造和商业航空。我们认为，如今的 AI 具有许多类似基础设施的特征：巨大的资本需求、较低的边际成本，以及一种与最终创造价值的应用相对脱钩的商品化产品。这使得基础设施成为一个出了名的艰难行业。
但与此同时，AI 也是软件，而软件行业历来利润丰厚，拥有极高的利润率。这个行业的目标是实现软件级别的利润率。因此，我们还调查了软件即服务（SaaS）的增值和锁定策略，并分析 AI 是否能够复制这些策略。我们的论点是，AI 公司的可持续性和价值捕获，很大程度上取决于它们能否成功地从第一组基础设施属性迁移到第二组企业软件属性。
总体而言，我们从历史分析中为 AI 总结出三条具有启发性的经验。
第一，基础设施提供商很少能够捕获其创造的价值。在铁路、电力、电信和航空业中，建设产能的公司最终都因竞争、监管或商品化而陷入微薄利润。在许多情况下，它们甚至被彻底摧毁。20 世纪 90 年代末电信和光纤建设热潮期间，基础设施容量在七年内增长了 18.6 万倍，价格暴跌，约 2 万亿美元的市值被抹去。基础设施创造的价值，主要流向了建立在其之上的行业和应用。商业航空业连续八十年摧毁投资者资本，因为其典型净利润率只有 2%—4%，往往低于资本成本——尽管各行各业的企业都从全球化经济中获益。
我们认为，至少以当前超大规模云服务商主导的形态来看，AI 有陷入困扰众多前代基础设施建设者的同一商品化陷阱的风险。Carlota Perez 曾提出这样一种悖论现象：那些在……