AI-SaaS与资本周期的未来：深入解读Capex/Opex超级轮回

最近大家都在聊利率驱动的资本周期，但今天想聊点不一样的——创新超级周期。理解这个概念，你才能看清一项技术如何被分发、商业化，以及哪些资产会在下一轮浪潮中增值。

讨论之前，先认识三位宏观经济学的奠基人：熊彼特、李嘉图和马尔萨斯。他们的核心思想与本文息息相关：

1. 熊彼特力量：创造“掠夺性”行业，摧毁旧的，创造新的，用更少的资源做更多的事，为世界解锁全新资源。
2. 李嘉图力量：接手新资源，将其分发到新市场，让所有人能用上。这关乎贸易、扩张和竞争。
3. 马尔萨斯力量：制造恐慌——资源不够分了！需求随资源扩张而扩张，直至耗尽，然后循环重启。

这就是主导世界的宏观经济学框架。在这些50-100年的大周期之下，还嵌套着30-40年的创新周期，核心是资本支出（CAPEX）与运营支出（OPEX）的博弈。每隔几十年，大量投入研发的时间、人力和资金（CAPEX）会解锁一种全新的“资源”，待其变得廉价普及后，大家便用它来构建新事物，进入OPEX周期。

超级周期的“超级资源”理论

让我们用实例看看新资源是如何被解锁和分发的，从现代资源的代表——石油开始。

数据来源：[1] KPMG 全球汽车产量 [2] Wikipedia 全球石油产量

1920-1950年代，世界处于石油驱动的CAPEX创新周期早期。经过数十年的研发，到1940年代，开采技术成熟到可以为此发动战争。此时，熊彼特式的“掠夺”周期接近尾声，石油进入李嘉图式的OPEX周期。从上图可见，1940年代汽车产能开始起飞，分发效率在后续几十年持续提升。OPEX周期的竞争点不再是“我有车而你只有马”的颠覆式创新，而是“我的车更大、底盘更帅、品牌更响”。换句话说，拼的是营销和产品包装，而非底层创新。

类似的浪潮在1960-90年代的半导体行业重现。从仙童到英特尔、AMD，20-30年的研发投入将“CPU周期”变成了廉价品。如今，几乎每台设备都在后台运行着“CPU周期”。那个CAPEX密集的创新周期逐渐让位给OPEX周期。我在AMD工作期间（2005-2011），大家常开玩笑说英特尔的营销预算比AMD整个研发预算还大。尽管半导体界也有“迷你研发周期”，但英特尔对市场的核心诉求始终是“Intel Inside”，而非性能或能效比——后者才是真正创新的标志。

那么，“CPU周期”变得廉价普及带来的二阶效应是什么？软件周期爆发了。软件（或者说互联网）周期起初充满了从0到1的颠覆式创新，技术变革解锁了全新的人类行为。以早期SaaS明星Dropbox为例，它彻底改变了文件共享方式。但现在，你的Dropbox和我的Box、Office 365或Google Drive有本质区别吗？大家拼的是品牌、客服、折扣或一两个特色功能。这是OPEX周期的差异化，而非CAPEX周期的。

放眼今天的SaaS市场，基本上是马尔萨斯式的血海。SaaS周期启动之初，大部分市场是蓝海；如今几乎所有品类都已饱和，每个客户都需要争夺。销售周期变长、竞争加剧、客户忠诚度下降、净收入留存降低、流失率升高，客户对供应商感到疲劳——这些都是OPEX周期末期的典型症状。此时竞争的关键不再是“我创新比你强”，而是“我的营销/销售/客服/品牌比你强”。

SaaS的第一个黄金时代，已经彻底结束了。

现在只剩下“最后一寸”的争夺，战场从高地转移到了战壕，越来越残酷。那么，接下来会是什么？如果你在从事软件行业，应该为何做准备？

登场——下一个“超级资源”

过去60多年，我们从手工业自动化、工业自动化走到了计算驱动的自动化。但对于大多数现实世界的多变量问题，传统计算的效率其实很低。让我用例子说明。

想象有人朝你扔球，你怎么接？停下来想想：你真的知道自己是如何接住的吗？如果你是机器人，空中接球需要解一系列复杂的微分方程，处理运动传感器、摩擦调整、执行器等上百个机械难题。这是一个极其复杂的计算问题。人类如何解决？我们不用“计算”，我们用洞察、智能、本能。空中的球提出了一个问题——“我会掉在哪儿？”——而你的身体，一个经过数百万年训练、用DNA编码的精细广义AI模型，通过眼手脚脑协调，用电脉冲给出答案。我们是大自然的原始GPT。

这与SaaS有何关系？今天所有的SaaS都运行在“计算”之上——一系列算法在CPU和GPU上执行，得出某些决策。以外卖App为例：你需要一个屏幕接一个屏幕地点菜，进入结账流程，再进入订单追踪，如果出问题可能还要联系客服。这就是当今所有SaaS（无论是B2B还是B2C）的工作方式——由流程图和算法驱动。

如果我们把它翻转过来，直接从计算跳到洞察呢？你告诉App“我饿了”——甚至不用说话！App从你的健康应用、Oura戒指、生物指标获取数据，结合你的位置、时间、星期几，就能知道你 想吃什么、从哪家店点。它可以直接用你的信用卡下单（它知道你的支付信息！），甚至告诉骑手“请放在门旁边的黑色信箱旁”。这种“直达答案”的洞察驱动方法，才是未来的方向。搜索领域已经如此——你不再需要翻阅一堆Google链接，而是直接问ChatGPT要答案——为何SaaS不能这样？

过去60年，大量研发将计算的成本降至接近零，这让人手一台智能设备成为可能。我们也把分发计算的成本降至接近零，这让软件的边际成本变成零，这基本就是互联网存在的原因。而接下来的30年，将把智能的成本降至零。如果一个软件世界都运行在“洞察”而非“计算”之上，会是什么样？如果你是SaaS创始人，这就是你该准备的。

玩对周期——给投资者和创始人的讨论

就像早期熊彼特式的掠夺与创新周期解锁了新资源（石油、CPU周期），如今被解锁的新资源可能是 “AI token”（智能单元）。随着互联网周期收尾、AI周期启动，搞清我们在周期中的位置、每个阶段该押注哪些资产至关重要。这对长期投资者尤为重要，因为玩错周期可能导致资产或时机选择错误。

以石油为例：尽管过去20年美国石油产量和价格飙升，但如果你同期投资石油服务指数，仍然会亏钱。

即使在科技领域，选对资产也至关重要。看看亚马逊、微软、IBM的市值增长曲线。当市场周期处于“掠夺”阶段时，帮助提取资源的公司会增值。在“分发”阶段，帮助分发资源的公司会增值。在“破坏”阶段，资产会被重新定价，价值发生转移。

例如，互联网早期，许多价值在底层（协议和硬件层），IBM是当时的王者。随着协议和硬件战争落幕，互联网进入分发密集型阶段，价值向上层应用转移，底层被商品化。苹果、谷歌、Facebook、亚马逊随之崛起，而IBM在互联网兴起后的20年里市值基本停滞不前。

微软是一个有趣的案例——这家公司在多个周期中都押对了宝！在互联网前的“掠夺”阶段，微软拥有操作系统，至关重要。在互联网的“分发”时代，微软拥有浏览器，保持了相关性。之后，它又搭上了另一波“掠夺”周期的顺风车——先是云计算，在云的研发早期就做了正确的CAPEX投资，然后在SaaS进入分发型OPEX周期时占据主导。如今，当我们进入新一轮AI掠夺周期，微软再次成为焦点。

从这些周期中我们能学到什么？很明显，AI现在正处于熊彼特式的“掠夺”阶段。帮助提取这种新资源——“智能token”——的公司将积累更多价值。它们长什么样？就像石油的例子，任何能降低AI token成本的东西都会增值：更快的GPU、更好的大语言模型（LLM）、更好的训练或推理中间件、开发工具等等。英伟达、AMD、OpenAI、Anthropic以及各类人工智能基础设施公司都属于这一类。

那么，是否所有人都该涌向AI的“掠夺”层公司？AI何时进入李嘉图式的“分发”阶段？注意，这些阶段并非严格按顺序进行。不过，目前许多AI产品看起来投资价值不高，正是因为底层技术迭代太快，你在上面构建的东西可能几周后就过时了。这不是缺陷，而是创新的特征。

这涉及到技术的 “细腰” 概念。任何重大技术创新起初都是一锅混乱的想法。经过多年用户和开发者的反馈循环，压力点在边缘“收紧”，最终形成一个沙漏形状，中心是“赢家”。

例如早期互联网的协议战争——十几个协议竞争，最后TCP/IP胜出，引发了围绕TCP/IP标准的寒武纪物种大爆发。类似地，微处理器和操作系统战争也以x86（英特尔/AMD）和微软/Unix的胜利告终，并围绕它们建立了庞大的软硬件生态。

类似的“收紧”压力需要在生成式AI生态的各个层面（GPU、LLM、基础设施、工具等）先建立起来。目前，这些层面的创新密度太高，几乎每小时都在改进。在这些不稳定的层面之上构建应用，就像发动机制造商每小时都在造更好的发动机，而你却在造飞机。你的飞机能飞，但这是空战，你的年轻竞争对手已经拥有更快的发动机了。

下面两张照片分别摄于1920年代和1950年代。大约20年后，Bernard Sadow才“发明”了带轮子的行李箱。人类发明轮子5000年后、NASA将人送上月球1年后，才有人想到给行李箱装上轮子。有时候答案就在眼前，但技术尚未成熟；有时候技术成熟了，答案却要等上几代人。这一切说明，AI的机会极其巨大，但它很可能会被一层层缓慢解锁，我们尚未看到真正革命性的使用场景。

对于今天在AI领域探索的开发者，我有几点想法分享：

1. 你必须全心投入（All in）。
我的第一个AI项目在2000年代初。我见证了几波AI热潮与寒冬。过去，你可以对社交媒体、云计算甚至AI持怀疑态度并安然无恙。现在不行了。AI已成为不可忽视的基础性变革。

2. 如果你在搞AI的“掠夺”层（基础设施/工具），这很好——资本会追逐你。
但你也很可能承受即将到来的技术“收紧点”带来的阵痛。淘金热中卖铲子是好生意，但你能记住几家铲子公司的名字？这类公司未来几年可能会经历大量并购整合。作为创始人，你的任务是快速占领现有空白市场，然后横向扩张，迅速搭建平台。

3. 如果你在搞AI的“分发”层（应用），显而易见的策略是：你需要拥有一些数据、模型，或者训练推理栈的某些部分，以建立初始优势。
换句话说，你需要更靠近“掠夺”层，才能更快积累价值。另一个策略是玩超长线：或许少融资，花几年时间实现盈利性增长，等待AI底层技术栈稳定、明确进入AI分发阶段时，再融大钱进行规模化扩张！

我猜想，AI真正的惊喜将在底层创新收益递减、大量兴奋点向上层应用转移时显现。当技术发展如此迅猛时，我常想起那些孤独的工程师——不受炒作影响，只是以全新的方式观察世界，或许有一天，出于无聊或纯粹的运气，灵光一现，多年后，整个世界因此改变轨道。

祝我们在这段狂野的旅程中好运。关于技术周期与创新模式的更多深度讨论，欢迎访问云栈社区进行交流。