本文來自微信公眾號： 不懂經(jīng) ，作者：不懂經(jīng)也叔的Rust，題圖來自：視覺中國

意大利北部的阿西亞戈山區(qū)，一家公司正在測試衛(wèi)星激光通信設(shè)備。

光束被發(fā)向七英里外的一間山間小屋。設(shè)備沒有被黑客攻擊，算法也沒有失靈。工程師眼下唯一的麻煩，是偶爾有一頭牛從接收器前面慢慢走過。

這家公司叫 Officina Stellare，意思是“星際工坊”。它制造衛(wèi)星、國防和科研所需的精密光學(xué)系統(tǒng)。廠房在阿爾卑斯山腳下，旁邊是丘陵、葡萄園和出產(chǎn)奶酪的牧場。就在今年，它與一家私募支持的航空航天集團(tuán)完成合并。

牛、激光、衛(wèi)星、私募，在同一個(gè)場景里出現(xiàn)了。

這差不多就是今天資本市場最有意思的一張照片。

過去十幾年，資本最喜歡的是“聰明生意”：軟件、平臺、訂閱、零邊際成本。如今，一批投資人開始沿著都靈到威尼斯的 A4 高速公路尋找另一類公司。它們有混凝土廠房，有幾十年沒換過的機(jī)器，有難懂的零部件，有分散在全球的老客戶。私募給這類資產(chǎn)起了一個(gè)名字，HALO，重資產(chǎn)、低過時(shí)風(fēng)險(xiǎn)。

根據(jù)彭博社最近的報(bào)道，意大利最近突然成為了私募資本追捧的寵兒，很能說明一一些問題。

2025 年意大利完成了 679 筆私募交易，同比增長 16%，2026 年前五個(gè)月，S&P Global Market Intelligence 統(tǒng)計(jì)的全球工業(yè)領(lǐng)域私募股權(quán)與風(fēng)投交易額已經(jīng)達(dá)到 820.6 億美元，照此速度走下去，可能創(chuàng)下至少六年來的新高。與此同時(shí)，英法德都在放緩。

這些資本主要投入到了意大利傳統(tǒng)的制造業(yè)和家族企業(yè)。但這不等于資本已經(jīng)拋棄 AI，恰恰相反，是他們想要免于AI的沖擊。

AI 把答案變成了廉價(jià)品，資本開始購買那些能把答案變成結(jié)果的系統(tǒng)。

模型能給出方案，現(xiàn)實(shí)決定方案值不值錢。能把一次輸出持續(xù)變成訂單、產(chǎn)量、交付和現(xiàn)金流的整套東西，這是“結(jié)果系統(tǒng)”。它可能很笨，很慢，甚至有點(diǎn)難看。

當(dāng)答案越來越便宜，結(jié)果系統(tǒng)會重新變貴。不管對企業(yè)還是個(gè)人，這都是值得深思的轉(zhuǎn)變。

一、所有公司都在把AI接進(jìn)電腦，卻沒有接進(jìn)利潤表

沒有多少企業(yè)敢拒絕AI。

Stanford 2026 年 AI Index 匯總的調(diào)查顯示，88% 的受訪組織已經(jīng)在使用 AI。McKinsey 2025 年對 105 個(gè)國家、1993 名受訪者的調(diào)查也發(fā)現(xiàn)，AI 在企業(yè)里已經(jīng)相當(dāng)普遍。

問題出在下一步。接近三分之二的受訪組織還沒有開始全企業(yè)規(guī)模化，只有 39% 報(bào)告了企業(yè)層面的 EBIT 影響。

這兩個(gè)數(shù)字放在一起，才是企業(yè) AI 的真實(shí)處境：大家都裝上了發(fā)動機(jī)，車卻沒有真正動起來。

過去一年有一個(gè)流傳很廣的說法，稱“95% 的企業(yè)生成式 AI 試點(diǎn)失敗”。后來它又在傳播中變成“95% 的 token 都在空轉(zhuǎn)”。這當(dāng)然有點(diǎn)夸張。相關(guān)報(bào)告沒有統(tǒng)計(jì) token，它看的只是一組項(xiàng)目有沒有迅速產(chǎn)生可測的損益表影響，樣本和成功定義也有明顯局限。

但這個(gè)夸張數(shù)字為什么如此受歡迎？因?yàn)樗狭撕芏喙芾碚咭呀?jīng)感受到、又不愿意準(zhǔn)確描述的尷尬。

買模型很容易，改公司很難。

給客服接一個(gè)問答機(jī)器人，給銷售裝一個(gè)寫郵件工具，給程序員買一套代碼助手，都可以在一個(gè)季度內(nèi)完成?？梢?AI 改變利潤表，企業(yè)就得重新處理數(shù)據(jù)權(quán)限、審批路徑、崗位邊界、績效目標(biāo)和事故責(zé)任。它會碰到部門預(yù)算，會讓一部分管理崗位失去理由，也會逼人回答一個(gè)沒人喜歡的問題：AI 給錯(cuò)答案以后，究竟算誰的？

所以企業(yè)最容易選擇試點(diǎn)。

試點(diǎn)有演示，有新聞稿，有董事會匯報(bào)，也有“我們正在擁抱 AI”的姿態(tài)。流程重構(gòu)沒有這種輕松。它會制造失敗，會暴露舊組織的利益，會讓原本模糊的責(zé)任突然有名字。

這就是為什么 AI 即使能在一個(gè)任務(wù)里省下大量時(shí)間，也可能沒有改變公司一分錢的利潤。省下來的時(shí)間沒有變成更高收入，也沒有變成更少人力；錯(cuò)誤仍然要人工復(fù)核，客戶仍然由舊團(tuán)隊(duì)交付，審批仍然在原來的隊(duì)列里等待。

AI 降低了提出答案的成本，沒有自動降低為答案負(fù)責(zé)的成本。企業(yè)買到的是一次能力，利潤表要求的是一個(gè)結(jié)果系統(tǒng)。

二、答案便宜了，結(jié)果沒有

我在之前的文章《0.02%的幸存率》里寫過，知識和內(nèi)容的供給已經(jīng)開始像基礎(chǔ)設(shè)施一樣過剩。那篇文章討論的是，生產(chǎn)容易以后，注意力和需求為什么更難獲得。

今天還要再向前走一步。AI 不只讓內(nèi)容供給爆炸，也在讓“答案”成為一種過剩品。

一份市場方案，一段代碼，一張海報(bào)，一封銷售郵件，一個(gè)產(chǎn)品原型，過去都需要稀缺的專業(yè)勞動?，F(xiàn)在它們可以在幾分鐘里生成十個(gè)版本。Stanford AI Index 匯總的研究顯示，AI 在客服、軟件開發(fā)和營銷這些結(jié)構(gòu)清楚、結(jié)果容易測量的工作中，已經(jīng)產(chǎn)生了兩位數(shù)甚至更高的效率提升。

這是真價(jià)值，可效率和利潤之間還隔著很長一段現(xiàn)實(shí)。

AI 可以寫一封更好的銷售郵件，但它沒有客戶名單，也沒有客戶為什么信任你的歷史。它可以提出工廠節(jié)能方案，卻不能替你更換設(shè)備、停掉產(chǎn)線、通過驗(yàn)收。它可以生成一套自動駕駛代碼，車開上路以后，傳感器被泥水遮住、路面反光、行人突然折返，后果不會留在聊天框里。

我們習(xí)慣把這些東西統(tǒng)稱為“落地”，仿佛模型從云端下來，腳一碰地，價(jià)值就自然出現(xiàn)了。這有點(diǎn)太線性思維了。

真正發(fā)生的是一連串昂貴動作：公司取得客戶許可，調(diào)用正確數(shù)據(jù)，把答案變成決定，再把決定變成機(jī)器或人的行動；系統(tǒng)記錄結(jié)果，發(fā)現(xiàn)偏差，重新訓(xùn)練或修改規(guī)則；出錯(cuò)以后，有人停機(jī)、召回、賠償，并把這次失敗留在組織記憶里。

客戶、設(shè)備、許可、供應(yīng)鏈、服務(wù)網(wǎng)絡(luò)、現(xiàn)場數(shù)據(jù)、測試記錄和責(zé)任鏈，這些東西組合起來，才是結(jié)果系統(tǒng)。

生成模型擅長生產(chǎn)“看起來可能對”的東西。商業(yè)世界最終購買的是“已經(jīng)被證明有用”的東西。

兩者之間的差價(jià)，正在成為下一輪利潤的來源。

三、資本沒有離開 AI，它在尋找 AI 的另一半

經(jīng)濟(jì)學(xué)家、《技術(shù)革命與金融資本》的作者卡洛塔·佩雷斯研究過技術(shù)革命如何擴(kuò)散。她把一輪技術(shù)浪潮大致區(qū)分為安裝期和部署期。

早期，資本被新技術(shù)本身吸引。鐵路時(shí)代先修鐵路，互聯(lián)網(wǎng)時(shí)代先鋪光纖、建門戶、做瀏覽器，AI 時(shí)代先訓(xùn)練模型、建數(shù)據(jù)中心、搶芯片。估值、人才和敘事都集中在新產(chǎn)業(yè)的核心。

但一項(xiàng)技術(shù)要真正改變經(jīng)濟(jì)，遲早要從實(shí)驗(yàn)室和基礎(chǔ)設(shè)施進(jìn)入既有產(chǎn)業(yè)。鐵路最后改變的不只是鐵路公司，還改變了零售、城市、旅館和制造業(yè)?；ヂ?lián)網(wǎng)最后也沒有只養(yǎng)活網(wǎng)絡(luò)公司，它重寫了幾乎所有公司的采購、銷售和組織方式。

佩雷斯的框架不能證明 AI 已經(jīng)走到某個(gè)確定階段。歷史沒有這么整齊，今天的資金仍在大規(guī)模涌向模型和算力。Stanford 的統(tǒng)計(jì)顯示，2025 年全球企業(yè) AI 投資增長一倍以上，生成式 AI 拿到了接近一半的私人 AI 融資。

所以，“聰明錢正在逃離 AI”是一個(gè)好標(biāo)題，卻是一個(gè)壞判斷。更準(zhǔn)確的變化是，資本開始尋找 AI 必須依附的互補(bǔ)資產(chǎn)。

過去，軟件公司的優(yōu)勢來自復(fù)制。一套產(chǎn)品做出來，可以賣給一萬家公司，新增一個(gè)客戶幾乎不增加生產(chǎn)成本。可當(dāng)生成代碼和功能的成本繼續(xù)下降，軟件功能本身的壽命就會縮短。投資人過去愿意為七年、十年的穩(wěn)定訂閱付高價(jià)，現(xiàn)在必須問：三年以后，這套功能還獨(dú)立存在嗎？客戶會不會讓 AI 自己做？席位減少以后，按人頭收費(fèi)還能不能成立？

另一邊，現(xiàn)實(shí)世界的很多東西無法按“復(fù)制粘貼”擴(kuò)張。

一張鐵路消防系統(tǒng)的設(shè)計(jì)圖可以復(fù)制，安裝在列車上的設(shè)備不能。一個(gè)衛(wèi)星光學(xué)系統(tǒng)的參數(shù)可以復(fù)制，通過航空航天認(rèn)證的產(chǎn)線不能。一個(gè)礦山自動駕駛模型可以復(fù)制，礦山里的車輛、傳感器、維修團(tuán)隊(duì)和多年事故數(shù)據(jù)不能。

這正是意大利突然受到關(guān)注的原因之一。那里有大量低負(fù)債、家族持有、長期投資設(shè)備的中型制造商。許多創(chuàng)始人進(jìn)入退休年齡，私募在工業(yè)領(lǐng)域配置不足，又在軟件和服務(wù)上配置過多。AI 提高了軟件資產(chǎn)未來現(xiàn)金流的不確定性，也提高了既有制造系統(tǒng)被智能化改造的潛在收益。

當(dāng)然，AI 只是這波交易的催化劑。意大利私募滲透率原本就低，家族接班、銀行整合、供應(yīng)鏈重構(gòu)、國防開支和能源基礎(chǔ)設(shè)施投資，都在推高交易活動。

但這些因素最后匯合到同一個(gè)方向：資本開始為現(xiàn)實(shí)中的稀缺接口重新定價(jià)。

它沒有背叛 AI。它開始收購 AI 的另一半。

四、真正值錢的是“結(jié)果系統(tǒng)”

為什么一家公司擁有廠房、設(shè)備和客戶關(guān)系，就可能比只擁有模型更值錢？

因?yàn)楝F(xiàn)實(shí)永遠(yuǎn)寫不完。

合同可以規(guī)定交付日期、產(chǎn)品規(guī)格和賠償條款，卻不可能提前列出機(jī)器會以什么方式損壞、客戶會臨時(shí)改什么要求、哪個(gè)零件會斷供、監(jiān)管會增加什么測試。模型也一樣。訓(xùn)練數(shù)據(jù)可以覆蓋大量常見狀態(tài)，卻很難提前裝下那頭恰好走過激光接收器的牛。

不完全合同理論研究的就是這個(gè)問題。諾獎得主奧利弗·哈特在演講里把問題說得很清楚：當(dāng)合同無法規(guī)定所有未來事項(xiàng)，關(guān)鍵就變成，缺失事項(xiàng)出現(xiàn)時(shí)誰有權(quán)決定。

所有權(quán)在這里重新顯出價(jià)格。

你擁有一臺設(shè)備，才有權(quán)決定它是否停機(jī)、怎樣改造、接入哪個(gè)系統(tǒng)。你擁有客戶關(guān)系，才能把一次技術(shù)升級變成新的報(bào)價(jià)。你掌握測試記錄和事故數(shù)據(jù)，才能判斷一個(gè)模型是否真的進(jìn)步。你控制服務(wù)網(wǎng)絡(luò)，才有能力在錯(cuò)誤發(fā)生后趕到現(xiàn)場。

這不需要被包裝成“處理意外的權(quán)力”。意外太偶然，權(quán)力也太抽象。

更直接的說法是：你能不能把答案變成結(jié)果，并在結(jié)果不好時(shí)繼續(xù)修正。

意大利有一家為列車制造自動消防系統(tǒng)的企業(yè) SEMA。它的關(guān)鍵能力之一，是減少誤報(bào)。因?yàn)橐淮五e(cuò)誤警報(bào)就可能讓列車停運(yùn)，代價(jià)遠(yuǎn)高于屏幕上多一條錯(cuò)誤提示。

在這樣的生意里，模型準(zhǔn)確率從 97% 提高到 98%，還不是最終價(jià)值。誤報(bào)減少了多少次，列車少停了多少小時(shí)，監(jiān)管機(jī)構(gòu)是否認(rèn)可，保險(xiǎn)成本有沒有下降，客戶是否愿意續(xù)約，這些才是結(jié)果。

誰能測量這些結(jié)果，誰就得到最有價(jià)值的反饋。誰能根據(jù)反饋修改設(shè)備、軟件和工作流，誰就積累下一輪優(yōu)勢。誰還與客戶簽著合同，誰才能把優(yōu)勢變成收入。

這是一條很難從外面復(fù)制的鏈。

模型公司可以擁有更聰明的答案，卻未必?fù)碛胁扇⌒袆拥馁Y格。制造商可能沒有最強(qiáng)的模型，卻擁有設(shè)備、客戶和部署權(quán)。真正強(qiáng)的公司會把兩邊接起來，讓每一次現(xiàn)實(shí)結(jié)果都回到系統(tǒng)里，變成下一次行動的依據(jù)。

護(hù)城河正在從“我有什么功能”，轉(zhuǎn)向“現(xiàn)實(shí)發(fā)生變化以后，我能讓什么結(jié)果隨之改變”。

五、世界模型只是練習(xí)場，現(xiàn)實(shí)才是考場

這也是為什么“世界模型”最近變得重要。

語言模型預(yù)測下一個(gè)詞，世界模型試圖預(yù)測采取一個(gè)動作以后，環(huán)境會發(fā)生什么。Google DeepMind 的 Genie 2 可以從一張圖片生成可控制、可游玩的 3D 環(huán)境，讓智能體在里面訓(xùn)練和測試。它能模擬開門、跳躍、重力和其他角色的行為。

聽起來很接近“理解世界”，其實(shí)離真實(shí)部署還有很遠(yuǎn)。

DeepMind 自己寫得很克制：這項(xiàng)研究仍在早期，環(huán)境一致性最長約一分鐘，多數(shù)展示只有 10 到 20 秒。機(jī)器人研究也反復(fù)遇到同一個(gè)障礙，仿真里的摩擦、噪聲、光線和物體分布，與現(xiàn)實(shí)總有差距。模型在模擬世界里學(xué)會走路，到了真實(shí)地面仍可能摔倒。

世界模型最現(xiàn)實(shí)的價(jià)值，是把昂貴、危險(xiǎn)、不可重復(fù)的失敗，先變成便宜、可重復(fù)的練習(xí)。

Applied Intuition 最近推出的 Dana 就沿著這條路走。工程師可以從一個(gè)需求出發(fā)，把修改連接到代碼，經(jīng)過仿真、評測、測試臺和硬件在環(huán)，最后才進(jìn)入實(shí)體機(jī)器。每一步為什么改、誰批準(zhǔn)、在哪個(gè)場景通過，都被留下記錄。

這家公司當(dāng)然在賣自己的產(chǎn)品，它宣稱某些開發(fā)階段已經(jīng)從數(shù)月縮短到數(shù)天，目前沒有足夠的獨(dú)立數(shù)據(jù)驗(yàn)證這個(gè)幅度。真正值得看的也不是這個(gè)漂亮數(shù)字。

關(guān)鍵是它賣的東西越來越不像一個(gè)“聰明模型”，越來越像一個(gè)結(jié)果系統(tǒng)。

仿真、數(shù)據(jù)、評測、硬件、部署、審計(jì)，一環(huán)都不能少。因?yàn)橐惠v幾噸重的機(jī)器在道路或礦山里移動時(shí)，流暢輸出沒有意義。監(jiān)管者要知道它為什么被允許上路，制造商要知道哪次更新改變了行為，事故發(fā)生后還要找到責(zé)任鏈。

過去我們?nèi)菀装堰@些工作看成創(chuàng)新的阻力。測試太慢，認(rèn)證太煩，審計(jì)不夠性感?？稍?AI 能力迅速變強(qiáng)以后，它們反而構(gòu)成產(chǎn)品的一部分。

能力越強(qiáng)，越要提前回答后果由誰承擔(dān)。這個(gè)問題不必寫成一段宏大的責(zé)任倫理，它最后會落到很具體的裝置上：批準(zhǔn)按鈕、測試報(bào)告、黑匣子、保險(xiǎn)合同、召回流程和賠償賬戶。

模型不會收到罰單，也不會出錢召回。商業(yè)系統(tǒng)必須把這些后果提前算進(jìn)產(chǎn)品里。

六、也不要把“笨生意”浪漫化

寫到這里，很容易得出一個(gè)危險(xiǎn)結(jié)論：去買工廠，去做手藝，去找所有 AI 看起來替代不了的生意。

這同樣是線性思維。

物理資產(chǎn)可能是護(hù)城河，也可能是沉沒成本。意大利制造業(yè)面臨歐洲最高的一批能源成本、繁復(fù)監(jiān)管和漫長司法程序。技術(shù)路線一旦押錯(cuò)，機(jī)器不會像軟件一樣按一下刪除鍵就消失。

依賴人工和現(xiàn)場的生意也未必有好回報(bào)。鮑莫爾早就指出，一些行業(yè)生產(chǎn)率很難提高，工資卻要跟著其他行業(yè)上漲，結(jié)果是成本持續(xù)上升。所謂“不可自動化”，有時(shí)只是成本永遠(yuǎn)降不下來的另一種說法。

理發(fā)、護(hù)理、餐飲、手工藝都很接近人，接近人并不會自動產(chǎn)生定價(jià)權(quán)。重資產(chǎn)、低毛利、客戶集中、沒有差異化的制造企業(yè)，也不會因?yàn)閽焐?HALO 標(biāo)簽就獲得未來。

真正值得重估的“笨生意”，需要同時(shí)滿足幾件事?？蛻粼敢鉃檎鎸?shí)結(jié)果付錢；錯(cuò)誤有清楚的成本，所以改進(jìn)可以被測量；現(xiàn)場數(shù)據(jù)和經(jīng)驗(yàn)?zāi)軌虺掷m(xù)積累；公司擁有客戶、設(shè)備、許可或服務(wù)網(wǎng)絡(luò)，能夠根據(jù)反饋行動。最重要的是，AI 可以提高它的效率，卻拿不走它與現(xiàn)實(shí)之間的關(guān)系。

好的“笨生意”不排斥智能。它用智能改造自己，又保留了把智能變成收入的那一段世界。

這也是 HALO 敘事里最容易被忽略的部分。低過時(shí)風(fēng)險(xiǎn)不意味著拒絕技術(shù)。那位意大利投資人說得很直白：這些企業(yè)有出色的“模擬業(yè)務(wù)”，現(xiàn)在需要把它們與 AI 雜交。

只守著舊機(jī)器，會被成本拖死。只擁有新模型，會被更便宜的模型追上。

未來最有價(jià)值的公司，可能恰好卡在兩者中間。

七、你擁有答案，還是擁有結(jié)果？

我之前講過，AI 時(shí)代真正的贏家不是最會用 AI 的人，而是擁有定價(jià)權(quán)的人。

現(xiàn)在可以補(bǔ)上后半句：定價(jià)權(quán)常常來自你控制了結(jié)果系統(tǒng)。

對公司如此，對個(gè)人也一樣。

如果你的工作只是生產(chǎn)一份可以被轉(zhuǎn)發(fā)的答案，你面對的是一條持續(xù)下跌的價(jià)格曲線。如果你能讓答案改變一個(gè)真實(shí)數(shù)字，收入、成本、良率、交付時(shí)間、事故率、續(xù)約率，你就開始接近結(jié)果系統(tǒng)。

這不意味著每個(gè)人都要去工廠?，F(xiàn)實(shí)也存在于客戶拒絕付款的那一刻，病人沒有按計(jì)劃恢復(fù)的那一刻，團(tuán)隊(duì)沒有按方案行動的那一刻。關(guān)鍵在于，你有沒有看到后果，有沒有權(quán)力修正，有沒有為結(jié)果承擔(dān)代價(jià)。

AI 會繼續(xù)變強(qiáng)。答案會更多、更快、更像正確答案。下一輪稀缺性不會藏在“誰還能生成”里。

它會藏在另一個(gè)更難的問題里：

你手里究竟有更多答案，還是有一個(gè)能讓答案變成結(jié)果的系統(tǒng)？