工业革命就注定会有钢铁、石油、铁路巨头。互联网也注定会有搜索、电商、即时通讯。历史性变革催生历史性机会，而这种历史性机会往往内置于技术的特征。技术特征决定了机会是什么，甚至也决定了机会的先后。如果我们认为AI是历史性变革，那什么是AI背后的历史性机会呢？这种历史性机会又会如何排布？所谓不谋全局者不足谋一域，在这篇文章里，我们拔高到上帝视角，尝试对AI的历史性机会进行预测。
一、参照系：从PC到互联网的底层脉络
上世纪五十年代到现在如果要提炼，走过的过程大致是：
市值千亿美金量级
1. 底层基础设施萌芽 --- 硅谷八叛徒那个年代做的芯片等，最终酝酿出的就是Intel这种峰值3000亿美金（2000年）的芯片公司。
2. 底层基础设施确立（硬） --- 电脑、操作系统铺开。Wintel联盟，让产业形成了芯片和系统为核的控制点，PC服务器反倒是配套的局面。互联网则是思科（后面是华为等）提供网络基础设施。
市值2万亿美金量级：
3. 底层基础设施确立（软，系统级平台） ---微软控制力达到历史峰值，2000年达到那时候的5000亿美金。开源的Linux把云服务的操作系统切走了。后来的云算是一部分互联网基础设施。
苹果很另类是软硬融合的系统级平台，但这非常依赖乔布斯这种另类的人。
市值千亿美金量级：
4. 垂域型应用出现 --- SAP、Office、搜索等。千亿美金及以上市值的公司。
市值万亿美金量级：
5. 平台型应用出现（应用级平台） --- 电商、即时通讯、短视频等。
市值十亿美金量级：
6. 新工种出现 --- 主播、淘宝店主、滴滴司机。比如MCN等
市值百亿美金量级：
7. 周边的工具 --- 安全等
总结来看就是底层基础设施催生系统型平台，而底层基础设施成熟后催生巨型应用和应用平台，应用平台催生新的工种。
二、AI的脉络什么样？
AI构建了一种新的计算模式，它从底层到上层都与过去的计算机和互联网是并行的，虽然很多时候会交叉。但就像互联网也用计算机一样，两者要分开看，但底层的脉络反倒是可参照（方法的方法类似）。
我们还是用同样的思考框架来看AI：
潜在2万亿美金量级：
1.底层基础设施（硬，英伟达实际上是软硬融合的系统级平台） --- 英伟达GPU+CUDA。与过去的纯粹芯片并不完全一样，而是融合部分操作系统的职责。英伟达走在了所有人的前面，成为2万亿美金以上的公司。但不要忘记这是几十年努力的结果，不是微信这种快速崛起的式的成功。
2.底层基础设施（软，系统级平台） --- 大模型公司正在形成。OpenAI看来会占据一个。其它的还不明朗。
会不会出个类似苹果那样的软硬融合的机器人公司呢？一个是很遥远，一个也是不确定性太大，先不讨论了。
潜在千亿美金量级：
3.垂域型应用 --- Copilot是在这里。Copilot每年收入超过100亿美金，单独拆分的话估计很快会过千亿美金市值。
潜在万亿美金量级：
4.平台型应用（应用级平台） --- 还没影，但不能假设OpenAI把这个都做了。可以想象互联网的各种应用要基于AI重构、税务、企业、制药等会出现新的应用。千亿美金以上的AI公司。最简单的形式，拥有大量《Her》也可以成为平台。可能有自研模型，也可能没有。和过去的应用不一样，这种应用有可能是软硬融合的，外部同时管理大量设备，比如一个中心+N个AR眼镜。
潜在十亿美金量级：
5.新工种出现 --- 比如真是Her的平台，那陪聊天服务中真人也会有个特殊位置。
潜在百亿美金量级：
6.周边的工具 --- 这个会一直有，小工具估计到不了这个规模。但同样的安全类工具等还是可以的。和过去差分的是还可能出现一些顶着Agent名义的工具人平台。过去需要雇佣人的情景，直接雇佣他们。
说AI是单纯的赋能，颠覆性不强，应该是错的。
恰相反，所有过去的技术的颠覆性可能都不如AI的一半。（同携程梁建章梁总的AI影响不如互联网观点正相反）
这个一半是从人的角度进行考量。但它确实因为纵深太夸张，启动的非常费劲，节奏也慢很多。
基础设施成熟后，真能进入应用阶段一下子增速会快起来。
微软从成立到峰值花了30年，Google就不用，大概也就10年。这次的英伟达也差不多用了30年。偏硬科技的基础设施所对应的游戏规则和应用的游戏规则差别很大。
三、颠覆性何来？
这种颠覆性来自于计算模式的本质性变化。
过去的计算模式是CPU（包括电脑、服务器等）提供算力，程序员提供智能，互联网加持应用范围和可能性。
AI的计算模式是GPU提供算力，大模型提供智能，程序员负责缝合，互联网继续加持应用范围。
别看主要是谁提供智能这一点变化，实际上作用到应用上是天壤之别。
这导致在到底能干什么，怎么干上发生本质性变化。
在程序员提供智能的时候，再怎么努力也只能是在各种领域做“辅助驾驶”。并且“辅助驾驶”的范围非常限定，领域一复杂它就搞不定了。别看能运作抖音这种大型平台，但它后面的需要的智能复杂度还不如管理一个200人的公司。
大模型提供的时代就可以在各种领域做“自动驾驶”，并且让“辅助驾驶”的深度也完全不一样。Copilot这种“辅助驾驶”工具和过去的Office助手比，影响深度根本不在一个量级。
所有的领域的"自动驾驶"，就是所有领域的超级自动化（Copilot VS Autopilot）。
因为是计算模式的本质性改变，必然会导致基础设施上面的应用形态彻底改变。
从智能音箱这种产品我们应该能感受到，它和过去的APP不是一个事儿。
根子还是在智能的程度。
低智能、低信息量的前提下，最合适的吞吐信息的方式一定是分类。
菜单、按钮、网页导航等全是分类。整个图形用户界面交互的基础就是分类。
高智能、全范围信息量的前提下，最合适的吞吐信息的方式会变成对话。智能体负责分类并折叠了它。
在过去分类到对话最明显的例子是雅虎的导航到搜索引擎。这是最原始版本的信息消费升级，从纯粹分类到搜索框的类似对话。
现在恐怕所有的领域全部要重来，并且深度远超以往。
四、真正的挑战
真独立打穿这样一条产业，核心挑战是什么呢？（也不可能再像过去那样了，这次是需要独立走起来）
核心的不是资源而是场域。不妨先简单的把场域理解成一种体现价值体系的环境。
AI确实到了比较危险的时候。一方面是整个通路还不通，一方面是已经聚集了能聚集的大量资源。如果弹药用尽了，还是商业不闭环，那还真就抓瞎了。所谓知止而后有定，在怀疑和沮丧太多的时候，开脑洞看下产业后续发展的脉络，可能也不是坏事。